AI ສົ່ງເສີມຄວາມຍືນຍົງຂອງອຸດສາຫະກໍາແນວໃດ? 

ເມື່ອຄົນເວົ້າກ່ຽວກັບ AI ແລະຄວາມຍືນຍົງ, ການສົນທະນາມັກຈະມຸ່ງໄປສູ່ວິໄສທັດໃນອະນາຄົດ: ຕາຂ່າຍໄຟຟ້າເອກະລາດ, ຕົວເມືອງທີ່ປັບແຕ່ງຕົນເອງ. ໃນຮ່ອງຮອຍຂອງການຜະລິດຕົວຈິງ, ຄວາມເປັນຈິງແມ່ນມີຄວາມເຄັ່ງຄັດແລະເພີ່ມຂຶ້ນ. ການຊຸກຍູ້ທີ່ແທ້ຈິງບໍ່ແມ່ນກ່ຽວກັບການທົດແທນມະນຸດດ້ວຍຫຸ່ນຍົນ; ມັນແມ່ນກ່ຽວກັບການເພີ່ມການຕັດສິນໃຈໃນລະບົບທີ່ເສຍຊື່ສຽງ ແລະ opaque. ຄວາມເຂົ້າໃຈຜິດແມ່ນວ່າຄວາມຍືນຍົງແມ່ນພຽງແຕ່ການນໍາໃຊ້ພະລັງງານຫນ້ອຍ. ມັນເລິກກວ່າ - ມັນກ່ຽວກັບຄວາມສະຫລາດທາງດ້ານຊັບພະຍາກອນລະບົບ, ຈາກວັດຖຸດິບໄປສູ່ການຂົນສົ່ງ, ແລະນັ້ນແມ່ນບ່ອນທີ່ຕົວແບບການຮຽນຮູ້ເຄື່ອງຈັກ, ບໍ່ພຽງແຕ່ AI ທົ່ວໄປ, ກໍາລັງປ່ຽນແປງເກມຢ່າງງຽບໆ.

ມູນນິທິ: Data Fidelity ແລະຊັ້ນໂຮງງານຊ້ໍາ

ທ່ານບໍ່ສາມາດຈັດການສິ່ງທີ່ທ່ານບໍ່ສາມາດວັດແທກໄດ້, ແລະເປັນເວລາຫລາຍປີ, ຄວາມຍືນຍົງຂອງອຸດສາຫະກໍາແມ່ນການຄາດເດົາ. ພວກເຮົາມີໃບບິນຄ່າພະລັງງານ, ແມ່ນແລ້ວ, ແຕ່ການພົວພັນກັບການເພີ່ມຂຶ້ນໃນການບໍລິໂພກເປັນຊຸດສະເພາະໃນສາຍການຜະລິດ 3 ມັກຈະເປັນໄປບໍ່ໄດ້. ຂັ້ນຕອນທໍາອິດ, unglamorous ແມ່ນການຂະຫຍາຍເຊັນເຊີແລະປະຫວັດສາດຂໍ້ມູນ. ຂ້ອຍເຄີຍເຫັນໂຮງງານທີ່ຕິດຕັ້ງເຊັນເຊີການສັ່ນສະເທືອນແລະຄວາມຮ້ອນແບບງ່າຍດາຍໃນລະບົບເຄື່ອງບີບອັດແບບເກົ່າເປີດເຜີຍເຖິງຄວາມບໍ່ມີປະສິດທິພາບຂອງວົງຈອນທີ່ສູນເສຍ 15% ຂອງການດຶງພະລັງງານຂອງພວກເຂົາ. ການຊຸກຍູ້ AI ເລີ່ມຕົ້ນທີ່ນີ້: ການສ້າງຄູ່ແຝດດິຈິຕອນທີ່ມີຄວາມຊື່ສັດສູງຂອງພະລັງງານແລະວັດສະດຸກະແສ. ໂດຍບໍ່ມີພື້ນຖານນີ້, ການຮຽກຮ້ອງຄວາມຍືນຍົງໃດໆແມ່ນພຽງແຕ່ການຕະຫຼາດ.

ນີ້ບໍ່ແມ່ນ plug-and-play. ອຸປະສັກທີ່ໃຫຍ່ທີ່ສຸດແມ່ນ silos ຂໍ້ມູນ. ຂໍ້ມູນການຜະລິດຕັ້ງຢູ່ໃນ MES, ຂໍ້ມູນຄຸນນະພາບໃນລະບົບອື່ນ, ແລະຂໍ້ມູນພະລັງງານຈາກເຄື່ອງວັດແທກຜົນປະໂຫຍດ. ການໄດ້ຮັບທັດສະນະທີ່ສອດຄ້ອງກັນເປັນເວລາແມ່ນຝັນຮ້າຍ. ພວກເຮົາໃຊ້ເວລາຫຼາຍເດືອນໃນໂຄງການພຽງແຕ່ສ້າງທໍ່ຂໍ້ມູນ ກ່ອນທີ່ຮູບແບບໃດກໍ່ສາມາດໄດ້ຮັບການຝຶກອົບຮົມ. ກຸນແຈບໍ່ແມ່ນສູດການຄິດໄລ່ທີ່ແປກປະຫຼາດ, ແຕ່ເປັນ ontology ຂໍ້ມູນທີ່ເຂັ້ມແຂງ—ການແທັກທຸກຈຸດຂໍ້ມູນດ້ວຍບໍລິບົດ (ລະຫັດເຄື່ອງ, ຂັ້ນຕອນຂະບວນການ, ຜະລິດຕະພັນ SKU). granularity ນີ້ແມ່ນສິ່ງທີ່ອະນຸຍາດໃຫ້ສໍາລັບການວິເຄາະຄວາມຍືນຍົງທີ່ມີຄວາມຫມາຍຕໍ່ມາ.

ພິຈາລະນາຜູ້ຜະລິດ fastener, ເຊັ່ນ: ບໍລິສັດບໍລິສັດຜະລິດ Fasten Fastener Handan.. ຂະບວນການຂອງພວກເຂົາປະກອບດ້ວຍການປະທັບຕາ, ການຖັກແສ່ວ, ການປິ່ນປົວຄວາມຮ້ອນ, ແລະການໃສ່ແຜ່ນ. ແຕ່ລະຂັ້ນຕອນມີໂປຣໄຟລ໌ພະລັງງານທີ່ແຕກຕ່າງກັນແລະຜົນຜະລິດວັດສະດຸ. ໂດຍອຸປະກອນ furnaces ແລະ plating ອາບນ້ໍາຂອງເຂົາເຈົ້າ, ເຂົາເຈົ້າສາມາດຍ້າຍຈາກສະເລ່ຍປະຈໍາເດືອນເປັນຄ່າໃຊ້ຈ່າຍພະລັງງານຕໍ່ກິໂລຜົນຜະລິດ. ພື້ນຖານນີ້ແມ່ນສໍາຄັນ. ມັນປ່ຽນຄວາມຍືນຍົງຈາກ KPI ຂອງບໍລິສັດໄປສູ່ຕົວແປການຜະລິດທີ່ຜູ້ຈັດການຊັ້ນສາມາດມີອິດທິພົນຢ່າງແທ້ຈິງ.

ການຮັກສາການຄາດເດົາ: ໝາກຫ້ອຍຕໍ່າ ມີຮາກເລິກ

ການສົນທະນາສ່ວນໃຫຍ່ກ່ຽວກັບເລື່ອງນີ້ເລີ່ມຕົ້ນດ້ວຍການຫຼີກລ່ຽງການຢຸດເຮັດວຽກ. ມຸມຄວາມຍືນຍົງແມ່ນເປັນສິ່ງທີ່ໜ້າຈັບໃຈກວ່າ: ຄວາມລົ້ມເຫຼວຂອງໄພພິບັດເຮັດໃຫ້ເສຍພະລັງງານ ແລະວັດສະດຸ. ການເກິດຄວາມລົ້ມເຫຼວໃນເຄື່ອງພິມແຮງບິດສູງບໍ່ພຽງແຕ່ແຕກ; ມັນເຮັດໃຫ້ເກີດຄວາມບໍ່ສອດຄ່ອງເປັນເວລາຫຼາຍອາທິດ, ເຊິ່ງເຮັດໃຫ້ຊິ້ນສ່ວນນອກສະເພາະ (ສິ່ງເສດເຫຼືອຂອງວັດສະດຸ) ແລະການດຶງພະລັງງານເພີ່ມຂຶ້ນ. ພວກເຮົາໄດ້ປະຕິບັດແບບຈໍາລອງການວິເຄາະການສັ່ນສະເທືອນສໍາລັບລະບົບທີ່ຂັບເຄື່ອນດ້ວຍມໍເຕີທີ່ບໍ່ພຽງແຕ່ຄາດຄະເນຄວາມລົ້ມເຫຼວ, ແຕ່ໄດ້ກໍານົດສະຖານະການປະຕິບັດການຍ່ອຍທີ່ດີທີ່ສຸດ. ນີ້ແມ່ນສ່ວນທີ່ລະອຽດອ່ອນ. ຮູບແບບດັ່ງກ່າວໄດ້ຊີ້ບອກວ່າປັ໊ມທີ່ຍັງເຮັດວຽກຢູ່ແຕ່ໄດ້ສູນເສຍປະສິດທິພາບ 8%, ຊຶ່ງຫມາຍຄວາມວ່າມັນກໍາລັງດຶງດູດເອົາກະແສໄຟຟ້າຫຼາຍຂຶ້ນເພື່ອເຮັດວຽກດຽວກັນ. ການ​ສ້ອມ​ແປງ​ມັນ​ຊ່ວຍ​ປະ​ຢັດ​ພະ​ລັງ​ງານ​ແລະ​ການ​ຕໍ່​ອາ​ຍຸ​ຂອງ​ມໍ​ເຕີ​, ການ​ຫຼຸດ​ຜ່ອນ embodied carbon ຈາກ​ການ​ທົດ​ແທນ​.

ຄວາມລົ້ມເຫຼວແມ່ນສົມມຸດວ່າອຸປະກອນທັງຫມົດຈໍາເປັນຕ້ອງມີການຕິດຕາມດຽວກັນ. ພວກ​ເຮົາ​ໄດ້​ນໍາ​ໃຊ້​ເສັ້ນ​ການ​ປະ​ກອບ​ທັງ​ຫມົດ​ຫຼາຍ​ເກີນ​ໄປ​, ຊຶ່ງ​ມີ​ລາ​ຄາ​ແພງ​ແລະ​ການ​ສ້າງ​ຂໍ້​ມູນ​ທີ່​ບໍ່​ມີ​ສຽງ​. ພວກເຮົາໄດ້ຮຽນຮູ້ທີ່ຈະຜ່າຕັດ: ເນັ້ນໃສ່ຜູ້ບໍລິໂພກທີ່ມີພະລັງງານສູງແລະຈຸດທີ່ມີຄຸນນະພາບທີ່ສໍາຄັນ. ສໍາລັບບໍລິສັດເຊັ່ນ Zitai, ເຊິ່ງຕັ້ງຢູ່ໃກ້ກັບເສັ້ນທາງການຂົນສົ່ງທີ່ສໍາຄັນເຊັ່ນ: ທາງລົດໄຟປັກກິ່ງ - ກວາງໂຈວຫມາຍເຖິງການສຸມໃສ່ປະສິດທິພາບການຂົນສົ່ງ, ນໍາໃຊ້ແບບຈໍາລອງການຄາດເດົາທີ່ຄ້າຍຄືກັນກັບລະບົບ HVAC ແລະລະບົບອາກາດບີບອັດ - ມັກຈະເປັນທໍ່ລະບາຍພະລັງງານທີ່ໃຫຍ່ທີ່ສຸດຂອງພືດ - ຈະເຮັດໃຫ້ການປະຫຍັດຄາບອນໂດຍກົງ. ໄດ້ zitai fasteners ເວັບໄຊທ໌ຊີ້ໃຫ້ເຫັນຂະຫນາດການຜະລິດຂອງພວກເຂົາ; ໃນປະລິມານນັ້ນ, ການຫຼຸດລົງ 2% ຂອງການຮົ່ວໄຫຼຂອງອາກາດທີ່ຖືກບີບອັດ, ກໍານົດໂດຍຮູບແບບການໄຫຼຂອງອາກາດ, ແປວ່າຜົນຕອບແທນທາງດ້ານການເງິນແລະສິ່ງແວດລ້ອມຢ່າງຫຼວງຫຼາຍ.

ມີ​ການ​ປ່ຽນ​ແປງ​ວັດ​ທະ​ນະ​ທໍາ​ຢູ່​ທີ່​ນີ້​ເຊັ່ນ​ດຽວ​ກັນ​. ຄໍາແນະນໍາຂອງຕົວແບບເພື່ອທົດແທນສ່ວນທີ່ເບິ່ງດີຕ້ອງການຄວາມໄວ້ວາງໃຈ. ພວກ​ເຮົາ​ຕ້ອງ​ໄດ້​ສ້າງ​ແຜງ​ໜ້າ​ປັດ​ທີ່​ງ່າຍ​ດາຍ​ທີ່​ສະ​ແດງ​ໃຫ້​ເຫັນ​ສິ່ງ​ເສດ​ເຫຼືອ​ພະ​ລັງ​ງານ​ທີ່​ຄາດ​ຄະ​ເນ​ເປັນ kWh ແລະ​ໂດ​ລາ​ເພື່ອ​ຮັບ​ຊື້​ຈາກ​ທີມ​ບໍາ​ລຸງ​ຮັກ​ສາ. ຄວາມຊັດເຈນນີ້ແມ່ນສໍາຄັນສໍາລັບການຮັບຮອງເອົາ.

ການເພີ່ມປະສິດທິພາບຂະບວນການ: ເກີນຈຸດທີ່ກໍານົດໄວ້

ການຄວບຄຸມຂະບວນການແບບດັ້ງເດີມໃຊ້ PID loops ເພື່ອຮັກສາຈຸດທີ່ກໍານົດໄວ້, ເຊັ່ນອຸນຫະພູມ furnace. ແຕ່ຈຸດທີ່ກໍານົດໄວ້ທີ່ດີທີ່ສຸດສໍາລັບຊຸດທີ່ກໍານົດໄວ້ແມ່ນຫຍັງ? ມັນຂຶ້ນກັບຄວາມຊຸ່ມຊື່ນຂອງສະພາບແວດລ້ອມ, ການປ່ຽນແປງຂອງໂລຫະປະສົມວັດຖຸດິບ, ແລະຄວາມເຂັ້ມແຂງ tensile ທີ່ຕ້ອງການ. ຮູບແບບການຮຽນຮູ້ຂອງເຄື່ອງຈັກສາມາດປັບປຸງສິ່ງນີ້ໄດ້ຢ່າງມີປະສິດທິພາບ. ໃນຂະບວນການປິ່ນປົວຄວາມຮ້ອນ, ພວກເຮົາໄດ້ນໍາໃຊ້ຮູບແບບການຮຽນຮູ້ການເສີມສ້າງເພື່ອຊອກຫາຈຸດທີ່ອຸນຫະພູມຕ່ໍາສຸດແລະໃຊ້ເວລາແຊ່ທີ່ຈໍາເປັນເພື່ອບັນລຸ specs ໂລຫະ. ຜົນໄດ້ຮັບແມ່ນການຫຼຸດຜ່ອນການບໍລິໂພກອາຍແກັສທໍາມະຊາດ 12% ຕໍ່ຊຸດ, ບໍ່ມີການປະນີປະນອມຕໍ່ຄຸນນະພາບ.

ຈັບໄດ້? ທ່ານຈໍາເປັນຕ້ອງກໍານົດຫນ້າທີ່ຂອງລາງວັນຢ່າງລະມັດລະວັງ. ໃນເບື້ອງຕົ້ນ, ພວກເຮົາປັບປຸງໃຫ້ດີທີ່ສຸດສໍາລັບພະລັງງານ, ແລະຕົວແບບໄດ້ແນະນໍາອຸນຫະພູມຕ່ໍາທີ່ເພີ່ມອັດຕາການກັດກ່ອນໂດຍບໍ່ໄດ້ຕັ້ງໃຈໃນຂັ້ນຕອນການເຄືອບຕໍ່ມາ - ການຫັນປ່ຽນພາລະຂອງສິ່ງແວດລ້ອມ. ພວກ​ເຮົາ​ຕ້ອງ​ໄດ້​ຮັບ​ຮອງ​ເອົາ​ຂອບ​ການ​ປັບ​ປຸງ​ຫຼາຍ​ຈຸດ​ປະ​ສົງ, ການ​ດຸ່ນ​ດ່ຽງ​ພະ​ລັງ​ງານ, ຜົນ​ຜະ​ລິດ​ອຸ​ປະ​ກອນ, ແລະ​ຂະ​ບວນ​ການ​ລຸ່ມ​ນ​້​ໍ​າ. ທັດສະນະລວມນີ້ແມ່ນຄວາມສໍາຄັນຂອງຄວາມຍືນຍົງທາງດ້ານອຸດສາຫະກໍາທີ່ແທ້ຈິງ; ມັນຫຼີກລ້ຽງການຍ່ອຍທີ່ດີທີ່ສຸດພື້ນທີ່ຫນຶ່ງໂດຍຄ່າໃຊ້ຈ່າຍຂອງພື້ນທີ່ອື່ນ.

ສໍາລັບພື້ນຖານການຜະລິດຊິ້ນສ່ວນມາດຕະຖານ, ການເພີ່ມປະສິດທິພາບດັ່ງກ່າວໃນທົ່ວຫລາຍພັນໂຕນຂອງຜົນຜະລິດແມ່ນບ່ອນທີ່ຜົນກະທົບມະຫາພາກ. ມັນຍ້າຍຄວາມຍືນຍົງຈາກຫ້ອງ boiler ເຂົ້າໄປໃນສູດຫຼັກຂອງການຜະລິດ.

ລະບົບຕ່ອງໂສ້ການສະໜອງ ແລະການຂົນສົ່ງ: ຜົນກະທົບຂອງເຄືອຂ່າຍ

ນີ້ແມ່ນບ່ອນທີ່ທ່າແຮງຂອງ AI ມີຄວາມຮູ້ສຶກທັງກວ້າງຂວາງແລະອຸກອັ່ງ. ໂຮງງານສາມາດມີປະສິດຕິພາບສູງ, ແຕ່ຖ້າລະບົບຕ່ອງໂສ້ການສະຫນອງຂອງມັນແມ່ນສິ່ງເສດເຫຼືອ, ກໍາໄລສຸດທິແມ່ນຈໍາກັດ. AI ຊຸກຍູ້ຄວາມຍືນຍົງຢູ່ທີ່ນີ້ໂດຍຜ່ານເສັ້ນທາງອັດສະລິຍະແລະການພະຍາກອນສິນຄ້າຄົງຄັງ. ພວກເຮົາໄດ້ເຮັດວຽກໃນໂຄງການເພື່ອເພີ່ມປະສິດທິພາບການຂົນສົ່ງຂາເຂົ້າສໍາລັບມ້ວນເຫຼັກດິບ. ໂດຍການວິເຄາະສະຖານທີ່ຜູ້ສະຫນອງ, ຕາຕະລາງການຜະລິດ, ແລະຂໍ້ມູນການຈະລາຈອນ, ຮູບແບບດັ່ງກ່າວໄດ້ສ້າງປ່ອງຢ້ຽມການຈັດສົ່ງທີ່ຫຼຸດຜ່ອນເວລາຫວ່າງຂອງລົດບັນທຸກແລະອະນຸຍາດໃຫ້ມີການໂຫຼດເຕັມ. ນີ້ຫຼຸດຜ່ອນການປ່ອຍອາຍພິດຂອບເຂດ 3 ສໍາລັບທັງຜູ້ຜະລິດແລະຜູ້ສະຫນອງ.

ຄວາມອຸກອັ່ງແມ່ນມາຈາກການແບ່ງປັນຂໍ້ມູນ. ຜູ້ສະຫນອງມັກຈະລັງເລທີ່ຈະແບ່ງປັນຄວາມອາດສາມາດໃນເວລາຈິງຫຼືຂໍ້ມູນສະຖານທີ່. ບາດກ້າວບຸກທະລຸບໍ່ໄດ້ມາຈາກສູດການຄິດໄລ່ທີ່ສັບສົນຫຼາຍ, ແຕ່ມີບັນຊີລາຍການທີ່ອີງໃສ່ blockchain ງ່າຍໆ (ໄດ້ຮັບການອະນຸຍາດ, ບໍ່ແມ່ນ crypto) ທີ່ບັນທຶກຄໍາຫມັ້ນສັນຍາໂດຍບໍ່ມີການເປີດເຜີຍລາຍລະອຽດທີ່ເປັນເຈົ້າຂອງ. ຄວາມໄວ້ວາງໃຈ, ອີກເທື່ອຫນຶ່ງ, ແມ່ນຄໍຂວດ.

ບໍລິສັດບໍລິສັດຜະລິດ Fasten Fastener Handan.ທີ່ຕັ້ງຍຸດທະສາດທີ່ຕິດກັບທາງດ່ວນແລະເສັ້ນທາງລົດໄຟທີ່ສໍາຄັນແມ່ນຊັບສິນທາງດ້ານການຂົນສົ່ງທໍາມະຊາດ. ລະບົບ AI-driven ສາມາດເພີ່ມປະສິດທິພາບການຂົນສົ່ງຂາອອກໂດຍການລວບລວມຄໍາສັ່ງແບບເຄື່ອນໄຫວແລະເລືອກຮູບແບບການຂົນສົ່ງຄາບອນຕ່ໍາສຸດ (ທາງລົດໄຟທຽບກັບລົດບັນທຸກ) ໂດຍອີງໃສ່ຄວາມຮີບດ່ວນ, ນໍາໃຊ້ປະໂຫຍດທາງພູມສາດເພື່ອຫຼຸດຜ່ອນການປ່ອຍອາຍຄາບອນຕໍ່ການຂົນສົ່ງ.

Circularity and Quality Intelligence

ເສັ້ນທາງທີ່ກົງໄປກົງມາສູ່ຄວາມຍືນຍົງແມ່ນການໃຊ້ວັດສະດຸໜ້ອຍ ແລະສ້າງສິ່ງເສດເຫຼືອໜ້ອຍ. ວິໄສທັດຄອມພິວເຕີສໍາລັບການກວດກາຄຸນນະພາບແມ່ນເປັນເລື່ອງທໍາມະດາ, ແຕ່ການເຊື່ອມໂຍງຂອງມັນກັບຄວາມຍືນຍົງແມ່ນເລິກເຊິ່ງ. ຂໍ້ບົກພ່ອງທີ່ກວດພົບໃນຕອນຕົ້ນ ໝາຍ ຄວາມວ່າສ່ວນ ໜຶ່ງ ສາມາດຖືກ ນຳ ໃຊ້ຄືນ ໃໝ່ ຫຼື ນຳ ກັບມາໃຊ້ຄືນໃນໂຮງງານ, ຫຼີກລ້ຽງຄ່າພະລັງງານໃນການຂົນສົ່ງໃຫ້ລູກຄ້າ, ຖືກປະຕິເສດ, ແລະສົ່ງຄືນ. ກ້າວຫນ້າທາງດ້ານຫຼາຍແມ່ນການນໍາໃຊ້ການວິເຄາະ spectral ໃນລະຫວ່າງການຜະລິດເພື່ອຄາດຄະເນຄຸນນະພາບ, ອະນຸຍາດໃຫ້ມີການປັບຂະບວນການໃນເວລາທີ່ແທ້ຈິງ. ພວກເຮົາເຫັນອັນນີ້ຢູ່ໃນເສັ້ນແຜ່ນ: ເຄື່ອງວິເຄາະ XRF ໄດ້ປ້ອນຂໍ້ມູນເຂົ້າໄປໃນຕົວແບບທີ່ຄວບຄຸມເຄມີອາບນ້ໍາ, ຫຼຸດຜ່ອນການໃຊ້ໂລຫະຫນັກແລະສິ່ງເສດເຫຼືອຂອງ sludge ຫຼາຍກວ່າ 20%.

ຫຼັງຈາກນັ້ນ, ມີມຸມເສດຖະກິດເປັນວົງ. AI ສາມາດອໍານວຍຄວາມສະດວກໃນການຈັດລຽງວັດສະດຸສໍາລັບການລີໄຊເຄີນ. ສໍາລັບ fasteners ໂລຫະ, ການຈັດລຽງໃນຕອນທ້າຍຂອງຊີວິດແມ່ນສິ່ງທ້າທາຍ. ພວກ​ເຮົາ​ໄດ້​ທົດ​ລອງ​ລະ​ບົບ​ການ​ນໍາ​ໃຊ້​ການ​ຖ່າຍ​ຮູບ hyperspectral ແລະ CNN ເພື່ອ​ອັດ​ຕະ​ໂນ​ມັດ​ການ​ຄັດ​ສະ​ແຕນ​ເລດ​ຈາກ​ເສດ​ເຫຼັກ​ກ້າ​ສັງ​ກະ​ສີ​, ເພີ່ມ​ຄວາມ​ບໍ​ລິ​ສຸດ​ແລະ​ມູນ​ຄ່າ​ຂອງ​ອາ​ຫານ​ນໍາ​ໃຊ້​ໃຫມ່​. ນີ້ເຮັດໃຫ້ການປິດອຸປະກອນການ loop ເປັນໄປໄດ້ທາງດ້ານເສດຖະກິດ.

ສໍາລັບພື້ນຖານການຜະລິດທີ່ສໍາຄັນ, ປະສົມປະສານປັນຍາທີ່ມີຄຸນນະພາບນີ້ໃນທົ່ວ ສ່ວນມາດຕະຖານ ລະບົບຕ່ອງໂສ້ການຜະລິດຫມາຍຄວາມວ່າວັດຖຸບໍລິສຸດທີ່ຖືກສະກັດຫນ້ອຍລົງແລະສິ່ງເສດເຫຼືອຫນ້ອຍທີ່ຖືກສົ່ງໄປບ່ອນຂີ້ເຫຍື້ອ. ມັນປ່ຽນການຄວບຄຸມຄຸນນະພາບຈາກສູນຄ່າໃຊ້ຈ່າຍໄປສູ່ຕົວຂັບເຄື່ອນຄວາມຍືນຍົງຫຼັກ.

ປັດໄຈຂອງມະນຸດແລະການຈັດຕັ້ງປະຕິບັດ

ບໍ່ມີອັນໃດອັນນີ້ເຮັດວຽກໂດຍບໍ່ມີຄົນ. ຄວາມລົ້ມເຫລວທີ່ໃຫຍ່ທີ່ສຸດທີ່ຂ້ອຍໄດ້ເປັນພະຍານແມ່ນໂຄງການເພີ່ມປະສິດທິພາບຂອງໄຟທີ່ນັກວິສະວະກອນອອກແບບໃນສູນຍາກາດ. ຕົວແບບຕ່າງໆແມ່ນດີເລີດ, ແຕ່ພວກເຂົາບໍ່ສົນໃຈຄວາມຮູ້ tacit ຂອງຜູ້ປະກອບການທີ່ຮູ້ວ່າເຄື່ອງຈັກ 4 ແລ່ນຮ້ອນໃນຕອນບ່າຍທີ່ມີຄວາມຊຸ່ມຊື່ນ. ລະບົບລົ້ມເຫລວ. ຄວາມສຳເລັດເກີດຂຶ້ນເມື່ອພວກເຮົາສ້າງລະບົບໃຫ້ຄຳປຶກສາແບບປະສົມ. ຮູບແບບແນະນໍາຈຸດທີ່ກໍານົດໄວ້, ແຕ່ຜູ້ປະກອບການສາມາດອະນຸມັດ, ປະຕິເສດ, ຫຼືປັບມັນ, ໂດຍລະບົບການຮຽນຮູ້ຈາກຄໍາຄຶດຄໍາເຫັນນັ້ນ. ອັນນີ້ສ້າງຄວາມໄວ້ເນື້ອເຊື່ອໃຈ ແລະໃຊ້ຄວາມຕັ້ງໃຈຂອງມະນຸດ.

ການປະຕິບັດແມ່ນ marathon. ມັນຮຽກຮ້ອງໃຫ້ມີຄວາມອົດທົນເພື່ອສ້າງພື້ນຖານໂຄງລ່າງຂໍ້ມູນ, ຄວາມຖ່ອມຕົນເພື່ອເລີ່ມຕົ້ນດ້ວຍເສັ້ນຂະບວນການດຽວ, ແລະທີມງານຂ້າມຫນ້າທີ່ປະສົມປະສານ OT, IT, ແລະຄວາມຊໍານານດ້ານຄວາມຍືນຍົງ. ເປົ້າ​ຫມາຍ​ບໍ່​ແມ່ນ​ການ​ອອກ​ຂ່າວ​ທີ່​ມີ AI ເປັນ​ເງົາ​. ມັນເປັນຜົນກະທົບທີ່ບໍ່ sexy, ການສະສົມຂອງຫຼາຍຮ້ອຍການເພີ່ມປະສິດທິພາບຂະຫນາດນ້ອຍ: ສອງສາມອົງສາໄດ້ໂກນອອກຈາກເຕົາໄຟຢູ່ທີ່ນີ້, ເສັ້ນທາງລົດບັນທຸກໄດ້ສັ້ນລົງ, ຫລີກລ້ຽງການຂູດຂີ້ເຫຍື້ອ. ນັ້ນແມ່ນວິທີທີ່ AI ສົ່ງເສີມຄວາມຍືນຍົງທາງດ້ານອຸດສາຫະກໍາຢ່າງແທ້ຈິງ - ບໍ່ແມ່ນດ້ວຍສຽງດັງ, ແຕ່ດ້ວຍຈຸດຂໍ້ມູນລ້ານໆຢ່າງງຽບໆທີ່ຈະຊີ້ນໍາເສັ້ນທາງທີ່ມີປະສິດທິພາບ, ຫນ້ອຍລົງ.