ИИ в производстве: истории из реальной жизни
Малые производители должны внедрять технологии уже сегодня. Центры MEP помогают в этом, связывая с экспертами и финансированием. Это помогает снизить риски и ускорить прогресс, даже если у вас ограниченные ресурсы.
Для производителей искусственный интеллект может стать революционным. Большая эффективность, снижение затрат, улучшение качества и сокращение простоев - лишь некоторые из потенциальных преимуществ. Эта технология доступна не только крупным производителям. Высокоэффективные и доступные по стоимости решения на базе ИИ доступны и для малых производителей.
На последнем вебинаре MEP National Network™/Modern Machine Shop "Искусственный интеллект в производстве: реальные истории успеха и извлеченные уроки" Энди Карр из South Carolina MEP (SCMEP) и основатель и генеральный директор Delta Bravo Рик Оппедизано обсудили решения на базе ИИ, которые наиболее эффективны для малых и средних производителей (МСП). Delta Bravo является поставщиком сторонних услуг, который работает с клиентами SCMEP в сфере производства, предлагая им решения на базе ИИ, соответствующие их потребностям.
На вебинаре Рик описал примеры использования ИИ на основе реальных производителей, с которыми он работал, включая Precision Global, Metromont, Rolls-Royce, JTEKT и Elkem Silicones. С 2017 года Delta Bravo реализовала около 90 проектов и выяснила, что приносит наибольший результат и значительный возврат инвестиций (ROI), особенно для малых производителей. Проекты по внедрению ИИ улучшили работоспособность оборудования, увеличили качество и пропускную способность, а также сократили брак. Вместе с более здоровыми финансовыми показателями и увеличенной прибылью пришли и уроки. Рик выделил основные факторы успешной реализации проектов по внедрению ИИ, потенциальные подводные камни и лучшие практики, а также поделился полезными советами.
На последнем вебинаре MEP National Network™/Modern Machine Shop "Искусственный интеллект в производстве: реальные истории успеха и извлеченные уроки" Энди Карр из South Carolina MEP (SCMEP) и основатель и генеральный директор Delta Bravo Рик Оппедизано обсудили решения на базе ИИ, которые наиболее эффективны для малых и средних производителей (МСП). Delta Bravo является поставщиком сторонних услуг, который работает с клиентами SCMEP в сфере производства, предлагая им решения на базе ИИ, соответствующие их потребностям.
На вебинаре Рик описал примеры использования ИИ на основе реальных производителей, с которыми он работал, включая Precision Global, Metromont, Rolls-Royce, JTEKT и Elkem Silicones. С 2017 года Delta Bravo реализовала около 90 проектов и выяснила, что приносит наибольший результат и значительный возврат инвестиций (ROI), особенно для малых производителей. Проекты по внедрению ИИ улучшили работоспособность оборудования, увеличили качество и пропускную способность, а также сократили брак. Вместе с более здоровыми финансовыми показателями и увеличенной прибылью пришли и уроки. Рик выделил основные факторы успешной реализации проектов по внедрению ИИ, потенциальные подводные камни и лучшие практики, а также поделился полезными советами.
Искусственный интеллект и машинное обучение
Люди часто используют термины "ИИ" и "машинное обучение" как синонимы, но они очень разные. Машинное обучение собирает данные из разных источников и помогает вам понять, как эти данные ведут себя, почему так происходит и какие данные коррелируют с другими. Оно помогает решить конкретную проблему, анализируя исторические данные и говоря вам о вероятностях различных вариантов и о том, какой выбор был лучше всего в прошлом. Оно говорит вам о важности всего этого, о вероятностях определенных результатов и о будущей вероятности этих результатов.
ИИ - это то, что принимает действия на основе рекомендаций, предоставленных машинным обучением. Давайте использовать аналогию с горячей плитой: когда вы подносите руку к горячей плите, ваш мозг говорит вам по опыту и по ощущению покалывания в пальцах, что могло бы произойти и что вам следует сделать. Это похоже на машинное обучение. ИИ - это техническая способность отодвинуть руку назад до того, как вы обожжётесь.
ИИ - это то, что принимает действия на основе рекомендаций, предоставленных машинным обучением. Давайте использовать аналогию с горячей плитой: когда вы подносите руку к горячей плите, ваш мозг говорит вам по опыту и по ощущению покалывания в пальцах, что могло бы произойти и что вам следует сделать. Это похоже на машинное обучение. ИИ - это техническая способность отодвинуть руку назад до того, как вы обожжётесь.
Зачем внедрять искусственный интеллект?
Применение искусственного интеллекта в контексте производства означает использование данных для принятия действенных решений быстрее и точнее, чем это может сделать человек. Есть две конкретные области, где это имеет большой смысл: для прогнозирования и для понимания аномалий или выбросов. Существуют части производственного процесса, где прогнозирование может приносить ценность. Если у вас достаточно исторических данных и контекста о решениях и процессах вокруг этих данных, есть хороший шанс, что вы сможете разработать прогнозы. Почему одни и те же входные данные на одних и тех же машинах иногда дают разные результаты? Есть ли время от времени производственные сценарии, которые вы хотите понять? Данные с одной машины могут быть огромными для анализа человеком, и вот тут искусственный интеллект может помочь. Кроме того, системы производства являются комплексными, и одна метрика в одной части процесса связана с другой частью того же процесса. Если вы смотрите только на одну область, как вы узнаете, что происходит в другой? ИИ может быть решением.
Существует пять областей, где искусственный интеллект оказывает значительное финансовое воздействие.
1. Прогнозирование техобслуживания. Анализируя исторические данные из журналов обслуживания, вы можете предсказать, как будет вести себя машина под будущей нагрузкой, нужно ли ее ремонтировать, когда, почему и как - на основе того, что решало эту проблему в прошлом. Это может значительно сократить время простоя.
2. Прогнозирование качества. Прогнозирование и сокращение отказов могут принести значительные экономические выгоды.
3. Сокращение брака. Использование метрик для прогнозирования поведения в пределах спецификаций продукции может минимизировать брак и максимизировать качество продукции.
4. Увеличение выхода/пропускной способности. Прогнозирование того, сможет ли и когда машина или процесс больше не соответствовать заданным характеристикам, позволяет предпринимать проактивные меры для возвращения их в соответствие с требованиями, сокращая количество неудачных проходов.
5. Прогнозирование спроса и управление запасами. Обладая глубоким пониманием заводских операций и данных о производстве, возможно прогнозировать спрос и движение критически важных деталей, что приводит к существенным экономиям на запасах.
Существует пять областей, где искусственный интеллект оказывает значительное финансовое воздействие.
1. Прогнозирование техобслуживания. Анализируя исторические данные из журналов обслуживания, вы можете предсказать, как будет вести себя машина под будущей нагрузкой, нужно ли ее ремонтировать, когда, почему и как - на основе того, что решало эту проблему в прошлом. Это может значительно сократить время простоя.
2. Прогнозирование качества. Прогнозирование и сокращение отказов могут принести значительные экономические выгоды.
3. Сокращение брака. Использование метрик для прогнозирования поведения в пределах спецификаций продукции может минимизировать брак и максимизировать качество продукции.
4. Увеличение выхода/пропускной способности. Прогнозирование того, сможет ли и когда машина или процесс больше не соответствовать заданным характеристикам, позволяет предпринимать проактивные меры для возвращения их в соответствие с требованиями, сокращая количество неудачных проходов.
5. Прогнозирование спроса и управление запасами. Обладая глубоким пониманием заводских операций и данных о производстве, возможно прогнозировать спрос и движение критически важных деталей, что приводит к существенным экономиям на запасах.
Передовой опыт и потенциальные проблемы
Существует много скепсиса относительно внедрения решений на базе искусственного интеллекта в производство и оправданности инвестиций в это. Успешное внедрение ИИ сводится к трем «П»: проблема, персона, процесс. Вы должны тщательно определить подходящую проблему для решения с помощью ИИ. Вам нужны подходящие люди, включая руководство, операционный персонал, IT/технические специалисты, специалистов по цифровому преобразованию и финансистов - каждый играет ключевую роль в успешном внедрении ИИ. И процесс - вам нужен подход, который определяет правильный способ решения проблемы с помощью ИИ. Вам нужно понять, существуют ли данные для решения проблемы.
При внедрении новой технологии разумно начать с пилотного проекта, например, протестировать ИИ на одной линии производства. Вы создаете итерацию, работаете над возникающими проблемами, а затем расширяете пилот на разные машины или линии. Постепенное масштабирование технологии может быть очень экономичным, поэтому это не разорит бюджет малых производителей. Подумайте о сосредоточении на возврате инвестиций, как о строительстве дома. Возврат инвестиций не приходит от рытья фундамента. Возврат инвестиций приходит от всего, что вы строите на этом фундаменте. Не ожидайте, что, построив фундамент для внедрения ИИ, вы сразу же увидите прибыль.
Как узнать, готова ли ваша компания попробовать внедрить ИИ? Подумайте о ней как о трехногом стуле. Без всех трех составляющих он не будет успешным, и ваша компания не готова к ИИ.
1. Руководство сверху. Если нет корпоративной инициативы и приоритета сверху в использовании данных для улучшения бизнеса, это не сработает.
2. Инвестиции в сбор данных. Если ваша компания не инвестировала в сбор данных систематическим образом, где люди сохраняют их и заботятся о них, это не сработает.
3. Найдёте проблему - найдёте выгоду. Можете ли вы оценить конкретное финансовое воздействие конкретной проблемы, такой как неплановое простойное время, брак или пропускная способность? Если нет, это не сработает.
При внедрении новой технологии разумно начать с пилотного проекта, например, протестировать ИИ на одной линии производства. Вы создаете итерацию, работаете над возникающими проблемами, а затем расширяете пилот на разные машины или линии. Постепенное масштабирование технологии может быть очень экономичным, поэтому это не разорит бюджет малых производителей. Подумайте о сосредоточении на возврате инвестиций, как о строительстве дома. Возврат инвестиций не приходит от рытья фундамента. Возврат инвестиций приходит от всего, что вы строите на этом фундаменте. Не ожидайте, что, построив фундамент для внедрения ИИ, вы сразу же увидите прибыль.
Как узнать, готова ли ваша компания попробовать внедрить ИИ? Подумайте о ней как о трехногом стуле. Без всех трех составляющих он не будет успешным, и ваша компания не готова к ИИ.
1. Руководство сверху. Если нет корпоративной инициативы и приоритета сверху в использовании данных для улучшения бизнеса, это не сработает.
2. Инвестиции в сбор данных. Если ваша компания не инвестировала в сбор данных систематическим образом, где люди сохраняют их и заботятся о них, это не сработает.
3. Найдёте проблему - найдёте выгоду. Можете ли вы оценить конкретное финансовое воздействие конкретной проблемы, такой как неплановое простойное время, брак или пропускная способность? Если нет, это не сработает.
Советы профессионалов
Наконец, вот несколько полезных советов на высоком уровне для успешного внедрения ИИ, которые Delta Bravo изучила на практике.
Создайте центр передовых технологий. Средним производителям с несколькими местоположениями следует выбрать одно из них в качестве центра превосходства для пилотного проекта по внедрению ИИ. Внедрите ИИ на одном сайте с одной линией, а затем масштабируйте его до 2-3 линий, прежде чем расширяться на другие сайты. Назовите лидера практики - человека, ответственного за общение и работу над этим усилием с вашим поставщиком. Это не должна быть третья работа для этого человека.
Знайте ваши экономические показатели. При внедрении ИИ все говорят о облаке, потому что это легкий способ доступа к вычислительным ресурсам, которые предоставляют виртуальное оборудование, объединяя процессоры, память и диски для создания виртуальных машин с минимальным обслуживанием. Но то, о чем вам не говорят поставщики облаков, это как они зарабатывают деньги. Они хранят ваши данные довольно дешево, но когда вы начинаете использовать вычислительные ресурсы, это становится намного дороже. Вам нужна возможность масштабироваться на разных облачных провайдерах или решениях для хранения, в зависимости от того, что является наиболее экономичным.
Опасайтесь технической привязки. Это болезненно и дорого переходить, когда у вас есть все ваши данные у одного облачного провайдера. Помните, что в большие технологические компании легко попасть, но сложно выйти. Избегайте полной зависимости от какого-либо конкретного поставщика.
Нет универсального подхода. Существуют поставщики, обещающие готовое решение по предиктивному обслуживанию, и всё, что вам нужно сделать, это вставить свои данные. Не верьте этому. Решение, которое вам нужно, основано на понимании вашего процесса и настройке в соответствии с вашими приоритетами. Готовая модель - не серебряная пуля. Вы потратите больше и будете двигаться назад.
Огромные возможности для прогресса. Есть много вещей, выходящих за пределы простого создания модели машинного обучения и определения способов ее использования. Эта способность может сделать каждого в организации умнее, не только операционного сотрудника. Например, машинное обучение может автоматизировать процессы электронных таблиц, визуализируя данные на экране аналитики, где они обновляются ежедневно, и вы можете просматривать их в любое время.
Создайте центр передовых технологий. Средним производителям с несколькими местоположениями следует выбрать одно из них в качестве центра превосходства для пилотного проекта по внедрению ИИ. Внедрите ИИ на одном сайте с одной линией, а затем масштабируйте его до 2-3 линий, прежде чем расширяться на другие сайты. Назовите лидера практики - человека, ответственного за общение и работу над этим усилием с вашим поставщиком. Это не должна быть третья работа для этого человека.
Знайте ваши экономические показатели. При внедрении ИИ все говорят о облаке, потому что это легкий способ доступа к вычислительным ресурсам, которые предоставляют виртуальное оборудование, объединяя процессоры, память и диски для создания виртуальных машин с минимальным обслуживанием. Но то, о чем вам не говорят поставщики облаков, это как они зарабатывают деньги. Они хранят ваши данные довольно дешево, но когда вы начинаете использовать вычислительные ресурсы, это становится намного дороже. Вам нужна возможность масштабироваться на разных облачных провайдерах или решениях для хранения, в зависимости от того, что является наиболее экономичным.
Опасайтесь технической привязки. Это болезненно и дорого переходить, когда у вас есть все ваши данные у одного облачного провайдера. Помните, что в большие технологические компании легко попасть, но сложно выйти. Избегайте полной зависимости от какого-либо конкретного поставщика.
Нет универсального подхода. Существуют поставщики, обещающие готовое решение по предиктивному обслуживанию, и всё, что вам нужно сделать, это вставить свои данные. Не верьте этому. Решение, которое вам нужно, основано на понимании вашего процесса и настройке в соответствии с вашими приоритетами. Готовая модель - не серебряная пуля. Вы потратите больше и будете двигаться назад.
Огромные возможности для прогресса. Есть много вещей, выходящих за пределы простого создания модели машинного обучения и определения способов ее использования. Эта способность может сделать каждого в организации умнее, не только операционного сотрудника. Например, машинное обучение может автоматизировать процессы электронных таблиц, визуализируя данные на экране аналитики, где они обновляются ежедневно, и вы можете просматривать их в любое время.
Свяжитесь с местным центром MEP, чтобы начать
Чтобы быть конкурентоспособными в будущем малые и средние производители должны начать внедрять передовые технологии производства уже сегодня. Многие оригинальные производители оборудования навязывают требования своим поставщикам, и маленькие производители оказываются в затруднительном положении. Вы ощущаете это давление, но у вас нет ресурсов для внедрения технологий. Если вы чувствуете себя перегруженными, знайте, что вы не одни. Обратитесь за помощью в ваш местный центр MEP. Когда вы обращаетесь в свой местный центр MEP, вы общаетесь с опытными профессионалами в области производства, которые понимают малые и средние предприятия. Некоторые из них сами были владельцами производственных компаний, поэтому они понимают ваш язык и проблемы, с которыми вы сталкиваетесь.
Эксперты сети могут помочь снизить риски внедрения вашей компанией ИИ и других передовых технологий с помощью практической технической поддержки, а также связывая вас с грантами, наградами и другими источниками финансирования. Сотрудники центров MEP могут обеспечить знакомство с доверенными экспертами по теме. В областях, таких как ИИ, где не все центры MEP имеют необходимую экспертизу, они могут находить и проверять потенциальных поставщиков сторонних услуг. Сотрудники центров помогают убедиться, что эксперты, которых вам привозят, имеют успешный опыт внедрения эффективных решений и комфортно работают с малыми фирмами. Пусть Национальная сеть MEP станет вашим ресурсом, чтобы помочь вашей компании двигаться вперед быстрее.
Эксперты сети могут помочь снизить риски внедрения вашей компанией ИИ и других передовых технологий с помощью практической технической поддержки, а также связывая вас с грантами, наградами и другими источниками финансирования. Сотрудники центров MEP могут обеспечить знакомство с доверенными экспертами по теме. В областях, таких как ИИ, где не все центры MEP имеют необходимую экспертизу, они могут находить и проверять потенциальных поставщиков сторонних услуг. Сотрудники центров помогают убедиться, что эксперты, которых вам привозят, имеют успешный опыт внедрения эффективных решений и комфортно работают с малыми фирмами. Пусть Национальная сеть MEP станет вашим ресурсом, чтобы помочь вашей компании двигаться вперед быстрее.
Получите оценку проекта
Нажимая на кнопку, вы даете согласие на обработку персональных данных и соглашаетесь c политикой конфиденциальности
Оцените свой проект! Заполните форму ниже
Похожие статьи