Kuinka se voi käyttää kultaista sormenjälkeä hyödyntääkseen paljon

IT-osastoille, jotka pyrkivät aktiivisesti hyödyntämään esineiden Internet-tekniikkaa hyödyntämään tuotantoprosessia, on tärkeä termi, joka heidän on tiedettävä, eikä vain siksi, että se kuulostaa siltä, ​​että Indiana Jones on saattanut kerran jahtaa: The Golden Sormenjälki. Puhuin Software AG: n teknologia- ja digitaaliliittojen varatoimitusjohtaja Bart Schouw'n kanssa CEBIT-messuilla, jotka järjestetään tällä viikolla Hannoverissa, Saksassa siitä, miksi tämä sormenjälki on kullanväristä ja mitä tämä tarkoittaa IT: lle.

"Kultainen sormenjälki on metafora", Schouw selitti ja jatkoi, että se oli kuin keskeinen todiste detektiiviromaanissa. Mutta yrityksessä sitä voidaan soveltaa valmistusprosessiin sen määrittämiseksi, milloin ehdot täyttyvät, jotta Schouw kutsuu täydelliseksi tuotteeksi.

Kultaisen sormenjäljen löytäminen on toistuva prosessi, tehtäväsuunnitelma, joka tapahtuu, kun tiedot tallennetaan valmistuksen aikana ja tallennetaan siten, että valmistusjaksoja voidaan verrata ajan myötä. Samanaikaisesti tehtaan tuotanto arvioidaan siten, että jokaisen valmistusjakson menestys kirjataan samoin kuin tiedot, jotka tallennettiin valmistuksen aikana. Oikein tehty, mitkä tulokset ovat eräänlainen sormenjälki, joka koostuu kaikista valmistuslaitteiden syöteistä antureista - antureista, jotka kirjasivat tuotteen tilan valmistuksen aikana - ja prosessin lopputuloksen ylimääräisestä menestysmittarista.

Sormenjälkien valmistusprosessi kehitettiin alun perin kemianteollisuudelle, mutta Schouw sanoi, että se soveltuu yleensä useimpiin valmistuslajeihin. Esimerkiksi autonvalmistajalla olisi tietueet kustakin komponentista, mistä maalaus tapahtui, lämpötilat maalauksen aikana, momentit lukemat jokaiselle ruuville tai pultille ja lukemat robottihitsauslaitteista, kun ne rakensivat alustan. Sitten, kun auto on valmistettu, tuotannon laatua seurataan, kun auto huolletaan tai kun viat korjataan.

Koneoppiminen autoteollisuudessa

Sovelletaan skenaario hypoteettiseen autotehtaaseen. Kun jokainen auto valmistetaan, lukemia seurataan kokonaisvaltaisen tuotantoprosessin aikana ja verrataan aikaisempiin tuotantoajoihin. Oletetaan, että ilmenee ongelma, kuten esimerkiksi pultin kiristäminen väärään vääntömomenttiasetukseen. Tämä ongelma kirjataan, ja nyt se voidaan korjata ennen auton myyntiä. Lopulta tuotantokoneet voidaan kalibroida siten, että näitä virheitä ei tapahdu ja ajoneuvot lähetetään ilman merkittäviä vikoja.

"Joskus, etenkin prosessiteollisuudessa, ei ole selvää, mitkä olosuhteet todella johtavat täydelliseen tuotteeseen", Schouw sanoi. "Joten koneoppimisen ja uusien tietojen visualisointityökalujen avulla voit tosiasiassa ottaa tuotantotiedot, jotka johtivat täydelliseen tuoteerään. Sitten voit pyytää koneoppimisen työkaluja palaamaan takaisin ja löytämään samanlaisia ​​malleja tiedoista."

Kuten saatat odottaa, kaikenlainen monimutkainen valmistus vaatisi tuhansia yksittäisiä datapisteitä jokaiselta valmistuskerralta, jotta niillä olisi tarpeeksi tietoa tarkoituksenmukaiselle sormenjälkelle. Tämä puolestaan ​​vaatii anturit, jotka mittaavat tuotteen tilan milloin tahansa, samoin kuin valmistuksen työkalujen ja koneiden tilan niiden käytön aikana. IoT-tekniikka ja IT-osasto saavat loistaa.

Kun jokainen valmistusajo on valmis, kyseisen ajon tiedot voidaan visualisoida tuotteeseen johtavien tapahtumien mallina. Tämä vaatii verkottuneita antureita ja työkaluja sekä keinon näiden tapahtumien tallentamiseksi. Se vaatii myös erikoistuneita ohjelmistoja arviointien suorittamiseksi. Schouw sanoi, että tästä osasta tulee tärkeä tekoälyn tekoälyn (AI) ja koneoppimisen käyttötapaus.

Tuotantotietojen seuranta reaaliajassa

Tässä vaiheessa IT ja valmistus tulevat yhteen. IT-osaston on konsolidoitava valtava määrä tietoja jokaisesta valmistuserästä ja sitten käytettävä sitä vertaamaan kutakin ajoa täydellisen ajon kultaiseen sormenjälkeen. Koska ajo analysoidaan reaaliajassa, sitä verrataan myös aikaisempiin ajoihin, jotta on mahdollista määrittää hyvissä ajoin etukäteen, milloin ajo todennäköisesti onnistuu.

Prosessivalmistuksessa voi olla mahdollista tehdä säätöjä valmistusparametreihin, vaikka ne tapahduvatkin saattamaan lähemmäksi kultaista sormenjälkeä. Kyky visualisoida ajo tuotannon aikana ja määrittää etukäteen, milloin ajo ei onnistu, voi tuottaa merkittäviä säästöjä - hukkaamalla lisämateriaalia ajon aikana, joka ei tule olemaan menestyksekästä, ja tuhlaamatta lisää aikaa.

Schouw viittasi Trendmineriin yhtenä esimerkkinä yrityksestä, joka tuottaa AI-käyttöistä ohjelmistoa, joka pystyy löytämään kultaisen sormenjäljen ja seuraamaan tuotantoprosessia reaaliajassa. Hän kertoi myös, että Software AG on suunnitellut ostaa Trendminerin.

Tuotannon tehostaminen

Kustannussäästöjä ja laadukkaampia näkökohtia ei kuitenkaan ole vain Internetissä ja teollisuudessa. Schouw selitti, että toinen näkökohta koneoppimisen käytölle valmistuksessa liittyy F-käyrän seuraamiseen ("F" tarkoittaa virheitä, joita seurataan tehtaalla ajan myötä). Kun seuraat F-käyrää, sormenjäljet ​​otetaan tosiasiallisesti tehtaan eikä tuotteen sijaan: aloitat kun tehdas ensin rakennetaan ja sitten kun se otetaan käyttöön ja sitten kun se lopullisesti sammutetaan, koska vikojen prosenttiosuus saavuttaa kohtuuttoman korkean tason, kuten tuotantolaitosten ikä.

Seuraamalla olosuhteita, jotka myötävaikuttavat tuotantohäiriöihin ajan mittaan, on mahdollista alentaa ne hyväksyttävälle tasolle, kunnes saavutat pisteen, jolla tuotot vähenevät: Kun on liian kallista jatkaa asioiden korjaamista ja sen sijaan tehtaan rakentaminen on järkevämpää.

Tärkeää on, että ottamalla IT suoraan mukaan valmistusprosessiin, valmistus tehostuu ja siellä on vähemmän jätettä ja vähemmän vikoja. Ja yritys säästää rahaa. Valmistettu oikein, tulokset näkyvät melkein heti. Tuotantoyritysten IT-osastoille kultainen sormenjälki on erinomainen järkevä lähtökohta integroitaessa internet Internetin ytimeen.