Как он может использовать золотой отпечаток пальца, чтобы использовать его

Для ИТ-отделов, активно стремящихся использовать технологию Интернета вещей (IoT) для оказания положительного влияния на производственный процесс, есть важный термин, который они должны знать, и не только потому, что это звучит так, как будто однажды преследовала Индиана Джонс: «Золотой» отпечатков пальцев. Я поговорил с Бартом Шоу, вице-президентом по технологиям и цифровым альянсам в Software AG, на выставке CEBIT, которая проходит на этой неделе в Ганновере, Германия, о том, почему именно этот отпечаток золота считается золотым и что это значит для ИТ.

«Золотой отпечаток пальца - это метафора», - объяснил Шоу и сказал, что это было ключевым доказательством в детективном романе. Но на предприятии его можно применять к производственному процессу, чтобы определить, когда выполняются условия для производства того, что Шоу называет идеальным продуктом.

Поиск золотого отпечатка пальца - это итеративный процесс, план задачи, который возникает, когда данные записываются во время производства и сохраняются, чтобы можно было сравнить серию производственных циклов во времени. Одновременно с этим оценивается выходная мощность фабрики, так что регистрируется успех каждого производственного цикла вместе с данными, которые были записаны во время производства. Если все сделано правильно, то это своего рода отпечаток пальца, который состоит из совокупности входных данных от производственного оборудования - датчиков, которые регистрировали состояние продукта в процессе производства, - и общей метрики успеха для результата процесса.

Процесс снятия отпечатков был первоначально разработан для химической промышленности, но Шоу сказал, что в целом он применим к большинству видов производства. Например, автопроизводитель будет иметь записи о происхождении каждого компонента, температуре во время покраски, показаниях крутящего момента для каждого винта или болта и показаниях сварщиков-роботов при сборке шасси. Затем, когда автомобиль произведен, качество производства отслеживается, когда автомобиль обслуживается или когда устраняются дефекты.

Машинное обучение в автопроизводстве

Давайте применим сценарий к гипотетическому автомобильному заводу. После изготовления каждого автомобиля показания отслеживаются в ходе сквозного производственного процесса и сравниваются с предыдущими производственными циклами. Допустим, возникает проблема, например, затягивание болта с неправильной настройкой крутящего момента. Эта проблема записана, и теперь она может быть исправлена ​​до продажи автомобиля. В конце концов, производственное оборудование может быть откалибровано, чтобы таких ошибок не было, и транспортные средства были отправлены без существенных дефектов.

«Иногда, особенно в перерабатывающей промышленности, неясно, какие условия действительно приводят к идеальному продукту», - сказал Шоу. «Таким образом, с помощью машинного обучения и новых инструментов визуализации данных вы можете фактически получить данные производственного цикла, которые привели к созданию идеальной партии продукта. Затем вы можете попросить инструменты машинного обучения вернуться назад и найти похожие данные в данных».

Как и следовало ожидать, для любого сложного производства потребуется тысячи отдельных точек данных для каждого производственного цикла, чтобы иметь достаточно данных для значимого отпечатка пальца. Это, в свою очередь, требует датчиков, которые измеряют состояние продукта в любой момент времени, а также состояние производственных инструментов и оборудования по мере их использования. Вот где технологии IoT и ИТ-отдел становятся лучшими.

По завершении каждого производственного цикла данные этого цикла можно визуализировать в виде последовательности событий, ведущих к продукту. Для этого требуются сетевые датчики и инструменты, а также средства записи этих событий. Это также требует специализированного программного обеспечения для проведения оценок. Шоу сказал, что эта часть становится важным примером использования искусственного интеллекта (ИИ) и машинного обучения.

Отслеживание производственных данных в режиме реального времени

Это точка, в которой ИТ и производство объединяются. ИТ-отдел должен консолидировать огромное количество данных от каждого производственного цикла, а затем использовать их для сравнения каждого цикла с золотым отпечатком идеального цикла. Поскольку прогон анализируется в реальном времени, он также сравнивается с предыдущими прогонами, поэтому можно заранее определить, когда прогон вряд ли будет успешным.

В процессе производства может оказаться возможным внести коррективы в производственные параметры, даже если они происходят, чтобы приблизить пробег к золотому отпечатку пальца. Возможность визуализировать прогон во время производства и заранее определить, когда прогон не будет успешным, может дать значительную экономию - не тратя впустую больше материала на прогон, который не будет успешным, и не тратя впустую дополнительное время.

Шоу указал на Trendminer в качестве одного из примеров компании, которая производит программное обеспечение на основе искусственного интеллекта, способное находить золотой отпечаток пальца, а также отслеживать производственный процесс в режиме реального времени. Он также рассказал, что Software AG планирует приобрести Trendminer.

Повышение эффективности производства

Однако экономия затрат и более качественные аспекты - это еще не все, что нужно для IoT и производства. Шоу объяснил, что еще один аспект использования машинного обучения на производстве связан с отслеживанием F-кривой («F» обозначает отказы, которые отслеживаются на заводе с течением времени). Когда вы отслеживаете F-кривую, вы фактически производите дактилоскопию на заводе, а не на продукте, начиная с того момента, когда завод впервые строится, затем, когда он вводится в эксплуатацию, и затем, когда он, наконец, закрывается, поскольку процент отказов достигает неприемлемых уровней, таких как возраст производственных мощностей.

Отслеживая условия, которые со временем приводят к сбоям в производстве, можно снизить их до приемлемых уровней, пока не достигнет точки снижения доходности: когда слишком дорого обходиться с ремонтом, и вместо этого имеет больше смысла восстанавливать завод.

Важно то, что благодаря непосредственному участию ИТ-специалистов в производственном процессе производство становится более эффективным, а также меньше отходов и меньше дефектов. И компания экономит деньги. Сделано правильно, результаты появляются почти сразу. Для ИТ-отделов производственных предприятий «золотой отпечаток» имеет смысл в качестве отправной точки для интеграции IoT в самое сердце бизнеса.