Улесняването на пазарните условия, ограниченията на веригата на доставки, недостигът на работна ръка и бързата глобална индустрия принуждават производителите от всякакви размери да преоценят начина, по който работят. Много производители започнаха да приемат технология за поддържане на конкурентно предимство и справяне с дългогодишните бизнес предизвикателства. От автоматизацията до цифровите технологии, индустриалния IoT и други, предприятията могат да използват тези иновации, за да уловят в крайна сметка данни от различни системи, процеси и хора, за да предоставят стратегическите прозрения, необходими за вземане на по -добри решения.
Няма съмнение, че тези компании имат много данни, с които да работят. Според проучване на McKinsey производството генерира 1,9 петабайта или 1 900, 000 терабайти на данни годишно. Проблемът беше, че те се нуждаят от по -добър начин да уловят и анализират данни и да ги превърнат в използваема информация и трябваше да го направят бързо. В резултат на това много предприятия се обръщат към изкуствения интелект (AI), за да намерят възможности с своите данни за подобряване на своите операции.
Защо AI е идеален за анализ на данни?
От подобряването на производствените добиви и времето за работа, до точното прогнозиране на търсенето и дистанционното наблюдение на машините и дори контролирането на активите и подобряването на качеството на продукта, AI може да се използва, за да подобри значително общата ефективност и показатели за производителност.
Това не е магия, а сложен набор от алгоритми, които анализират големи количества данни, корелират или научават модели в различни променливи и прилагат тези знания при текущите условия, за да помогнат за прогнозиране на бъдещите състояния. Това не означава, че хората не могат да изпълняват тези задачи, но че Ал може да ги направи по -бързо и да обработва повече данни с по -голяма точност, подобрявайки бизнес резултатите.
Например, във всяка производствена среда, традиционно има няколко различни работни групи и машини, всички събиращи свои собствени данни. Информацията от всяко устройство може да варира по качество, формат и време, което може да създаде препятствия и да затрудни анализа и да се събере всякаква смислена информация от данните.
С помощта на AI технологията големи количества данни могат да бъдат обработени бързо, като се даде възможност на компаниите бързо и точно да комбинират оперативна информация, да прогнозират резултати въз основа на алтернативи и да дадат възможност на производителите да вземат пъргави, информирани решения. Тази превантивна прогнозна способност е мястото, където силата на AI се крие и може значително да увеличи добивите на продукта.
Чрез идентифициране на основната причина за проблемите с качеството на продукта AI може да помогне за намаляване на дефектите на продукта и скоростта на скрап и увеличаване на производствените добиви. С подробна информация и анализ производителите могат да се справят с проблемите на контрола на качеството, преди да повлияят пряко на долния ред на компанията. Нека разгледаме един такъв пример.
Използвайте AI за подобряване на качеството на двигателя
Глобалният производител на двигатели произвежда големи дизелови двигатели за генераторни комплекти, военноморски и морски приложения и военни превозни средства. След сглобяването всеки двигател е подложен на строги тестове. По време на тестване дори най -опитните оператори често не успяват да открият фини признаци на проблем, което води до катастрофални повреди по време на тестване или след като двигателят е в експлоатация. Тези провали са причинили значителни загуби, забавени пратки, създадоха зони за тестване на изоставане и производството нагоре по течението, струват на компанията милиони долари годишно и се отразиха негативно на доставките във времето.
Проблемът не е липса на данни, а как се използва. Всъщност заводът събира данни за процеса от години, но го използва само за последваща работа след повторна повреда. Разглеждайки данните по този реактивен начин, екипът не е в състояние да разбере защо тези неуспехи се появяват или проактивно се отнасят към тях. В крайна сметка тези проблеми се разглеждат като разходи за правене на бизнес, докато компанията не вземе предвид използването на AI върху съществуващите данни за прогнозиране на критични неуспехи на активите, преди да се появят.
Производителят стартира с пилотна програма, за да постави необходимата фондация за данни за AI, за да окаже влияние. Като се има предвид необходимостта от използване на исторически данни, компанията първо проведе почистване и анализ на данни с помощта на AI, намалявайки 20 милиарда точки от данни от 100 двигателя до 6 милиарда от най -влиятелните точки от данни за 48 часа.
След това свържете множество набори от модели по време и модел, за да визуализирате данните и да идентифицирате всички пропуски в данните. Въз основа на анализа на GAP бяха направени корекции за извличане на определени данни по -често, като по този начин се подобри моделирането. Използвайки AI платформа, целият анализ се прави в нискорискова среда, без да въздейства върху текущото производство.
От тези данни производителите са в състояние да създават базови линии, да идентифицират тенденциите и аномалиите и да разработят планове за прилагане на информацията в действие. Само за няколко седмици те изготвиха доклад, идентифициращ група рискови двигатели по сериен номер. Въз основа на тази информация производителите подозират, че тези двигатели имат по -голяма вероятност от проблеми по време на тестове за контрол на качеството или на полето. Чрез свързване на тестовите данни с действителните неуспехи на продукта, докладът точно идентифицира повече от 80 процента от проблемите на двигателя за няколко години.
Важно е да се отбележи, че този проект е итеративен процес, тъй като AI моделът постоянно се учи. След около 45 дни моделът успя да прогнозира повреди 30 минути предварително с нулева фалшива положителна скорост.
Минимизиране на прекъсването на операциите
По време на официалното стартиране решението на AL е свързано с данни в реално време, генерирани от системата за контрол на теста и интерфейса на човешката машина (HMI). Това няма ефект върху нормалната работа. Всъщност моделът беше интегриран със стандартния тестов софтуер на компанията и операторът дори не беше наясно, че той е реализиран. Те просто трябва да знаят, че сега техният HMI интерфейс ще ги информира за всякакви потенциални проблеми с настъпването и как да се справят с тях.
През първите 90 дни приложението AI откри 20 събития в реално време, избягва повече от 4,5 милиона долара щети на двигателя и постигна 10-кратна възвръщаемост на инвестицията (ROI) за проекта.
Както илюстрира този случай, използването на AI може да осигури на производителите начин да намалят активното дефекти на качеството, да спестят пари и да подобрят процента на доставка, като в същото време свеждат до минимум прекъсването на операциите. Започвайки със солидна основа от данни и работа с опитни партньори, AI може да предостави прозрения, необходими за постигане на бизнес резултати и да помогне на производителите да се състезават в днешното бързо развиваща се бизнес среда.
Но AI не трябва да бъде решение с един размер. В зависимост от вашите нужди, приложение и конкретна ситуация, трябва да се персонализират различни решения. Затова е важно да имате надежден партньор на ваша страна. Що се отнася до AI, те могат да преценят къде сте на вашето пътуване с дигитална трансформация, да разберат вашите цели или предизвикателства и да идентифицират решението от най -добрите доставчици, което най -добре отговаря на вашите действителни нужди.