Industry 4.0 فرصت هایی را برای القای هوش مصنوعی در تولید به ارمغان می آورد
ما در عصر صنعت 4.0 زندگی می کنیم. این انقلاب صنعتی چهارم با سرعت و مقیاس بیسابقهای که دارد به شما امکان میدهد رویکردی مبتنی بر دادهها را برای عملیات در پیش بگیرید. این دادهها، که از داراییهای شما استخراج میشوند، به ارزش میافزایند و تصمیمات هوشمندانهتری را ممکن میسازند. با ادغام داراییهای بیشتری در گردشهای کاری کسبوکار، همراه با فناوریهایی مانند 5G و محاسبات لبهای، چالش شما کشف آنچه مهم است – یافتن بینشهای درست، در مقیاس است. در میان این اختلال غیرعادی و جهانی، این بینشها میتوانند کلیدی حیاتی برای انعطافپذیری عملیاتی باشند.
با جمع آوری داده ها شروع کنید، سپس هوش مصنوعی را اضافه کنید
تولید مدرن به شدت به اینترنت اشیا (IoT) متکی است. این دستگاه ها، رایانه ها و حسگرها را برای دیدی جامع از تأسیسات تولیدی و دارایی های آن به منظور تقویت تولید و کیفیت به هم متصل می کند.
داده یک جزء است. اما این توانایی استفاده از هوش مصنوعی و یادگیری ماشینی برای تجسم آن داده ها است که اهمیت بیشتری دارد. کسب و کارها به طور فزاینده ای به دنبال هوش مصنوعی هستند تا به آنها کمک کند سیگنال را از نویز در سیستم های خود جدا کنند. در نظرسنجی اخیر آیبیام، ۳۴ درصد از شرکتها گفتند که از فناوری هوش مصنوعی استفاده میکنند، در حالی که این رقم در سال گذشته ۱۴ درصد بود. این به این دلیل است که این فناوریهای جدید چیزی هستند که در نهایت راهی برای رسیدگی هوشمندانهتر به نگهداری و عملیات دارایی در اختیار اپراتورها قرار میدهند.
چگونه هوش مصنوعی هوش را به تولید اضافه می کند
در یک کارخانه تولیدی که IT و OT ممکن است در سیلوهای اطلاعاتی کار کنند یا در سازمانی که فرآیندها در درجات مختلف از کارخانه ای به کارخانه دیگر متفاوت است، اتصال داده ها بین تیم ها بسیار مهم است. این ارتباط شما را قادر میسازد تا اطلاعات مناسب را به افراد مناسب، در زمینه مناسب، برای تصمیمگیری بهتر ارائه دهید. این دیدگاه مشترک به افزایش راندمان تولید و کنترل هزینه کمک می کند. تولید مبتنی بر هوش مصنوعی می تواند تا 30 درصد بهبود عملکرد و 15 درصد کاهش ضایعات را ایجاد کند.
به عنوان مثال، هنگامی که فعالیت های تعمیر و نگهداری بیش از حد مکرر انجام می شود، یک شرکت متحمل هزینه های غیر ضروری می شود. با این حال، یک کارخانه هوشمند میتواند از ناهنجاریها برای پیشبینی خرابی داراییها و برنامهریزی تعمیر و نگهداری تنها در صورت نیاز استفاده کند. این بدان معناست که می توانید هم زمان خرابی و هم هزینه ها را کاهش دهید. زیبایی هوش مصنوعی در توانایی آن برای یافتن آن ناهنجاری های پنهان نهفته است در حالی که سیستم به ظاهر عادی رفتار می کند.
این را در نظر بگیرید: ممکن است دو پارامتر داشته باشید که تماشا می کنید. هر دوی آنها ممکن است در آستانه خود باشند و هشدارها یا اعلانهایی مبنی بر اینکه مشکلی پیش میرود ارسال نمیکنند. با این حال، هوش مصنوعی به ما این امکان را می دهد که ببینیم اگر “param1” در انتهای بالایی اما در محدوده باشد، و “param2” در انتهای پایین اما در محدوده باشد، پس یک مشکل بالقوه وجود دارد. اکنون در مورد الگوهای ده ها یا حتی صدها پارامتر فکر کنید. این توانایی تجزیه و تحلیل روابط پیچیده این پارامترها است که به ما امکان می دهد یک ناهنجاری واقعی را کشف کنیم. و این تجزیه و تحلیل، که معمولاً برای تکمیل آن ساعتها تا چند روز طول میکشد (و گاهی اوقات حتی انجام آن به صورت دستی غیرممکن است)، اکنون در زمان واقعی انجام میشود تا عملیات به خوبی اجرا شود.
زمان پاسخگویی سریع با 5G + محاسبات لبه
زمانی که کلاوس شواب، بنیانگذار و رئیس مجمع جهانی اقتصاد، برای اولین بار در مورد انقلاب صنعتی چهارم در سال 2016 نوشت، شبکه های 5G حتی معرفی نشده بودند.
اکنون، 5G زمان پاسخگویی را از دقیقه و ثانیه به زیر ثانیه کاهش می دهد. که ارتباطات با حسگرها و محرک ها را تسریع می کند و نتایج شگفت انگیزی سریعتر ارائه می دهد. سپس، این را با محاسبات لبه جفت کنید. متوجه میشوید که محاسبه حجم انبوه داده از داراییهای همهجا چقدر آسانتر است، زیرا دیگر اطلاعات را در سراسر شبکه انتقال نمیدهید. در عوض، شما هوش مصنوعی خود را با منبع داده استنباط و امتیاز می دهید، به طوری که فقط نتایج منتقل می شود. هنگامی که عملیات خود را مقیاس بندی می کنید، این امر به ویژه قدرتمند می شود. به عنوان مثال، اگر شما 500 ماشین در یک کارخانه تولیدی دارید که هر کدام از آنالیزهای بصری و استنباط ها در آنجا استفاده می کنند. سپس شما هنوز 500 دستگاه دارید که در صورت تشخیص مشکل، میتوانند ویدیوها یا تصاویر را که فایلهای بزرگ هستند، برای ذخیرهسازی به سرور ارسال کنند.
با تولید مبتنی بر هوش مصنوعی، سازمانی انعطافپذیرتر بسازید
این زمانهای غیرعادی برای تولید است. قابلیتهای تغییر بازی با اختلالات ارائهنشده رقابت میکنند، زیرا شرکتها برای رسیدگی به پیامدهای کوتاهمدت و بلندمدت کسبوکار خود تلاش میکنند. همچنین فرصتی برای بازنگری در عملیات، بهبود جریان داده، خودکارسازی و بکارگیری بینشهای هوش مصنوعی است که عملیات انعطافپذیرتر و انعطافپذیرتری ایجاد میکند.
ما از شما دعوت میکنیم تا در مورد وضعیت فعلی بازار EAM و معنای آن برای سازمانهایی که در صنایع دارای دارایی فشرده هستند، بیاموزید. همچنین میتوانید بررسی کنید که چگونه نگهداری و عملیات هوشمند دارایی میتواند به شما کمک کند از Industry 4.0 سرمایهگذاری کنید و ارزشی را به سازمان خود ارائه دهید. و درباره خدمات IBM برای عملیات متصل هوشمند بیشتر بدانید.
کیفیت و بازده محصول را با عملیات تولید هوشمند، ایمن و سازگار بهبود بخشید
تولید مبتنی بر هوش مصنوعی – با راهحلهای مستقر در لبه – میتواند تا 30 درصد بهبود عملکرد و 15 درصد کاهش ضایعات و 5 تا 10 درصد کاهش در هزینههای عملیاتی ایجاد کند. همچنین می تواند سفر شما به Industry 4.0 را تسریع کند. خوشبختانه، آیبیام ترکیبی ضروری از نرمافزار، خدمات و تخصص صنعتی را برای ایجاد گردشهای کاری هوشمند دارد که به شرایط به سرعت در حال تغییر پاسخ میدهند. در هر کجای سفر دیجیتالی خود باشید، ما با شما همکاری خواهیم کرد تا بینش های مبتنی بر هوش مصنوعی و خدمات مشاوره ای را ارائه دهیم.
معایب مورد نیاز برای عملیات تجاری انعطاف پذیرتر. اگر آماده کسب اطلاعات بیشتر هستید، از شما دعوت می کنیم با یکی از کارشناسان صنعت ما صحبت کنید.
درباره نویسنده: Philipp Schume یک شریک در مرکز صلاحیت جهانی عملیات متصل هوشمند IBM است. برای بیش از یک دهه، او برای ارائه بهینه سازی و اتوماسیون فرآیند کار کرده است. او با شروع کار خود در IBM در آلمان، پروژههای اتوماسیون را در صنعت خودرو با موفقیت رهبری کرد و از آن زمان تحولات فرآیندی را در آمریکای شمالی، آمریکای لاتین و آسیا انجام داد. اکنون، Philipp بر روی عملیات متصل متمرکز شده است و ارائه Visual Insights را رهبری میکند و طیف وسیعی از پروژهها را با ترکیب فناوریهای سنتی و نوظهور با استفاده از فناوریهای پیشرفته IBM و بهترین خدمات IBM ارائه میکند.
1 IBM Global Business Services®. با این حال، بر اساس تعهدات قبلی IBM، نمیتوانیم نتایج مشابهی را برای سایر مشتریان تضمین کنیم.
منبع: ibm