Kuidas AI suurendab tööstuslikku jätkusuutlikkust? 

Kui inimesed räägivad tehisintellektist ja jätkusuutlikkusest, hüppab vestlus sageli otse futuristlike visioonide juurde: autonoomsed võrgud, iseoptimeeruvad linnad. Tegeliku tootmise kaevikutes on tegelikkus sõmeram ja järkjärgulisem. Tõeline tõuge ei seisne inimeste asendamises robotitega; see on otsuste tegemise suurendamine süsteemides, mis on kurikuulsalt raiskavad ja läbipaistmatud. Ekslik arvamus on, et jätkusuutlikkus seisneb lihtsalt vähema energia kasutamises. See on sügavam – see puudutab süsteemset ressursisintellekti, alates toorainest ja lõpetades logistikaga, ja see on koht, kus masinõppemudelid, mitte ainult üldine AI, muudavad mängu vaikselt.

Sihtasutus: Data Fidelity ja Dark Factory Floor

Te ei saa hallata seda, mida te ei saa mõõta, ja aastaid oli tööstuslik jätkusuutlikkus oletus. Meil olid energiaarved, jah, kuid tarbimishüppe korreleerimine konkreetse partiiga tootmisliinil 3 oli sageli võimatu. Esimene, ebaglamuurne samm on andurite levik ja andmete ajaloo koostamine. Olen näinud tehaseid, kus lihtsate vibratsiooni- ja soojusandurite paigaldamine vanadele kompressorisüsteemidele näitas tsüklilist ebatõhusust, mis raiskas 15% nende energiatarbimisest. Tehisintellekti tõuge algab siit: energia- ja materjalivoogude ülitäpse digitaalse kaksiku loomine. Ilma selle aluseta on iga jätkusuutlikkuse väide lihtsalt turundus.

See ei ole plug-and-play. Suurim takistus on andmehoidlad. Tootmisandmed asuvad MES-is, kvaliteediandmed teises süsteemis ja energiaandmed kommunaalarvestist. Ajaga sünkroniseeritud vaate saamine on õudusunenägu. Veetsime kuid projektiga, mis ehitas lihtsalt andmetorustiku, enne kui ühegi mudeli väljaõpetamist sai. Võti ei olnud väljamõeldud algoritm, vaid jõuline andmeontoloogia – iga andmepunkti märgistamine kontekstiga (masina ID, protsessietapp, toote SKU). See detailsus võimaldab hiljem sisukat jätkusuutlikkuse analüüsi teha.

Mõelge kinnitusdetailide tootjale, näiteks Handan Zitai kinnitusdetailide Manufacturing Co., Ltd.. Nende protsess hõlmab stantsimist, keermestamist, kuumtöötlust ja plaadistamist. Igal etapil on erinev energiaprofiil ja materjali saagis. Ahjude ja vannide plaadistamise abil saaksid nad liikuda igakuise kommunaalkulude keskmisest energiakulu kilogrammi toodangu kohta. See lähtepunkt on kriitiline. See muudab jätkusuutlikkuse ettevõtte KPI-st tootmisliini muutujaks, mida korruse juht saab tegelikult mõjutada.

Ennustav hooldus: madalalt rippuvad sügavate juurtega vili

Enamik selleteemalisi arutelusid algab seisaku vältimisest. Jätkusuutlikkuse nurk on mõjuvam: katastroofiline rike raiskab energiat ja materjale. Suure pöördemomendiga stantsimispressi rikkis laager ei lähe lihtsalt katki; see põhjustab nädalateks nihkeid, mille tulemuseks on ebaspetsiifilised osad (materjalijäätmed) ja suurenenud võimsus. Rakendasime vibratsioonianalüüsi mudeli mootoriga juhitavatele süsteemidele, mis mitte ainult ei ennustanud tõrkeid, vaid tuvastasid optimaalsest madalamad jõudlusolekud. See on peen osa. Mudel tähistas pumpa, mis töötas endiselt, kuid oli kaotanud 8% efektiivsuse, mis tähendab, et see tõmbas sama töö tegemiseks rohkem voolu. Selle parandamine säästis energiat ja pikendas mootori eluiga, vähendades asendamisel tekkivat süsinikku.

Rike eeldas, et kõik seadmed vajavad sama jälgimist. Instrumenteerisime üle terve koosteliini, mis oli kulukas ja tekitas mürarikkaid andmeid. Õppisime olema kirurgiline: keskenduge suure energiatarbega tarbijatele ja kriitilistele kvaliteedisõlmedele. Sellise ettevõtte jaoks nagu Zitai, mille asukoht peamiste transpordimarsruutide (nt Pekingi-Guangzhou raudtee) lähedal, tähendab keskendumist logistika tõhususele, sarnaste prognoosimudelite rakendamine oma HVAC- ja suruõhusüsteemidele – sageli tehase suurimatele energiakanalisatsioonidele – võimaldaks otsest süsinikdioksiidi kokkuhoidu. The Zitai kinnitusvahendid veebisait toob esile nende tootmismahu; selle mahu juures tähendab õhuvoolu mudeliga tuvastatud suruõhu lekke 2% vähenemine tohutut rahalist ja keskkonnaalast tulu.

Siin on ka kultuuriline nihe. Mudeli soovitus vahetada osa, mis näeb hea välja, nõuab usaldust. Hooldusmeeskondadelt sisseostu saamiseks pidime ehitama lihtsad armatuurlauad, mis näitavad prognoositavat energiaraiskamist kWh ja dollarites. See käegakatsutavus on lapsendamise jaoks ülioluline.

Protsessi optimeerimine: väljaspool seadistuspunkte

Traditsiooniline protsessijuhtimine kasutab sättepunkti, näiteks ahju temperatuuri, säilitamiseks PID-silmuseid. Mis on aga antud partii optimaalne seadepunkt? See sõltub ümbritseva õhu niiskusest, toormaterjali sulamite erinevustest ja soovitud tõmbetugevusest. Masinõppemudelid saavad seda dünaamiliselt optimeerida. Kuumtöötlemisprotsessis kasutasime metallurgiliste spetsifikatsioonide saavutamiseks vajaliku minimaalse temperatuuri rambi ja leotamisaja leidmiseks tugevdamise õppemudelit. Tulemuseks oli maagaasi tarbimise vähenemine 12% ühe partii kohta, ilma kvaliteedis järeleandmisi tegemata.

Saagi? Peate premeerimisfunktsiooni hoolikalt määratlema. Algselt optimeerisime puhtalt energia jaoks ja mudel soovitas madalamaid temperatuure, mis tahtmatult suurendasid korrosioonikiirust hilisemates plaadistusetappides, muutes keskkonnakoormust. Pidime vastu võtma mitme eesmärgiga optimeerimise raamistiku, mis tasakaalustab energiat, materjali saagist ja järgnevate protsesside elujõulisust. See terviklik vaade on tõelise tööstusliku jätkusuutlikkuse olemus; see väldib ühe valdkonna alaoptimeerimist teise arvelt.

Standardsete osade tootmisbaasi puhul on selline optimeerimine tuhandete tonnide toodangu jaoks see, kus makromõju peitub. See viib jätkusuutlikkuse katlaruumist tootmise põhiretsepti.

Tarneahel ja logistika: võrguefekt

Siin tundub tehisintellekti potentsiaal nii suur kui ka masendav. Tehas võib olla üliefektiivne, kuid kui selle tarneahel on raiskav, on puhaskasum piiratud. AI suurendab siin jätkusuutlikkust intelligentse marsruutimise ja varude prognoosimise kaudu. Töötasime toorterasest rullide sissetuleva logistika optimeerimise projekti kallal. Tarnijate asukohti, tootmisgraafikuid ja liiklusandmeid analüüsides genereeris mudel tarneaknad, mis minimeerisid veoki tühikäigu ja võimaldasid suuremaid koormaid. See vähendas Scope 3 heitkoguseid nii tootja kui ka tarnija jaoks.

Pettumus tuleneb andmete jagamisest. Tarnijad ei soovi sageli jagada reaalajas võimsuse või asukoha andmeid. Läbimurre ei tulnud mitte keerulisema algoritmiga, vaid lihtsa plokiahelapõhise pearaamatuga (lubatud, mitte krüptokood), mis logis kohustused ilma omandiõigusega seotud üksikasju paljastamata. Usaldus on jällegi kitsaskoht.

Handan Zitai kinnitusdetailide Manufacturing Co., Ltd.Strateegiline asukoht suurte maanteede ja raudteeliinide kõrval on loomulik logistiline vara. Tehisintellektil põhinev süsteem võiks optimeerida väljaminevat logistikat, koondades dünaamiliselt tellimusi ja valides kiireloomulisuse alusel madalaima CO2-heitega transpordiviisi (raudtee vs veoauto), kasutades seda geograafilist eelist, et minimeerida oma süsiniku jalajälge saadetise kohta.

Tsirkulaarsus ja kvaliteetne intelligentsus

Kõige otsem tee jätkusuutlikkuse poole on kasutada vähem materjale ja tekitada vähem jäätmeid. Kvaliteedikontrolli arvutinägemine on tavaline, kuid selle seos jätkusuutlikkusega on sügav. Varakult avastatud viga tähendab, et osa saab tehases ümber töödelda või ringlusse võtta, vältides selle kliendile saatmise, tagasilükkamise ja tagasisaatmise energiakulusid. Täiustatud on spektraalanalüüsi kasutamine tootmise ajal kvaliteedi ennustamiseks, mis võimaldab protsessi reaalajas kohandada. Nägime seda plaadistusliinis: XRF analüsaator sisestas andmed mudelisse, mis kontrollis vanni keemilist töötlust, vähendades raskemetallide kasutamist ja mudajäätmeid üle 20%.

Siis on ringmajanduse nurk. AI võib hõlbustada materjalide sorteerimist ringlussevõtuks. Metallist kinnitusdetailide jaoks on eluea lõpu sorteerimine väljakutse. Pilootasime süsteemi, mis kasutas hüperspektraalset kujutist ja CNN-i, et sorteerida automaatselt roostevaba terast tsingitud terase jääkidest, suurendades ringlussevõetud lähteaine puhtust ja väärtust. See muudab materjaliahela sulgemise majanduslikult otstarbekaks.

Suure tootmisbaasi jaoks, integreerides selle kvaliteediteabe kogu maailmas standardosa tootmisahel tähendab, et kaevandatakse vähem esmast materjali ja suunatakse prügilasse vähem jäätmeid. See muudab kvaliteedikontrolli kulukeskusest jätkusuutlikkuse põhijuhiks.

Inimtegur ja rakendamise mülkas

Ükski neist ei tööta ilma inimesteta. Suurim ebaõnnestumine, mille tunnistajaks olen näinud, oli tulede väljalülitamise optimeerimisprojekt, mille insenerid kavandasid vaakumis. Mudelid olid suurepärased, kuid nad eirasid operaatorite vaikivaid teadmisi, kes teadsid, et Machine 4 töötab niisketel pärastlõunatel kuumalt. Süsteem ebaõnnestus. Edu saavutas hübriidsete nõustamissüsteemide loomisega. Mudel soovitab seadistuspunkti, kuid operaator võib selle heaks kiita, tagasi lükata või kohandada, kui süsteem sellest tagasisidest õpib. See loob usaldust ja võimendab inimese intuitsiooni.

Rakendamine on maraton. Andmetaristu ülesehitamine nõuab kannatlikkust, alandlikkust ühe protsessiliiniga alustamiseks ja funktsionaalseid meeskondi, mis ühendavad OT, IT ja jätkusuutlikkuse teadmised. Eesmärk ei ole särav AI-toega pressiteade. See on sadade väikeste optimeerimiste ebaseksikas kumulatiivne efekt: siin on ahjust paar kraadi raseeritud, veoauto marsruut on seal lühendatud, jääkide partii välditud. Nii suurendab tehisintellekt tõeliselt tööstuslikku jätkusuutlikkust – mitte hoogsalt, vaid miljoni andmepunktiga, mis juhivad vaikselt tõhusamat ja vähem raiskavat teed.