Як штучны інтэлект павышае ўстойлівасць у вытворчасці? 

Калі людзі чуюць штучны інтэлект на вытворчасці, яны часта пераходзяць да бачання цалкам аўтаномных заводаў без святла. Гэта яркая мэта, але гэта не тое, дзе сёння адбываецца сапраўдная сур'ёзная праца па павышэнні ўстойлівасці. Сапраўднае ўздзеянне больш тонкае, часта схаванае ў штодзённай працы па аптымізацыі спажывання энергіі, скарачэнні матэрыяльных адходаў і памяншэнні хаатычнага ланцужка паставак. Гэта менш пра робатаў, якія бяруць на сябе кантроль, а больш пра інтэлектуальныя сістэмы, якія забяспечваюць дэталёвую бачнасць, якой нам заўсёды не хапала для прыняцця рашэнняў, якія з'яўляюцца як эканамічна, так і экалагічна абгрунтаванымі. Сувязь паміж ІІ і ўстойлівым развіццём не з'яўляецца аўтаматычнай; гэта патрабуе наўмыснага змены таго, што мы выбіраем для вымярэння і кантролю.

Па-за шуміхай: энергія як першая мяжа

Давайце пачнем з энергіі, найбольш прамых выдаткаў і пункта вугляроднага следу. На працягу многіх гадоў мы абапіраліся на планавае тэхнічнае абслугоўванне і агульныя рэйтынгі эфектыўнасці. Ігры змяняюць убудаванне датчыкаў і выкарыстанне штучнага інтэлекту для прагназуючай аптымізацыі энергіі. Я не кажу пра простае выключэнне машын. Гаворка ідзе пра разуменне дынамічнай нагрузкі ўсёй вытворчай лініі. Напрыклад, мадэль штучнага інтэлекту можа даведацца, што пэўны прэс для штампоўкі стварае прыліў магутнасці не толькі падчас працы, але і на працягу 15 хвілін пасля працы, калі працуюць сістэмы астуджэння. Аналізуючы вытворчыя графікі, ён можа прапанаваць невялікія затрымкі паміж партыямі, каб пазбегнуць адначасовых пікавых спажыванняў ад некалькіх прэсаў, згладжваючы крывую энергіі без уплыву на прапускную здольнасць. Гэта не тэарэтычна; Я бачыў, як гэта зніжае рахунак за энергію на 8-12% у кавальскім прадпрыемстве, якое з'яўляецца велізарным у маштабе.

Хітрая частка - якасць даных. Вам патрэбны падрабязныя даныя часавых шэрагаў ад машыны, падстанцыі і нават сеткі, калі гэта магчыма. Адным з няўдалых праектаў на ранніх стадыях была спроба аптымізаваць печ для тэрмічнай апрацоўкі без дакладных расходомеры газу. Мадэль штучнага інтэлекту была па сутнасці ўгадлівай, і аптымізацыі пагражалі парушыць металургічныя ўласцівасці дэталяў. Мы даведаліся на цяжкім шляху: вы не можаце кіраваць тым, што не можаце дакладна вымераць. Штучны інтэлект настолькі добры, наколькі добры сэнсарны ўвод, які ён атрымлівае.

Гэта прыводзіць да тонкага моманту: штучны інтэлект часта апраўдвае больш глыбокія інструменты. Каб абгрунтаваць устойлівае развіццё штучнага інтэлекту, вы спачатку інвестуеце ў паляпшэнне вымярэння. Гэта дабрадзейны цыкл. Пасля таго, як вы атрымаеце гэты паток даных, вы можаце перайсці ад прагназавання да рэкамендуючых дзеянняў, напрыклад, да аўтаматычнай карэкціроўкі значэнняў ціску ў кампрэсары ў залежнасці ад патрэбнасці ў пнеўматычнай сеткі ў рэжыме рэальнага часу, тое, што заўсёды было ўстаноўлена для найгоршага сцэнарыя, трацячы велізарную колькасць энергіі.

Вайна з адходамі: ад лому да лічбавых двайнят

Матэрыяльныя адходы - гэта чыстыя фінансавыя і экалагічныя страты. У вытворчасці крапежных вырабаў, напрыклад, на такім прадпрыемстве, як Handan Zitai Fastener Manufacturing Co., Ltd. размешчаны на асноўнай базе вытворчасці стандартных дэталяў у Кітаі, традыцыйны падыход прадугледжвае кантроль пасля вытворчасці: вырабляецца партыя, з некаторых бяруцца пробы, і ў выпадку выяўлення дэфектаў уся партыя можа быць скасавана або перароблена. Гэта неверагодна марнатраўна.

Камп'ютэрны зрок для выяўлення дэфектаў у рэжыме рэальнага часу стаў стаўкай на стол. Але больш глыбокае выкарыстанне штучнага інтэлекту заключаецца ў аптымізацыі параметраў працэсу, каб у першую чаргу прадухіліць утварэнне адходаў. Падаючы даныя з працэсу халоднай высадкі — дыяметр дроту, тэмпературу, хуткасць машыны, знос штампа — у мадэль, мы можам прадбачыць верагоднасць расколін на галоўцы або недакладнасцяў у памерах яшчэ да таго, як будзе зроблена адзіная дэталь. Затым сістэма можа рэкамендаваць карэкціроўкі, напрыклад, невялікае павышэнне тэмпературы адпалу або памяншэнне хуткасці падачы.

Я памятаю праект, у якім мы пабудавалі лічбавы цень (больш простую версію поўнага лічбавага двайніка) для вытворчай лініі нітаў. Мэта складалася ў тым, каб звесці да мінімуму страты аздаблення - дрот, які застаўся пасля абразання ніта. Аналізуючы партфелі заказаў і машынныя абмежаванні, сістэма планавання штучнага інтэлекту магла планаваць заказы для больш поўнага выкарыстання дроту, зніжаючы адходы абрэзкі ў сярэднім з 3,2% да менш чым 1,7%. Гэта гучыць няшмат, але пры тысячах тон сталі штогод эканомія сыравіны і звязаныя з гэтым выкіды вугляроду пры вытворчасці сталі істотныя. Вы бачыце, як кампаніі ў такіх цэнтрах, як раён Юннянь, з іх вялікім аб'ёмам вытворчасці, могуць значна выйграць ад такой дэталёвай аптымізацыі.

Устойлівасць ланцужка паставак і вугляродны след

Тут усё становіцца складаней. Устойлівы ланцужок паставак - гэта не толькі выбар экалагічнага пастаўшчыка; гаворка ідзе аб эфектыўнасці і ўстойлівасці, каб пазбегнуць экстраных авіяперавозак з высокім утрыманнем вугляроду. Прагназаванне попыту з дапамогай штучнага інтэлекту, калі яно працуе, згладжвае вытворчасць, памяншаючы патрэбу ў звышурочнай працы (што часта азначае менш эфектыўныя, энергаёмістыя прагоны) і панічных заказах.

Мы інтэгравалі шматузроўневы аналіз рызык у ланцужку паставак з аптымізацыяй лагістыкі для кліента. Сістэма кантралявала надвор'е, загружанасць порта і нават энергетычны баланс у рэгіёне пастаўшчыка (напрыклад, на вугалі або аднаўляльных крыніцах энергіі сёння працуе іх сетка?). Было прапанавана перанакіраваць пастаўкі на больш павольныя, але з меншымі выкідамі марскія грузавыя перавозкі, калі гэта дазвалялі тэрміны, або кансалідаваць грузы для запаўнення кантэйнераў на 98% ёмістасці замест звычайных 85%. The устойлівасць выгада тут ускосная, але моцная: яна ўбудоўвае эфектыўнасць выкарыстання вугляроду ў штодзённыя матэрыяльна-тэхнічныя рашэнні.

Рэжым адмовы тут - празмерная аптымізацыя. Адна мадэль прапаноўвала заўсёды выкарыстоўваць аднаго, вельмі экалагічнага, але з абмежаванымі магчымасцямі пастаўшчыка, каб мінімізаваць транспартныя выкіды. Ён не ўлічыў рызыку спынення працы, што ў рэшце рэшт і адбылося, прымусіўшы перайсці да некалькіх менш аптымальных пастаўшчыкоў. Урок заключаўся ў тым, што мэты ўстойлівага развіцця павінны быць збалансаваны з абмежаваннямі надзейнасці ў мэтавай функцыі ІІ. Вы не можаце проста мінімізаваць вуглярод; вы павінны кіраваць рызыкай.

Чалавечы элемент: дапоўненае прыняцце рашэнняў

Гэта крытычна. ШІ не кіруе заводам; людзі робяць. Найбольш эфектыўныя рэалізацыі, якія я бачыў, - гэта тыя, дзе штучны інтэлект выконвае ролю дарадцы. Гэта паказвае на анамалію: спажыванне энергіі на адзінку на лініі 3 на 18% перавышае эталон для бягучага асартыменту прадукцыі. Магчымая прычына: знос падшыпнікаў канвеернага рухавіка B-12, разліковая страта эфектыўнасці 22%. Гэта дае камандзе тэхнічнага абслугоўвання мэтанакіраваную, прыярытэтную задачу з відавочным уплывам на ўстойлівасць і кошт.

Гэта мяняе культуру. Устойлівае развіццё перастае быць асобным KPI ад эфектыўнасці вытворчасці. Калі менеджэр паверха бачыць, што аптымізацыя для больш нізкіх ставак лому таксама зніжае выкарыстанне энергіі і сыравіны на добрую частку, мэты выраўноўваюцца. Навучанне ІІ таксама навучае людзей. Каб маркіраваць дадзеныя для мадэлі выяўлення дэфектаў, інжынеры па якасці павінны глыбока прааналізаваць рэжымы адмоваў. Сам гэты працэс часта прыводзіць да паляпшэння працэсу яшчэ да разгортвання мадэлі.

Супраціў натуральны. Існуе абгрунтаваны страх перад рэкамендацыямі чорнай скрыні. Вось чаму вытлумачальнасць - гэта галоўнае. Калі сістэма кажа знізіць тэмпературу печы на ​​15°C, яна таксама павінна даць абгрунтаванне: гістарычныя дадзеныя паказваюць, што прагоны з параметрамі X і Y пры гэтай больш нізкай тэмпературы прывялі да аднолькавай цвёрдасці з меншым спажываннем прыроднага газу на 8%. Гэта ўмацоўвае давер і ператварае штучны інтэлект у інструмент сумеснай працы для ўстойлівага развіцця вытворчасць.

Зазіраючы ў будучыню: выклік інтэграцыі

Будучыня не за аўтаномнымі праграмамі штучнага інтэлекту для энергіі або якасці. Гэта інтэграваная аптымізацыя працэсу, якая ўраўнаважвае некалькі, часам канкуруючых, задач: прапускную здольнасць, ураджайнасць, спажыванне энергіі, знос інструментаў і вугляродны след. Гэта шматаб'ектная задача аптымізацыі, якая выходзіць за рамкі чалавечых разлікаў у рэжыме рэальнага часу.

Мы выпрабоўваем сістэмы, якія прымаюць заказ кліента і дынамічна вызначаюць найбольш устойлівы маршрут вытворчасці. Гэтую партыю крапежных элементаў варта вырабляць на старой, больш павольнай лініі, якая зараз працуе ад новай фабрычнай сонечнай батарэі, ці на новай, больш хуткай лініі, якая працуе ад сеткі, але мае меншы ўзровень лому? ШІ можа разлічыць чыстае ўздзеянне вугляроду, у тым ліку ўтрымання вугляроду ў любым патэнцыяльным ломе, і парэкамендаваць сапраўды аптымальны шлях. Гэта мысленне наступнага ўзроўню.

Апошнім перашкодай з'яўляецца інтэграцыя ацэнкі жыццёвага цыкла. Сапраўдны павысіць да ўстойлівага развіцця прыйдзе, калі штучны інтэлект у вытворчасці атрымае доступ да даных аб поўным уздзеянні матэрыялаў і працэсаў на жыццёвы цыкл. Выбар паміж цынкавым пакрыццём і новым палімерным пакрыццём - гэта не толькі рашэнне аб кошце; гэта рашэнне аб выкарыстанні хімікатаў, даўгавечнасці і магчымасці перапрацоўкі па заканчэнні тэрміну службы. Мы яшчэ не на гэтым, але фундаментальная праца - алічбоўка, абсталяванне і адаптыўнае кіраванне працэсамі - гэта тое, што робіць гэту будучыню магчымай. Гэта доўгі, непрыгожы шлях вырашэння адной маленькай марнатраўнай праблемы за раз.