Gamyklos gamina daugiau duomenų, nei gali apdoroti, o tokios įmonės kaip „Bosch“ naudoja dirbtinį intelektą, kad užpildytų atotrūkį. Kamerų laikrodžių gamybos linijos, jutikliai seka mašinas, o programinė įranga įrašo kiekvieną procesų žingsnį. Tačiau didelė dalis šios informacijos negali priimti greitesnių sprendimų arba sukelti mažiau gedimų. Didelėse gamybos įmonėse praleista galimybė verčia dirbtinį intelektą nuo mažų bandymų prie pagrindinių operacijų.
Šis pokytis padeda paaiškinti, kodėl „Bosch“ planuoja iki 2027 m. investuoti apie 2,9 mlrd. eurų į dirbtinį intelektą. „Wall Street Journal“.. Išlaidos skirtos gamybai, tiekimo grandinės valdymui ir suvokimo sistemoms – sritims, kuriose, bendrovės nuomone, dirbtinis intelektas yra būdas pagerinti fizinių sistemų veikimą realiomis sąlygomis.
Kaip Bosch naudoja dirbtinį intelektą, kad anksčiau pastebėtų gamybos problemas
Gamyboje vėlavimai ir defektai dažnai prasideda mažais. Nedideli medžiagų ar mašinos parametrų pokyčiai gali atsirasti per gamybos liniją. „Bosch“ taikė dirbtinio intelekto modelius kamerų tiekimui ir jutiklių duomenims, kad anksčiau nustatytų kokybės problemas.
Užuot pastebėję defektus po gaminių užbaigimo, sistemos gali pažymėti problemas, kol prekės vis dar yra linijoje. Tai suteikia darbuotojams laiko pakeisti veiklą, kol nepadaugėja atliekų. Didelės apimties gamybos atveju ankstyvas aptikimas gali sumažinti atliekų kiekį ir apriboti perdirbimo poreikį.
Įrangos priežiūra yra dar viena slegianti sritis. Daugelis gamyklų vis dar remiasi fiksuotais tvarkaraščiais arba rankiniu patikrinimu, todėl gali nepastebėti ankstyvų įspėjimų apie klaidas ar gedimus. Dirbtinio intelekto modeliai, išmokyti naudoti vibracijos ir temperatūros duomenis, gali padėti numatyti, kada mašina gali sugesti.
Tai leidžia techninės priežiūros komandoms planuoti remontą, o ne reaguoti į gedimus. Siekiama sumažinti neplanuotų prastovų per anksti nekeičiant įrangos. Laikui bėgant šis metodas gali pailginti mašinų tarnavimo laiką ir išlaikyti stabilesnę gamybą.
Padaryti tiekimo grandines labiau prisitaikančias
Tiekimo grandinės taip pat yra investicijų dalis. Pandemijos metu pastebėti sutrikimai dar visiškai neišnyko, o gamintojai vis dar susiduria su besikeičiančia paklausa ir transporto vėlavimais.
AI sistemos gali padėti numatyti poreikius, sekti dalis svetainėse ir koreguoti planus pasikeitus sąlygoms. Netgi nedideli planavimo tikslumo patobulinimai gali turėti platų poveikį, kai tai daroma šimtuose gamyklų ir tiekėjų.
Bosch finansuoja suvokimo sistemas, kurios padeda mašinoms suprasti aplinką. Sistemos sujungia įvestį iš kamerų, radarų ir kitų jutiklių su AI modeliais, kurie gali atpažinti objektus, įvertinti atstumą arba pastebėti aplinkos pokyčius. Jie naudojami tokiose srityse kaip gamyklos automatika, pagalba vairuotojui ir robotika, kur mašinos turi reaguoti greitai ir saugiai. Tokiose aplinkose AI reaguoja į realias sąlygas, kai jos vyksta.
Kodėl krašto kompiuterija svarbi gamykloje
Didžioji šio darbo dalis vyksta pakraštyje. Gamyklose ir transporto priemonėse duomenų siuntimas į nutolusią debesų sistemą ir atsakymo laukimas gali padidinti delsą arba sukelti pavojų, jei nepavyksta prisijungti. Vietinis AI modelių veikimas leidžia sistemoms reaguoti realiuoju laiku ir veikti, net kai tinklai yra nepatikimi.
Tai taip pat riboja, kiek neskelbtinų duomenų paliekama svetainėje. Pramonės įmonėms tai gali būti svarbi ne mažiau kaip greitis, ypač kai gamybos procesai yra atidžiai saugomi.
Debesų sistemos vis dar vaidina svarbų vaidmenį, nors dažniausiai užkulisiuose. Mokomieji modeliai, naujinimų valdymas ir vietovių tendencijų analizė dažnai vyksta centrinėje aplinkoje.
Daugelis gamintojų pereina prie mišrios sąrankos, naudodami debesų sistemas koordinavimui ir mokymuisi bei kraštutines sistemas veiksmams. Šis modelis tampa įprastas pramonės įmonėse, ne tik Bosch.
DI mastelio keitimas ne tik nedideliais bandymais
Investicijų mastas yra svarbus, nes nedideli AI testai gali būti perspektyvūs, tačiau norint juos įgyvendinti visose operacijose, reikia finansavimo, kvalifikuotų darbuotojų ir ilgalaikių įsipareigojimų.
„Bosch“ vadovai AI apibūdino kaip būdą padėti darbuotojams, o ne juos pakeisti, ir kaip įrankį, padedantį įveikti sudėtingumą, kurio žmonės negali valdyti. Toks požiūris atspindi platesnį pramonės pokytį, kai dirbtinis intelektas traktuojamas mažiau kaip eksperimentas, o labiau kaip pagrindinė infrastruktūra.
Ką Bosch gamybos AI strategija rodo praktiškai
Didėjančios energijos sąnaudos, darbo jėgos trūkumas ir mažesnės maržos palieka mažiau galimybių neefektyvumui. Vien automatika tų problemų nebeišsprendžia. Įmonės ieško sistemų, kurios galėtų prisitaikyti prie besikeičiančių sąlygų be nuolatinio rankinio įvesties.
„Bosch“ 2,9 milijardo eurų įsipareigojimas yra tas platesnis pokytis. Kiti stambūs gamintojai imasi panašių veiksmų, dažnai be visuomenės pomėgių, atnaujindami gamyklas ir perkvalifikuodami darbuotojus. Išskirtinis dėmesys skiriamas eksploataciniam naudojimui, o ne klientams skirtoms funkcijoms.
Kartu šios pastangos parodo, kaip galutinių vartotojų įmonės šiandien taiko AI. Darbas susijęs ne tik su drąsiais teiginiais, bet apie atliekų mažinimą, veikimo laiko gerinimą ir sudėtingų sistemų valdymą. Pramonės įmonėms šis praktinis dėmesys gali apibrėžti, kaip AI laikui bėgant sukuria vertę.
(PL nuotrauka)
Taip pat žiūrėkite: Agentiniam AI mastelio keitimui reikalinga nauja atminties architektūra
Norite daugiau sužinoti apie AI ir didelius duomenis iš pramonės lyderių? Peržiūrėkite AI & Big Data Expo, vykstančią Amsterdame, Kalifornijoje ir Londone. Išsamus renginys yra „TechEx“ dalis ir vyksta kartu su kitais pagrindiniais technologijų renginiais. Norėdami gauti daugiau informacijos, spustelėkite čia.
AI naujienas teikia TechForge Media. Čia rasite kitus būsimus įmonių technologijų renginius ir internetinius seminarus.
