Svingende markedsforhold, begrensninger i forsyningskjeden, mangel på arbeidskraft og en fartsfylt global industri tvinger produsenter av alle størrelser for å revurdere måten de opererer på. Mange produsenter har begynt å ta i bruk teknologi for å opprettholde en konkurransefortrinn og adressere langvarige forretningsutfordringer. Fra automatisering til digitale teknologier, industrielle IoT og mer, kan bedrifter utnytte disse innovasjonene for å til slutt fange opp data fra forskjellige systemer, prosesser og folk til å gi den strategiske innsikten som trengs for å ta bedre beslutninger.
Det er ingen tvil om at disse selskapene har mye data å jobbe med. I følge en McKinsey -studie genererer produksjon 1,9 petabyte eller 1 900, 000 terabyte med data årlig. Problemet var at de trengte en bedre måte å fange opp og analysere data og gjøre det til brukbar informasjon, og de trengte å gjøre det raskt. Som et resultat henvender mange virksomheter seg til kunstig intelligens (AI) for å finne muligheter med dataene sine for å forbedre driften.
Hvorfor er AI perfekt for dataanalyse?
Fra å forbedre produksjonsutbyttet og oppetid, til nøyaktig forutsi etterspørsel og fjernovervåkningsmaskiner, og til og med kontrollere eiendeler og forbedre produktkvaliteten, kan AI utnyttes for å forbedre den generelle effektiviteten og produktivitetsmetrikkene betydelig.
Det er ikke magi, men et komplekst sett med algoritmer som analyserer store datamengder, korrelerer eller lærer mønstre i forskjellige variabler, og bruker denne kunnskapen på aktuelle forhold for å bidra til å forutsi fremtidige tilstander. Dette er ikke å si at mennesker ikke kan utføre disse oppgavene, men at AL kan gjøre dem raskere og behandle mer data med større presisjon, og forbedre forretningsresultatene.
For eksempel, i ethvert produksjonsmiljø, er det tradisjonelt flere forskjellige arbeidsgrupper og maskiner som alle samler sine egne data. Informasjonen fra hver enhet kan variere i kvalitet, format og timing, som kan skape hindringer og gjøre det vanskelig å analysere og hente noen meningsfull innsikt fra dataene.
Ved hjelp av AI -teknologi kan store datamengder behandles raskt, slik at selskaper raskt og nøyaktig kombinerer operativ informasjon, forutsi resultater basert på alternativer og gjør det mulig for produsenter å ta smidige, informerte beslutninger. Denne forebyggende prediktive evnen er der AIs styrke ligger, og den kan øke produktutbyttet.
Ved å identifisere årsaken til produktkvalitetsproblemer, kan AI bidra til å redusere produktfeil og skraphastigheter og øke produksjonsutbyttet. Med detaljert informasjon og analyse kan produsenter ta opp problemer med kvalitetskontroll før de direkte påvirker selskapets bunnlinje. La oss se på et slikt eksempel.
Bruk AI for å forbedre motorkvaliteten
En global motorprodusent produserer store dieselmotorer for generatorsett, marine- og marine applikasjoner og militære kjøretøyer. Etter montering blir hver motor utsatt for streng testing. Under testing klarer selv de mest erfarne operatørene ofte å oppdage subtile tegn på et problem, noe som fører til katastrofale feil under testing eller når motoren er i bruk. Disse feilene har forårsaket betydelige tap, forsinkede forsendelser, skapt tilbakestillede testområder og oppstrøms produksjon, kostet selskapet millioner av dollar årlig, og påvirket leveransene på en negativ måte.
Problemet er ikke mangel på data, men hvordan det brukes. Faktisk hadde anlegget samlet inn prosessdata i årevis, men bare brukt det til oppfølgingsarbeid etter at det oppstod en feil. Ved å se på dataene på denne reaktive måten, er teamet ikke i stand til å forstå hvorfor disse feilene oppstår eller proaktivt adresserer dem. Til syvende og sist blir disse problemene sett på som en kostnad for å drive virksomhet til selskapet vurderer å bruke AI på eksisterende data for å forutsi kritiske eiendelssvikt før de oppstår.
Produsenten startet med et pilotprogram for å legge det nødvendige datalaget for AI for å gjøre inntrykk. Gitt behovet for å bruke historiske data, gjennomførte selskapet først rengjøring og analyse av data, ved hjelp av AI, og reduserte 20 milliarder datapunkter fra 100 motorer til 6 milliarder av de mest innflytelsesrike datapunktene på 48 timer.
Deretter kobler du flere modellsett etter tid og modell for å visualisere dataene og identifisere alle datahull. Basert på gapanalysen ble det gjort justeringer for å trekke ut visse data oftere, og dermed forbedre modelleringen. Ved å bruke en AI-plattform blir hele analysen utført i et miljø med lav risiko uten noen innvirkning på dagens produksjon.
Fra disse dataene er produsentene i stand til å etablere baselinjer, identifisere trender og anomalier og utvikle planer for å sette informasjonen i verk. På bare noen få uker produserte de en rapport som identifiserte en gruppe risikomotorer etter serienummer. Basert på denne informasjonen, mistenker produsenter at disse motorene har større sannsynlighet for problemer under kvalitetskontrolltester eller i feltet. Ved å koble testdata til faktiske produktfeil, identifiserte rapporten nøyaktig mer enn 80 prosent av motorproblemene over flere år.
Det er viktig å merke seg at dette prosjektet er en iterativ prosess, ettersom AI -modellen stadig lærer. På omtrent 45 dager var modellen i stand til å forutsi feil 30 minutter i forveien med en null falsk positiv rate.
Minimere forstyrrelser i driften
Under den offisielle lanseringen er AL-løsningen koblet til sanntidsdata generert av testkontrollsystemet og Human Machine Interface (HMI). Dette har ingen effekt på normal drift. Faktisk hadde modellen blitt integrert med selskapets standard testprogramvare, og operatøren var ikke engang klar over at den hadde blitt implementert. De trenger bare å vite at nå vil HMI -grensesnittet informere dem om potensielle truende problemer og hvordan de skal takle dem.
I løpet av de første 90 dagene oppdaget AI-applikasjonen 20 hendelser i sanntid, unngikk mer enn 4,5 millioner dollar i motorskader og oppnådde en 10x avkastning på investeringen (ROI) for prosjektet.
Som denne saken illustrerer, kan utnytte AI gi produsentene en måte å proaktivt redusere kvalitetsfeil, spare penger og forbedre leveringsgraden mens de minimerer forstyrrelser i driften. Fra og med et solid fundament av data og samarbeid med erfarne partnere, kan AI gi innsikten som trengs for å drive forretningsresultater og hjelpe produsenter til å konkurrere i dagens raskt utviklende forretningsmiljø.
Men AI trenger ikke å være en løsning i en størrelse. Avhengig av dine behov, anvendelse og spesifikk situasjon, må forskjellige løsninger tilpasses. Derfor er det viktig å ha en pålitelig partner ved din side. Når det gjelder AI, kan de vurdere hvor du er på din digitale transformasjonsreise, forstå dine mål eller utfordringer og identifisere løsningen fra toppleverandører som passer best for dine faktiske behov.