Երբ մարդիկ խոսում են արհեստական ինտելեկտի և կայունության մասին, խոսակցությունը հաճախ անցնում է դեպի ֆուտուրիստական տեսլականներ՝ ինքնավար ցանցեր, ինքնաօպտիմիզացնող քաղաքներ: Փաստացի արտադրության խրամատներում իրականությունն ավելի կոպիտ է և աստիճանական: Իրական խթանումը մարդկանց ռոբոտներով փոխարինելը չէ. խոսքը գնում է որոշումների կայացման ուժեղացման մասին այնպիսի համակարգերում, որոնք հայտնիորեն վատնման և անթափանցիկ են: Սխալ կարծիքն այն է, որ կայունությունը պարզապես ավելի քիչ էներգիա օգտագործելն է: Դա ավելի խորն է. խոսքը համակարգային ռեսուրսների հետախուզության մասին է՝ հումքից մինչև լոգիստիկա, և այստեղ է, որ մեքենայական ուսուցման մոդելները, ոչ միայն ընդհանուր AI-ն, հանգիստ փոխում են խաղը:

Հիմնադրամը՝ տվյալների հավատարմություն և մութ գործարանային հատակ

Դուք չեք կարող կառավարել այն, ինչ չեք կարող չափել, և տարիներ շարունակ արդյունաբերական կայունությունը կռահում էր: Մենք ունեինք էներգիայի վճարներ, այո, բայց սպառման աճը փոխկապակցելը 3-րդ հոսքագծի կոնկրետ խմբաքանակի հետ հաճախ անհնար էր: Առաջին, ոչ դյութիչ քայլը սենսորների տարածումն ու տվյալների պատմականացումն է: Ես տեսել եմ բույսեր, որտեղ հին կոմպրեսորային համակարգերի վրա պարզ թրթռման և ջերմային սենսորների տեղադրումը բացահայտում էր ցիկլային անարդյունավետությունը, որը վատնում էր իրենց էներգիայի 15%-ը: AI-ի խթանումը սկսվում է այստեղ՝ ստեղծելով էներգիայի և նյութական հոսքերի բարձր հավատարմության թվային երկվորյակ: Առանց այս հիմքի, ցանկացած կայունության պահանջ պարզապես շուկայավարություն է:

Սա plug-and-play չէ: Ամենամեծ խոչընդոտը տվյալների սիլոսներն են: Արտադրության տվյալները գտնվում են ԱԻՆ-ում, որակի տվյալները՝ մեկ այլ համակարգում, իսկ էներգիայի տվյալները՝ կոմունալ հաշվիչից: Ժամանակի համաժամեցված տեսք ստանալը մղձավանջ է: Մենք ամիսներ ենք ծախսել մի նախագծի վրա, որը պարզապես կառուցել է տվյալների խողովակաշարը, նախքան որևէ մոդելի վերապատրաստումը: Բանալին ոչ թե շքեղ ալգորիթմն էր, այլ տվյալների կայուն գոյաբանությունը՝ յուրաքանչյուր տվյալների կետը համատեքստով պիտակավորելով (մեքենայի ID, գործընթացի քայլ, արտադրանքի SKU): Այս մանրակրկիտությունն այն է, ինչը թույլ է տալիս հետագայում իմաստալից կայունության վերլուծություն իրականացնել:

Դիտարկենք ամրացնող արտադրողը, ինչպես Handan Zitai Fastener արտադրություն Co., Ltd.. Դրանց գործընթացը ներառում է դրոշմում, թելում, ջերմային մշակում և ծածկում: Յուրաքանչյուր փուլ ունի էներգիայի տարբեր պրոֆիլներ և նյութական եկամտաբերություն: Գործիքավորելով իրենց վառարանները և ծածկելով լոգարանները, նրանք կարող էին միջին ամսական միջինից անցնել էներգիայի մեկ կիլոգրամի արժեքին: Այս ելակետը կրիտիկական է: Այն կայունությունը կորպորատիվ KPI-ից վերածում է արտադրական գծի փոփոխականի, որի վրա իրականում կարող է ազդել հարկի մենեջերը:

Կանխատեսող սպասարկում. խորը արմատներով ցածր կախված միրգ

Այս մասին քննարկումների մեծ մասը սկսվում է պարապուրդից խուսափելով: Կայունության տեսանկյունից ավելի համոզիչ է. աղետալի ձախողումը վատնում է էներգիան և նյութերը: Բարձր ոլորող պտտվող մամլիչում խափանվող առանցքակալը պարզապես չի կոտրվում. այն շաբաթներ շարունակ առաջացնում է անհավասարակշռություն, ինչը հանգեցնում է ոչ ստանդարտ մասերի (նյութական թափոնների) և էլեկտրաէներգիայի ավելացման: Մենք ներդրեցինք թրթռումների վերլուծության մոդել շարժիչով աշխատող համակարգերի համար, որոնք ոչ միայն կանխատեսում էին ձախողումը, այլ հայտնաբերում էին ոչ օպտիմալ կատարողական վիճակներ: Սա նուրբ մասն է: Մոդելը նշում էր պոմպը, որը դեռ աշխատում էր, բայց կորցրել էր 8% արդյունավետությունը, ինչը նշանակում է, որ այն ավելի շատ հոսանք էր քաշում նույն աշխատանքը կատարելու համար: Դրա շտկումը խնայեց էներգիան և երկարացրեց շարժիչի կյանքը՝ նվազեցնելով մարմնավորված ածխածնի փոխարինումը:

Խափանումը ենթադրում էր, որ բոլոր սարքավորումները նույն մոնիտորինգի կարիք ունեն: Մենք չափից ավելի գործիքավորեցինք մի ամբողջ հավաքման գիծ, ​​որը թանկ արժեցավ և առաջացրեց աղմկոտ տվյալներ: Մենք սովորեցինք լինել վիրաբուժական. կենտրոնանալ բարձր էներգիա սպառողների և կրիտիկական որակի հանգույցների վրա: Zitai-ի պես ընկերության համար, որի գտնվելու վայրը Պեկին-Գուանչժոու երկաթուղու նման հիմնական տրանսպորտային ուղիների մոտ ենթադրում է կենտրոնացում լոգիստիկ արդյունավետության վրա, նման կանխատեսող մոդելների կիրառումը իրենց HVAC-ի և սեղմված օդի համակարգերում (հաճախ գործարանի էներգիայի ամենամեծ արտահոսքը), կբերի ածխածնի ուղղակի խնայողություն: Այն Zitai ամրացումներ կայքը կարևորում է դրանց արտադրության մասշտաբը. Այդ ծավալի դեպքում սեղմված օդի արտահոսքի 2%-ով կրճատումը, որը բացահայտվել է օդային հոսքի մոդելով, նշանակում է հսկայական ֆինանսական և բնապահպանական եկամուտներ:

Այստեղ նույնպես մշակութային տեղաշարժ կա. Մոդելի առաջարկությունը՝ փոխարինելու լավ տեսք ունեցող մասը, վստահություն է պահանջում: Մենք պետք է կառուցեինք պարզ վահանակներ, որոնք ցույց էին տալիս էներգիայի կանխատեսվող թափոնները կՎտժ-ով և դոլարով, որպեսզի գնայինք սպասարկող թիմերից: Այս շոշափելիությունը վճռորոշ է որդեգրման համար:

Գործընթացի օպտիմիզացում. սահմանված կետերից այն կողմ

Ավանդական գործընթացի կառավարումն օգտագործում է PID հանգույցներ՝ սահմանված կետը պահպանելու համար, ինչպես վառարանի ջերմաստիճանը: Բայց ո՞րն է տվյալ խմբաքանակի համար օպտիմալ սահմանված կետը: Դա կախված է շրջակա միջավայրի խոնավությունից, հումքի խառնուրդի տատանումներից և ցանկալի առաձգական ուժից: Մեքենայի ուսուցման մոդելները կարող են դինամիկորեն օպտիմալացնել սա: Ջերմային մշակման գործընթացում մենք օգտագործեցինք ամրապնդման ուսուցման մոդել՝ գտնելու նվազագույն ջերմաստիճանի թեքահարթակը և ներծծման ժամանակը, որն անհրաժեշտ էր մետալուրգիական բնութագրերին հասնելու համար: Արդյունքը եղավ մեկ խմբաքանակի համար բնական գազի սպառման 12%-ով կրճատում՝ առանց որակի փոխզիջման:

Բռնե՞լը։ Դուք պետք է ուշադիր սահմանեք պարգևատրման գործառույթը: Սկզբում մենք օպտիմիզացրինք զուտ էներգիայի համար, և մոդելն առաջարկեց ավելի ցածր ջերմաստիճաններ, որոնք ակամա ավելացնում էին կոռոզիայի մակարդակը ծածկման հետագա փուլերում՝ փոխելով շրջակա միջավայրի բեռը: Մենք պետք է որդեգրեինք բազմաբնույթ օպտիմալացման շրջանակ՝ հավասարակշռելով էներգիան, նյութի բերքատվությունը և գործընթացի կենսունակությունը: Այս ամբողջական տեսակետը իսկական արդյունաբերական կայունության էությունն է. այն խուսափում է մի տարածքի ենթաօպտիմալացումից մյուսի հաշվին:

Ստանդարտ մասերի արտադրության բազայի համար հազարավոր տոննա արտադրանքի նման օպտիմալացումն այն է, որտեղ մակրո ազդեցությունն է: Այն կայունությունը կաթսայատանից տեղափոխում է արտադրության հիմնական բաղադրատոմս:

Մատակարարման շղթա և լոգիստիկա. ցանցի էֆեկտ

Սա այն վայրն է, որտեղ AI-ի ներուժը զգում է և՛ հսկայական, և՛ հիասթափեցնող: Գործարանը կարող է լինել հիպերարդյունավետ, բայց եթե դրա մատակարարման շղթան վատնում է, ապա զուտ շահույթը սահմանափակ է: AI-ն ուժեղացնում է կայունությունն այստեղ՝ խելացի երթուղիների և գույքագրման կանխատեսման միջոցով: Մենք աշխատել ենք չմշակված պողպատե կծիկի համար ներգնա լոգիստիկայի օպտիմալացման նախագծի վրա: Վերլուծելով մատակարարների գտնվելու վայրը, արտադրության ժամանակացույցը և երթևեկության տվյալները՝ մոդելը ստեղծեց առաքման պատուհաններ, որոնք նվազագույնի հասցրին բեռնատարի պարապուրդի ժամանակը և թույլ տվեցին ավելի լիարժեք բեռներ: Սա նվազեցրեց Scope 3 արտանետումները ինչպես արտադրողի, այնպես էլ մատակարարի համար:

Վրդովմունքը գալիս է տվյալների փոխանակումից: Մատակարարները հաճախ դժկամությամբ են կիսում իրական ժամանակի հզորությունը կամ գտնվելու վայրի տվյալները: Ճեղքումը եղավ ոչ թե ավելի բարդ ալգորիթմով, այլ բլոկչեյնի վրա հիմնված պարզ մատյանով (թույլատրված, ոչ կրիպտո), որը գրանցում էր պարտավորությունները՝ չբացահայտելով սեփականության մանրամասները: Վստահությունը, կրկին, խոչընդոտ է:

Handan Zitai Fastener արտադրություն Co., Ltd.Հիմնական մայրուղիներին և երկաթուղային գծերին հարող ռազմավարական դիրքը բնական նյութատեխնիկական ակտիվ է: AI-ի վրա հիմնված համակարգը կարող է օպտիմալացնել արտագնա լոգիստիկան՝ դինամիկ կերպով համախմբելով պատվերները և ընտրելով նվազագույն ածխածնային փոխադրման եղանակը (երկաթուղային ընդդեմ բեռնատարի)՝ հիմնվելով հրատապության վրա՝ օգտագործելով այդ աշխարհագրական առավելությունը՝ նվազագույնի հասցնելով ածխածնի հետքը մեկ առաքման համար:

Շրջանաձևություն և որակի հետախուզություն

Կայունության ամենաուղիղ ճանապարհը քիչ նյութի օգտագործումն է և քիչ թափոններ առաջացնելը: Որակի ստուգման համակարգչային տեսլականը տարածված է, բայց դրա կապը կայունության հետ խորն է: Վաղ հայտնաբերված թերությունը նշանակում է, որ մի մասը կարող է վերամշակվել կամ վերամշակվել գործարանում՝ խուսափելով այն հաճախորդին առաքելու, մերժվելու և հետ առաքելու էներգիայի ծախսերից: Ավելի առաջադեմ է արտադրության ընթացքում սպեկտրային վերլուծության օգտագործումը՝ որակը կանխատեսելու համար, ինչը թույլ է տալիս իրական ժամանակում գործընթացի ճշգրտումներ կատարել: Մենք սա տեսանք երեսպատման գծում. XRF անալիզատորը տվյալները սնուցեց մի մոդելի մեջ, որը վերահսկում էր լոգանքի քիմիան՝ նվազեցնելով ծանր մետաղների օգտագործումը և տիղմի թափոնները ավելի քան 20%-ով:

Այնուհետև կա շրջանաձև տնտեսության անկյունը: AI-ն կարող է հեշտացնել նյութերի տեսակավորումը վերամշակման համար: Մետաղական ամրացումների համար կյանքի վերջում տեսակավորումը խնդիր է: Մենք փորձարկեցինք համակարգ՝ օգտագործելով հիպերսպեկտրալ պատկերներ և CNN՝ ցինկապատ պողպատի ջարդոնից չժանգոտվողն ավտոմատ կերպով տեսակավորելու համար՝ բարձրացնելով վերամշակված հումքի մաքրությունն ու արժեքը: Սա նյութական օղակի փակումը տնտեսապես կենսունակ է դարձնում:

Հիմնական արտադրական բազայի համար՝ ինտեգրելով այս որակի հետախուզությունը ամբողջ տարածքում ստանդարտ մաս Արտադրական շղթա նշանակում է ավելի քիչ արդյունահանվող նյութեր և ավելի քիչ թափոններ, որոնք ուղարկվում են աղբավայր: Այն որակի վերահսկողությունը ծախսերի կենտրոնից վերածում է կայունության հիմնական շարժիչի:

Մարդկային գործոնը և իրականացման ճահիճը

Սրանցից ոչ մեկը չի աշխատում առանց մարդկանց: Ամենամեծ ձախողումը, որին ես ականատես եղա, լույսի անջատման օպտիմալացման նախագիծն էր, որը ինժեներները նախագծեցին վակուումում: Մոդելները փայլուն էին, բայց նրանք անտեսեցին օպերատորների լռելյայն գիտելիքները, ովքեր գիտեին, որ Machine 4-ը տաք է աշխատում խոնավ կեսօրին: Համակարգը ձախողվեց: Հաջողությունը եկավ, երբ մենք կառուցեցինք հիբրիդային խորհրդատվական համակարգեր: Մոդելը առաջարկում է սահմանված կետ, սակայն օպերատորը կարող է հաստատել, մերժել կամ հարմարեցնել այն՝ համակարգը սովորելով այդ արձագանքից: Սա վստահություն է ձևավորում և գործադրում մարդկային ինտուիցիան:

Իրականացումը մարաթոն է։ Դա պահանջում է համբերություն տվյալների ենթակառուցվածք ստեղծելու համար, խոնարհություն՝ մեկ գործընթացի գծով սկսելու համար և բազմաֆունկցիոնալ թիմեր, որոնք համատեղում են OT, ՏՏ և կայունության փորձը: Նպատակը արհեստական ​​ինտելեկտի վրա աշխատող փայլուն մամուլի հաղորդագրությունը չէ: Դա հարյուրավոր փոքր օպտիմալացումների ոչ սեքսուալ, կուտակային էֆեկտն է. այստեղ վառարանից մի քանի աստիճան սափրվել է, այնտեղ կրճատվել է բեռնատարի երթուղին, խուսափել ջարդոնի խմբաքանակից: Ահա թե ինչպես է AI-ն իսկապես խթանում է արդյունաբերական կայունությունը՝ ոչ թե պայթյունով, այլ տվյալների միլիոնավոր կետերով, որոնք հանգիստ առաջ տանում են ավելի արդյունավետ, ավելի քիչ վատնվող ուղի: