Data science

AI/ML สามารถปรับปรุงการดำเนินงานด้านการผลิตได้อย่างไร

ในคุณสมบัติพิเศษของแขกรับเชิญนี้ Stuart Gillen ผู้จัดการอาวุโสของ Kalypso นำเสนอวิธีสองสามวิธีที่องค์กรการผลิตสามารถใช้ประโยชน์จากการบำรุงรักษาเชิงคาดการณ์เพื่อระบุปัญหาที่อาจเกิดขึ้น ลดเหตุการณ์และระยะเวลาของการหยุดทำงานโดยไม่ได้วางแผน และรับประโยชน์สูงสุดจากสินทรัพย์และงบประมาณ Stuart เป็นผู้นำที่ได้รับการพิสูจน์แล้วว่ามีความกระตือรือร้นเกี่ยวกับ AI และสามารถทำงานผ่านโฆษณาได้สำเร็จเพื่อให้ลูกค้าสามารถนำไปใช้จริงในโครงการ IoT และ Machine Learning ซึ่งให้มูลค่าทางธุรกิจที่แท้จริงและ ROI เชิงบวก สาขาที่เชี่ยวชาญของเขา ได้แก่ สถาปัตยกรรม แพลตฟอร์ม และเทคโนโลยี IoT ด้วยคำรับรองที่ประสบความสำเร็จโดยใช้ความสามารถด้านนวัตกรรมชั้นนำ สจวร์ตมีมุมมองที่ไม่เหมือนใครว่าลูกค้าสามารถพัฒนาความถนัดในการสร้างสรรค์และเพิ่มผลตอบแทนสูงสุดจากการลงทุนด้านนวัตกรรมได้อย่างไร เมื่อผู้ผลิตเชื่อมต่อกันมากขึ้น ระบบ เครื่องจักร เซ็นเซอร์ และอุปกรณ์อื่นๆ ข้อมูลใหม่ และด้วยปริมาณข้อมูลที่สร้างขึ้นอย่างแท้จริง ซึ่งไม่สามารถวิเคราะห์ได้ง่าย นับเป็นความท้าทายที่ระบบการผลิตแบบเดิมไม่ได้ออกแบบมาสำหรับ – และผู้ผลิตก็พลาดข้อมูลเชิงลึกอันมีค่าไปด้วย เทคโนโลยีแมชชีนเลิร์นนิง (ML) และเทคโนโลยีปัญญาประดิษฐ์ (AI) สามารถช่วยได้ เมื่อนำมาใช้เพื่อสนับสนุนกลยุทธ์ IoT และตรวจสอบผ่านการทดลองเชิงกลยุทธ์ที่พิสูจน์คุณค่าที่เป็นไปได้ ผู้ผลิตควรใช้แนวทางที่ครอบคลุมในการเรียนรู้และวิเคราะห์ของเครื่องจักร โดยผสานรวมอุปกรณ์ ระบบ และบุคลากรเข้ากับสภาพแวดล้อมที่มีการทำงานร่วมกันสูง ซึ่งปรับให้เข้ากับความต้องการในการปฏิบัติงานที่เปลี่ยนแปลงไปอย่างรวดเร็ว และดำเนินการในระดับที่ใหญ่กว่าแอปพลิเคชัน IoT ทั่วไปมาก ต่อไปนี้เป็นวิธีบางส่วนที่องค์กรการผลิตสามารถใช้ประโยชน์จากการบำรุงรักษาเชิงคาดการณ์เพื่อระบุปัญหาที่อาจเกิดขึ้น ลดเหตุการณ์และระยะเวลาของการหยุดทำงานโดยไม่ได้วางแผน และรับประโยชน์สูงสุดจากสินทรัพย์และงบประมาณ ผสานรวมกับแพลตฟอร์ม IIoT เพื่อตรวจสอบความสมบูรณ์ของเครื่องจักรและประสิทธิภาพ องค์กรสามารถรวมโมเดลการบำรุงรักษาเชิงคาดการณ์เข้ากับระบบการผลิตของตน เพื่อตรวจสอบความสมบูรณ์ของสินทรัพย์และส่งการแจ้งเตือนในช่วงเวลาการบำรุงรักษาที่เหมาะสม ตัวอย่างเช่น พนักงานติดตั้งเซ็นเซอร์บนเครื่องจักรและเชื่อมต่อกับแพลตฟอร์ม IIoT เซ็นเซอร์ส่งข้อมูลความสมบูรณ์ของเครื่องจักรไปยังแพลตฟอร์ม IIoT แบบเรียลไทม์และสังเกตรูปแบบการทำงาน แพลตฟอร์ม IIoT ตรวจสอบสภาพของเครื่องจักรจากระยะไกล – ตรวจสอบความผิดปกติหรือการเบี่ยงเบน เมื่อสภาวะเกินขีดจำกัดการเรียนรู้ของเครื่อง บุคลากรของโรงงานจะได้รับแจ้งโดยอัตโนมัติผ่านอีเมล/SMS ซึ่งช่วยให้องค์กรตอบสนองต่อเหตุการณ์ที่ไม่รู้จักได้อย่างรวดเร็ว ซึ่งจะช่วยปรับปรุงการดำเนินงานโดยรวม และด้วยการทำความเข้าใจสภาพของเครื่องจักร เจ้าของทรัพย์สินสามารถดำเนินการกับปัญหาก่อนที่จะกลายเป็นเรื่องวิพากษ์วิจารณ์ ใช้ ML เพื่อเพิ่มประสิทธิภาพการทำงานในการผลิตโดยพิจารณาจากผลิตภัณฑ์ ผู้ปฏิบัติงาน และสภาวะแวดล้อม มักเรียกกันว่า “Golden Run” บุคลากรสามารถใช้เทคนิค ML เพื่อประเมินการทำงานผลิตภัณฑ์แต่ละรายการหลายร้อยหรือหลายพันรายการ เพื่อระบุการตั้งค่าพารามิเตอร์กระบวนการที่เหมาะสมที่สุดที่สามารถสร้างค่าสูงสุดได้ ปริมาณงาน สิ่งนี้ทำให้ผู้ปฏิบัติงานมีการตั้งค่าที่เหมาะสมที่สุดตามสภาวะปัจจุบันเพื่อเพิ่มผลตอบแทนสูงสุด จากนั้นก้าวไปอีกขั้นหนึ่ง สามารถใช้ AI และเทคนิคการควบคุมเชิงคาดการณ์แบบจำลองเพื่อตั้งค่าพารามิเตอร์เครื่องจักรที่เหมาะสมโดยอัตโนมัติ ช่วยให้ผู้ปฏิบัติงานมุ่งเน้นไปที่ความต้องการเร่งด่วนมากขึ้นเพื่อให้สายการผลิตทำงานได้อย่างเต็มประสิทธิภาพ รวมระบบโรงงานเพิ่มเติมเพื่อให้ได้โซลูชันแบบ end-to-end ระบบอัตโนมัติแบบ end-to-end ช่วยเพิ่มผลิตภาพแรงงานโดยรวม และช่วยให้โรงงานทำงานด้วยค่าบำรุงรักษาที่เหมาะสมที่สุด ตัวอย่างเช่น โมเดลการคาดการณ์ที่รวมเข้ากับระบบจัดการการบำรุงรักษาด้วยคอมพิวเตอร์ (CMMS) สามารถเรียกใช้ใบสั่งงานอัตโนมัติตามกำหนดการผลิต ความพร้อมใช้งานของทรัพยากร และเงื่อนไขความสมบูรณ์ของเครื่องจักร ซึ่งเป็นโซลูชันแบบ end-to-end ที่แท้จริง การจัดการโรงงานได้รับคุณค่าผ่านการวางแผนการผลิต การคิดต้นทุนตลอดอายุการใช้งานของสินทรัพย์ ปริมาณงานที่ได้รับการปรับปรุง และการปรับการจัดสรรทรัพยากรให้เหมาะสม โดยสรุป บริษัทต่างๆ ที่ใช้ความสามารถของ ML ในกลยุทธ์การเปลี่ยนแปลงทางดิจิทัล สามารถลดเวลาหยุดทำงานและความสูญเสียในการผลิต ในขณะเดียวกันก็ปรับปรุงคุณภาพของสินค้า ด้วยการทำงานอัตโนมัติที่สำคัญแต่ต้องใช้แรงงานมาก เช่น การจัดกำหนดการใบสั่งงาน การคาดการณ์ และการสั่งซื้อชิ้นส่วนใหม่ ผู้ผลิตจะบรรลุประสิทธิภาพและผลผลิตที่สูงขึ้นโดยลดข้อผิดพลาดของมนุษย์ ลงทะเบียนเพื่อรับจดหมายข่าว InsideBIGDATA ฟรี เข้าร่วมกับเราบน Twitter: @InsideBigData1 – https://twitter.com/InsideBigData1

  • บ้าน
  • Business
  • Data science
  • Marketing
  • Leave a Reply

    Your email address will not be published. Required fields are marked *

    Back to top button