Kaip jis gali panaudoti aukso pirštų atspaudus

IT departamentams, kurie aktyviai naudojasi daiktų interneto (IP) technologijomis, kad padarytų teigiamą poveikį gamybos procesui, yra svarbus terminas, kurį jie turi žinoti, ir ne tik todėl, kad tai skamba kaip kažkas, ką galbūt Indiana Jones kadaise persekiojo: „The Golden“ Pirštų atspaudas. Šią savaitę Hanoveryje, Vokietijoje vykstančioje CEBIT parodoje, kalbant apie „Software AG“ technologijos ir skaitmeninių aljansų viceprezidentą Bartą Schouwą, kalbėjau apie tai, kodėl šis pirštų atspaudas yra aukso spalvos ir ką tai reiškia IT.

„Auksinis pirštų atspaudas yra metafora“, - paaiškino Schouw ir tęsė sakydamas, kad tai buvo tarsi pagrindinis įrodymas detektyvo romane. Bet įmonėje tai galima pritaikyti gamybos procese, siekiant nustatyti, kada įvykdytos sąlygos gaminti tai, ką Schouw vadina tobulu produktu.

Aukso spalvos pirštų atspaudų radimas yra pasikartojantis procesas - užduočių projektas, kuris įvyksta, kai duomenys įrašomi gamybos metu ir išsaugomi, kad laikui bėgant būtų galima palyginti gamybos ciklus. Tuo pačiu metu gamyklos produkcija įvertinama taip, kad būtų užfiksuota kiekvieno gamybos proceso sėkmė kartu su duomenimis, kurie buvo užfiksuoti gaminant gaminį. Teisingai padaryta, kokie rezultatai yra tam tikros rūšies pirštų atspaudai, kuriuos sudaro visos gamybos įrangos įvestos informacijos - jutiklių, kurie užfiksavo produkto būklę gamybos metu, ir proceso sėkmės metrika.

Pirštų atspaudų darymo procesas iš pradžių buvo sukurtas chemijos pramonei, tačiau Schouw teigė, kad jis paprastai taikomas daugumai gamybos rūšių. Pavyzdžiui, automobilių gamintojas turėtų įrašus apie tai, iš kur kilo kiekvienas komponentas, temperatūrą dažymo metu, kiekvieno varžto ar varžto sukimo momentą ir roboto suvirintojo rodmenis, kai jie statė važiuoklę. Tada, kai automobilis gaminamas, stebima gamybos kokybė, kai automobilis yra aptarnaujamas ar taisomi defektai.

Mašinų mokymasis automobilių gamyboje

Pritaikykime scenarijų hipotetinei automobilių gamyklai. Kai gaminamas kiekvienas automobilis, rodmenys stebimi gamybos proceso pabaigoje ir lyginami su ankstesniais gamybos ciklais. Tarkime, atsiranda problema, pvz., Varžtas priveržiamas netinkamam sukimo momento nustatymui, pavyzdžiui. Ši problema užfiksuota ir dabar ją galima ištaisyti prieš parduodant automobilį. Galų gale gamybos mašinas galima sukalibruoti taip, kad tų klaidų neatsitiktų, o transporto priemonės būtų siunčiamos be didelių trūkumų.

„Kartais, ypač perdirbimo pramonėje, nėra aišku, kurios sąlygos iš tikrųjų lemia tobulą produktą“, - teigė Schouw. "Taigi, mokydamiesi mašinų ir naudodamiesi naujomis duomenų vizualizacijos priemonėmis, iš tikrųjų galite paimti gamybos ciklo, kuris baigė tobulą produktų partiją, duomenis. Tada galite paprašyti mašininio mokymosi įrankių grįžti atgal ir rasti panašius duomenų modelius."

Kaip ir galima tikėtis, bet kokiai sudėtingai gamybai reikės tūkstančių atskirų duomenų taškų kiekvienam gamybos etapui, kad pakaktų duomenų prasmingam pirštų atspaudui gauti. Tam, savo ruožtu, reikalingi jutikliai, matuojantys gaminio būklę bet kuriuo metu, taip pat gamybos įrankių ir mašinų būklė, kai jie naudojami. Štai IoT technologijos ir IT skyrius įgauna spindesį.

Kiekvienam gamybos etapui pasibaigus, to bandymo duomenys gali būti pateikiami kaip įvykių, vedančių į produktą, schema. Tam reikia tinkle esančių jutiklių ir įrankių bei tų įvykių fiksavimo priemonių. Taip pat vertinimams atlikti reikalinga specializuota programinė įranga. Schouw teigė, kad ši dalis tampa svarbiu dirbtinio intelekto (AI) ir mašinų mokymosi panaudojimo pavyzdžiu.

Gamybos duomenų stebėjimas realiuoju laiku

Čia susimaišo IT ir gamyba. IT departamentas turi sujungti didžiulį duomenų kiekį iš kiekvieno gamybos etapo ir naudoti jį, kad palygintų kiekvieną tyrimą su tobulo tiražo auksiniu pirštų atspaudu. Kadangi bėgimas analizuojamas realiu laiku, jis taip pat lyginamas su ankstesniais bėgimais, kad būtų galima iš anksto iš anksto nustatyti, kada bėgimas greičiausiai nebus sėkmingas.

Gaminant procesą, gali būti įmanoma koreguoti gamybos parametrus, net jei jie vyksta, kad priartintumėte gaminį prie auksinio piršto atspaudo. Galimybė vizualizuoti bėgimą gamybos metu ir iš anksto nustatyti, kada bėgimas nebus sėkmingas, gali sutaupyti daug lėšų - nešvaistydami papildomų medžiagų bėgime, kuris nebus sėkmingas, ir negaišdami daugiau laiko.

Schouw atkreipė dėmesį į „Trendminer“ kaip vieną iš pavyzdžių, kai įmonė gamina programinę įrangą, kuriančią AI, sugebančią rasti aukso pirštų atspaudus ir realiu laiku stebėti gamybos procesą. Jis taip pat pasidalijo, kad „Software AG“ planuoja įsigyti „Trendminer“.

Gamybos efektyvumas

Vis dėlto IoT ir gamyba nėra viskas, kas susiję su išlaidų taupymu ir aukštesnės kokybės aspektais. Schouw paaiškino, kad kitas mašinų mokymosi panaudojimo gamyboje aspektas yra susijęs su F kreivės sekimu („F“ žymi gedimus, kurie laikui bėgant stebimi gamykloje). Kai sekate F kreivę, efektyviai imate pirštų atspaudus gamyklos, o ne produkto, pradedant nuo tada, kai gamykla pirmą kartą pastatyta, o tada, kai ji pradedama eksploatuoti, ir tada, kai ji galutinai uždaroma, nes gedimų procentas pasiekia nepriimtiną lygį, kaip gamybos įrenginių amžius.

Stebint sąlygas, kurios laikui bėgant lemia gamybos nesėkmes, jas galima sumažinti iki priimtino lygio, kol pasieksite mažėjančią grąžą: Kai per brangu laikyti daiktus ir vietoj to prasmingiau atstatyti gamyklą.

Svarbu tai, kad tiesiogiai įtraukiant IT į gamybos procesą, gamyba tampa efektyvesnė, joje mažiau atliekų ir mažiau defektų. Ir įmonė taupo pinigus. Tinkamai atlikta, rezultatai parodomi beveik iškart. Gamybos verslo IT padaliniams auksinis pirštų atspaudas yra puikus pojūtis, kai reikia integruoti daiktų internetą su pačia verslo širdimi.