Si e rrit AI qëndrueshmërinë industriale? 

Kur njerëzit flasin për inteligjencën artificiale dhe qëndrueshmërinë, biseda shpesh kalon drejt e në vizione futuriste: rrjete autonome, qytete vetë-optimizuese. Në llogore të prodhimit aktual, realiteti është më i ashpër dhe në rritje. Nxitja e vërtetë nuk ka të bëjë me zëvendësimin e njerëzve me robotë; ka të bëjë me shtimin e vendimmarrjes në sisteme që janë jashtëzakonisht të kota dhe të errëta. Mendimi i gabuar është se qëndrueshmëria ka të bëjë vetëm me përdorimin e më pak energjisë. Është më e thellë - ka të bëjë me inteligjencën e burimeve sistematike, nga lënda e parë te logjistika, dhe këtu modelet e mësimit të makinerive, jo vetëm AI gjenerike, po e ndryshojnë lojën në heshtje.

Themeli: Besnikëria e të dhënave dhe dyshemeja e errët e fabrikës

Ju nuk mund të menaxhoni atë që nuk mund të matni, dhe për vite me radhë, qëndrueshmëria industriale ishte supozim. Ne kishim fatura energjie, po, por lidhja e një rritje të konsumit me një grup specifik në linjën e prodhimit 3 ishte shpesh e pamundur. Hapi i parë, jo magjepsës është përhapja e sensorëve dhe historizimi i të dhënave. Unë kam parë impiante ku instalimi i sensorëve të thjeshtë të dridhjeve dhe termikëve në sistemet e kompresorëve të vjetër zbuloi joefikasitet ciklik që harxhuan 15% të fuqisë së tyre. Rritja e inteligjencës artificiale fillon këtu: krijimi i një binjake dixhitale me besnikëri të lartë të flukseve të energjisë dhe materialeve. Pa këtë bazë, çdo pretendim për qëndrueshmëri është thjesht marketing.

Kjo nuk është plug-and-play. Pengesa më e madhe janë siloset e të dhënave. Të dhënat e prodhimit janë në MASH, të dhënat e cilësisë në një sistem tjetër dhe të dhënat e energjisë nga njehsori i shërbimeve. Marrja e një pamje të sinkronizuar me kohë është një makth. Ne shpenzuam muaj në një projekt vetëm duke ndërtuar tubacionin e të dhënave përpara se çdo model të mund të trajnohej. Çelësi nuk ishte një algoritëm i mrekullueshëm, por një ontologji e fuqishme e të dhënave - duke etiketuar çdo pikë të dhënash me kontekst (ID-ja e makinerisë, hapi i procesit, SKU e produktit). Kjo shkallëzim është ajo që mundëson analiza domethënëse të qëndrueshmërisë më vonë.

Konsideroni një prodhues lidhës, si p.sh Handan Zitai Fastener Prodhim Co, Ltd.. Procesi i tyre përfshin stampimin, filetimin, trajtimin e nxehtësisë dhe veshjen. Çdo fazë ka profile të ndryshme energjetike dhe rendimente materiale. Duke instrumentuar furrat e tyre dhe banjat e tyre, ata mund të lëvizin nga një mesatare mujore e shërbimeve në një kosto energjie për kilogram të prodhimit. Kjo bazë është kritike. Ai e kthen qëndrueshmërinë nga një KPI i korporatës në një variabël të linjës së prodhimit që një menaxher i dyshemesë mund të ndikojë në të vërtetë.

Mirëmbajtja parashikuese: Fruti me varje të ulët me rrënjë të thella

Shumica e diskutimeve për këtë nisin me shmangien e kohës joproduktive. Këndi i qëndrueshmërisë është më bindës: dështimi katastrofik harxhon energji dhe materiale. Një kushinetë e dështuar në një shtypës stampimi me çift rrotullues të lartë nuk prishet thjesht; shkakton shtrembërim për javë të tëra, duke çuar në pjesë jashtë specifikimeve (mbetje materiale) dhe rritje të tërheqjes së energjisë. Ne zbatuam një model analize të dridhjeve për sistemet e drejtuara nga motori që nuk parashikonte vetëm dështimin, por identifikoi gjendjet e performancës nën optimale. Kjo është pjesa delikate. Modeli shënoi një pompë që ishte ende funksionale, por kishte humbur 8% efikasitet, që do të thotë se po nxirrte më shumë rrymë për të bërë të njëjtën punë. Rregullimi i tij kurseu energji dhe zgjati jetën e motorit, duke reduktuar karbonin e mishëruar nga zëvendësimi.

Dështimi ishte duke supozuar se të gjitha pajisjet kishin nevojë për të njëjtin monitorim. Ne instrumentuam një linjë të tërë montimi, e cila ishte e kushtueshme dhe gjeneroi të dhëna të zhurmshme. Mësuam të bëhemi kirurgjik: fokusohemi te konsumatorët me energji të lartë dhe nyjet me cilësi kritike. Për një kompani si Zitai, vendndodhja e së cilës pranë rrugëve kryesore të transportit si Hekurudha Pekin-Guangzhou nënkupton një fokus në efikasitetin e logjistikës, aplikimi i modeleve të ngjashme parashikuese në sistemet e tyre HVAC dhe ajrit të kompresuar - shpeshherë shkarkimet më të mëdha të energjisë në një fabrikë - do të jepte kursime të drejtpërdrejta të karbonit. Të Fasteners Zitai faqja e internetit thekson shkallën e prodhimit të tyre; në atë vëllim, një reduktim prej 2% në rrjedhjen e ajrit të kompresuar, i identifikuar nga një model i rrjedhës së ajrit, përkthehet në kthime masive financiare dhe mjedisore.

Edhe këtu ka një ndryshim kulturor. Rekomandimi i modelit për të zëvendësuar një pjesë që duket mirë kërkon besim. Na u desh të ndërtonim tabela të thjeshta që tregonin mbetjet e parashikuara të energjisë në kWh dhe dollarë për të marrë blerje nga ekipet e mirëmbajtjes. Kjo prekshmëri është thelbësore për adoptim.

Optimizimi i procesit: Përtej pikave të përcaktuara

Kontrolli tradicional i procesit përdor unazat PID për të ruajtur një pikë të caktuar, si temperatura e furrës. Por cila është pika optimale e vendosjes për një grup të caktuar? Varet nga lagështia e ambientit, variacionet e aliazhit të lëndës së parë dhe forca e dëshiruar në tërheqje. Modelet e mësimit të makinerisë mund ta optimizojnë këtë në mënyrë dinamike. Në një proces trajtimi termik, ne përdorëm një model mësimi përforcues për të gjetur shkallën minimale të temperaturës dhe kohën e thithjes që nevojitet për të arritur specifikat metalurgjike. Rezultati ishte një reduktim prej 12% i konsumit të gazit natyror për grumbull, pa kompromis për cilësinë.

Kapja? Ju duhet të përcaktoni me kujdes funksionin e shpërblimit. Fillimisht, ne optimizuam thjesht për energji, dhe modeli sugjeroi temperatura më të ulëta që rritën pa dashje shkallët e korrozionit në fazat e mëvonshme të veshjes - duke zhvendosur barrën mjedisore. Na u desh të miratonim një kornizë optimizimi me shumë objektiva, duke balancuar energjinë, rendimentin e materialit dhe qëndrueshmërinë e procesit në rrjedhën e poshtme. Kjo pikëpamje holistike është thelbi i qëndrueshmërisë së vërtetë industriale; ai shmang nën-optimizimin e një zone në kurriz të një tjetre.

Për një bazë standarde të prodhimit të pjesëve, një optimizim i tillë për mijëra tonë prodhim është vendi ku qëndron ndikimi makro. Ai e zhvendos qëndrueshmërinë nga dhoma e bojlerit në recetën kryesore të prodhimit.

Zinxhiri i Furnizimit dhe Logjistika: Efekti i Rrjetit

Këtu potenciali i AI ndihet i madh dhe zhgënjyes. Një fabrikë mund të jetë hiper-efikase, por nëse zinxhiri i saj i furnizimit është i kotë, fitimi neto është i kufizuar. AI rrit qëndrueshmërinë këtu përmes rrugëtimit inteligjent dhe parashikimit të inventarit. Ne kemi punuar në një projekt për të optimizuar logjistikën hyrëse për spiralen e çelikut të papërpunuar. Duke analizuar vendndodhjet e furnizuesve, oraret e prodhimit dhe të dhënat e trafikut, një model gjeneroi dritare shpërndarjeje që minimizuan kohën e boshtit të kamionit dhe lejuan ngarkesa më të plota. Kjo reduktoi emetimet e Scope 3 si për prodhuesin ashtu edhe për furnizuesin.

Zhgënjimi vjen nga ndarja e të dhënave. Furnizuesit shpesh hezitojnë të ndajnë të dhënat e kapacitetit ose vendndodhjes në kohë reale. Përparimi nuk erdhi me një algoritëm më kompleks, por me një libër të thjeshtë të bazuar në blockchain (i lejuar, jo kripto) që regjistronte angazhimet pa ekspozuar detaje të pronarit. Besimi, përsëri, është pengesa.

Handan Zitai Fastener Prodhim Co, Ltd.Vendndodhja strategjike ngjitur me autostradat kryesore dhe linjat hekurudhore është një pasuri logjistike natyrore. Një sistem i drejtuar nga AI mund të optimizojë logjistikën e jashtme duke konsoliduar në mënyrë dinamike porositë dhe duke zgjedhur mënyrën e transportit me më pak karbon (hekurudhor kundrejt kamionit) bazuar në urgjencën, duke shfrytëzuar atë avantazh gjeografik për të minimizuar gjurmën e karbonit për dërgesë.

Inteligjenca rrethore dhe cilësore

Rruga më e drejtpërdrejtë drejt qëndrueshmërisë është përdorimi i më pak materialit dhe gjenerimi i më pak mbetjeve. Vizioni kompjuterik për inspektimin e cilësisë është i zakonshëm, por lidhja e tij me qëndrueshmërinë është e thellë. Një e metë e zbuluar herët do të thotë se një pjesë mund të ripërpunohet ose riciklohet në fabrikë, duke shmangur koston e energjisë për dërgimin e saj te një klient, refuzimin dhe dërgimin e saj. Më e avancuar është përdorimi i analizës spektrale gjatë prodhimit për të parashikuar cilësinë, duke lejuar rregullime të procesit në kohë reale. Ne e pamë këtë në një linjë plating: një analizues XRF ushqeu të dhëna në një model që kontrollonte kiminë e banjës së pllakave, duke reduktuar përdorimin e metaleve të rënda dhe mbetjet e llumit me mbi 20%.

Pastaj është këndi i ekonomisë rrethore. AI mund të lehtësojë klasifikimin e materialeve për riciklim. Për fiksuesit metalikë, renditja në fund të jetës është një sfidë. Ne pilotuam një sistem duke përdorur imazhe hiperspektrale dhe një CNN për të klasifikuar automatikisht inoksin nga skrapët e çelikut të galvanizuar, duke rritur pastërtinë dhe vlerën e lëndës së parë të ricikluar. Kjo e bën mbylljen e lakut material ekonomikisht të qëndrueshëm.

Për një bazë të madhe prodhimi, duke integruar këtë inteligjencë cilësore në të gjithë pjesë standarde Zinxhiri i prodhimit nënkupton më pak material të virgjër të nxjerrë dhe më pak mbetje të dërguara në landfill. Ai e transformon kontrollin e cilësisë nga një qendër kostoje në një shtytës kryesor të qëndrueshmërisë.

Faktori Njerëzor dhe Motra e Zbatimit

Asnjë nga këto nuk funksionon pa njerëz. Dështimi më i madh që kam parë ishte një projekt optimizimi i fikjes së dritave që inxhinierët projektuan në një vakum. Modelet ishin të shkëlqyera, por ata injoruan njohuritë e heshtura të operatorëve të cilët e dinin se Makina 4 punonte nxehtë në pasdite me lagështi. Sistemi dështoi. Suksesi erdhi kur ndërtuam sisteme hibride këshillimore. Modeli sugjeron një pikë të caktuar, por operatori mund ta miratojë, refuzojë ose rregullojë atë, me sistemin që mëson nga ai reagim. Kjo ndërton besimin dhe fuqizon intuitën njerëzore.

Zbatimi është një maratonë. Kërkon durim për të ndërtuar infrastrukturën e të dhënave, përulësi për të filluar me një linjë të vetme procesi dhe ekipe ndërfunksionale që ndërthurin ekspertizën OT, IT dhe qëndrueshmërinë. Qëllimi nuk është një njoftim për shtyp i ndritshëm i fuqizuar nga AI. Është efekti joseksi dhe kumulativ i qindra optimizimeve të vogla: disa gradë të rruara nga një furrë këtu, një rrugë kamioni e shkurtuar atje, një grumbull skrap i shmangur. Kjo është mënyra se si AI me të vërtetë rrit qëndrueshmërinë industriale - jo me një zhurmë, por me një milion pika të dhënash që drejtojnë në heshtje një rrugë më efikase, më pak të kota përpara.