Источник : Перспективы производства

Исследование Arecent предсказало, что внедрение машинного обучения (ML) для обеспечения профилактического обслуживания, как ожидается, расширится среди производителей на 38 процентов благодаря его способности увеличивать размер прибыли за счет устранения незапланированных остановок в работе.

ФРЕМОНТ, Калифорния: сегодня основная стратегия роста производственных предприятий заключается в повышении эффективности рабочих мест путем инвестирования в платформы машинного обучения (ML), которые обеспечивают проницательность, необходимую для повышения качества продукции и производительности. Машинное обучение превращает промышленную операцию в сеть систем, которые позволяют быстрее подключать продукты по цене кофе, поэтому бизнес может оставаться конкурентоспособным и радовать своих клиентов.

Преобразования в промышленности, связанные с машинным обучением, включают:

Прогностическое обслуживание

Перспектива заранее предсказать сбои в работе сборочной линии часто бесценна для производителей. Это помогает менеджеру планировать время простоя в наиболее выгодное время и устранять незапланированные простои. Импровизированные простои сильно бьют по размеру прибыли и могут закончиться потерей клиентской базы. Кроме того, это также нарушает цепочку доступности, вызывая транспортировку избыточных запасов.

Необходимость привлечения дополнительной рабочей силы также может стоить кучу денег. Недавнее исследование предсказало, что внедрение машинного обучения (ML) для обеспечения профилактического обслуживания, как ожидается, расширится среди производителей на 38 процентов благодаря его способности увеличивать размер прибыли за счет устранения незапланированных остановок в работе.

Конвергенция ИТ/ОТ и сетевая безопасность

Расширение ML также приведет к многочисленным изменениям бизнес-моделей в рамках обычных операционных процедур производителя. Такой подход особенно актуален в рамках организационной структуры предприятия. Кроме того, компьютерная сеть, которая является почитаемой площадкой отдела информационных технологий (ИТ), должна быть совмещена с операционными датчиками на производственном оборудовании. Поэтому данные часто собираются и отправляются в хранилище знаний в качестве обучающих данных для целей машинного обучения.

Должно быть простое сотрудничество и сотрудничество между внутренними группами. В конце концов, если сеть окажется ненадежной или будет взломана, это серьезно повлияет на технических специалистов и операторов цехов, что может привести к остановке производства. Устройства и датчики операционных технологий (OT) будут затронуты в максимальной степени из-за компьютеров и ИТ-сети.

Разработка цифровых двойников

Конечной целью AL и ML является создание цифрового двойника сборочного цеха. Формирование цифрового двойника должно происходить в рамках процесса системного проектирования на основе моделей с использованием алгоритмов машинного обучения и полученных знаний в качестве основы. Цифровой двойник может служить платформой для запуска сценариев «что, если», чтобы выяснить, чего вы не знаете сегодня. Его также можно использовать в качестве модели для проектирования деталей с более высокой надежностью и регулирования связи между машинами производственной линии для повышения производительности.