تتقلب ظروف السوق ، وقيود سلسلة التوريد ، ونقص العمالة ، والصناعة العالمية سريعة الخطى ، مما يجبر المصنعين من جميع الأحجام على إعادة تقييم الطريقة التي تعمل بها. بدأ العديد من الشركات المصنعة في تبني التكنولوجيا للحفاظ على ميزة تنافسية ومعالجة تحديات الأعمال الطويلة الأمد. من الأتمتة إلى التقنيات الرقمية ، وإنترنت الأشياء الصناعية ، وأكثر من ذلك ، يمكن للشركات الاستفادة من هذه الابتكارات لالتقاط البيانات في نهاية المطاف من الأنظمة المتنوعة والعمليات والأشخاص لتوفير الرؤى الاستراتيجية اللازمة لاتخاذ قرارات أفضل.
ليس هناك شك في أن هذه الشركات لديها الكثير من البيانات للعمل معها. وفقًا لدراسة McKinsey ، يولد التصنيع 1.9 Petabytes أو 1900 ، 000 terabytes من البيانات سنويًا. كانت المشكلة هي أنهم يحتاجون إلى طريقة أفضل لالتقاط البيانات وتحليلها وتحويلها إلى معلومات قابلة للاستخدام ، وكانوا بحاجة إلى القيام بذلك بسرعة. نتيجة لذلك ، تتحول العديد من الشركات إلى الذكاء الاصطناعي (AI) لإيجاد فرص مع بياناتها لتحسين عملياتها.
لماذا الذكاء الاصطناعي مثالي لتحليل البيانات؟
من تحسين عائدات التصنيع ووقت التشغيل ، إلى التنبؤ بدقة للطلب وآلات المراقبة عن بُعد ، وحتى التحكم في الأصول وتحسين جودة المنتج ، يمكن الاستفادة من الذكاء الاصطناعي لتحسين الكفاءة الكلية والإنتاجية بشكل كبير.
إنه ليس سحرًا ، ولكنه مجموعة معقدة من الخوارزميات التي تحلل كميات كبيرة من البيانات ، وربط أو تعلم الأنماط في متغيرات مختلفة ، وتطبيق تلك المعرفة على الظروف الحالية للمساعدة في التنبؤ بالولايات المستقبلية. هذا لا يعني أن البشر لا يمكنهم أداء هذه المهام ، ولكن يمكن لـ AL القيام بها بشكل أسرع ومعالجة المزيد من البيانات بدقة أكبر ، وتحسين نتائج الأعمال.
على سبيل المثال ، في أي بيئة تصنيع ، هناك تقليديًا العديد من مجموعات العمل والآلات المختلفة التي تقوم بجمع بياناتها الخاصة. يمكن أن تختلف المعلومات من كل جهاز في الجودة والتنسيق والتوقيت ، والتي يمكن أن تخلق عقبات وتجعل من الصعب تحليل أي رؤى مفيدة من البيانات.
بمساعدة تقنية الذكاء الاصطناعي ، يمكن معالجة كميات كبيرة من البيانات بسرعة ، مما يتيح للشركات من الجمع بين المعلومات التشغيلية بسرعة ودقة ، والتنبؤ بالنتائج بناءً على البدائل ، وتمكين الشركات المصنعة من اتخاذ قرارات مستنيرة ومستنيرة. هذه القدرة التنبؤية الاستباقية هي المكان الذي تكمن فيه قوة الذكاء الاصطناعي ، ويمكن أن تزيد من عائدات المنتج بشكل كبير.
من خلال تحديد السبب الجذري لمشاكل جودة المنتج ، يمكن أن تساعد الذكاء الاصطناعي في تقليل عيوب المنتج ومعدلات الخردة وزيادة غلة التصنيع. من خلال المعلومات والتحليلات التفصيلية ، يمكن للمصنعين معالجة مشكلات مراقبة الجودة قبل أن تؤثر بشكل مباشر على النتيجة النهائية للشركة. دعونا نلقي نظرة على أحد الأمثلة.
استخدم منظمة العفو الدولية لتحسين جودة المحرك
تنتج الشركة المصنعة للمحركات العالمية محركات ديزل كبيرة لمجموعات المولدات والتطبيقات البحرية والبحرية والمركبات العسكرية. بعد التجميع ، يتعرض كل محرك لاختبار صارم. أثناء الاختبار ، حتى أن أكثر المشغلين خبرة غالبًا ما يفشلون في اكتشاف علامات خفية لمشكلة ما ، مما يؤدي إلى فشل كارثي أثناء الاختبار أو بمجرد أن يكون المحرك في الخدمة. تسببت هذه الإخفاقات في خسائر كبيرة ، وتأخر الشحنات ، وإنشاء مناطق اختبار تراكم وإنتاج المنبع ، وتكلف الشركة ملايين الدولارات سنويًا ، وتأثرت سلبًا في الوقت المحدد.
المشكلة ليست نقص البيانات ، ولكن كيف يتم استخدامها. في الواقع ، كان المصنع يجمع بيانات العملية لسنوات ، ولكنه استخدمها فقط في أعمال المتابعة بعد حدوث فشل. من خلال النظر إلى البيانات بهذه الطريقة التفاعلية ، فإن الفريق غير قادر على فهم سبب حدوث هذه الإخفاقات أو معالجتها بشكل استباقي. في نهاية المطاف ، تعتبر هذه المشكلات بمثابة تكلفة لممارسة الأعمال حتى تنظر الشركة في استخدام الذكاء الاصطناعي على البيانات الحالية للتنبؤ بفشل الأصول الحرجة قبل حدوثها.
بدأت الشركة المصنعة ببرنامج تجريبي لوضع أساس البيانات اللازم لوكالة الذكاء الاصطناعى لإحداث تأثير. بالنظر إلى الحاجة إلى استخدام البيانات التاريخية ، أجرت الشركة أولاً تنظيف البيانات وتحليلها ، بمساعدة الذكاء الاصطناعي ، مما يقلل من 20 مليار نقطة بيانات من 100 محرك إلى 6 مليارات من أكثر نقاط البيانات نفوذا في 48 ساعة.
بعد ذلك ، قم بتوصيل مجموعات النماذج المتعددة حسب الوقت والنموذج لتصور البيانات وتحديد أي فجوات في البيانات. بناءً على تحليل الفجوة ، تم إجراء تعديلات لاستخراج بيانات معينة بشكل متكرر ، وبالتالي تحسين النمذجة. باستخدام منصة الذكاء الاصطناعي ، يتم التحليل بأكمله في بيئة منخفضة الخطورة دون أي تأثير على الإنتاج الحالي.
من هذه البيانات ، يمكن للمصنعين إنشاء خطوط الأساس ، وتحديد الاتجاهات والشذوذ ، وتطوير خطط لوضع المعلومات موضع التنفيذ. في غضون بضعة أسابيع فقط ، أنتجوا تقريرًا يحدد مجموعة من محركات المخاطر حسب الرقم التسلسلي. بناءً على هذه المعلومات ، يشتبه المصنعون في أن هذه المحركات لديها احتمال أكبر للمشاكل أثناء اختبارات مراقبة الجودة أو في هذا المجال. من خلال ربط بيانات الاختبار بفشل المنتج الفعلي ، حدد التقرير بدقة أكثر من 80 في المائة من مشاكل المحرك على مدار عدة سنوات.
من المهم أن نلاحظ أن هذا المشروع هو عملية تكرارية ، لأن نموذج الذكاء الاصطناعى يتعلم باستمرار. في حوالي 45 يومًا ، تمكن النموذج من التنبؤ بالفشل قبل 30 دقيقة مع معدل إيجابي خاطئ صفري.
تقليل اضطراب العمليات
أثناء الإطلاق الرسمي ، يتم توصيل حل AL بالبيانات في الوقت الفعلي الذي تم إنشاؤه بواسطة نظام التحكم في الاختبار وواجهة الجهاز البشري (HMI). هذا ليس له أي تأثير على التشغيل العادي. في الواقع ، تم دمج النموذج مع برنامج الاختبار القياسي للشركة ، ولم يكن المشغل يدرك حتى أنه تم تنفيذه. إنهم بحاجة فقط إلى معرفة أن واجهة HMI الخاصة بهم الآن ستقوم بإبلاغهم بأي مشكلات تلوح في الأفق وكيفية التعامل معها.
في أول 90 يومًا ، اكتشف تطبيق الذكاء الاصطناعى 20 حدثًا في الوقت الفعلي ، وتجنب أكثر من 4.5 مليون دولار في أضرار المحرك ، وحقق عائدًا 10x على الاستثمار (ROI) للمشروع.
كما توضح هذه الحالة ، يمكن للاستفادة من الذكاء الاصطناعي أن يوفر للمصنعين وسيلة لتقليل عيوب الجودة بشكل استباقي ، وتوفير المال ، وتحسين معدلات التسليم مع تقليل التعطيل في العمليات. بدءًا من أساس متين للبيانات والعمل مع الشركاء ذوي الخبرة ، يمكن أن توفر الذكاء الاصطناعي الرؤى اللازمة لدفع نتائج الأعمال ومساعدة الشركات المصنعة على التنافس في بيئة الأعمال المتطورة بسرعة اليوم.
لكن منظمة العفو الدولية لا يجب أن تكون حلًا يناسب الجميع. اعتمادًا على احتياجاتك والتطبيق والموقف المحدد ، يجب تخصيص حلول مختلفة. لذلك ، من المهم أن يكون لديك شريك موثوق بجانبك. عندما يتعلق الأمر بـ AI ، يمكنهم تقييم مكانك في رحلة التحول الرقمية الخاصة بك ، وفهم أهدافك أو تحدياتك ، وتحديد الحل من أفضل البائعين الذين يناسب احتياجاتك الفعلية.