Les condicions del mercat fluctuant, les restriccions de la cadena de subministrament, l'escassetat de mà d'obra i una indústria mundial de ritme ràpid estan obligant els fabricants de totes les mides a revaloritzar la manera de funcionar. Molts fabricants han començat a adoptar tecnologia per mantenir un avantatge competitiu i afrontar els reptes empresarials de llarga durada. Des de l’automatització fins a les tecnologies digitals, IoT industrial i molt més, les empreses poden aprofitar aquestes innovacions fins a capturar dades de diversos sistemes, processos i persones per proporcionar les visions estratègiques necessàries per prendre millors decisions.
No hi ha dubte que aquestes empreses tenen moltes dades per treballar. Segons un estudi de McKinsey, la fabricació genera 1,9 petabytes o 1.900, 000 terabytes de dades anualment. El problema era que necessitaven una manera millor de capturar i analitzar les dades i convertir -la en informació útil i que necessitaven fer -ho ràpidament. Com a resultat, moltes empreses es dirigeixen a la intel·ligència artificial (IA) per trobar oportunitats amb les seves dades per millorar les seves operacions.
Per què la IA és perfecta per a l’anàlisi de dades?
Des de millorar els rendiments de la fabricació i el temps de funcionament, fins a la previsió amb precisió de la demanda i les màquines de control de forma remota i, fins i tot, controlar els actius i millorar la qualitat del producte, la IA es pot aprofitar per millorar significativament les mètriques generals de l’eficiència i la productivitat.
No és màgic, sinó un conjunt complex d’algoritmes que analitzen grans quantitats de dades, correlacionen o aprenen patrons en diverses variables i apliquen aquest coneixement a les condicions actuals per ajudar a predir els futurs estats. Això no vol dir que els humans no puguin realitzar aquestes tasques, sinó que AL pot fer -les més ràpidament i processar més dades amb una major precisió, millorant els resultats empresarials.
Per exemple, en qualsevol entorn de fabricació, hi ha tradicionalment diversos grups de treball i màquines diferents que recopilen les seves pròpies dades. La informació de cada dispositiu pot variar en qualitat, format i calendari, que pot crear obstacles i dificultar l’anàlisi i obtenir informació significativa de les dades.
Amb l’ajuda de la tecnologia d’AI, es poden processar grans quantitats de dades ràpidament, permetent a les empreses combinar informació operativa de forma ràpida i precisa, predir els resultats basats en alternatives i permetre als fabricants prendre decisions àgils i informades. Aquesta capacitat predictiva preventiva és on es troba la força de l'AI i pot augmentar molt els rendiments del producte.
Identificant la causa principal dels problemes de qualitat del producte, la IA pot ajudar a reduir els defectes del producte i les taxes de ferralla i augmentar els rendiments de fabricació. Amb informació i anàlisi detallats, els fabricants poden abordar problemes de control de qualitat abans que afectin directament la línia de fons de la companyia. Mirem un exemple d’aquest tipus.
Utilitzeu la IA per millorar la qualitat del motor
Un fabricant global de motors produeix grans motors dièsel per a conjunts de generadors, aplicacions navals i marines i vehicles militars. Després del muntatge, cada motor està sotmès a proves rigoroses. Durant les proves, fins i tot els operadors amb més experiència sovint no aconsegueixen detectar signes subtils d’un problema, provocant fallades catastròfiques durant les proves o un cop el motor estigui en servei. Aquests fracassos han provocat pèrdues importants, enviaments retardats, han creat àrees de prova retrocedides i producció aigües amunt, costen a la companyia milions de dòlars anuals i van afectar negativament els lliuraments puntuals.
El problema no és la manca de dades, sinó com s’utilitza. De fet, la planta havia estat recollint dades de procés durant anys, però només la va utilitzar per a treballs de seguiment després que es produís un fracàs. Si es contemplen les dades d’aquesta manera reactiva, l’equip no pot entendre per què es produeixen o s’aborda de manera proactiva aquests fracassos. En última instància, aquests problemes es consideren un cost de fer negocis fins que la companyia consideri la IA de les dades existents per predir els fracassos crítics d’actius abans que es produeixin.
El fabricant va començar amb un programa pilot per establir la base de dades necessària perquè l’IA tingui un impacte. Tenint en compte la necessitat d’utilitzar dades històriques, l’empresa va realitzar per primera vegada la neteja i l’anàlisi de dades, amb l’ajuda de la IA, reduint 20 mil milions de punts de dades de 100 motors a 6.000 milions dels punts de dades més influents en 48 hores.
A continuació, connecteu diversos conjunts de models per temps i model per visualitzar les dades i identificar qualsevol buit de dades. A partir de l’anàlisi GAP, es van fer ajustaments per extreure determinades dades amb més freqüència, millorant així el modelatge. Utilitzant una plataforma AI, tota l’anàlisi es fa en un entorn de baix risc sense cap impacte en la producció actual.
A partir d’aquestes dades, els fabricants són capaços d’establir línies de referència, identificar les tendències i les anomalies i desenvolupar plans per posar en pràctica la informació. En poques setmanes, van produir un informe que identificava un grup de motors de risc per número de sèrie. A partir d’aquesta informació, els fabricants sospiten que aquests motors tenen una major probabilitat de problemes durant les proves de control de qualitat o en el camp. En vincular dades de prova amb fallades reals del producte, l'informe va identificar amb precisió més del 80 per cent dels problemes del motor durant diversos anys.
És important tenir en compte que aquest projecte és un procés iteratiu, ja que el model AI està aprenent constantment. En uns 45 dies, el model va ser capaç de predir fallades amb 30 minuts d’antelació amb una taxa positiva falsa zero.
Minimitzar la interrupció de les operacions
Durant el llançament oficial, la solució Al està connectada a dades en temps real generades pel sistema de control de proves i la interfície de la màquina humana (HMI). Això no té cap efecte sobre el funcionament normal. De fet, el model s’havia integrat amb el programari de prova estàndard de l’empresa i l’operador ni tan sols era conscient que s’havia implementat. Només necessiten saber que ara la seva interfície HMI els informarà sobre possibles problemes de baixada i com afrontar -los.
En els primers 90 dies, l’aplicació AI va detectar 20 esdeveniments en temps real, va evitar més de 4,5 milions de dòlars en danys del motor i va obtenir un rendiment de 10 vegades de la inversió (ROI) per al projecte.
Tal com il·lustra aquest cas, aprofitar la IA pot proporcionar als fabricants una manera de reduir de manera proactiva els defectes de qualitat, estalviar diners i millorar les taxes de lliurament alhora que minimitzen la interrupció de les operacions. A partir d’una base sòlida de dades i treballant amb socis experimentats, l’IA pot proporcionar les visions necessàries per impulsar els resultats empresarials i ajudar els fabricants a competir en l’entorn empresarial en evolució ràpida actual.
Però l'AI no ha de ser una solució única. Segons les vostres necessitats, aplicació i situació específica, cal personalitzar diferents solucions. Per tant, és important tenir un soci de confiança al vostre costat. Quan es tracta de la IA, poden avaluar on esteu en el vostre viatge de transformació digital, comprendre els vostres objectius o reptes i identificar la solució dels venedors més importants que s’adapten millor a les vostres necessitats reals.