Фуктуирующие рыночные условия, ограничения цепочки поставок, нехватка труда и быстро меняющаяся глобальная промышленность заставляют производителей всех размеров переоценить то, как они работают. Многие производители начали принимать технологии для поддержания конкурентных преимуществ и решения давних бизнес-проблем. От автоматизации до цифровых технологий, промышленного IoT и многого другого предприятия могут использовать эти инновации, чтобы в конечном итоге собирать данные из различных систем, процессов и людей, чтобы предоставить стратегическое понимание, необходимое для принятия лучших решений.
Нет сомнений в том, что у этих компаний есть много данных для работы. Согласно исследованию McKinsey, производство генерирует 1,9 петабайта или 1900, 000 терабайт данных ежегодно. Проблема заключалась в том, что им нужен был лучший способ захватить и проанализировать данные и превратить их в полезную информацию, и им нужно было сделать это быстро. В результате многие предприятия обращаются к искусственному интеллекту (ИИ), чтобы найти возможности с их данными для улучшения их деятельности.
Почему ИИ идеально подходит для анализа данных?
От улучшения урожайности производства и времени безотказной работы, до точного прогнозирования спроса и дистанционного мониторинга машин, а также контроля активов и улучшения качества продукции, ИИ может быть использован для значительного повышения общей эффективности и показателей производительности.
Это не волшебство, а сложный набор алгоритмов, которые анализируют большие объемы данных, коррелируют или изучают закономерности в различных переменных и применяют эти знания к текущим условиям, чтобы помочь предсказать будущие состояния. Это не означает, что люди не могут выполнять эти задачи, но что AL может сделать их быстрее и обрабатывать больше данных с большей точностью, улучшая результаты бизнеса.
Например, в любой производственной среде традиционно существует несколько различных рабочих групп и машин, которые собирают свои собственные данные. Информация с каждого устройства может варьироваться по качеству, формату и времени, что может создавать препятствия и затрудняет анализ и измерение любых значимых пониманий из данных.
С помощью технологии искусственного интеллекта большие объемы данных могут быть быстро обработаны, что позволяет компаниям быстро и точно объединять эксплуатационную информацию, прогнозировать результаты на основе альтернатив и позволить производителям принимать гибкие, информированные решения. Эта упреждающая прогностическая способность-это то, где сила ИИ лежит, и она может значительно увеличить урожайность продукта.
Выявляя основную причину проблем с качеством продукта, ИИ может помочь снизить дефекты продукта и скорости отходов и увеличить урожайность производства. С подробной информацией и анализом, производители могут решать проблемы контроля качества, прежде чем они напрямую повлияют на прибыль компании. Давайте посмотрим на один такой пример.
Используйте ИИ для улучшения качества двигателя
Глобальный производитель двигателей производит большие дизельные двигатели для наборов генераторов, военно -морских и морских применений и военных транспортных средств. После сборки каждый двигатель подвергается строгим тестированию. Во время тестирования даже самые опытные операторы часто не могут обнаружить тонкие признаки проблемы, что приводит к катастрофическим сбоям во время тестирования или после того, как двигатель находится в эксплуатации. Эти сбои привели к значительным потерям, отсроченным поставкам, создали отсроченные зоны испытаний и производство вверх по течению, в год стоили миллионы долларов и негативно повлияли на поставки времени.
Проблема заключается не в отсутствии данных, а в том, как они используются. Фактически, завод собирал данные процесса в течение многих лет, но использовал их только для последующей работы после того, как произошел сбой. Глядя на данные этим реактивным образом, команда не может понять, почему эти неудачи происходят или активно их обращаются. В конечном счете, эти проблемы рассматриваются как стоимость ведения бизнеса, пока компания не рассмотрит использование ИИ на существующих данных для прогнозирования критических сбоев активов, прежде чем они произойдут.
Производитель начал с пилотной программы, чтобы заложить необходимую основу для ИИ, чтобы оказать влияние. Учитывая необходимость использования исторических данных, компания сначала провела очистку и анализ данных с помощью ИИ, сократив 20 миллиардов точек данных с 100 двигателей до 6 миллиардов наиболее влиятельных точек данных за 48 часов.
Затем подключите несколько наборов моделей по времени и модели, чтобы визуализировать данные и определить любые пробелы данных. Основываясь на анализе пробелов, были внесены корректировки для чаще извлечения определенных данных, тем самым улучшая моделирование. Используя платформу AI, весь анализ проводится в среде низкого риска без какого-либо влияния на текущее производство.
Из этих данных производители могут создавать базовые показатели, выявлять тенденции и аномалии и разработать планы по реализации информации. Всего за несколько недель они выпустили отчет, в котором выявил группу двигателей риска по серийному номеру. Основываясь на этой информации, производители подозревают, что эти двигатели имеют более высокую вероятность проблем во время контрольных испытаний качества или в полевых условиях. Связывая данные тестирования с фактическими сбоями продукта, отчет точно определил более 80 процентов проблем с двигателем в течение нескольких лет.
Важно отметить, что этот проект является итеративным процессом, поскольку модель ИИ постоянно учится. Примерно через 45 дней модель смогла предсказать неудачи за 30 минут с нулевой ложной положительной скоростью.
Минимизировать нарушение операций
Во время официального запуска решение AL подключено к данным в реальном времени, генерируемых системой контроля тестирования и интерфейсом человека (HMI). Это не влияет на нормальную работу. Фактически, модель была интегрирована со стандартным программным обеспечением компании, и оператор даже не знал, что она была реализована. Им просто нужно знать, что теперь их интерфейс HMI сообщит им о любых потенциальных надвигающихся проблемах и о том, как с ними решать.
В первые 90 дней приложение AI обнаружило 20 событий в реальном времени, избежало более 4,5 млн. Долл. США на повреждение двигателя и достигла 10-кратного возврата инвестиций (ROI) для проекта.
Как показывает этот случай, использование искусственного интеллекта может предоставить производителям способ активно снизить качественные дефекты, сэкономить деньги и улучшить ставки доставки при минимизации сбоев в операциях. Начиная с прочной основы данных и работы с опытными партнерами, ИИ может предоставить информацию, необходимые для обеспечения результатов бизнеса и помочь производителям конкурировать в сегодняшней быстро развивающейся бизнес -среде.
Но ИИ не обязательно должен быть универсальным решением. В зависимости от ваших потребностей, приложения и конкретной ситуации необходимо настроить различные решения. Поэтому важно иметь доверенного партнера на вашей стороне. Когда дело доходит до ИИ, они могут оценить, где вы находитесь в своем путешествии по цифровому трансформации, понимать свои цели или проблемы и определить решение от ведущих поставщиков, которые наилучшим образом соответствуют вашим реальным потребностям.