logo821.gif (10572 bytes) 首頁          新增資料與公告

   

最新消息  :

荷蘭與 Maarel Orchids在國際市場上的突破

Westerlay Orchids的碳中和蘭花生產

農企業全面有機化的結局

 

 

數據分析與知識產業

首頁
上一層
BSE LAB 介紹
非洲產業研究中心
生醫研究之統計方法
授課資料
人文關懷
無官御史台
武漢肺炎與產業
智能生物產業
活動公告區

 

 
不要相信關於製造業人工智慧的神話
 

中興大學 生物系統工程研究室 陳加忠

 
 

資料來源:

HTTPS://WWW.INDUSTRYWEEK.COM/SPONSED/ARTICLE/21143512/DONT-BELIEVE-THE-MYTHS-ABOUT-AI-IN-MANUFACTURING

製造業中的人工智慧 (AI) 時代已經到來,它比許多中小型製造商 (SMM) 意識的內容,更容易獲得和負擔得起。但與如同以前的許多顛覆性創新技術,由於缺乏對成本、可擴展性和安全性的認識和警覺,人工智慧的採用速度放緩。

人工智慧的基礎是機器學習。機器學習的理念是通過不斷地攝取數據,並通過迭代和改進,機器實際上進行學習或變得更聰明。人工智慧指的是使用這種不斷改進的資訊,機器可以通過智慧執行任務。將機器學習視為操作的大腦,人工智慧推薦操作。對數據了解得越多,推薦的操作就越好。

人工智慧最常應用於製造業,以提高生產中的整體設備效率 (OEE) 和首過良率(first-pass yield)。憑藉經驗,SMM 可以使用 AI 來增加正常運行時間並確保始終如一的品質,從而實現更好的預測。

人工智慧實施似乎有點勢不可擋。人們普遍擔心,如何有效地使用目前負擔得起的計算能力,及其連接機器生成的數十億個數據點。許多 SMM 不確定如何開始,並且經常將他們在採用 AI 時的謹慎,歸因於關於在製造業中實施AI的三個常見迷失中的一個或多個:

1.它的價格昂貴。

2.你需要一個人工智慧專家團隊。

3.你還沒有準備好。

打破關於製造業人工智慧的神話

讓我們打破三個常見的神話:

1.它的價格昂貴。

與之前的其他創新一樣,人工智慧可以通過小的方式引入。AI可以在一台機器上完成實現。一個較小的計劃可能會在短短 45 天內收回成本。擁有一組相同機器的公司,可能能夠為每個類型機器支付固定費用,並一次推出一個實施機器系列。 

2.您需要一個 IT 專家團隊。

對於許多供應商,您不需要任何員工專業知識。機器操作員可能會發現,操作中除了警報通知他們出現問題之外,沒有任何不同。您可能不需要任何特殊的實施訓練。但是您確實需要在營運的業務方面有人了解流程以及如何說明計劃的可交付成果。 

3.你還沒有準備好。
我們沒有足夠的數據來部署它。” “我們有更緊迫的問題。” “我們的設備太舊了。” “我們沒有資源來管理這個項目。” 這些是常見問題。但有一些方法可以解決這些問題,以便您可以利用 AI 技術。您可能想問自己:這個問題讓您付出了什麼代價,您可以等待多長時間來解決它?如果你不制定行動計劃,你會準備好解決它嗎?

製造 AI 實施是什麼樣的

AI 供應商的接觸通常從評估分析機器和收集的數據開始。供應商將清理現有數據,並通過模型運作以查看可以學到什麼。供應商可能會建議添加感測器以填補數據中的任何空白。較舊的設備可能沒有足夠的感測器。但是現在存在許多負擔得起的市場感測器。

供應商將提供適當的演算法。本質上是要尋找什麼以及如何反應。結果範圍可以從警報通知機器操作員即將發生的問題,關閉系統。

成功的人工智慧實施需要三件事:

1.一個具體的和可衡量的問題,以證明投資回報率。

2.與問題相關的數據(或對數據的訪問)

3.行政和文化認同

製造商的營運和 IT 團隊必須與供應商密切合作,以實施最佳化。項目從小規模開始,早點得到結果,然後在工廠內進行。它可能從單個操作問題開始,然後擴展到整個企業。製造業中的人工智慧通常側重於避免計劃外停機。

AI 供應商清理數據時,它可能會在機器啟動期間,或其他趨勢或異常情況下看到某些活動或結果的不尋常數值。AI 著眼於一系列可以預測事件的因素(異常與正常)。任何異常的解釋是什麼?生產線是否需要關閉,或者在更換零件到達之前可以以 80% 的產能運行?

在一個真實的例子中,一家公司每年都會在主要設備上遇到幾次計劃外停機。更換零件價格昂貴,這使得擁有可用庫存零件的成本變得很高。但它的訂貨提前期也很長。每次故障都會造成生產損失數十萬美元。在分析數據、查看故障數據的正常情況、異常情況和相關性後,人工智慧能夠識別即將發生的故障,並提供足夠的警告來訂購零件,和安排計劃停機時間進行維修。

同樣,另一家製造商在測試少數巨型柴油發動機的最後階段出現故障,機型類似於用於為遊輪提供動力的發動機。使用傳統的分析方法可能需要數月才能找到問題根源。在 45 天內,AI 能夠預測 80% 的故障,並帶有一些誤報。在進一步訓練模型後,它現在可以 100%準確率工作,提醒操作員及時關閉測試以進行必要的維修。

AI 現在是一項競爭優勢,但採用率正在迅速增加。儘早利用這項技術的 SMM 具有競爭優勢。即提高了一次通過率,更一致的品質,改進的OEE,和更好的預測。現在的差異化因素很快將成為標準操作。AI在製造業預計每年將增長超過50%,直到2027年。事實上,很多少於50名員工廠家都在進入AI  

要從 AI 的優勢中受益,請與當地的專家聯繫,了解 AI 如何幫助您提高 OEE 並防止意外停機和品質問題。