Kuidas AI suurendab jätkusuutlikkust tootmises? 

Kui inimesed kuulevad tehisintellekti tootmises, hüppavad nad sageli visioonideni täielikult autonoomsetest, valgust välja lülitatud tehastest – see on toretsev, kuid mõnevõrra eksitav ideaal. Tegelik ja terav mõju jätkusuutlikkusele ei seisne inimeste asendamises; see tähendab, et suurendame meie võimet näha ebatõhusust, mida oleme tavapäraselt tegevuskuludena aktsepteerinud, ja nende alusel tegutseda. Tehisintellektil on kõige väärtuslikum roll pidevas, nähtamatus energiavoos, tooraine ületarbimises ja ennetatavates jäätmetes. Minu enda seisukoht, mis on kujundatud kõndivate tehasepõrandate järgi, on see, et tõuge ei tule mitte ühest suurejoonelisest lahendusest, vaid praktiliste, andmepõhiste sekkumiste kihilisusest olemasolevatesse protsessidesse. Eesmärk ei ole täiuslikkus, vaid mõõdetav, korduv täiustamine seal, kus see loeb: lõpptulemus ja keskkonnajalajälg.

Väljaspool hüpet: jäätmevoogude kindlaksmääramine

Lähtepunkt on nähtavus. Aastakümneid olid jätkusuutlikkuse nimel tehtavad jõupingutused sageli oletused – plaaniline hooldus, olenemata sellest, kas see on vajalik või mitte, ajaloolistel keskmistel põhinevad hulgimaterjalide tellimused, energiatarbimine fikseeritud üldkuludena. Meenub projekt kinnitusdetailide tootmistehases, erinevalt sellest, mida võiksite leida mõne suure mängijaga Handan Zitai kinnitusdetailide Manufacturing Co., Ltd. Yongnianis, Hiina standardosade tootmise südames. Nende väljakutse oli tavaline: toorest terastraadi tarbimise märkimisväärne erinevus ülitugevate poltide partii kohta, mis põhjustas nii kulusid kui ka vanametalli jäätmeid. Eeldati, et see oli just nii, nagu masinad jooksid.

Külma sepistamise päistele ja keermerullikutele kasutasime suhteliselt lihtsaid masinnägemise ja andurite massiive. Tehisintellekti ülesanne ei olnud masina juhtimine, vaid tuhandete andmepunktide – ümbritseva õhu temperatuuri, traadi etteandekiiruse, stantsi kulumise indikaatorite, määrimissurve – seostamine iga detaili lõpliku kaalu ja kvaliteediga. Nädalatega ilmnes muster: traadi etteandemehhanismi spetsiifiline, peen kõikumine, mis süvenes vahetuste vahetamisel, põhjustas püsiva 1,8% ületarbimise. See ei olnud viga, mille keegi oleks loginud; see oli varjatud maks iga kilogrammi materjali pealt.

Parandus ei olnud AI. Parandus oli mehaaniline reguleerimine ja operaatori protseduuri muutmine. AI andis diagnoosi. See on esmatasandi tõuge: jätkusuutlikkuse muutmine filosoofilisest eesmärgist täpseks, mõõdetavaks inseneriprobleemiks. See viib vestluse sellest, et me peaksime materjali salvestama, kaotame punktis X põhjuse Y tõttu 1,8% oma materjalist.

Energia: fikseeritud kuludest dünaamilise muutujani

Energiahaldus on teine ala, mis on täis madalalt rippuvaid puuvilju. Paljud tootjad, eriti energiamahukate protsesside puhul, nagu kuumtöötlemine või galvaniseerimine, mis on Handani ümbruse kinnitusdetailide tööstuse klastris levinud, käsitlevad elektrit monoliitse arvena. Nad võivad käitada mittevajalikke kompressoreid või ahju eelsoojenduse tsükleid fikseeritud ajakavade alusel, mis on kooskõlas odavaima tariifi akendega, kuid see on sageli piir.

Integreerisime AI-põhise ennustava koormuse tasakaalustamise reaalajas energiaseiresüsteemiga. See ei vaadanud ainult kommunaalmaksete ajakava. See sai teada iga ahju termilise inertsi, plaadistusliinide tegelikud nõudlussignaalid ja isegi prognoosis kohaliku võrgu süsinikuintensiivsust piirkondliku energiajaotuse andmete põhjal. Seejärel võiks süsteem soovitada – ja hiljem iseseisvalt teostada – mikroviivitusi või kiirendusi mittekriitilistes protsessides.

Näiteks võib see soovitada hoida kinnitusdetailide partii sepistamisjärgse lõõmutamise järjekorras veel 20 minutit, et vältida võrgu tippperioodi, mil piirkondlik süsiniku jalajälg oli kõrgeim, isegi kui rahalised kulud olid sarnased. See joondab kulude kokkuhoiu süsinikdioksiidi vähendamisega viisil, mida staatilised graafikud kunagi ei suuda. Sääst ei olnud ühegi tunniga dramaatiline, kuid veerandi jooksul vähenesid tippnõudluse tasud ja sellega seotud süsiniku jalajälg märkimisväärselt. See muutis energiatarbimise dünaamilise, tundliku muutuja, mitte taustaks.

Inimese silmuses dilemma

Siin tabasite praktilist tõrku. Optimaalne mudel võib öelda, et tuleb partii viivitada, kuid korruse halduril on veok, mis saabub kell 16.00. Puhas optimeerimine võib olla vastuolus logistika tegelikkusega. Kõige edukamad juurutused, mida olen näinud, põhinevad vastavuse määra mõõdikul. Tehisintellekt teeb ettepaneku, inimene käsutab ja süsteem õpib ülekirjutustest. Kui süsteem näeb aja jooksul, et saatmisgraafikud on muutumatuks piiranguks, hakkab see seda varem arvesse võtma. See on koostöö, mitte ülevõtmine. See segane, iteratiivne häälestamine eraldab akadeemilised projektid reaalsetest tööriistadest.

Ennustav hooldus: ressursitõhususe nurgakivi

See on võib-olla kõige küpsem rakendus, kuid selle jätkusuutlikkuse nurk on mõnikord alahinnatud. See ei tähenda ainult seisaku vältimist. Kiire traadi tõmbamismasina rikkis laager ei purune lihtsalt; see põhjustab esmalt suurenenud hõõrdumist, suurendades nädalateks energiatarbimist. Veidi valesti joondatud stants ei klõpsa lihtsalt; see tekitab üha suurema osa maa-alustest defektidest, mille tulemuseks on osad, mis ei läbi kvaliteedikontrolli pärast seda, kui nendesse on investeeritud kogu energia ja materjal.

Liikudes plaanipäraselt hoolduselt seisukorrapõhisele vibratsiooni-, akustilise ja termilise analüüsi abil, hoiavad tehisintellekti mudelid ära protsesside aeglase ja raiskava halvenemise. Mäletan juhtumit, kus mudel märgistas kompressorit tähelepanu saamiseks selle elektrilise signatuuri peene muudatuse põhjal. Hoolduspäevik näitas, et see oli kõigi standardsete näitajate järgi korras. Kontrollimisel hakkas väike klapp kinni jääma, mistõttu seade töötas rõhu säilitamiseks 7% rohkem. See on 7% rohkem elektrit iga tund probleemi korral, mis oleks jäänud veel kolmeks kuuks kuni järgmise plaanipärase hoolduseni.

Jätkusuutlikkuse kasu on siin kahekordne: see säästab energiat, mis raisatakse seadmete lagunemise tõttu ja pikendab põhivara enda kogu kasutusiga, vähendades tootmise ja masina väljavahetamise keskkonnakulusid. See on põhjalik nihe seadmete käsitlemiselt kui millegi, mis töötab kuni purunemiseni, käsitlemiselt selle süsteemina, mille tõhusust tuleb pidevalt valvata.

Tarneahel ja disain: ülesvoolu võimendus

Mõju ulatub tehaseväravast kaugemale. Tootjale, nagu Zitai Fasteners, kelle asukoht peamiste transpordiarterite, nagu Peking-Guangzhou raudtee, lähedal on logistiline eelis, saab tehisintellekt selle eelise jätkusuutlikkuse nimel optimeerida. Täiustatud planeerimissüsteemid saavad nüüd arvesse võtta mitte ainult kulusid ja aega, vaid ka erinevate transpordiliikide ja marsruutide süsinikujalajälge, tasakaalustades varude taset rohelisemate, kuid aeglasemate tarnevõimalustega.

Veelgi peenem, generatiivsed disainialgoritmid, mida kasutatakse koostöös klientidega, võivad soovitada osade optimeerimist. Kas kronstein võib kasutada vähem materjali, kui teha väike kujundusmuudatus? Kas tootmisparameetrite korrigeerimisest võiks piisata erinevast terasest, mille energiamahukas tootmisprotsess on väiksem? See on koht, kus tehisintellekt toimib jätkusuutliku projekteerimise ja tootmise vahel vestluste katalüsaatorina, vähendades potentsiaalselt materjali- ja energiakoormust enne tootmistellimuse esitamist. See viib jätkusuutlikkuse väärtusahela ülesvoolu.

Komistuskivid ja realistlikud ootused

Kõik ei ole kulgenud sujuvalt. Suurim tõrkerežiim, mille tunnistajaks olen näinud, on ookeani keetmise lähenemine: püüdes esimesest päevast ehitada täiuslikku, kogu taime hõlmavat digitaalset kaksikut. Andmeinfrastruktuur mureneb, mudelid muutuvad liiga keerukaks ja projekt sureb oma raskuse all. Edu saavutab ühe valusa jäätmevoo valimine – nagu näiteks materjali ületarbimise näide – ja selle lahendamine. Tõesta väärtus ja seejärel skaleeri.

Teine probleem on andmete kvaliteet. Vanadel tootmisliinidel on puhaste ajasünkroonitud andmete hankimine erinevatest PLC-dest ja käsitsi logidest tohutu ülesanne. Mõnikord on 80% esialgsest projektist lihtsalt usaldusväärse andmekanali ehitamine. Samuti seisate silmitsi kultuurilise vastupanuga; kui tehisintellekti soovitus säästab energiat, kuid lisab operaatorile sammu, siis seda eiratakse, välja arvatud juhul, kui see muudab nende tööd pikemas perspektiivis lihtsamaks või järjepidevamaks.

Niisiis, kuidas AI tõeliselt jätkusuutlikkust suurendab? See ei ole võlukepp. See on suurendusklaas ja halastamatu kalkulaator. See annab valgust varjatud ja kallitele ebaefektiivsustele, millega oleme õppinud elama – lisakilovatt-tund, raisatud terasgramm, masina aeglane lagunemine. See annab vajalikke tõendeid, et õigustada investeeringuid parematesse protsessidesse ja annab inimestele võimaluse teha targemaid ja teadlikumaid otsuseid, mis ühiselt vähendavad asjade tegemise keskkonnajalajälge. Tõuge on kumulatiivne, iteratiivne ja sügavalt praktiline. See muudab säästva tootmise ambitsiooni koosolekusaalis esitatud aruandest igapäevaseks praktikaks kaupluses.