Si e rrit AI qëndrueshmërinë në prodhim? 

Kur njerëzit dëgjojnë inteligjencën artificiale në prodhim, ata shpesh hidhen drejt vizioneve të fabrikave plotësisht autonome, të ndezura - një ideal i ndezur, por disi mashtrues. Ndikimi i vërtetë dhe i rëndë në qëndrueshmëri nuk ka të bëjë me zëvendësimin e njerëzve; ka të bëjë me rritjen e aftësisë sonë për të parë dhe për të vepruar ndaj joefikasiteteve që tradicionalisht i kemi pranuar si kosto operacionale. Është në rrjedhën e vazhdueshme, të padukshme të energjisë, mbikonsumimin e lëndëve të para dhe mbetjet e parandalueshme që AI gjen rolin e saj më të vlefshëm. Pikëpamja ime, e formuar nga dyshemetë e fabrikave në këmbë, është se nxitja nuk vjen nga një zgjidhje e vetme madhështore, por nga shtresimi i ndërhyrjeve praktike, të drejtuara nga të dhënat në proceset ekzistuese. Qëllimi nuk është përsosja, por përmirësimi i matshëm, përsëritës aty ku ka rëndësi: fundi dhe gjurmët mjedisore.

Përtej Hipe: Përcaktimi i rrymave të mbeturinave

Pika e fillimit është dukshmëria. Për dekada të tëra, përpjekjet për qëndrueshmëri ishin shpesh me hamendje - mirëmbajtje e planifikuar pavarësisht nëse nevojitej apo jo, porositë e materialeve me shumicë të bazuara në mesataret historike, konsumi i energjisë si një shpenzim fiks. Më kujtohet një projekt në një fabrikë të prodhimit të kapëseve, jo ndryshe nga ajo që do të gjenit me një lojtar kryesor si Handan Zitai Fastener Prodhim Co, Ltd. në Yongnian, zemra e prodhimit të pjesëve standarde të Kinës. Sfida e tyre ishte e zakonshme: ndryshim i konsiderueshëm në konsumin e telit të çelikut të papërpunuar për grup bulonash me qëndrueshmëri të lartë, duke çuar në humbje si në kosto ashtu edhe në skrap. Supozimi ishte se ishte pikërisht mënyra se si funksiononin makinat.

Ne vendosëm grupe relativisht të thjeshta vizioni dhe sensorësh të makinerisë në kokat e falsifikimit të ftohtë dhe në rrotullat e fijeve. Detyra e inteligjencës artificiale nuk ishte të kontrollonte makinën, por të lidhte mijëra pika të dhënash - temperaturën e ambientit, shpejtësinë e furnizimit të telit, treguesit e konsumit të makinerive, presionin e lubrifikimit - me peshën dhe cilësinë e njësisë përfundimtare të secilës pjesë. Brenda javësh, modeli u shfaq: një luhatje specifike, delikate në mekanizmin e furnizimit me tela, e përkeqësuar gjatë ndryshimeve të ndërrimit, po shkaktonte një mbikonsum të vazhdueshëm prej 1.8%. Ky nuk ishte një faj që dikush kishte regjistruar; ishte një taksë e fshehur për çdo kilogram material.

Rregullimi nuk ishte AI. Rregullimi ishte një rregullim mekanik dhe një ndryshim në procedurën e operatorit. AI dha diagnozën. Ky është nxitja e nivelit të parë: kthimi i qëndrueshmërisë nga një qëllim filozofik në një problem inxhinierik të saktë dhe të matshëm. Kjo e zhvendos bisedën nga ne duhet të kursejmë materialin që po humbasim 1.8% të materialit tonë në pikën X për shkak të shkakut Y.

Energjia: Nga kostoja fikse në variabël dinamike

Menaxhimi i energjisë është një tjetër zonë e mbushur me fruta të ulëta. Shumë prodhues, veçanërisht në proceset intensive të energjisë, si trajtimi i nxehtësisë ose pllakëzimi - të zakonshme në grupin e industrisë së fiksuesve rreth Handan - e trajtojnë energjinë si një faturë monolit. Ata mund të përdorin kompresorë jo thelbësorë ose cikle të ngrohjes paraprake të furrës në orare fikse të përafruar me dritaret tarifore më të lira, por shpesh ky është kufiri.

Ne kemi integruar balancimin e ngarkesës parashikuese të drejtuar nga AI me një sistem monitorimi të energjisë në kohë reale. Nuk shikonte vetëm orarin e tarifave të shërbimeve. Ai mësoi inercinë termike të çdo furre, sinjalet aktuale të kërkesës nga linjat e shtrimit, dhe madje parashikoi intensitetin e karbonit të rrjetit lokal bazuar në të dhënat rajonale të përzierjes së energjisë. Sistemi më pas mund të rekomandojë - dhe më vonë, të ekzekutojë në mënyrë autonome - mikro-vonesa ose përshpejtime në procese jo kritike.

Për shembull, mund të sugjerojë mbajtjen e një grupi fiksuesish në radhën e pjekjes pas falsifikimit për 20 minuta shtesë për të shmangur një periudhë piku të rrjetit kur gjurma rajonale e karbonit ishte më e larta, edhe nëse kostoja monetare ishte e ngjashme. Kjo përafron kursimin e kostos me reduktimin e karbonit në një mënyrë që oraret statike nuk munden kurrë. Kursimet nuk ishin dramatike në asnjë orë të vetme, por mbi një çerek, ulja e tarifave të kërkesës maksimale dhe gjurmës së karbonit të lidhur ishte e konsiderueshme. Ai e bëri konsumin e energjisë një ndryshore dinamike, të përgjegjshme, jo një sfond.

Dilema Human-in-the-Loop

Kjo është ajo ku ju goditni një pengesë praktike. Modeli optimal mund të thotë të vonosh një grup, por menaxheri i dyshemesë ka një kamion që vjen në orën 16:00. Optimizimi i pastër mund të bie ndesh me realitetin logjistik. Zbatimet më të suksesshme që kam parë të ndërtohen në një metrikë të shkallës së pajtueshmërisë. AI propozon, njeriu disponon dhe sistemi mëson nga tejkalimet. Me kalimin e kohës, nëse sistemi sheh se oraret e transportit janë një kufizim i pandryshueshëm, ai fillon ta faktorizojë atë më herët. Është një bashkëpunim, jo ​​një marrje. Ky akordim i çrregullt, përsëritës është ajo që ndan projektet akademike nga mjetet e botës reale.

Mirëmbajtja parashikuese: Guri themelor i efikasitetit të burimeve

Ky është ndoshta aplikacioni më i pjekur, por këndi i qëndrueshmërisë së tij ndonjëherë nënvlerësohet. Nuk ka të bëjë vetëm me shmangien e pushimeve. Një kushinetë e dështuar në një makinë vizatimi me tela me shpejtësi të lartë nuk prishet vetëm; fillimisht shkakton rritje të fërkimit, duke nxitur tërheqjen e energjisë për javë të tëra. Një vdekje paksa e gabuar nuk këputet; prodhon një përqindje në rritje të defekteve nën sipërfaqe, duke çuar në pjesë që dështojnë në kontrollet e cilësisë pasi kanë investuar në to energji dhe material të plotë.

Duke kaluar nga mirëmbajtja e planifikuar në atë të bazuar në kushte duke përdorur analiza vibrimi, akustike dhe termike, modelet e AI parandalojnë degradimin e ngadaltë dhe të kotë të proceseve. Më kujtohet një rast kur modeli shënoi një kompresor për vëmendje bazuar në një ndryshim delikate në nënshkrimin e tij elektrik. Regjistri i mirëmbajtjes tregoi se ishte mirë sipas të gjitha matjeve standarde. Pas inspektimit, një valvul i vogël filloi të ngjitej, duke bërë që njësia të punonte 7% më shumë për të mbajtur presionin. Kjo është 7% më shumë energji elektrike, çdo orë, për një problem që do të kishte munguar edhe për tre muaj të tjerë deri në shërbimin tjetër të planifikuar.

Fitimi i qëndrueshmërisë këtu është i dyfishtë: kursen energjinë e humbur nga pajisjet e degraduara dhe zgjat jetën totale të shërbimit të vetë asetit kapital, duke ulur koston mjedisore të prodhimit dhe zëvendësimit të makinës. Është një ndryshim i thellë nga trajtimi i pajisjeve si diçka që funksionon derisa të prishet, te trajtimi i tij si një sistem, efikasiteti i të cilit duhet të ruhet vazhdimisht.

Zinxhiri i furnizimit dhe dizajni: Leva në rrjedhën e sipërme

Ndikimi shtrihet përtej portës së fabrikës. Për një prodhues si Zitai Fasteners, vendndodhja e të cilit pranë arterieve kryesore të transportit si Hekurudha Pekin-Guangzhou është një avantazh logjistik, AI mund ta optimizojë atë avantazh për qëndrueshmëri. Sistemet e avancuara të planifikimit tani mund të marrin parasysh jo vetëm koston dhe kohën, por gjurmën e karbonit të mënyrave dhe rrugëve të ndryshme të transportit, duke balancuar nivelet e inventarit kundrejt opsioneve më të gjelbra, por më të ngadalta të transportit.

Në mënyrë më delikate, algoritmet e dizajnit gjenerues, të përdorur në bashkëpunim me klientët, mund të sugjerojnë optimizime të pjesëve. A mund të përdorte një kllapa më pak material nëse do të bëhej një ndryshim i vogël i dizajnit? A mund të mjaftonte një klasë e ndryshme çeliku, me një proces prodhimi me më pak energji intensive, nëse parametrat e prodhimit do të rregulloheshin? Kjo është ajo ku AI vepron si një katalizator për biseda të qëndrueshme dizajn për prodhim, duke reduktuar potencialisht ngarkesat materiale dhe energjitike përpara se të vendoset porosia e prodhimit. Ajo lëviz qëndrueshmërinë në rrjedhën e sipërme në zinxhirin e vlerës.

Blloqet e pengimit dhe pritjet realiste

Nuk ka qenë e gjitha lundrimi i qetë. Mënyra më e madhe e dështimit që kam dëshmuar është qasja e vlimit të oqeanit: përpjekja për të ndërtuar një binjak dixhital të përsosur, në të gjithë bimën që nga dita e parë. Infrastruktura e të dhënave shkatërrohet, modelet bëhen shumë komplekse dhe projekti vdes nën peshën e vet. Suksesi vjen nga zgjedhja e një rryme të vetme mbetjesh të dhimbshme – si shembulli i mbikonsumit të materialit – dhe zgjidhja e tij. Vërtetoni vlerën, pastaj shkallëzoni.

Një çështje tjetër është cilësia e të dhënave. Në linjat e vjetra të prodhimit, marrja e të dhënave të pastra dhe të sinkronizuara me kohë nga PLC-të e ndryshme dhe regjistrat manualë është një detyrë monumentale. Ndonjëherë, 80% e projektit fillestar është vetëm ndërtimi i një tubacioni të besueshëm të të dhënave. Ju gjithashtu përballeni me rezistencë kulturore; nëse sugjerimi i AI kursen energji, por shton një hap për një operator, ai do të injorohet nëse nuk është përshtatur se e bën punën e tyre më të lehtë ose më të qëndrueshme në afat të gjatë.

Pra, si e rrit vërtet AI qëndrueshmërinë? Nuk është një shkop magjik. Është një xham zmadhues dhe një kalkulator i pamëshirshëm. Ai hedh dritë mbi joefikasitetet e fshehura dhe të shtrenjta me të cilat kemi mësuar të jetojmë - kilovat-orën shtesë, gramin e çelikut të humbur, prishjen e ngadaltë të një makinerie. Ai siguron provat e nevojshme për të justifikuar investimet në procese më të mira dhe i fuqizon njerëzit që të marrin vendime më të zgjuara dhe më të informuara që tkurren kolektivisht gjurmën mjedisore të bërjes së gjërave. Nxitja është kumulative, përsëritëse dhe thellësisht praktike. Ajo e kthen ambicien e prodhimit të qëndrueshëm nga një raport në një sallë këshilli në një praktikë të përditshme në katin e dyqanit.