Fluktuirajući tržišni uslovi, ograničenja lanca opskrbe, nedostatak rada i globalne industrije brzo se prisiljavaju na proizvođače svih veličina za reevaluiranje načina na koji djeluju. Mnogi proizvođači su počeli usvajati tehnologiju za održavanje konkurentne ivice i adrese dugogodišnjih poslovnih izazova. Od automatizacije do digitalnih tehnologija, industrijskog IOT-a i više, preduzeća mogu iskoristiti ove inovacije kako bi u konačnici snimili podatke iz različitih sistema, procesa i ljudi koji bi pružili strateške uvide potrebne za donošenje boljih odluka.
Nema sumnje da ove kompanije imaju puno podataka za rad. Prema studiji McKinsey, proizvodnja generira 1,9 petabajta ili 1.900, 000 terabajta podataka godišnje. Problem je bio da im je potreban bolji način za snimanje i analiziranje podataka i pretvorili ga u korisne informacije i trebali su to brzo učiniti. Kao rezultat toga, mnoga se preduzeća pretvaraju na umjetnu inteligenciju (AI) kako bi pronašli mogućnosti sa svojim podacima za poboljšanje poslovanja.
Zašto je AI savršen za analizu podataka?
Od poboljšanja prinosa i produžetka, da precizno predviđaju potražnju i daljinsko nadgledanje strojeva, pa čak i kontroliranje imovine i poboljšanjem kvalitete proizvoda, AI može se utjecati na značajno poboljšanje ukupne efikasnosti i metrike produktivnosti.
To nije magija, već složeni skup algoritama koji analiziraju velike količine podataka, koreliraju ili uče obrasce u različitim varijablama i primjenjuju to znanje u trenutnim uvjetima kako bi se omogućilo predviđanje budućih država. Ovo ne znači da ljudi ne mogu obavljati ove zadatke, ali da ih Al može brže i procesuirati više podataka sa većom preciznošću, poboljšanjem poslovnih ishoda.
Na primjer, u bilo kojem proizvodnom okruženju tradicionalno su nekoliko različitih radova i strojeva sakupljajući vlastite podatke. Informacije iz svakog uređaja mogu se razlikovati u kvaliteti, formatu i vremenu, koji mogu stvoriti prepreke i otežati analizirati i gledati bilo kakve značajne uvide iz podataka.
Uz pomoć AI tehnologije, velike količine podataka mogu se brzo obraditi, omogućiti kompanijama da brzo i precizno kombinuju operativne informacije, predviđaju ishode na temelju alternativa i omogućavaju proizvođačima da prave Agile, informirane odluke. Ova prediktivna prediktivna sposobnost je tamo gdje AI-jeva snaga leži, a može uvelike povećati prinose proizvoda.
Prepoznavanjem osnovnog uzrok problema kvalitete proizvoda, AI može pomoći u smanjenju nedostataka proizvoda i stopa otpada i povećati proizvodne prinose. Sa detaljnim informacijama i analizom, proizvođači se mogu baviti problemima kontrole kvaliteta prije nego što izravno utječu na donju liniju kompanije. Pogledajmo jedan takav primjer.
Koristite AI za poboljšanje kvaliteta motora
Globalni proizvođač motora proizvodi velike dizel motore za setove generatora, pomorske i morske aplikacije i vojna vozila. Nakon montaže, svaki je motor podvrgnut rigoroznoj testiranju. Tokom testiranja, čak i najiskusniji operateri često ne uspijevaju otkrivati suptilne znakove problema, što dovodi do katastrofalnih neuspjeha tokom testiranja ili nakon što je motor u službi. Ti su propusti uzrokovali značajne gubitke, odgođene pošiljke, stvorile zaostađene testiranje i uzvodnoj proizvodnji, koštaju kompaniju milijuna dolara godišnje i negativno utjecale na isporuke na vrijeme.
Problem nije nedostatak podataka, već kako se koristi. U stvari, postrojenje je godinama prikupljalo procesne podatke, ali je koristilo samo za praćenje rada nakon što je došlo do neuspjeha. Gledajući podatke na ovaj reaktivni način, tim ne može razumjeti zašto se ovi neuspjesi javljaju ili proaktivno rješavaju. Konačno, ta se pitanja smatraju troškovima poslovanja dok kompanija ne razmotri ai na postojeće podatke za predviđanje kritičnih neuspjeha imovine prije nego što se pojave.
Proizvođač je započeo s pilot programom za postavljanje potrebne zaklade podataka za AI da učini utjecaj. S obzirom na potrebu za korištenjem povijesnih podataka, kompanija je prva provela čišćenje i analizu podataka, uz pomoć AI, smanjujući 20 milijardi podataka iz 100 motora do 6 milijardi najuticajnijih podataka u 48 sati.
Zatim povežite više setova modela po vremenu i modelu kako biste vizualizirali podatke i identificirali sve nedostatke podataka. Na osnovu analize GAP-a izvršene su prilagodbe kako bi se određeni podaci izvlačili i na taj način poboljšanje modeliranja. Korištenjem AI platforme, cjelokupna analiza vrši se u okruženju s niskim rizikom bez utjecaja na trenutnu proizvodnju.
Iz tih podataka, proizvođači su u mogućnosti uspostaviti osnovne linije, identificirati trendove i anomalije i razviti planove za postavljanje informacija u radnju. Za samo nekoliko tjedana izrađivali su izvještaj koji identificira grupu rizičnih motora po serijskom broju. Na osnovu tih informacija, proizvođači sumnjaju da ovi motori imaju veću verovatnoću problema tokom testova kontrole kvaliteta ili na terenu. Povezivanjem testnih podataka na stvarne propuste proizvoda, izvještaj je precizno identificirao više od 80 posto problema motora tokom nekoliko godina.
Važno je napomenuti da je ovaj projekt iterativni proces, jer AI model neprestano uči. Za otprilike 45 dana model je mogao predvidjeti neuspjehe 30 minuta unaprijed s nultom lažnom pozitivnom stopom.
Minimizirajte poremećaj u operacijama
Tokom službenog pokretanja, Al rješenje je povezano sa podacima u stvarnom vremenu koji generira testni sistem za kontrolu test i sučelje za ljudske mašine (HMI). To nema uticaja na normalan rad. U stvari, model je integriran sa standardnim testnim softverom kompanije, a operater nije bio ni svjestan da je implementiran. Oni samo trebaju znati da sada njihov HMI sučelje obavijestit će ih o bilo kakvim potencijalnim pitanjima i kako se nositi s njima.
U prvih 90 dana aplikacija AI otkrila je 20 događaja u stvarnom vremenu, izbjegavao više od 4,5 miliona dolara oštećenja motora i postigao 10x povrat ulaganja (ROI) za projekt.
Kako se ovaj slučaj ilustrira, koristi AI mogu pružiti proizvođačima način da proaktivno smanjuju nedostatke kvalitete, uštede novac i poboljšaju stope isporuke tijekom minimiziranja poremećaja u operacijama. Počevši od čvrstog temelja podataka i rada sa iskusnim partnerima, AI može pružiti uvide potrebne za vožnju poslovnih ishoda i pomoći se proizvođačima natjecati u današnjim poslovnim okruženjem.
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 na vašoj strani. Kada je u pitanju AI, oni mogu procijeniti gdje se nalazite na vašem digitalnom transformacijskom putovanju, razumjeti svoje ciljeve ili izazove i identificirati rješenje od najboljih dobavljača koji najbolje odgovara vašim stvarnim potrebama.