18 сентября 2020

Семь проблем промпредприятий, которые решает искусственный интеллект

Семь проблем промпредприятий, которые решает искусственный интеллект

По данным IoT Analytics, в 2019 году объём рынка промышленных систем искусственного интеллекта достиг 15 миллиардов долларов. И это не предел: интерес к интеллектуальным инструментам на производстве только растёт. Чаще всего это расчёты графиков техобслуживания, контроль качества, оптимизация производственных процессов и цепочек поставок, а также обеспечение безопасности. Расскажем, как искусственный интеллект уже решает сейчас актуальные проблемы на заводах и фабриках крупнейших мировых производителей.

Внедрение технологичных решений уже сегодня помогает предприятиям работать эффективнее. А хранить информацию, которая непременно будет накапливаться в процессе такой работы, надёжнее всего в защищённом облаке.

Проблема №1: Крупному предприятию сложно выполнять техобслуживание оборудования в срок

Решение: Nissan использует искусственный интеллект для оценки срока эксплуатации инфраструктуры.

Крупнейший японский автоконцерн показывает пример внедрения искусственного интеллекта по самому популярному сценарию — использует его для организации профилактического обслуживания роботов, конвейеров, подъёмников, насосов, двигателей и другого оборудования. Специальная программа прогнозирует остаточный срок эксплуатации более 2500 объектов, контролируя их удалённо с помощью интеллектуальных алгоритмов. Это позволило оптимизировать графики техобслуживания и работать на опережение — делать ремонт до того, как оборудование выйдет из строя. В Nissan в два раза сократили незапланированные простои на производстве и в несколько раз увеличили количество критически важных объектов, которые нужно отслеживать, не нагружая дополнительно команду по техническому обслуживанию.

По данным ResearchAndMarkets, в 2019 году промышленные системы на базе искусственного интеллекта чаще других использовали крупные автомобильные концерны.

Проблема №2: Не хватает человеческих ресурсов для тщательного контроля качества на производстве

Решение: BOSCH почти вдвое увеличила скорость оценки качества своей продукции за счёт искусственного интеллекта.

Компания сэкономила 1,3 миллиона долларов и на 45% сократила время, необходимое для проведения испытаний. Это произошло за счёт внедрения системы оптического контроля на одном из своих заводов. В автоматических оптических устройствах используются специальные камеры, которые тестируют продукцию на наличие необходимых компонентов и отсутствие критичных дефектов (нарушение формы, размеров и другие). Технологичное решение позволило производителю повысить качество контроля, сократить штат сотрудников, которые занимались ручным визуальным осмотром, а также организовать сортировку по типам дефектов. В BOSCH намерены к 2025 году использовать искусственный интеллект при производстве всех продуктов.

Проблема №3: Не понимая спроса на продукцию, сложно рассчитать объём производства

Решение: Continental отслеживает обслуживание своих шин, которые находятся в эксплуатации.

Немецкий производитель шин и автокомпонентов использует программный комплекс для прогнозирования оптимального времени замены шин, которые находятся в эксплуатации у крупных клиентов. Специальное ПО оценивает общий пробег транспортного средства и сравнивает его с базовыми показателями. Это позволяет Continental своевременно оповещать клиентов о необходимости замены шин и повышает пассивную безопасность на дорогах. Автопарки, в свою очередь, работают более эффективно, реже сталкиваются со сложными поломками и снижают затраты на техническое обслуживание. А главная ценность такого интеллектуального решения — увеличение времени безотказной работы автомобиля.

Проблема №4: Штрафы и давление со стороны экологических служб

Решение: Siemens использует нейронные сети для мониторинга выбросов.

Немецкая компания использует «интеллектуальное облако» для контроля экологической составляющей своего оборудования. Умная система отслеживает, регистрирует и анализирует все процессы на производстве от проектирования до доставки. За счёт этого удаётся вовремя обнаружить проблему, о которой человек обычно даже не подозревает. Искусственный интеллект уже помог Siemens сократить выбросы газовых турбин лучше, чем это делали технические специалисты. На каждую новую газовую турбину в Siemens устанавливают до 500 датчиков, которые постоянно измеряют температуру, давление, напряжение и другие критичные параметры. Данные с датчиков отправляются на интеллектуальную платформу, а уже она использует их для обучения, совершенствуя процесс контроля и регулировки топливных клапанов. Конечная цель использования этой системы — создать оптимальные условия сгорания в зависимости от конкретных погодных условий и текущего состояния оборудования, что в итоге позволяет сократить количество вредных выбросов в атмосферу.

Основные драйверы рынка систем искусственного интеллекта — big data, интернет вещей и рост вычислительной мощности в целом. А главный сдерживающий фактор роста — нежелание производителей внедрять высокотехнологичные решения из-за финансовых соображений или низкой квалификации сотрудников.

Проблема №5: Не выявленная вовремя проблема может привести к денежным и репутационным потерям

Решение: General Electric с помощью искусственного интеллекта контролирует производство и выявляет возможные проблемы до их появления.

В компании находят проблемы в зачаточном состоянии — до того, как они станут критичными. Интеллектуальные инструменты на заводах крупнейшего производителя промышленного оборудования занимаются поиском наименее эффективных процессов и оперативно определяют их причины. На одной глобальной масштабируемой интеллектуальной системе обрабатывают информацию о процессах проектирования, производства, цепочках поставок, распределения товаров, также к ней подключены датчики для автоматического отслеживания каждого этапа процесса и мониторинга отдельных частей сложного оборудования. Их совместная работа и интеллектуальная постобработка данных, полученных в результате контроля, помогли компании General Electric на 18% повысить продуктивность работы.

Проблема №6: Сложно обнаружить неочевидные дефекты, которые могут обернуться убытками

Решение: На заводах Nokia приложение с элементами искусственного интеллекта предупреждает сборщиков о возможных проблемах.

Успехом завершилось тестирование мобильного приложения с элементами машинного обучения, с помощью которого финский производитель будет предупреждать своих сборщиков о несоответствиях в производственном процессе. Результаты работы приложения уже оценили на фабрике в Оулу, где операторы получают сигналы об отклонениях от производственных норм. Это позволяет исправлять проблемы в режиме реального времени, не допуская серийного выпуска дефектной продукции.

Проблема №7: Перепроизводство продукции с коротким сроком хранения — ещё одна причина убытков

Решение: В Danone искусственный интеллект прогнозирует покупательский спрос.

Французский производитель молочной продукции заинтересован в том, чтобы в любой момент иметь точный прогноз покупательского спроса. Для этого в компании используют машинное обучение, которое учитывает результаты маркетинговых мероприятий и цепочки поставок для составления чёткого представления о том, сколько и какой продукции необходимо произвести в конкретное время. Благодаря интеллектуальным инструментам в Danone оптимизировали планирование запасов и сократили количество ошибок в прогнозах на 20% по сравнению с ручными методами расчётов.

Внедряя технологии искусственного интеллекта и анализируя для этого огромное количество информации, необходимо позаботиться о её безопасном хранении. Например, облачный сервис #CloudМТС не только вмещает нужные данные, но также защищает их от хакеров, вирусов и держит резервную копию на случай ЧП.

Новое и лучшее