Fluktuirajuće tržišne uvjete, ograničenja lanca opskrbe, nestašice radne snage i brza globalna industrija prisiljavaju proizvođače svih veličina da preispitaju način na koji djeluju. Mnogi su proizvođači počeli prihvaćati tehnologiju kako bi održali konkurentnu prednost i rješavali dugogodišnje poslovne izazove. Od automatizacije do digitalnih tehnologija, industrijskog IoT -a i još mnogo toga, tvrtke mogu iskoristiti ove inovacije kako bi u konačnici uhvatile podatke iz različitih sustava, procesa i ljudi kako bi pružili strateške uvide potrebne za donošenje boljih odluka.
Nema sumnje da ove tvrtke imaju puno podataka s kojima će raditi. Prema studiji McKinsey, proizvodnja generira 1,9 petabajta ili 1.900, 000 terabajti podataka godišnje. Problem je bio u tome što im je potreban bolji način da uhvate i analiziraju podatke i pretvaraju ih u korisne informacije, a oni su trebali brzo učiniti. Kao rezultat toga, mnoge se tvrtke okreću umjetnoj inteligenciji (AI) kako bi pronašle mogućnosti sa svojim podacima kako bi poboljšali svoje poslovanje.
Zašto je AI savršen za analizu podataka?
Od poboljšanja prinosa proizvodnje i produžetka, do preciznog predviđanja strojeva za potražnju i daljinskog praćenja, pa čak i kontrole imovine i poboljšanja kvalitete proizvoda, AI se može iskoristiti za značajno poboljšanje ukupne učinkovitosti i mjernih podataka o produktivnosti.
To nije magija, već složen skup algoritama koji analiziraju velike količine podataka, koreliraju ili uče obrasce u različitim varijablama i primjenjuju to znanje u trenutnim uvjetima kako bi se pomoglo predviđanju budućih stanja. To ne znači da ljudi ne mogu obavljati ove zadatke, već da ih Al može učiniti brže i obraditi više podataka s većom preciznošću, poboljšavajući poslovne ishode.
Na primjer, u bilo kojem proizvodnom okruženju tradicionalno postoji nekoliko različitih radnih skupina i strojeva koji prikupljaju vlastite podatke. Podaci sa svakog uređaja mogu se razlikovati u kvaliteti, formatu i vremenu, što može stvoriti prepreke i otežati analizu i prikupljanje bilo kakvih značajnih uvida iz podataka.
Uz pomoć AI tehnologije, velike količine podataka mogu se brzo obraditi, omogućujući tvrtkama da brzo i precizno kombiniraju operativne informacije, predviđaju ishode na temelju alternativa i omogućuju proizvođačima da donose agilne, informirane odluke. Ova prediktivna prediktivna sposobnost je mjesto gdje leži AI-jeva snaga i može uvelike povećati prinose proizvoda.
Identificiranjem uzroka problema s kvalitetom proizvoda, AI može pomoći u smanjenju oštećenja proizvoda i stopama otpada i povećanju prinosa proizvodnje. S detaljnim informacijama i analizom, proizvođači mogu riješiti probleme s kontrolom kvalitete prije nego što izravno utječu na dno crte tvrtke. Pogledajmo jedan takav primjer.
Upotrijebite AI za poboljšanje kvalitete motora
Globalni proizvođač motora proizvodi velike dizelske motore za setove generatora, mornaričke i morske aplikacije i vojne vozila. Nakon sastavljanja, svaki je motor podvrgnut strogim ispitivanjima. Tijekom testiranja, čak i najiskusniji operateri često ne otkrivaju suptilne znakove problema, što dovodi do katastrofalnih kvarova tijekom testiranja ili nakon što je motor u službi. Ovi neuspjesi uzrokovali su značajne gubitke, odgođene pošiljke, stvorili zaostala područja ispitivanja i uzvodno proizvodnju, koštali su kompaniju milijune dolara godišnje i negativno utjecali na isporuke na vrijeme.
Problem nije nedostatak podataka, već kako se koristi. U stvari, postrojenje je godinama prikupljao podatke o procesu, ali je koristio samo za praćenje nakon što se došlo do neuspjeha. Gledajući podatke na ovaj reaktivni način, tim nije u stanju razumjeti zašto se ti neuspjesi događaju ili ih proaktivno obraćaju. U konačnici, ta se pitanja smatraju troškovima poslovanja sve dok tvrtka ne razmatra korištenje AI na postojećim podacima za predviđanje kritičnih neuspjeha imovine prije nego što se pojave.
Proizvođač je započeo s pilot programom kako bi postavio potrebne temelje podataka za AI kako bi napravio utjecaj. S obzirom na potrebu korištenja povijesnih podataka, tvrtka je prvo provela čišćenje i analizu podataka, uz pomoć AI, smanjujući 20 milijardi podataka s 100 motora na 6 milijardi najutjecajnijih podataka u 48 sati.
Zatim povežite više skupova modela prema vremenu i modelu kako biste vizualizirali podatke i identificirali bilo kakve nedostatke podataka. Na temelju analize GAP -a izvršena su prilagođavanja kako bi se češće izvlačile određene podatke, poboljšavajući na taj način modeliranje. Korištenjem AI platforme, cjelokupna analiza vrši se u okruženju s niskim rizikom bez ikakvog utjecaja na trenutnu proizvodnju.
Iz tih podataka proizvođači mogu uspostaviti osnovne linije, identificirati trendove i anomalije i razviti planove za pokretanje podataka. U samo nekoliko tjedana proizveli su izvješće u kojem se identificira skupina rizičnih motora prema serijskom broju. Na temelju tih podataka, proizvođači sumnjaju da ti motori imaju veću vjerojatnost problema tijekom ispitivanja kontrole kvalitete ili na terenu. Povezujući testne podatke s stvarnim kvarovima proizvoda, izvješće je točno identificiralo više od 80 posto problema s motorom tijekom nekoliko godina.
Važno je napomenuti da je ovaj projekt iterativni proces, jer AI model neprestano uči. Za otprilike 45 dana, model je uspio predvidjeti kvarove 30 minuta unaprijed s nultom lažnom pozitivnom stopom.
Smanjiti poremećaj u operacijama
Tijekom službenog lansiranja, rješenje AL povezano je s podacima u stvarnom vremenu koje generira sustav kontrole ispitivanja i sučelje ljudskog stroja (HMI). To nema utjecaja na normalan rad. U stvari, model je bio integriran sa standardnim testnim softverom tvrtke, a operator nije ni bio svjestan da je implementiran. Oni samo trebaju znati da će ih sada njihovo HMI sučelje informirati o svim potencijalnim problemima i kako se nositi s njima.
U prvih 90 dana aplikacija AI otkrila je 20 događaja u stvarnom vremenu, izbjegla je više od 4,5 milijuna dolara štete motorima i postigla 10X povrat ulaganja (ROI) za projekt.
Kao što ovaj slučaj ilustrira, iskorištavanje AI može proizvođačima pružiti način da proaktivno smanje nedostatke kvalitete, uštede novac i poboljša stopu isporuke, istovremeno minimizirajući poremećaj u poslovanju. Počevši od čvrstog temelja podataka i rada s iskusnim partnerima, AI može pružiti uvide potrebne za postizanje poslovnih ishoda i pomoći proizvođačima da se natječu u današnjem brzo razvijajućem poslovnom okruženju.
Ali AI ne mora biti rješenje za sve veličine. Ovisno o vašim potrebama, primjeni i specifičnoj situaciji, potrebno je prilagoditi različita rješenja. Stoga je važno imati pouzdanog partnera pored sebe. Kada je u pitanju AI, oni mogu procijeniti gdje ste na putu digitalne transformacije, razumjeti svoje ciljeve ili izazove i identificirati rješenje od najboljih dobavljača koji najbolje odgovara vašim stvarnim potrebama.