Како вештачката интелигенција ја зајакнува индустриската одржливост? 

Кога луѓето зборуваат за вештачка интелигенција и одржливост, разговорот честопати се префрла директно на футуристички визии: автономни мрежи, градови што се самооптимизираат. Во рововите на вистинското производство, реалноста е повеќе тврда и постепена. Вистинскиот поттик не е замена на луѓето со роботи; станува збор за зголемување на донесувањето одлуки во системи кои се озлогласено расипнички и непроѕирни. Заблудата е дека одржливоста е само користење на помалку енергија. Тоа е подлабоко - се работи за системска интелигенција за ресурси, од суровина до логистика, и тоа е местото каде што моделите за машинско учење, не само генеричката вештачка интелигенција, тивко ја менуваат играта.

Фондацијата: верност на податоците и темниот фабрички под

Не можете да управувате со она што не можете да го измерите, а индустриската одржливост со години беше претпоставка. Имавме сметки за енергија, да, но поврзувањето на скок во потрошувачката со одредена серија на производната линија 3 често беше невозможно. Првиот, негламурозен чекор е пролиферацијата на сензорите и историизацијата на податоците. Сум видел постројки каде што инсталирањето едноставни вибрации и термички сензори на старите компресорски системи откри циклична неефикасност што трошеше 15% од нивната моќност. Засилувањето на вештачката интелигенција започнува тука: создавање дигитален близнак со висока верност на тековите на енергија и материјали. Без оваа основа, секое тврдење за одржливост е само маркетинг.

Ова не е plug-and-play. Најголемата пречка се силосите за податоци. Податоците за производство се наоѓаат во МЕД, податоците за квалитетот во друг систем, а податоците за енергијата од комуналното броило. Добивањето временски синхронизиран приказ е кошмар. Потрошивме месеци на проект само за градење на цевководот за податоци пред да може да се обучи кој било модел. Клучот не беше фантастичен алгоритам, туку робусна онтологија на податоци - означување на секоја податочна точка со контекст (ID на машината, чекор на процес, SKU на производот). Оваа грануларност е она што овозможува значајна анализа на одржливост подоцна.

Размислете за производителот на прицврстувачи, како Компанија за производство на прицврстувачи на Handan Zitai, Ltd.. Нивниот процес вклучува печат, нишка, термичка обработка и позлата. Секоја фаза има различни енергетски профили и принос на материјали. Со инструментирање на нивните печки и бањи, тие би можеле да се префрлат од месечен просек на корист на трошок за килограм излезна енергија. Оваа основна линија е критична. Ја претвора одржливоста од корпоративен KPI во променлива на производствената линија на која менаџерот на подот всушност може да влијае.

Предвидливо одржување: ниско висечко овошје со длабоки корени

Повеќето дискусии за ова започнуваат со избегнување на застој. Аголот на одржливост е попривлечен: катастрофалниот дефект троши енергија и материјали. Неуспешното лежиште во пресата за печат со висок вртежен момент не само што се крши; предизвикува неусогласеност со недели, што доведува до делови што не се спецификации (материјален отпад) и зголемена потрошувачка на енергија. Спроведовме модел за анализа на вибрации за системи со мотор, кој не само што предвидуваше неуспех, туку ги идентификуваше состојбите со неоптимални перформанси. Ова е суптилниот дел. Моделот означи пумпа која сè уште работи, но изгубила 8% ефикасност, што значи дека влече повеќе струја за да ја изврши истата работа. Со неговото поправање заштедите енергија и го продолжија работниот век на моторот, намалувајќи го отелотворениот јаглерод од замената.

Неуспехот беше под претпоставка дека на целата опрема и треба ист мониторинг. Прекумерно инструментиравме цела склопна линија, која беше скапа и генерираше бучни податоци. Научивме да бидеме хируршки: фокусирајте се на високоенергетски потрошувачи и јазли со критичен квалитет. За компанија како Зитаи, чија локација во близина на главните транспортни рути како железницата Пекинг-Гуангжу подразбира фокусирање на логистичката ефикасност, примената на слични модели на предвидување на нивните системи за климатизација и компримиран воздух - честопати најголемите енергетски одводи во фабриката - би донело директна заштеда на јаглерод. На Зитаи сврзувачки елементи веб-страницата ја нагласува нивната производна скала; на тој волумен, намалувањето на истекувањето на компримиран воздух за 2%, идентификувано со модел на проток на воздух, се преведува на огромни финансиски и еколошки приноси.

И овде има културна промена. Препораката на моделот за замена на дел што изгледа добро бара доверба. Моравме да изградиме едноставни контролни табли кои го прикажуваат проектираниот енергетски отпад во kWh и долари за да добиеме откуп од тимовите за одржување. Оваа опипливост е клучна за усвојување.

Оптимизација на процесот: Надвор од поставените точки

Традиционалната контрола на процесот користи PID јамки за одржување на поставената точка, како што е температурата на печката. Но, која е оптималната зададена точка за дадена серија? Тоа зависи од влажноста на околината, варијациите на легура на суровините и саканата цврстина на истегнување. Моделите за машинско учење можат динамички да го оптимизираат ова. Во процесот на термичка обработка, користевме модел за учење за засилување за да ја пронајдеме минималната температурна рампа и времето за натопување потребно за постигнување на металуршки спецификации. Резултатот беше намалување на потрошувачката на природен гас за 12% по серија, без компромис за квалитетот.

Уловот? Треба внимателно да ја дефинирате функцијата за награда. Првично, оптимизиравме чисто за енергија, а моделот предложи пониски температури кои ненамерно ги зголемија стапките на корозија во подоцнежните фази на обложување - преместувајќи го оптоварувањето на животната средина. Моравме да усвоиме рамка за оптимизација со повеќе цели, балансирање на енергијата, приносот на материјалите и одржливоста на процесот низводно. Овој холистички поглед е суштината на вистинската индустриска одржливост; избегнува под-оптимизирање на една област на сметка на друга.

За стандардна база на производство на делови, таквата оптимизација на илјадници тони излез е местото каде што лежи макро влијанието. Ја преместува одржливоста од котларата во главниот рецепт на производството.

Синџир на снабдување и логистика: Мрежен ефект

Ова е местото каде што потенцијалот на вештачката интелигенција се чувствува и огромен и фрустрирачки. Фабриката може да биде хиперефикасна, но ако нејзиниот синџир на снабдување е расипнички, нето добивката е ограничена. ВИ ја зајакнува одржливоста овде преку интелигентно рутирање и предвидување на залихи. Работевме на проект за оптимизирање на влезната логистика за серпентина од сиров челик. Со анализа на локациите на добавувачите, распоредот на производството и податоците за сообраќајот, моделот генерира прозорци за испорака што го минимизираат времето на мирување на камионот и дозволуваат пополни товари. Ова ги намали емисиите на Scope 3 и за производителот и за добавувачот.

Фрустрацијата доаѓа од споделувањето податоци. Добавувачите честопати не сакаат да споделат податоци за капацитетот или локацијата во реално време. Пробивот дојде не со покомплексен алгоритам, туку со едноставна книга заснована на блокчејн (дозволена, не крипто) која ги евидентираше обврските без изложување на сопствени детали. Довербата, повторно, е тесно грло.

Компанија за производство на прицврстувачи на Handan Zitai, Ltd.Стратешката локација во непосредна близина на главните автопати и железнички линии е природно логистичко богатство. Системот управуван од вештачка интелигенција би можел да ја оптимизира излезната логистика со динамично консолидирање на нарачките и избирање на начин на транспорт со најниска содржина на јаглерод (железничка наспроти камион) врз основа на итноста, искористувајќи ја таа географска предност за да го минимизира својот јаглероден отпечаток по пратка.

Циркуларност и квалитетна интелигенција

Најдиректниот пат до одржливост е користење помалку материјал и генерирање помалку отпад. Компјутерската визија за проверка на квалитетот е вообичаена, но нејзината врска со одржливоста е длабока. Недостатокот откриен рано значи дека дел може да се преработи или рециклира во фабриката, избегнувајќи ги трошоците за енергија за испорака до клиент, отфрлање и испраќање назад. Понапредно е користењето на спектрална анализа за време на производството за да се предвиди квалитетот, што овозможува прилагодување на процесот во реално време. Ова го видовме во линијата за обложување: XRF анализатор внесува податоци во модел кој ја контролира хемијата на бањата за обложување, намалувајќи ја употребата на тешки метали и отпадот од тиња за над 20%.

Потоа, тука е аголот на кружна економија. ВИ може да го олесни сортирањето на материјалите за рециклирање. За металните сврзувачки елементи, сортирањето на крајот на работниот век е предизвик. Пилотиравме систем со помош на хиперспектрални слики и CNN за автоматско сортирање на нерѓосувачкиот отпад од галванизиран челик, зголемувајќи ја чистотата и вредноста на рециклирана суровина. Ова го прави затворањето на материјалната јамка економски исплатливо.

За голема производствена база, интегрирање на оваа квалитетна интелигенција низ стандарден дел Синџирот на производство значи помалку извлечен нечист материјал и помалку отпад испратен на депонија. Ја трансформира контролата на квалитетот од центар за трошоци во основен двигател за одржливост.

Човечкиот фактор и блатото за имплементација

Ништо од ова не функционира без луѓе. Најголемиот неуспех на кој сум бил сведок беше проектот за оптимизација за исклучување на светлата што инженерите го дизајнираа во вакуум. Моделите беа брилијантни, но го игнорираа премолченото знаење на операторите кои знаеја дека Machine 4 работи жешко во влажни попладневни часови. Системот не успеа. Успехот дојде кога изградивме хибридни советодавни системи. Моделот сугерира одредена точка, но операторот може да ја одобри, одбие или прилагоди, при што системот учи од тие повратни информации. Ова ја гради довербата и ја користи човечката интуиција.

Имплементацијата е маратонска. Потребно е трпение за да се изгради инфраструктура за податоци, понизност за да се започне со единствена процесна линија и меѓуфункционални тимови кои ги комбинираат експертизата за ОТ, ИТ и одржливост. Целта не е сјајно соопштение за печатот напојуван со вештачка интелигенција. Тоа е несекси, кумулативен ефект на стотици мали оптимизации: неколку степени избричени од печката овде, скратена патека на камион таму, избегната серија отпад. Тоа е начинот на кој вештачката интелигенција вистински ја зајакнува индустриската одржливост - не со удар, туку со милион точки на податоци кои тивко водат поефикасен, помалку расипнички пат напред.