Jak může využít zlatého otisku prstu k využití iot

Pro oddělení IT aktivně usilující o využití technologie internetu věcí (IoT), aby pozitivně ovlivnily výrobní proces, je důležité, aby to věděli, a to nejen proto, že to zní jako něco, co by jednou mohla honit Indiana Jones: Zlatá Otisk prstu. Mluvil jsem s Bartem Schouwem, viceprezidentem pro technologie a digitální aliance ve společnosti Software AG, na veletrhu CEBIT, který se koná tento týden v německém Hannoveru, o tom, proč je tento otisk prstu zlato a co to znamená pro IT.

„Zlatý otisk prstu je metafora, “ vysvětlil Schouw a dále řekl, že to bylo jako klíčový důkaz v detektivním románu. V podniku však lze použít na výrobní proces a určit, kdy jsou splněny podmínky pro výrobu toho, co Schouw nazývá dokonalým produktem.

Nalezení zlatého otisku prstu je iterační proces, plán úlohy, ke kterému dochází, když jsou data zaznamenána během výroby a uložena, aby bylo možné v průběhu času porovnat řadu výrobních běhů. Současně se vyhodnocuje výstup z továrny tak, aby byl zaznamenán úspěch každého výrobního cyklu, spolu s daty, které byly zaznamenány během výroby. Správně, jaký výsledek je druh otisku prstu, který se skládá z celkového počtu vstupů z výrobního zařízení - snímačů, které během výroby zaznamenávaly stav produktu - a metriky celkového úspěchu pro výsledek procesu.

Proces otisku prstu byl původně vyvinut pro chemický průmysl, ale Schouw řekl, že je obecně použitelný pro většinu typů výroby. Například výrobce automobilů by měl mít záznamy o tom, odkud každá součást pochází, teploty během lakování, odečty točivého momentu pro každý šroub nebo šroub a hodnoty od svářečů robotů, když stavěli podvozek. Poté, když je vozidlo vyrobeno, je sledována kvalita výroby, když je auto opraveno nebo když jsou vady opraveny.

Strojové učení v automobilovém průmyslu

Použijme scénář na hypotetickou automobilovou továrnu. Jak je vyrobeno každé auto, odečty jsou sledovány během výrobního procesu end-to-end a porovnávány s předchozími výrobními cykly. Řekněme, že nastane problém, například šroub utažený na nesprávné nastavení točivého momentu. Tento problém je zaznamenán a nyní může být odstraněn před prodejem automobilu. Výrobní stroj může být nakonec kalibrován tak, aby k těmto chybám nedocházelo a vozidla byla dodávána bez významných vad.

"Někdy, zejména v zpracovatelském průmyslu, není jasné, jaké podmínky skutečně vedou k dokonalému produktu, " řekl Schouw. "Takže pomocí strojového učení a nových nástrojů pro vizualizaci dat můžete skutečně vzít data výrobního cyklu, který vedl k dokonalé dávce produktu. Potom můžete požádat nástroje strojového učení, aby se vrátili a našli podobné vzory v datech."

Jak se dalo očekávat, jakýkoli druh složité výroby by vyžadoval tisíce jednotlivých datových bodů pro každý výrobní běh, aby měl dostatek dat pro smysluplný otisk prstu. To zase vyžaduje senzory, které měří stav produktu v jakémkoli daném okamžiku, jakož i stav výrobních nástrojů a strojů, jak jsou používány. To je místo, kde technologie IoT a oddělení IT začnou svítit.

Po dokončení každého výrobního cyklu lze data z tohoto cyklu vizualizovat jako vzor událostí vedoucích k produktu. To vyžaduje síťové senzory a nástroje a prostředky pro zaznamenávání těchto událostí. Vyžaduje také specializovaný software pro provádění hodnocení. Schouw řekl, že tato část se stává důležitým případem použití pro umělou inteligenci (AI) a strojové učení.

Sledování výrobních dat v reálném čase

V tomto okamžiku se IT a výroba setkávají. IT oddělení musí sjednotit obrovské množství dat z každého výrobního cyklu a poté je použít k porovnání každého běhu se zlatým otiskem dokonalého běhu. Protože je běh analyzován v reálném čase, je také porovnáván s předchozími běhy, takže je možné určit s dostatečným předstihem, kdy je běh nepravděpodobný.

Při výrobě procesu je možné provést úpravy výrobních parametrů, i když se dějí, aby se běh přiblížil zlatému otisku prstu. Schopnost vizualizovat běh během výroby a předem určit, kdy bude běh neúspěšný, může přinést značné úspory - tím, že se nebude ztrácet další materiál v běhu, který nebude úspěšný a nebude ztrácet další čas.

Schouw poukázal na Trendminera jako na příklad společnosti, která vyrábí software poháněný umělou inteligencí, který dokáže najít zlatý otisk prstu a také sledovat výrobní proces v reálném čase. Také sdílel, že Software AG plánuje získání Trendmineru.

Zefektivnění výroby

Úspora nákladů a kvalitnější aspekty však nejsou jen věcí IoT a výroby. Schouw vysvětlil, že dalším aspektem využití strojového učení ve výrobě je sledování dráhy F (křivka F znamená chyby, které jsou sledovány v průběhu času v továrně). Když sledujete křivku F, efektivně otiskujete továrnu spíše než produkt, počínaje prvním postavením továrny a poté, kdy je uvedena do provozu, a poté, když je konečně vypnuta, protože procento poruch dosahuje nepřijatelných úrovní, věk výrobních zařízení.

Sledováním podmínek, které v průběhu času přispívají k selhání výroby, je možné je snížit na přijatelnou úroveň, dokud nedosáhnete bodu snižujícího se výnosu: Když je to příliš drahé na to, aby se věci opravovaly, a místo toho má větší smysl přestavět továrnu.

Důležité je, že díky přímému zapojení IT do výrobního procesu je výroba efektivnější a je méně odpadu a méně vad. A společnost šetří peníze. Správně, výsledky se zobrazí téměř okamžitě. Pro oddělení IT ve výrobních podnicích má zlatý otisk prstu vynikající smysl jako výchozí bod pro integraci internetu věcí se samotným srdcem podnikání.