+86-315-6196865

השתמש בטכנולוגיית AI כדי לזהות את הגורם השורש לבעיות באיכות המוצר

Dec 06, 2024

תנאי שוק משתנים, אילוצי שרשרת האספקה, מחסור בעבודה ותעשייה גלובלית מהירה מכריחים יצרנים בכל הגדלים כדי להעריך מחדש את אופן פעולתם. יצרנים רבים החלו לאמץ טכנולוגיה כדי לשמור על יתרון תחרותי ולהתמודד עם אתגרים עסקיים ארוכי שנים. מאוטומציה לטכנולוגיות דיגיטליות, IoT תעשייתי ועוד, עסקים יכולים למנף את החידושים הללו ועד בסופו של דבר לתפוס נתונים ממערכות, תהליכים ואנשים מגוונים לספק את התובנות האסטרטגיות הדרושות לקבלת החלטות טובות יותר.

אין ספק שלחברות אלה יש הרבה נתונים לעבוד איתם. על פי מחקר של מקינזי, הייצור מייצר 1.9 פטאביטים או 1,900, 000 טראביטים של נתונים מדי שנה. הבעיה הייתה שהם היו זקוקים לדרך טובה יותר לתפוס ולנתח נתונים ולהפוך אותם למידע שמיש, והם היו צריכים לעשות זאת במהירות. כתוצאה מכך, עסקים רבים פונים לבינה מלאכותית (AI) כדי למצוא הזדמנויות עם הנתונים שלהם לשיפור פעילותם.

 

מדוע AI מושלם לניתוח נתונים?

משיפור תשואות הייצור וזמן ההפעלה, לחיזוי מדויק של מכונות ביקוש ומכונות פיקוח מרחוק, ואף לשלוט בנכסים ושיפור איכות המוצר, ניתן למנף AI כדי לשפר משמעותית את יעילותם הכללית ואת ערכי הפרודוקטיביות.

זה לא קסם, אלא קבוצה מורכבת של אלגוריתמים המנתחים כמויות גדולות של נתונים, מתואמים או לומדים דפוסים במשתנים שונים ומיישמים את הידע הזה על התנאים הנוכחיים כדי לחזות מצבים עתידיים. זה לא אומר שבני אדם לא יכולים לבצע משימות אלה, אלא שאל יכול לעשות אותם מהר יותר ולעבד נתונים רבים יותר בדיוק, ולשפר את התוצאות העסקיות.

לדוגמה, בכל סביבת ייצור, יש באופן מסורתי כמה קבוצות עבודה ומכונות שונות שכולן אוספות נתונים משלהם. המידע מכל מכשיר יכול להשתנות באיכות, בפורמט ובתזמון, שיכול ליצור מכשולים ולהקשות על ניתוח ואגירת כל תובנות משמעותיות מהנתונים.

בעזרת טכנולוגיית AI, ניתן לעבד כמה כמויות גדולות של נתונים במהירות, לאפשר לחברות לשלב במהירות ובמדויק מידע תפעולי, לחזות תוצאות על בסיס אלטרנטיבות ולאפשר ליצרנים לקבל החלטות זריזות ומושכלות. יכולת חיזוי מוקדמת זו היא המקום בו כוחו של AI טמון, והוא יכול להגדיל מאוד את תשואות המוצר.

על ידי זיהוי הגורם השורש לבעיות באיכות המוצר, AI יכול לסייע בהפחתת פגמי מוצרים ושיעורי גרוטאות ולהגדיל את תשואות הייצור. עם מידע וניתוח מפורטות, היצרנים יכולים לטפל בבעיות בקרת איכות לפני שהם משפיעים ישירות על השורה התחתונה של החברה. בואו נסתכל על דוגמא אחת כזו.

 

השתמש ב- AI כדי לשפר את איכות המנוע

יצרנית מנוע עולמית מייצרת מנועי דיזל גדולים למערכות גנרטורים, יישומים ימיים וימיים ורכבים צבאיים. לאחר ההרכבה, כל מנוע נתון לבדיקה קפדנית. במהלך הבדיקה, אפילו המפעילים המנוסים ביותר לרוב אינם מצליחים לאתר סימנים עדינים לבעיה, מה שמוביל לכישלונות קטסטרופלים במהלך בדיקה או ברגע שהמנוע נמצא בשירות. כישלונות אלה גרמו להפסדים משמעותיים, משלוחים עיכוב, יצרו אזורי בדיקה צברו וייצור במעלה הזרם, עלו לחברה מיליוני דולרים בשנה, והשפיעו לרעה על משלוחים בזמן.

הבעיה אינה חוסר נתונים, אלא כיצד משתמשים בהן. למעשה, המפעל אוסף נתוני תהליכים במשך שנים, אך רק השתמש בהם בעבודת מעקב לאחר כישלון. על ידי התבוננות בנתונים בצורה תגובית זו, הצוות אינו מסוגל להבין מדוע כישלונות אלה מתרחשים או מתייחסים אליהם באופן יזום. בסופו של דבר, סוגיות אלה נתפסות כעלות של עשיית עסקים עד שהחברה שוקלת להשתמש ב- AI בנתונים קיימים כדי לחזות כישלונות נכסים קריטיים לפני שהם מתרחשים.

היצרן התחיל עם תוכנית פיילוט להניח את בסיס הנתונים הדרוש ל- AI להשפיע. בהתחשב בצורך להשתמש בנתונים היסטוריים, החברה ערכה לראשונה ניקוי וניתוח נתונים, בעזרת AI, והפחיתה 20 מיליארד נקודות נתונים מ 100 מנועים ל 6 מיליארד נקודות הנתונים המשפיעות ביותר תוך 48 שעות.

בשלב הבא, חבר קבוצות מודל מרובות לפי זמן ומודל כדי להמחיש את הנתונים ולזהות פערים בנתונים. בהתבסס על ניתוח ה- GAP, התקיימו התאמות כדי לחלץ נתונים מסוימים בתדירות גבוהה יותר, ובכך לשפר את הדוגמנות. על ידי שימוש בפלטפורמת AI, הניתוח כולו נעשה בסביבה בסיכון נמוך ללא השפעה על הייצור הנוכחי.

מנתונים אלה, היצרנים מסוגלים להקים קווי בסיס, לזהות מגמות וחריגות ולפתח תוכניות להפעיל את המידע. תוך מספר שבועות בלבד הם הפיקו דוח המזהה קבוצה של מנועי סיכון לפי מספר סידורי. בהתבסס על מידע זה, היצרנים חושדים כי למנועים אלה יש סבירות גבוהה יותר לבעיות במהלך בדיקות בקרת איכות או בתחום. על ידי קישור נתוני בדיקה לכישלונות במוצר בפועל, הדו"ח זיהה במדויק יותר מ- 80 אחוז מבעיות המנוע במשך מספר שנים.

חשוב לציין כי פרויקט זה הוא תהליך איטרטיבי, שכן מודל ה- AI לומד כל הזמן. בעוד כ 45 יום, המודל הצליח לחזות כישלונות 30 דקות מראש עם אפס שיעור חיובי כוזב.

 

למזער את ההפרעה בפעולות

במהלך ההשקה הרשמית, פיתרון AL מחובר לנתונים בזמן אמת שנוצר על ידי מערכת בקרת הבדיקה וממשק המכונה האנושית (HMI). זה לא משפיע על הפעולה הרגילה. למעשה, המודל שולב בתוכנת הבדיקה הסטנדרטית של החברה, והמפעיל אפילו לא היה מודע לכך שהוא יושם. הם רק צריכים לדעת שעכשיו ממשק ה- HMI שלהם יודיע להם על כל סוגיות פוטנציאליות מתקרבות וכיצד להתמודד איתם.

ב -90 הימים הראשונים, יישום AI גילה 20 אירועים בזמן אמת, נמנע מפגיעה במנוע של יותר מ -4.5 מיליון דולר והשיג החזר השקעה של 10X (ROI) לפרויקט.

כפי שממחיש מקרה זה, מינוף AI יכול לספק ליצרנים דרך להפחית באופן יזום למומים באיכות, לחסוך כסף ולשפר את שיעורי המסירה תוך צמצום ההפרעה בפעולות. החל מבסיס מוצק של נתונים ועבודה עם שותפים מנוסים, AI יכולה לספק את התובנות הדרושות כדי להניע תוצאות עסקיות ולעזור ליצרנים להתחרות בסביבה העסקית המתפתחת במהירות של ימינו.

אבל AI לא צריך להיות פיתרון בגודל אחד מתאים לכל. בהתאם לצרכים שלך, ליישום ובמצב הספציפי שלך, יש להתאים אישית פתרונות שונים. לכן, חשוב שיהיה שותף מהימן לצידך. כשמדובר ב- AI, הם יכולים להעריך היכן אתה נמצא במסע הטרנספורמציה הדיגיטלי שלך, להבין את המטרות או האתגרים שלך ולזהות את הפיתרון מהספקים המובילים המתאימים ביותר לצרכים שלך בפועל.

 

אולי גם תרצה

שלח החקירה