Je, AI inakuzaje uendelevu wa viwanda? 

Wakati watu wanazungumza juu ya AI na uendelevu, mazungumzo mara nyingi huruka moja kwa moja kwa maono ya siku zijazo: gridi za uhuru, miji inayojiboresha. Katika mitaro ya utengenezaji halisi, ukweli ni mbaya zaidi na unaongezeka. Kukuza kwa kweli sio juu ya kubadilisha wanadamu na roboti; inahusu kuongeza ufanyaji maamuzi katika mifumo ambayo ina sifa mbaya ya ubadhirifu na isiyo wazi. Dhana potofu ni kwamba uendelevu ni kuhusu kutumia nishati kidogo. Ni ya kina zaidi—ni kuhusu akili ya kimfumo ya rasilimali, kutoka kwa malighafi hadi vifaa, na hapo ndipo miundo ya kujifunza kwa mashine, sio tu AI ya jumla, inabadilisha mchezo kimya kimya.

Msingi: Uaminifu wa Data na Ghorofa ya Giza ya Kiwanda

Huwezi kudhibiti kile ambacho huwezi kupima, na kwa miaka mingi, uendelevu wa viwanda ulikuwa kazi ya kubahatisha. Tulikuwa na bili za nishati, ndio, lakini kuoanisha ongezeko la matumizi kwa kundi maalum kwenye mstari wa uzalishaji wa 3 mara nyingi halikuwezekana. Hatua ya kwanza isiyopendeza ni uenezaji wa vitambuzi na kuweka historia ya data. Nimeona mimea ambapo kusakinisha vibration rahisi na vitambuzi vya joto kwenye mifumo ya urithi ya kushinikiza ilifichua uzembe wa mzunguko ambao ulipoteza 15% ya mchoro wao wa nishati. Uboreshaji wa AI huanza hapa: kuunda uaminifu wa juu wa dijiti wa mtiririko wa nishati na nyenzo. Bila msingi huu, dai lolote la uendelevu ni uuzaji tu.

Hii si programu-jalizi-na-kucheza. Kikwazo kikubwa ni silos za data. Data ya uzalishaji iko katika MES, data ya ubora katika mfumo mwingine, na data ya nishati kutoka kwa mita ya matumizi. Kupata mwonekano uliosawazishwa na wakati ni ndoto mbaya. Tulitumia miezi kadhaa kwenye mradi wa kujenga bomba la data kabla ya modeli yoyote kupewa mafunzo. Ufunguo haukuwa algoriti dhahania, lakini ontolojia thabiti ya data—kuweka lebo kwa kila sehemu ya data na muktadha (Kitambulisho cha mashine, hatua ya mchakato, SKU ya bidhaa). Uzito huu ndio unaoruhusu uchanganuzi wa maana wa uendelevu baadaye.

Fikiria mtengenezaji wa kufunga, kama Handan Zitai Fastener Viwanda Co, Ltd.. Mchakato wao unahusisha kupiga muhuri, kuunganisha, matibabu ya joto, na uwekaji. Kila hatua ina wasifu tofauti wa nishati na mazao ya nyenzo. Kwa kutumia tanuu zao na bafu za kubandika, wangeweza kutoka wastani wa matumizi ya kila mwezi hadi gharama ya nishati kwa kila kilo ya pato. Msingi huu ni muhimu. Inabadilisha uendelevu kutoka kwa KPI ya shirika hadi kigezo cha uzalishaji ambacho msimamizi wa sakafu anaweza kuathiri.

Matengenezo ya Kutabiri: Tunda Linaloning'inia Chini lenye Mizizi Mirefu

Majadiliano mengi juu ya hili huanza kwa kuzuia wakati wa kupumzika. Pembe ya uendelevu ni ya kulazimisha zaidi: kushindwa kwa janga hupoteza nishati na nyenzo. Kuzaa kushindwa katika vyombo vya habari vya kukanyaga kwa torque ya juu sio tu kuvunja; husababisha mpangilio mbaya kwa wiki, na kusababisha sehemu zisizo maalum (upotevu wa nyenzo) na kuongezeka kwa nguvu. Tulitekeleza kielelezo cha uchanganuzi wa mtetemo kwa mifumo inayoendeshwa na injini ambayo haikutabiri tu kutofaulu, lakini ilibaini hali bora zaidi za utendakazi. Hii ni sehemu ya hila. Muundo huo uliashiria pampu ambayo ilikuwa bado inafanya kazi lakini ilikuwa imepoteza ufanisi wa 8%, kumaanisha kuwa ilikuwa ikichota mkondo zaidi kufanya kazi sawa. Kuirekebisha iliokoa nishati na kupanua maisha ya gari, kupunguza kaboni iliyojumuishwa kutoka kwa uingizwaji.

Hitilafu ilikuwa kudhani vifaa vyote vinahitaji ufuatiliaji sawa. Tulitumia zaidi safu nzima ya kusanyiko, ambayo ilikuwa ya gharama kubwa na ilizalisha data ya kelele. Tulijifunza kufanya upasuaji: kuzingatia watumiaji wa nishati ya juu na nodi za ubora muhimu. Kwa kampuni kama Zitai, ambayo eneo lake karibu na njia kuu za usafiri kama vile Reli ya Beijing-Guangzhou linamaanisha kuzingatia ufanisi wa vifaa, kutumia mifano sawa ya ubashiri kwa HVAC yao na mifumo ya hewa iliyobanwa - mara nyingi mifereji mikubwa ya nishati ya mmea - itaokoa moja kwa moja ya kaboni. The Vifunga vya Zitai tovuti inaonyesha kiwango chao cha uzalishaji; kwa kiasi hicho, punguzo la 2% la uvujaji wa hewa iliyoshinikizwa, unaotambuliwa na muundo wa mtiririko wa hewa, hutafsiri kwa faida kubwa za kifedha na mazingira.

Kuna mabadiliko ya kitamaduni hapa pia. Pendekezo la mtindo wa kubadilisha sehemu inayoonekana vizuri linahitaji uaminifu. Ilitubidi kuunda dashibodi rahisi zinazoonyesha upotevu wa nishati uliokadiriwa katika kWh na dola ili kupata ununuzi kutoka kwa timu za matengenezo. Kuonekana huku ni muhimu kwa kupitishwa.

Uboreshaji wa Mchakato: Zaidi ya Alama Zilizowekwa

Udhibiti wa kitamaduni wa mchakato hutumia vitanzi vya PID ili kudumisha sehemu iliyowekwa, kama vile halijoto ya tanuru. Lakini ni hatua gani bora ya kuweka kwa kundi fulani? Inategemea unyevu wa mazingira, tofauti za aloi za malighafi, na nguvu inayohitajika ya mkazo. Miundo ya kujifunza kwa mashine inaweza kuboresha hili kwa nguvu. Katika mchakato wa matibabu ya joto, tulitumia modeli ya uimarishaji wa kujifunza ili kupata kiwango cha chini zaidi cha joto na muda wa kuloweka unaohitajika ili kufikia vipimo vya metallurgiska. Matokeo yake yalikuwa kupunguzwa kwa 12% kwa matumizi ya gesi asilia kwa kila kundi, bila maelewano juu ya ubora.

Kukamata? Unahitaji kufafanua utendaji wa zawadi kwa uangalifu. Hapo awali, tuliboresha kwa ajili ya nishati pekee, na muundo ulipendekeza halijoto ya chini ambayo iliongeza viwango vya kutu bila kukusudia katika hatua za baadaye za mchoro—kuhamisha mzigo wa mazingira. Ilitubidi kupitisha mfumo wa uboreshaji wa malengo mengi, kusawazisha nishati, mavuno ya nyenzo, na uwezekano wa mchakato wa chini wa mkondo. Mtazamo huu wa jumla ndio kiini cha uendelevu wa kweli wa viwanda; inaepuka kuboresha eneo moja kwa gharama ya lingine.

Kwa msingi wa uzalishaji wa sehemu za kawaida, uboreshaji kama huo katika maelfu ya tani za pato ndipo athari kubwa iko. Inahamisha uendelevu kutoka kwa chumba cha boiler hadi kichocheo cha msingi cha utengenezaji.

Msururu wa Ugavi na Vifaa: Athari ya Mtandao

Hapa ndipo uwezo wa AI unahisi kuwa mkubwa na wa kufadhaisha. Kiwanda kinaweza kuwa na ufanisi mkubwa, lakini ikiwa mnyororo wake wa usambazaji ni wa ubadhirifu, faida halisi ni ndogo. AI huongeza uendelevu hapa kupitia uelekezaji wa akili na utabiri wa hesabu. Tulifanya kazi katika mradi wa kuboresha vifaa vinavyoingia kwa coil mbichi ya chuma. Kwa kuchanganua maeneo ya wasambazaji, ratiba za uzalishaji na data ya trafiki, muundo ulizalisha madirisha ya uwasilishaji ambayo yalipunguza muda wa lori kutofanya kitu na kuruhusu mizigo ijae. Hii ilipunguza uzalishaji wa Scope 3 kwa mtengenezaji na msambazaji.

Kuchanganyikiwa kunatokana na kushiriki data. Wasambazaji mara nyingi wanasitasita kushiriki data ya mahali halisi au wakati halisi. Mafanikio hayakuja na algoriti changamano zaidi, lakini kwa leja rahisi ya msingi wa blockchain (iliyoidhinishwa, si crypto) ambayo iliweka ahadi bila kufichua maelezo ya umiliki. Kuamini, tena, ni kizuizi.

Handan Zitai Fastener Viwanda Co, Ltd.Eneo la kimkakati karibu na barabara kuu na njia za reli ni rasilimali asilia. Mfumo unaoendeshwa na AI unaweza kuboresha vifaa vinavyotoka nje kwa kuunganisha kwa nguvu maagizo na kuchagua njia ya usafiri wa kaboni ya chini kabisa (reli dhidi ya lori) kulingana na udharura, kwa kutumia faida hiyo ya kijiografia ili kupunguza kiwango cha kaboni kwa kila usafirishaji.

Mzunguko na Akili ya Ubora

Njia ya moja kwa moja ya uendelevu ni kutumia nyenzo kidogo na kutoa taka kidogo. Maono ya kompyuta kwa ukaguzi wa ubora ni ya kawaida, lakini kiungo chake cha uendelevu ni kikubwa. Dosari ikigunduliwa mapema inamaanisha kuwa sehemu inaweza kufanyiwa kazi upya au kuchakatwa tena ndani ya kiwanda, kuepuka gharama ya nishati ya kuisafirisha kwa mteja, kukataliwa na kuirejesha. Kina zaidi ni kutumia uchanganuzi wa maonyesho wakati wa uzalishaji kutabiri ubora, kuruhusu marekebisho ya mchakato wa wakati halisi. Tuliona hii katika mstari wa uwekaji: kichanganuzi cha XRF kililisha data katika modeli ambayo ilidhibiti kemia ya umwagaji wa mchoro, kupunguza matumizi ya metali nzito na taka ya matope kwa zaidi ya 20%.

Kisha kuna pembe ya uchumi wa mviringo. AI inaweza kuwezesha upangaji nyenzo kwa ajili ya kuchakata tena. Kwa vifunga vya chuma, upangaji wa mwisho wa maisha ni changamoto. Tulifanyia majaribio mfumo unaotumia upigaji picha wa hali ya juu na CNN ili kupanga kiotomatiki bila pua kutoka kwenye mabaki ya mabati, na kuongeza ubora na thamani ya malisho yaliyosindikwa. Hii inafanya kufunga kitanzi cha nyenzo kuwa na faida kiuchumi.

Kwa msingi mkuu wa uzalishaji, kuunganisha akili hii ya ubora kote sehemu ya kawaida mlolongo wa utengenezaji unamaanisha nyenzo pungufu inayotolewa na taka chache zinazotumwa kwenye jaa. Inabadilisha udhibiti wa ubora kutoka kituo cha gharama hadi kiendeshi cha msingi cha uendelevu.

Sababu ya Kibinadamu na Quagmire ya Utekelezaji

Hakuna kati ya haya hufanya kazi bila watu. Shida kubwa ambayo nimeshuhudia ilikuwa mradi wa uboreshaji wa taa ambao wahandisi walibuni bila utupu. Miundo hiyo ilikuwa nzuri sana, lakini ilipuuza ujuzi wa kimya wa waendeshaji ambao walijua kuwa Mashine ya 4 huendesha moto wakati wa mchana wenye unyevunyevu. Mfumo umeshindwa. Mafanikio yalikuja tulipounda mifumo ya ushauri ya mseto. Muundo unapendekeza sehemu iliyowekwa, lakini opereta anaweza kuidhinisha, kuikataa au kuirekebisha, mfumo ukijifunza kutokana na maoni hayo. Hii hujenga uaminifu na kuongeza angavu ya binadamu.

Utekelezaji ni marathon. Inahitaji uvumilivu ili kujenga miundombinu ya data, unyenyekevu ili kuanza na mstari mmoja wa mchakato, na timu zinazofanya kazi mbalimbali zinazochanganya OT, IT, na utaalamu wa uendelevu. Lengo si taarifa inayong'aa inayoendeshwa na AI. Ni athari isiyopendeza, limbikizi ya mamia ya uboreshaji mdogo: digrii chache zilizonyolewa kwenye tanuru hapa, njia ya lori iliyofupishwa hapo, kundi la chakavu kuepukwa. Hivyo ndivyo AI inavyoongeza uendelevu wa viwanda kikweli—sio kwa kishindo, lakini kwa pointi milioni moja za data zinazoongoza kwa utulivu njia bora zaidi, isiyo na ubadhirifu mbeleni.