AI нь үйлдвэрлэлийн тогтвортой байдлыг хэрхэн нэмэгдүүлдэг вэ? 

Хүмүүс хиймэл оюун ухааныг үйлдвэрлэлд сонсохдоо бүрэн бие даасан, гэрэл унтраадаг үйлдвэрүүдийг төсөөлдөг. Энэ бол гайхалтай зорилго боловч тогтвортой байдлыг нэмэгдүүлэх бодитой, шаргуу ажил өнөөдөр өрнөж байгаа газар биш юм. Жинхэнэ нөлөөлөл нь эрчим хүчний хэрэглээг оновчтой болгох, материалын хог хаягдлыг багасгах, нийлүүлэлтийн сүлжээг эмх замбараагүй болгох гэх мэт өдөр тутмын ажилд нуугддаг. Энэ нь роботууд бус, эдийн засаг, байгаль орчинд ээлтэй шийдвэр гаргахад бидэнд үргэлж дутагдаж байсан нарийн харагдах байдлыг хангах ухаалаг системүүдийн тухай юм. AI болон тогтвортой байдлын хоорондох холбоо нь автомат биш юм; Энэ нь бидний хэмжиж, хянахаар сонгосон зүйлээ зориудаар өөрчлөхийг шаарддаг.

Дуудлагаас гадна: Эрчим хүч бол анхны хил юм

Хамгийн шууд зардал, нүүрстөрөгчийн ул мөр болох эрчим хүчээс эхэлцгээе. Олон жилийн турш бид хуваарьт засвар үйлчилгээ, өргөн хүрээний цохилтын үр ашгийн үнэлгээнд найдаж байсан. Тоглоомын өөрчлөлт нь мэдрэгчийг суулгаж, эрчим хүчийг урьдчилан таамаглах зорилгоор хиймэл оюун ухааныг ашиглаж байна. Би зүгээр л машинуудыг унтраах тухай яриагүй байна. Энэ нь бүхэл бүтэн үйлдвэрлэлийн шугамын динамик ачааллыг ойлгох явдал юм. Жишээлбэл, хиймэл оюун ухаантай загвар өмсөгч нь тусгай тамга дарагч нь зөвхөн ажиллах явцад төдийгүй хөргөлтийн систем ажиллаж байх үед 15 минутын турш эрчим хүч ихэсгэдэг болохыг мэдэж болно. Үйлдвэрлэлийн хуваарьт дүн шинжилгээ хийснээр олон дарахад нэгэн зэрэг оргил ачааллаас зайлсхийхийн тулд багц хоорондын бичил саатлыг санал болгож, дамжуулах чадварт нөлөөлөхгүйгээр эрчим хүчний муруйг тэгшлэнэ. Энэ нь онолын хувьд биш юм; Энэ нь асар их хэмжээний хуурамч үйлдвэрт эрчим хүчний төлбөрийг 8-12% бууруулж байгааг би харсан.

Хамгийн хэцүү хэсэг нь өгөгдлийн чанар юм. Танд машин, дэд станц, боломжтой бол сүлжээнээс бүрдсэн, цаг хугацааны цуваа мэдээлэл хэрэгтэй. Нэг бүтэлгүйтсэн төсөл бол хийн зарцуулалтыг нарийн хэмжихгүйгээр дулааны боловсруулалтын зуухыг оновчтой болгох оролдлого байв. AI загвар нь үндсэндээ таамаглаж байсан бөгөөд оновчлол нь эд ангиудын металлургийн шинж чанарыг алдагдуулах эрсдэлтэй байв. Бид хэцүү арга замыг сурсан: та нар зөв хэмжиж чадахгүй байгаа зүйлээ удирдаж чадахгүй. Хиймэл оюун ухаан нь мэдрэхүйн оролттой адил сайн байдаг.

Энэ нь нарийн зүйлд хүргэдэг: AI нь ихэвчлэн илүү гүнзгий багаж хэрэгслийг зөвтгөдөг. Хиймэл оюун ухааныг тогтвортой байлгахын тулд та эхлээд илүү сайн тоолуурт хөрөнгө оруулах хэрэгтэй. Энэ бол буянтай мөчлөг юм. Та ийм мэдээллийн урсгалтай болмогц та урьдчилан таамаглахаас зааварчилгааны үйлдэл рүү шилжих боломжтой, тухайлбал пневматик сүлжээн дэх бодит цагийн эрэлтэд тулгуурлан компрессорын даралтын тохируулгын цэгүүдийг автоматаар тохируулах, энэ нь үргэлж хамгийн муу хувилбарт тохируулж, асар их хэмжээний эрчим хүчийг дэмий үрэх явдал юм.

Хог хаягдлын эсрэг дайн: Хаягдал овооноос дижитал ихрүүд хүртэл

Материалын хог хаягдал бол санхүүгийн болон байгаль орчны цэвэр алдагдал юм. гэх мэт компани шиг бэхэлгээний үйлдвэрлэлд ГАДАА ЗИПА БУСАД БУСАД ТУХАЙ ХУУЛИЙН ХЯНАЛТЫН ХЯНАЛТ. Хятадын томоохон стандарт эд анги үйлдвэрлэлийн баазад байрладаг бөгөөд уламжлалт арга нь үйлдвэрлэлийн дараах хяналтыг агуулдаг: багцыг хийж, заримыг нь дээж авдаг, хэрэв согог илэрсэн бол бүхэл бүтэн багцыг устгаж эсвэл дахин боловсруулж болно. Энэ бол гайхалтай үрэлгэн юм.

Бодит цагийн согог илрүүлэх компьютерийн хараа нь одоо ширээний гадас болж байна. Гэхдээ хиймэл оюун ухааныг илүү гүнзгий ашиглах нь эхний ээлжинд хог хаягдал үүсэхээс урьдчилан сэргийлэхийн тулд процессын параметрүүдийг оновчтой болгох явдал юм. Утасны диаметр, температур, машины хурд, элэгдлийн үеийн өгөгдлийг загварт оруулснаар бид нэг ширхэгийг хийхээс өмнө толгойн хагарал эсвэл хэмжээсийн алдаа гарах магадлалыг урьдчилан таамаглах боломжтой. Дараа нь систем нь зөөлрүүлэх температурыг бага зэрэг нэмэгдүүлэх эсвэл тэжээлийн хурдыг бууруулах гэх мэт тохируулга хийхийг зөвлөж болно.

Боолт үйлдвэрлэх шугамд зориулж дижитал сүүдэр (бүрэн дижитал ихрийн энгийн хувилбар) бүтээсэн төслийг би санаж байна. Зорилго нь боолт таслагдсаны дараа үлдсэн утас болох обудтай алдагдлыг багасгах явдал байв. Захиалгын багц болон машины хязгаарлалтад дүн шинжилгээ хийснээр AI хуваарийн систем нь утсан ороомогуудыг бүрэн ашиглах захиалгын дарааллыг эрэмбэлж, захын хаягдлыг дунджаар 3.2% -иас 1.7% хүртэл бууруулж чадна. Энэ нь өчүүхэн мэт сонсогдож байгаа ч жилд хэдэн мянган тонн гангаар түүхий эдийг хэмнэж, гангийн үйлдвэрлэлээс үүсэх нүүрстөрөгчийн ялгаруулалтыг ихээхэн хэмжээгээр хэмнэдэг. Ийм нарийн оновчлолоос өндөр хэмжээний бүтээгдэхүүн үйлдвэрлэдэг Юнян дүүрэг зэрэг төвүүдийн компаниуд хэрхэн асар их ашиг хүртэж байгааг харж болно.

Нийлүүлэлтийн хэлхээний уян хатан байдал ба нүүрстөрөгчийн ул мөр

Эндээс л төвөгтэй болдог. Тогтвортой нийлүүлэлтийн сүлжээ нь зөвхөн ногоон ханган нийлүүлэгчийг сонгох тухай биш юм; Энэ нь яаралтай тусламжийн үед нүүрстөрөгчийн эрчимтэй агаарын тээвэрлэлтээс зайлсхийх үр ашиг, уян хатан байдлын тухай юм. AI-д суурилсан эрэлтийн таамаглал нь ажиллах үед үйлдвэрлэлийг жигдрүүлж, илүү цагаар ажиллах (үр ашиг багатай, эрчим хүч их зарцуулдаг гүйлт гэсэн үг) болон үймээн самууны захиалга зэргийг багасгадаг.

Бид олон шатлалт нийлүүлэлтийн гинжин хэлхээний эрсдлийн шинжилгээг үйлчлүүлэгчийн логистикийн оновчлолтой нэгтгэсэн. Систем нь цаг агаар, боомтын түгжрэл, тэр ч байтугай нийлүүлэгчийн бүсийн эрчим хүчний холимогийг (жишээ нь, өнөөдөр тэдний сүлжээ нүүрсээр эсвэл сэргээгдэх эрчим хүчээр ажилладаг уу?) хянадаг. Хугацаа зөвшөөрөгдөх үед тээвэрлэлтийг удаашруулсан боловч бага ялгаруулдаг далайн тээвэр рүү шилжүүлэх, эсвэл ердийн 85% биш харин 98% багтаамжтай чингэлэг дүүргэхийн тулд ачааг нэгтгэхийг санал болгов. The тогтвортой байдал Эндээс олз нь шууд бус боловч хүчтэй: нүүрстөрөгчийн үр ашгийг өдөр тутмын логистикийн шийдвэрт шингээдэг.

Энд бүтэлгүйтлийн горим нь хэт оновчлол юм. Нэг загвар нь тээврийн ялгарлыг багасгахын тулд үргэлж нэг, маш ногоон боловч хүчин чадал нь хязгаарлагдмал ханган нийлүүлэгчийг ашиглахыг санал болгосон. Энэ нь зогсолт хийх эрсдэлийг тооцоолж чадаагүй бөгөөд энэ нь эцэстээ тохиолдож, олон, оновчтой бус ханган нийлүүлэгчтэй тэмцэхэд хүргэв. Тогтвортой байдлын зорилтууд нь хиймэл оюун ухааны зорилгын функц дэх бат бөх байдлын хязгаарлалттай тэнцвэртэй байх ёстой гэсэн сургамж байв. Та зөвхөн нүүрстөрөгчийг багасгаж чадахгүй; эрсдэлийг удирдах ёстой.

Хүний элемент: Шийдвэр гаргах чадварыг нэмэгдүүлэх

Энэ бол шүүмжлэлтэй. AI нь үйлдвэрийг ажиллуулдаггүй; хүмүүс хийдэг. Миний харсан хамгийн үр дүнтэй хэрэгжүүлэлт бол хиймэл оюун ухаан нь зөвлөхийн үүрэг гүйцэтгэдэг. Энэ нь хэвийн бус байдлыг илтгэж байна: 3-р мөрөнд нэгжид ногдох эрчим хүчний хэрэглээ нь одоогийн бүтээгдэхүүний багцын жишиг үзүүлэлтээс 18%-иар илүү байна. Болзошгүй шалтгаан: Б-12 конвейерийн моторын холхивчийн элэгдэл, тооцоолсон үр ашгийн алдагдал 22%. Энэ нь засвар үйлчилгээний багт тодорхой тогтвортой байдал, зардлын нөлөөлөл бүхий зорилтот, тэргүүлэх зорилтыг өгдөг.

Энэ нь соёлыг өөрчилдөг. Тогтвортой байдал нь үйлдвэрлэлийн үр ашгаас тусдаа KPI байхаа больсон. Шалны менежер хаягдал бага хэмжээгээр оновчтой болгох нь нэг сайн хэсэгт ногдох эрчим хүч, түүхий эдийн хэрэглээг бууруулдаг болохыг олж харвал зорилтууд нийцдэг. AI-г сургах нь хүмүүсийг сургадаг. Согог илрүүлэх загварт зориулсан өгөгдлийг шошголохын тулд чанарын инженерүүд эвдрэлийн горимд гүнзгий дүн шинжилгээ хийх ёстой. Энэ процесс нь өөрөө загварыг ашиглахаас өмнө процессыг сайжруулахад хүргэдэг.

Эсэргүүцэл нь байгалийн юм. Хар хайрцагны зөвлөмжөөс айх айдас бий. Ийм учраас тайлбарлах чадвар нь чухал юм. Хэрэв систем нь зуухны температурыг 15 ° C-аар бууруул гэж хэлсэн бол энэ нь мөн үндэслэлийг өгөх ёстой: Түүхэн мэдээллээс харахад энэ бага температурт X ба Y параметртэй ажилласнаар байгалийн хийн зарцуулалт 8% багатай ижил хатуулагтай болсон. Энэ нь итгэлцлийг бий болгож, хиймэл оюун ухааныг тогтвортой ажиллах хамтын хэрэгсэл болгон хувиргадаг үйлдвэрлэл.

Урагшаа харах: Интеграцийн сорилт

Ирээдүй нь эрчим хүч, чанарын хувьд бие даасан хиймэл оюун ухааны программ биш юм. Энэ нь нэвтрүүлэх чадвар, бүтээмж, эрчим хүчний хэрэглээ, багаж хэрэгслийн элэгдэл, нүүрстөрөгчийн ул мөр зэрэг олон, заримдаа өрсөлддөг зорилтуудыг тэнцвэржүүлдэг нэгдсэн үйл явцын оновчлолд ордог. Энэ бол бодит цаг хугацаанд хүний ​​тооцоолоос давсан олон зорилготой оновчлолын асуудал юм.

Бид хэрэглэгчийн захиалга авч, хамгийн тогтвортой үйлдвэрлэлийн замыг динамикаар тодорхойлдог системийг туршиж байна. Энэ багц бэхэлгээг үйлдвэрийн шинэ нарны зайгаар тэжээгдэж байгаа хуучин, удаан шугам дээр хийх үү, эсвэл цахилгаанаар ажилладаг боловч хаягдал багатай шинэ, хурдан шугам дээр хийх ёстой юу? AI нь нүүрстөрөгчийн цэвэр нөлөөлөл, түүний дотор аливаа хаягдал дахь нүүрстөрөгчийг тооцоолж, үнэхээр оновчтой замыг санал болгож чадна. Энэ бол дараагийн түвшний сэтгэлгээ юм.

Эцсийн саад бэрхшээл бол амьдралын мөчлөгийн үнэлгээний интеграцчлал юм. Жинхэнэ нэмэгдүүлэх Үйлдвэрлэл дэх хиймэл оюун ухаан нь материал, үйл явцын амьдралын мөчлөгийн бүрэн нөлөөллийн талаарх мэдээлэлд хандах боломжтой болсон үед тогтвортой байдал бий болно. Цайрын бүрээс болон шинэ полимер бүрээсийг сонгох нь зөвхөн зардлын шийдвэр биш юм; Энэ нь химийн хэрэглээ, удаан эдэлгээ, ашиглалтын хугацаа дууссаны дараа дахин боловсруулах боломжтой байдлын талаархи шийдвэр юм. Бид хараахан ирээгүй байгаа ч үндсэн ажил буюу үйл явцыг дижитал хэлбэрт оруулах, багаж хэрэгсэлтэй болгох, дасан зохицох хяналтын дор хийх нь ирээдүйг боломжтой болгодог зүйл юм. Энэ бол нэг жижиг, үрэлгэн асуудлыг нэг дор шийдэх урт, бүдүүлэг зам юм.