Повышение качества с помощью искусственного интеллекта

Меняющиеся рыночные условия, ограничения в цепочках поставок, нехватка рабочей силы и быстро развивающаяся мировая промышленность вынуждают производителей всех размеров пересматривать методы своей работы. Многие из них начали внедрять технологии для поддержания конкурентных преимуществ и решения давних бизнес-задач. От автоматизации до цифровых технологий, промышленного Интернета вещей и многого другого – компании могут использовать эти инновации, чтобы, наконец, получить доступ к данным из разрозненных систем, процессов и сотрудников и получить стратегическую информацию, необходимую для принятия более эффективных решений.

И не сомневайтесь, эти организации могут использовать огромное количество данных. Согласно исследованию McKinsey, в обрабатывающей промышленности ежегодно создается 1,9 петабайта, или 1 900 000 терабайт, данных. Загвоздка в том, что им нужен лучший способ сбора и анализа данных и превращения их в полезную информацию – и делать это нужно быстро. В результате многие обращаются к искусственному интеллекту (ИИ), чтобы использовать свои данные для выявления возможностей улучшения своей деятельности.

Почему искусственный интеллект идеально подходит для анализа данных

Искусственный интеллект может быть использован для значительного повышения общей эффективности и производительности труда – от увеличения производительности производства и времени безотказной работы до точного прогнозирования спроса и удаленного мониторинга оборудования, даже управления активами и повышения качества продукции.

Это не волшебство, а скорее набор сложных алгоритмов, которые используются для анализа огромных объемов данных, корреляции или изучения закономерностей в широком диапазоне переменных и применения этих знаний к текущим условиям, чтобы помочь предсказать будущее состояние. Дело не в том, что люди не могут выполнять эти задачи, просто ИИ может выполнять их намного быстрее и обрабатывать гораздо больший объем данных с большей точностью для улучшения бизнес-результатов. Например, в любой производственной среде традиционно существует несколько различных рабочих групп и машин, которые производят свои собственные данные. Информация о каждом элементе оборудования может отличаться по качеству, форматированию и срокам, что может создавать барьеры и затруднять анализ и извлечение какой-либо значимой информации из данных.

Искусственный интеллект может справиться с цунами данных и позволяет компаниям быстро и точно объединять оперативную информацию для прогнозирования результатов на основе альтернативных сценариев, что позволяет производителям принимать гибкие, хорошо обоснованные решения и повышать эффективность работы. Способность ИИ предсказывать проблемы до того, как они станут реальностью, – это то, в чем он особенно преуспевает, и это может существенно повлиять на производство.

Выявляя первопричину проблем с качеством продукции, искусственный интеллект может помочь снизить количество дефектов и брака, а также повысить производительность производства. Располагая подробной информацией и результатами анализа, производители могут решать проблемы контроля качества до того, как они окажут непосредственное влияние на прибыль компании. Давайте рассмотрим один из таких примеров.

Использование искусственного интеллекта для повышения качества двигателя

Мировой производитель двигателей производит крупные дизельные двигатели, которые используются в генераторных установках, на военно-морских судах и в военной технике. После сборки каждый двигатель проходит тщательные испытания. Во время этого процесса тестирования даже самые опытные операторы часто не замечали едва заметных признаков надвигающейся проблемы, что приводило к катастрофическому отказу во время тестирования или после ввода двигателя в эксплуатацию. Эти сбои привели к значительному ущербу, задержке поставок и создали проблемы на испытательном участке и в производственном процессе, что ежегодно обходилось компании в миллионы долларов и негативно сказывалось на своевременных поставках. Проблема заключалась не в нехватке данных, а в том, как они использовались. На самом деле завод собирал данные о технологическом процессе в течение многих лет, но использовал их исключительно для последующих действий после того, как уже произошел сбой. Анализируя данные таким образом, команда не смогла понять, почему происходят эти сбои, или принять меры по их устранению. В конечном счете, эти проблемы рассматривались как издержки ведения бизнеса – до тех пор, пока компания не решила использовать искусственный интеллект на основе существующих данных для прогнозирования критического отказа активов до того, как он произойдет.

Производитель начал с пилотной программы, которая создала базу данных, необходимую для эффективного использования искусственного интеллекта. Учитывая необходимость использования исторических данных, компания сначала провела очистку и анализ данных – 20 миллиардов точек данных из 100 движков были сокращены до 6 миллиардов наиболее важных точек данных, и все это в течение 48 часов с помощью искусственного интеллекта. Затем несколько наборов моделей были объединены по времени и номеру модели, данные были визуализированы и были выявлены любые пробелы в данных. На основе анализа пробелов были внесены коррективы, позволяющие чаще получать определенные данные для улучшения моделирования, и, благодаря использованию платформы искусственного интеллекта, весь этот анализ был выполнен в среде с низким уровнем риска и не оказал влияния на текущее производство.

На основе этих данных производитель смог установить исходные параметры, выявить тенденции и аномалии и разработать план по практическому применению этой информации. В течение нескольких недель был подготовлен отчет, в котором по серийному номеру была определена группа двигателей, подверженных риску. Основываясь на этой информации, производитель предположил, что у этих двигателей более высокая вероятность возникновения проблем во время испытаний по контролю качества или в полевых условиях. Сопоставление данных испытаний с фактическими неисправностями оборудования точно определило более 80% проблем с двигателями за период в несколько лет.

Важно отметить, что этот проект был итеративным процессом, поскольку модель искусственного интеллекта постоянно обучалась. Примерно за 45 дней модель смогла предсказывать сбои за 30 минут до их наступления с нулевым количеством ложных срабатываний.

Что привело к улучшению бизнес-результатов

Во время официального внедрения решение Al было подключено к оперативным данным, генерируемым системами управления тестированием и человеко-машинными интерфейсами (HMI). Это не повлияло на нормальную работу. Фактически, модель была интегрирована со стандартным тестовым программным обеспечением компании, и операторы даже не знали о внедрении. Все, что им нужно было знать, – это то, что их экраны HMI теперь будут сообщать им о любых потенциальных проблемах и о том, как на них реагировать. В течение первых 90 дней приложение с искусственным интеллектом обнаружило 20 критических событий в режиме реального времени, предотвратило повреждение двигателя на сумму более 4,5 миллионов долларов и обеспечило 10-кратный возврат инвестиций в проект.

Как показывает этот пример использования, ИИ может дать производителям возможность активно сокращать дефекты качества, экономить деньги и улучшать своевременность поставок, и все это с минимальными сбоями в работе. Опираясь на надежную базу данных искусственный интеллект может предоставлять информацию, необходимую для достижения бизнес-результатов, и помогать производителям конкурировать в современном быстро меняющемся бизнес-ландшафте.

Но надо помнить, что искусственный интеллект не обязательно является универсальным решением. В зависимости от ваших потребностей, варианта использования и ситуации, различные решения могут оказаться более подходящими.

Источник: https://www.automationworld.com/analytics/article/55131223/reducing-quality-defects-with-ai