人工智能和机器学习

五种机器学习将在2021年改变制造

新兴发展将成为日常运营机器学习部分的现实

由Ingo Mierswa. 2月2日,2021年2月2日
礼貌:RapidMiner

复杂的机器人系统和人工智能(AI)等技术的进步,在过去十年里改变了制造业,并推动了通常所说的工业4.0革命。COVID-19进一步加速了许多制造商的这一转型,因为更多的工厂运营需要有效运行,在许多情况下,需要远程监控和管理。机器学习(ML)——人工智能的一个分支,其核心是创建计算机程序,从经验中学习,并随着时间的推移提高决策能力——在许多行业中越来越重要,制造业也不例外。

廉价的传感器和数据存储,以及成熟的大数据技术,使制造商能够捕获大量数据,ML允许企业从这些数据中获得可操作的情报,从而实现更智能的设备,提高质量和提高生产率。随着企业继续将机器学习(ML)作为日常运营的一部分,以下是未来一年制造业的五大发展方向:

1.广泛的预测维护

通常,工厂依赖于常规维护计划,通过使用或时间来确定当需要维修时的时间 - 或者甚至等待,直到设备崩溃以进行维护。利用AI,制造商正在开发在历史数据上培训的预测维护模型,这些模型有关在过去的设备问题上的历史数据,以预测机器需要维护时(见图)。然后,它们可以发出警报,可以修复设备。

因为设备只在需要维修时才关闭,而不是按照时间表,这些模型可以节省时间和金钱。此外,由于快速的创新周期缩短了大多数产品类别的生命周期,而客户期望的巨大变化缩短了交付周期,制造商必须更快、更灵活地维修机器和更换工具。

虽然预测维护并不是2021年的新增功能,但预计今年的广泛采用急剧增长,企业使用来自连接设备的数据,例如传感器嵌入设备,以消除维护决策的猜测。

2.提高能源效率

如今,大多数工厂都是全天候运转,以保持最佳效率,这需要大量的能源来维持运转。通过考虑能源价格、设备维护、人工成本和库存,ML算法可以安排执行能源密集型活动的最佳时间。因此,企业可以通过在正确的时间运行正确的流程来最大限度地节省成本。

这家公司已经看到这种练习与许多制造商一起发挥作用,其中包括一个主要的全球石化制造商来到迅速的人寻求降低其功耗。该公司每年耗费2000万美元的能源,但希望削减成本并更加环保。通过部署实时可轻松调节的AI型号并在传感器数据上工作,Rapidminer能够将其功耗降低5%。

3.保证产品质量

无论制造过程如何优化,每个工厂都会遇到产品缺陷。尽管有各种各样的选择来试图纠正它们,缺陷仍然是常见的,并将其视为做生意的成本。有了ML,制造商可以在优化质量控制努力的同时,显著减少错误的可能性。

不需要依靠人类来直观地检查装配线上的每一个产品,图像识别和其他类型的ML模型可以经过训练来分析图像,并在产品创建的早期检测异常。因此,工厂可以确保他们在生产高质量产品的同时减少浪费。

图:利用人工智能(AI),制造商正在开发预测性维护模型,根据历史数据进行训练,了解导致过去设备问题的原因,从而预测何时需要维护机器。礼貌:RapidMiner

图:利用人工智能(AI),制造商正在开发预测性维护模型,根据历史数据进行训练,了解导致过去设备问题的原因,从而预测何时需要维护机器。礼貌:RapidMiner

4.创建更安全的工作场所

任何在工厂工作的人都经历了彻底,年度健康和安全培训,并知道适当使用安全齿轮的重要性。虽然这些工具对于工作场所安全至关重要,但新技术,如AI,可以帮助进一步避免风险,因为即使遵循适当的协议,事故也会发生意外。

ML的数据分析可以增强视频监控系统,以识别潜在的不安全操作,包括用于在员工操作重型机械之前识别过度工作或疲劳的员工。ML也可以与传感器数据一起用于揭示关于安全系统性能的重要见解。通过依靠人工智能筛选工业物联网(IIoT)和其他联网设备每秒生成的数千个数据点,雇主可以自动获得潜在危险的警报,从而创建一个更安全的工作场所。

一个财富500强的矿产和化学生产公司能够使用机器学习在其生产过程中识别不可预见的变量,通常导致巨大的环境健康和安全(EHS)风险因素。使用由工艺工程师建造的ML模型,运营商能够将工厂能够脱机,避免行政文书工作的山脉,并将其总体EHS风险降低约90%。该公司估计它使用ML每年避免六个以上的事件。

5.预测和响应实时的消费者需求

预测消费者需求可能是一个艰巨的任务,并且完美挑战。值得庆幸的是,AI计划可用于预测需求,具有无与伦比的复杂性和准确性。从新的和历史数据中绘制,ML型号可以帮助企业了解哪些因素驱动需求以及企业如何适应当场的变量。

在翻盖方面,需求传感让企业实时跟踪需求的波动,以及消费者购买行为。通过分析来自仓库和销售点系统的数据,ML可以识别销售的重大变化,以确保供应不受需求超出。

COVID-19大流行突显了ML系统在这些过程中的优势,而不是依赖于严格的规则。在疫情爆发之初,随着封锁的开始,产品的消费和需求发生了根本变化,导致食品和卫生纸等物资短缺。根据需求定期进行的交付无法跟上不断变化的行为。

包起来

虽然我们在行业中期4.0革命,但制造业只开始完全拥抱数字转型。在2020年之前,质量,流程优化和运营费用减少了这一转型的主要业务驱动因素。但现在,在全球大流行病,安全性,远程工作人员启用和信息透明度中,正在添加到该列表中。基于AI和ML的先进技术将继续推动创新,并改变制造商如何考虑问题以及如何解决这些问题,为更安全,更高效和更有利可图的未来铺平道路。


Ingo Mierswa.
作者生物:Ingo Mierswa,Phd是Rapidminer的创始人和首席技术官。他是一名行业 - 退伍军人数据科学家,自开始在德国涂尔蒙德大学的人工智能划分开发出型号。他撰写了许多关于预测分析和大数据的出版物。作为Rapidminer的创始人和首席技术官,他负责战略创新和技术。在过去的七年里,Rapidminer每年种植约300%。