Три практических правила, позволяющих незамедлительно начать работу в организации.

Мир стремительно движется к Индустрии 4.0 или Четвертой промышленной революции, когда системы на основе искусственного интеллекта (ИИ) и машинного обучения не только меняют способы нашего взаимодействия с информацией, но и революционизируют производственный сектор. Индустрия 4.0 развивается быстрыми темпами, что мешает производителям изменять свои процессы и идти в ногу с технологическим развитием. Многие люди думают, что будущее за ИИ, но правда в том, что ИИ происходит сейчас!

Этот пост является частью серии сообщений в блоге о производстве, в которых мы освещаем такие темы, как «Усовершенствование производственного процесса с помощью искусственного интеллекта с минимальными инвестициями», «Интеллектуальная панель мониторинга в реальном времени с данными IoT» и «5 уроков, которые я извлек для крупных масштабов». Интернет вещей ».

В этом первом посте мы покажем, как включить ИИ на своем производственном предприятии с минимальными вложениями. Сначала решаются некоторые серьезные проблемы в отрасли, после чего даются рекомендации по выбору успешного проекта ИИ. Наконец, на основе этих рекомендаций приведены некоторые примеры использования.

Почему ИИ не полностью интегрирован в производственные системы?

Исторически сложилось так, что обрабатывающая промышленность очень консервативна. Исторические тенденции показывают, что производители в основном сосредотачиваются на повышении точности, гибкости, сложности и скорости, пытаясь снизить затраты и использование ресурсов. Когда говорят о Индустрии 4.0, многие люди думают о фабрике будущего, где все взаимосвязано, организовано и самообучается.

Правда в том, что у большинства существующих производителей нет инфраструктуры, чтобы это произошло. Поэтому большинство компаний опасаются больших капиталовложений и изменения дизайна процессов. Желание внедрять инновации есть, но риски существуют, как и в других аспектах бизнеса.

Согласно отчету Oxford Economics / SAP, 34% руководителей производства инвестируют в ИИ, чтобы пополнить свой штат, повысить производительность и максимизировать эффективность, а также создать управление решениями на основе данных.

Итак, как мы можем решить проблему, которая возникает на консервативном рынке?

Хотя каждая компания уникальна и нет единого пути для трансформации ИИ, есть некоторые рекомендации, позволяющие ИИ вносить свой вклад в ваши производственные процессы. Производственный мир может многому научиться у других отраслей, где ИИ был успешно применен. Это может показаться странным, но поисковые системы, предсказывающие цены в электронной коммерции, ИИ, обыгрывающие игроков в игре, или программное обеспечение автономных автомобилей очень тесно связаны с большинством производственных процессов. Хотя приложение совершенно другое, математическая задача, которую необходимо решить, очень похожа. Это позволяет нам использовать алгоритмы, которые используются в других секторах, и применять их к производственному процессу.

Где можно применить ИИ с минимальными первоначальными вложениями и при этом быстро получить результат? Три практических правила.

Правило 1. ищите установленный процесс, который часто повторяется.

Вероятно, ваша компания хранит данные в течение многих лет, и вы можете использовать эти журналы для получения огромного количества данных без изменения процессов.

Правило 2: найдите процесс с измеримым результатом

Вы можете легче обучить алгоритм ИИ, если знаете, что хотите оптимизировать, и измерили желаемый результат. Для большинства методов искусственного интеллекта требуется помеченный набор данных, а это означает, что рядом с вашими входными данными вам необходимо знать выходные данные.

Правило 3: ищите неопределенность в процессах

Неопределенность означает возможность улучшения. Неопределенность в производстве может быть вызвана несколькими причинами, в том числе:

  • Вариация процесса. Поведение процессов не всегда можно предсказать, и поэтому для большинства производственных процессов требуются факторы безопасности, чтобы это компенсировать. Это приводит к использованию большего количества материала и снижению эффективности.
  • Оптимизация параметров. Люди не всегда хорошо понимают сложные процессы, потому что необходимо установить слишком много параметров. Следовательно, вполне вероятно, что процесс работает неоптимально. Если вы можете спроектировать систему, которая может прогнозировать ваши результаты, вы точно знаете количество необходимых ресурсов и можете каждый раз делать идеальный выбор для настроек машины.
  • Простой многоступенчатого производственного процесса, вызывающий потребность в страховых запасах и запасах.

Итак, где мы можем применить эти методы?

Есть несколько приложений, в которых вы можете применить ИИ в обрабатывающей промышленности, например контроль качества, профилактическое обслуживание, прогнозирование окончания срока службы, оптимизация цепочки поставок и спроса, оптимизация запасов и сокращение энергопотребления. Как далее описано здесь и здесь. Но я хотел бы продемонстрировать три практических правила на двух примерах использования.

Пример использования 1. Сокращение количества отходов и повышение качества материалов для процессов смешивания

Одним из первых шагов в сталелитейной, пищевой, фармацевтической или резиновой промышленности является смешивание определенных ингредиентов для получения конечного продукта с нужными свойствами материала (постановка проблемы аналогична нашей предыдущей публикации в блоге здесь). Эти свойства сильно зависят от качества входящего материала, настроек параметров и изменений процесса, смеси компонентов и т. Д. Это типичный процесс, в котором существует большая внутренняя и внешняя неопределенность, которая может влияют на конечные свойства материала. Сложность процесса приводит к неоптимальному решению, и производитель вводит факторы безопасности, чтобы гарантировать стабильность продукта. В большинстве случаев процесс четко установлен, повторяется и контролируется датчиками температуры, давления, скорости и т. Д. Таким образом, вполне вероятно, что имеется много доступных структурированных данных. Наконец, качество материала измеряется встроенными датчиками, пробными лабораторными испытаниями и / или визуальным осмотром. Важно и часто забывают, что качество входного материала также измеряется и хорошо документируется, потому что вполне вероятно, что это будет иметь высокую корреляцию с качеством выходного материала.

ИИ можно напрямую применять для прогнозирования, например, свойства материала с использованием регрессионных моделей или визуальных дефектов с использованием алгоритмов глубокого обучения без необходимости капитальных вложений или изменения процесса. Далее ИИ может дать оператору рекомендации по изменению настроек машины. Более того, ИИ может дать дизайнеру отдела исследований и разработок более глубокое понимание процесса и предоставить материалы более высокого качества. Использование данных IoT в реальном времени в сочетании с самообучающимися алгоритмами позволяет прогнозировать параметры для получения оптимальных результатов при соблюдении требований к качеству и сокращении ресурсов и выбросов.

Пример использования 2: поиск оптимальных настроек для производственного процесса

Бесчисленные параметры производственного процесса могут быть отображены и оптимизированы. Выполнение этого вручную - утомительная работа и практически невозможна из-за количества возможностей и различных условий. Эти неопределенности затрудняют прогнозирование желаемого результата. В большинстве случаев эти процессы хорошо контролируются датчиками, и измеряются желаемые результаты. Примеры вариантов использования - это улучшение трансмиссии электрического велосипеда и снижение энергопотребления центра обработки данных.

Чтобы избежать больших капитальных вложений, рекомендуется сначала спрогнозировать объем производства, например время автономной работы, энергопотребление. Затем вы можете создать так называемый механизм рекомендаций, чтобы давать рекомендации по параметрам процесса. Наконец, вы можете реализовать полностью автономный оптимизатор параметров, позволяющий самообучающейся системе находить оптимальное решение в любых обстоятельствах.

Заключительные замечания и дальнейшие действия

ИИ может внести значительный вклад в производство за счет более быстрых действий и принятия решений, инновационных продуктов, услуг и материалов, повышения эффективности, большей точности и снижения затрат. Пришло время перемен. Вы можете включить ИИ без необходимости больших капиталовложений или серьезной модернизации процессов. Вам просто нужно искать подходящие возможности для повышения продуктивности и устойчивости. Пришло время вывести вашу компанию на новый уровень, пора ИИ!

О ML6

Мы - команда экспертов в области ИИ и самая быстрорастущая компания в области ИИ в Бельгии. Имея офисы в Генте, Амстердаме, Берлине и Лондоне, мы создаем и внедряем системы самообучения в различных секторах, чтобы помочь нашим клиентам работать более эффективно. Мы делаем это, оставаясь на вершине исследований, инноваций и применяя наш опыт на практике. Чтобы узнать больше, посетите www.ml6.eu /[email protected]