Небольшие производители экономят на производстве с помощью искусственного интеллекта

Искусственный интеллект широко признан важнейшим аспектом того, что широко называют Индустрией 4.0. Хотя никто еще не знает, как искусственный интеллект будет включен в следующий этап промышленной революции, большинство согласны с тем, что он позволит улучшить взаимодействие между людьми, машинами и информационными технологиями, что позволит производителям лучше оптимизировать процессы и прогнозировать проблемы.

Каким образом малые и средние производители (SMM), у которых обычно нет времени или капитала, необходимых для тестирования новых технологий, должны оценивать, как искусственный интеллект может повлиять на их организацию, и играть роль в их подготовке к Индустрии 4.0 ?

Ожидание, так сказать, решения производственного сектора, конечно, не вариант. Задержка на один, два или пять лет может привести к тому, что производитель останется позади. Время действовать, но путь вперед не ясен.

Один из способов решить эту проблему - оценить искусственный интеллект с помощью непрерывной трансформации, которую уже приняли многие SMM:бережливого производства.

Постоянное совершенствование с помощью искусственного интеллекта

Центральное место в философии бережливого производства занимает идея постоянного совершенствования. Это приверженность постоянным изменениям. Для бережливого производства необходимо постоянно поддерживать готовность к изменениям, чтобы при выявлении возможности для улучшения ее можно было быстро реализовать.

Бережливые улучшения происходят через вмешательства. Если проблема обнаружена, например, в процессе, работа останавливается. Члены группы призваны наблюдать, делать выводы, выносить суждения и в конечном итоге предпринимать действия, направленные на устранение причины проблемы. Эта прерывистая операция и есть то, как работает бережливое производство, хотя его ритм «стоп-старт» кажется в корне противоречащим идее непрерывного улучшения. Однако это то, что в настоящее время возможно - или, по крайней мере, возможно с человеческой точки зрения.

А что, если бы вам не пришлось останавливать работу, чтобы выполнить бережливую операцию? Что, если бы вы могли выполнять основную часть фундаментального бережливого процесса (наблюдать, делать выводы, делать суждения, принимать меры) во время работы, делая процесс бережливого производства более непрерывным? Это одно из главных обещаний искусственного интеллекта для производственных операций любого масштаба.

Где бережливые операции могут начинаться с искусственного интеллекта

Искусственный интеллект - это обширная область, которая включает в себя широкий спектр технологий - от алгоритмов, способных обучаться на основе наборов данных, до роботов, которые напоминают что-то из научной фантастики.

Что касается мелких производителей, то тип искусственного интеллекта, которым они должны заниматься в первую очередь, - это суб-дисциплина, называемая машинным обучением. Как определяет это Амит Мангани в своем «Учебнике по машинному обучению»:

Мангани описывает четыре типа машинного обучения, каждый из которых может найти применение в бережливом производстве. Однако это предполагает, что небольшой производитель готов инвестировать в вычислительные мощности, чтобы сделать необходимые данные доступными для вычислительного анализа:

1. Машинное обучение с учителем
2. Машинное обучение без учителя.
3. Полуавтоматическое машинное обучение.
4. Машинное обучение с подкреплением.

Давайте рассмотрим каждую из этих четырех возможностей применения машинного обучения в бережливом производстве более подробно ниже:

1. Машинное обучение с учителем

В контролируемом машинном обучении алгоритмы анализируют входящие данные, присваивая метки любым данным, которые соответствуют заранее определенным критериям. Экономичные производители могут использовать такую ​​технику для автоматизации контроля качества сложных деталей, например, предполагая, что соответствующие данные детали могут быть записаны и предоставлены алгоритму.

2. Машинное обучение без учителя

При неконтролируемом машинном обучении нет предопределенных ответов, которые алгоритм мог бы использовать для сортировки данных. Скорее, алгоритм должен наблюдать и оценивать данные по мере их накопления, выявляя закономерности и создавая новые ярлыки. Этот тип машинного обучения может использоваться бережливыми производителями для контроля производственной машины или ряда сетевых машин на предмет необычного поведения и, таким образом, прогнозирования неисправности.

3. Полу-контролируемое машинное обучение

Как видно из названия, полууправляемое машинное обучение сочетает в себе контролируемый и неконтролируемый подходы. В частично контролируемом сценарии для данных есть несколько меток. Другие критерии также разрабатываются алгоритмом с течением времени под наблюдением человека. Сценарий с частичным контролем может быть полезен для оптимизации серийного производства деталей, потенциально устраняя как детали, так и технологические отходы.

4. Машинное обучение с подкреплением

В сценарии подкрепления алгоритм прогнозирует, какое действие из набора возможных действий приведет к наивысшей награде. SMM, вовлеченные в процесс бережливой трансформации, могут использовать этот тип машинного обучения, чтобы взвесить различные пути к процессно-ориентированным изменениям, которые они предполагают.

Машинное обучение может дополнить бережливое производство

Сосредоточившись на машинном обучении, можно начать видеть, как существуют приложения для искусственного интеллекта, которые полезны и доступны для большинства производителей, независимо от их размера. В некоторых случаях части головоломки могут быть уже доступны в виде данных, собранных уже установленными датчиками машин, существующей инфраструктурой информационных технологий (ИТ) и операционных технологий (ОТ).

Когда SMM начинают рассматривать приложения для искусственного интеллекта, важно помнить, что ни один из этих сценариев автоматически не угрожает доступности рабочих мест для людей. Скорее, эти идеи могут быть реализованы в качестве дополнения к процессу бережливого производства, расширяющему возможности сотрудников, путем предоставления сотрудникам доступа к информации в реальном времени и более совершенным инструментам для решения и выполнения проблем на рабочем месте.

Полезная аналогия - современные автомобильные сенсорные технологии, которые дополняют осведомленность и восприятие водителей-людей. Эта технология не только повышает безопасность, но и помогает снизить трение во всей системе вождения, выравнивая поведение всех на дороге. Таким образом, автомобильные технологии безопасности никого не исключают из уравнения вождения - они делают вождение более безопасным и эффективным.

Если мы примем эту точку зрения, искусственный интеллект можно рассматривать как еще один инструмент в наборе инструментов бережливого производства, хотя и потенциально очень мощный.