+86-315-6196865

Gunakan teknologi AI untuk mengenal pasti punca utama masalah kualiti produk

Dec 06, 2024

Keadaan pasaran yang berubah-ubah, kekangan rantaian bekalan, kekurangan buruh, dan industri global yang pantas memaksa pengeluar semua saiz untuk menilai semula cara mereka beroperasi. Ramai pengeluar telah mula mengadopsi teknologi untuk mengekalkan daya saing dan menangani cabaran perniagaan lama. Dari automasi ke teknologi digital, IOT perindustrian, dan banyak lagi, perniagaan dapat memanfaatkan inovasi ini untuk akhirnya menangkap data dari pelbagai sistem, proses, dan orang untuk memberikan pandangan strategik yang diperlukan untuk membuat keputusan yang lebih baik.

Tidak ada keraguan bahawa syarikat -syarikat ini mempunyai banyak data untuk bekerja dengan. Menurut kajian McKinsey, pembuatan menghasilkan 1.9 petabytes atau 1,900, 000 terabytes data setiap tahun. Masalahnya ialah mereka memerlukan cara yang lebih baik untuk menangkap dan menganalisis data dan menjadikannya maklumat yang boleh digunakan, dan mereka perlu melakukannya dengan cepat. Akibatnya, banyak perniagaan beralih kepada kecerdasan buatan (AI) untuk mencari peluang dengan data mereka untuk meningkatkan operasi mereka.

 

Mengapa AI sesuai untuk analisis data?

Dari meningkatkan hasil pembuatan dan uptime, untuk meramalkan permintaan secara tepat dan mesin pemantauan dari jauh, dan juga mengawal aset dan meningkatkan kualiti produk, AI dapat dimanfaatkan untuk meningkatkan kecekapan keseluruhan dan metrik produktiviti secara signifikan.

Ia bukan sihir, tetapi satu set algoritma yang kompleks yang menganalisis sejumlah besar data, menghubungkan atau mempelajari corak dalam pelbagai pembolehubah, dan menerapkan pengetahuan itu kepada keadaan semasa untuk membantu meramalkan keadaan masa depan. Ini bukan untuk mengatakan bahawa manusia tidak dapat melaksanakan tugas -tugas ini, tetapi Al dapat melakukannya lebih cepat dan memproses lebih banyak data dengan ketepatan yang lebih besar, meningkatkan hasil perniagaan.

Sebagai contoh, dalam mana -mana persekitaran pembuatan, terdapat beberapa kumpulan kerja dan mesin yang berbeza yang mengumpul data mereka sendiri. Maklumat dari setiap peranti boleh berbeza -beza dalam kualiti, format, dan masa, yang boleh mewujudkan halangan dan menjadikannya sukar untuk menganalisis dan mengumpulkan sebarang pandangan yang bermakna dari data.

Dengan bantuan teknologi AI, sejumlah besar data dapat diproses dengan cepat, membolehkan syarikat -syarikat untuk menggabungkan maklumat operasi dengan cepat dan tepat, meramalkan hasil berdasarkan alternatif, dan membolehkan pengeluar membuat keputusan yang tangkas, dimaklumkan. Keupayaan ramalan sebelum ini adalah di mana kekuatan AI terletak, dan ia dapat meningkatkan hasil produk.

Dengan mengenal pasti punca utama masalah kualiti produk, AI dapat membantu mengurangkan kecacatan produk dan kadar sekerap dan meningkatkan hasil pembuatan. Dengan maklumat dan analisis terperinci, pengeluar dapat menangani isu kawalan kualiti sebelum mereka memberi kesan langsung kepada syarikat. Mari kita lihat satu contoh sedemikian.

 

Gunakan AI untuk meningkatkan kualiti enjin

Pengilang enjin global menghasilkan enjin diesel yang besar untuk set penjana, aplikasi tentera laut dan marin, dan kenderaan tentera. Selepas pemasangan, setiap enjin tertakluk kepada ujian yang ketat. Semasa ujian, walaupun pengendali yang paling berpengalaman sering gagal mengesan tanda -tanda masalah yang halus, yang membawa kepada kegagalan bencana semasa ujian atau sekali enjin dalam perkhidmatan. Kegagalan ini telah menyebabkan kerugian yang besar, penghantaran yang tertunda, yang dicipta di kawasan ujian yang ditunda dan pengeluaran hulu, menelan kos berjuta-juta dolar setiap tahun, dan memberi kesan negatif pada waktu penghantaran.

Masalahnya bukan kekurangan data, tetapi bagaimana ia digunakan. Malah, loji itu telah mengumpul data proses selama bertahun-tahun, tetapi hanya menggunakannya untuk kerja susulan selepas kegagalan berlaku. Dengan melihat data dalam cara reaktif ini, pasukan tidak dapat memahami mengapa kegagalan ini berlaku atau secara proaktif menangani mereka. Pada akhirnya, isu -isu ini dilihat sebagai kos menjalankan perniagaan sehingga syarikat menganggap menggunakan AI pada data sedia ada untuk meramalkan kegagalan aset kritikal sebelum ia berlaku.

Pengilang bermula dengan program perintis untuk meletakkan asas data yang diperlukan untuk AI untuk memberi impak. Memandangkan keperluan untuk menggunakan data sejarah, syarikat pertama kali menjalankan pembersihan dan analisis data, dengan bantuan AI, mengurangkan 20 bilion mata data dari 100 enjin hingga 6 bilion titik data yang paling berpengaruh dalam 48 jam.

Seterusnya, sambungkan pelbagai model set mengikut masa dan model untuk memvisualisasikan data dan mengenal pasti sebarang jurang data. Berdasarkan analisis jurang, pelarasan dibuat untuk mengekstrak data tertentu lebih kerap, dengan itu meningkatkan pemodelan. Dengan menggunakan platform AI, keseluruhan analisis dilakukan dalam persekitaran berisiko rendah tanpa sebarang kesan terhadap pengeluaran semasa.

Dari data ini, pengeluar dapat menubuhkan garis dasar, mengenal pasti trend dan anomali, dan membangunkan rancangan untuk meletakkan maklumat tersebut. Hanya dalam beberapa minggu, mereka menghasilkan laporan yang mengenal pasti sekumpulan enjin risiko dengan nombor siri. Berdasarkan maklumat ini, pengeluar mengesyaki bahawa enjin ini mempunyai kebarangkalian masalah yang lebih tinggi semasa ujian kawalan kualiti atau di lapangan. Dengan menghubungkan data ujian kepada kegagalan produk sebenar, laporan itu mengenal pasti lebih daripada 80 peratus masalah enjin selama beberapa tahun.

Adalah penting untuk diperhatikan bahawa projek ini adalah proses berulang, kerana model AI sentiasa belajar. Dalam masa kira -kira 45 hari, model itu dapat meramalkan kegagalan 30 minit lebih awal dengan kadar positif sifar palsu.

 

Meminimumkan gangguan kepada operasi

Semasa pelancaran rasmi, penyelesaian AL disambungkan kepada data masa nyata yang dihasilkan oleh sistem kawalan ujian dan antara muka mesin manusia (HMI). Ini tidak memberi kesan kepada operasi biasa. Malah, model itu telah diintegrasikan dengan perisian ujian standard syarikat, dan pengendali tidak menyedari bahawa ia telah dilaksanakan. Mereka hanya perlu tahu bahawa sekarang antara muka HMI mereka akan memaklumkan kepada mereka tentang sebarang isu yang berpotensi dan bagaimana menangani mereka.

Dalam 90 hari pertama, aplikasi AI mengesan 20 peristiwa masa nyata, mengelakkan lebih daripada $ 4.5 juta dalam kerosakan enjin, dan mencapai pulangan 10x atas pelaburan (ROI) untuk projek itu.

Seperti yang ditunjukkan oleh kes ini, memanfaatkan AI dapat menyediakan pengeluar dengan cara untuk mengurangkan kecacatan kualiti secara proaktif, menjimatkan wang, dan meningkatkan kadar penghantaran sambil meminimumkan gangguan kepada operasi. Bermula dengan asas data yang kukuh dan bekerja dengan rakan kongsi yang berpengalaman, AI dapat memberikan pandangan yang diperlukan untuk memacu hasil perniagaan dan membantu pengeluar bersaing dalam persekitaran perniagaan yang pesat berkembang sekarang.

Tetapi AI tidak perlu menjadi penyelesaian satu-saiz-semua. Bergantung pada keperluan, aplikasi dan situasi tertentu, penyelesaian yang berbeza perlu disesuaikan. Oleh itu, adalah penting untuk mempunyai rakan kongsi yang dipercayai di pihak anda. Ketika datang ke AI, mereka dapat menilai di mana anda berada dalam perjalanan transformasi digital anda, memahami matlamat atau cabaran anda, dan mengenal pasti penyelesaian dari vendor teratas yang sesuai dengan keperluan sebenar anda.

 

Anda mungkin juga berminat

Hantar pertanyaan