วิธีใช้ลายนิ้วมือสีทองเพื่อใช้ประโยชน์จาก iot

สำหรับแผนกไอทีที่ต้องการใช้ประโยชน์จากเทคโนโลยี Internet of Things (IoT) อย่างกระตือรือร้นเพื่อสร้างผลกระทบเชิงบวกต่อกระบวนการผลิตมีคำศัพท์สำคัญที่พวกเขาต้องรู้และไม่ใช่เพียงเพราะดูเหมือนว่า Indiana Jones อาจถูกไล่ล่าครั้งเดียว: The Golden ลายนิ้วมือ ฉันได้พูดคุยกับ Bart Schouw รองประธานฝ่ายเทคโนโลยีและพันธมิตรดิจิตอลของ Software AG ในงานแสดงสินค้า CEBIT ที่เกิดขึ้นในสัปดาห์นี้ที่เมืองฮันโนเวอร์ประเทศเยอรมนีเกี่ยวกับสาเหตุที่ลายนิ้วมือนี้เป็นสีทองและความหมายของไอที

“ ลายนิ้วมือสีทองเป็นอุปมา” Schouw อธิบายและกล่าวต่อไปว่ามันเป็นเหมือนหลักฐานสำคัญชิ้นหนึ่งในนวนิยายนักสืบ แต่ในองค์กรนั้นสามารถนำไปใช้กับกระบวนการผลิตเพื่อกำหนดว่าเมื่อใดที่จะต้องปฏิบัติตามเงื่อนไขเพื่อผลิตสิ่งที่ Schouw เรียกว่าเป็นผลิตภัณฑ์ที่สมบูรณ์แบบ

การค้นหาลายนิ้วมือสีทองเป็นกระบวนการวนซ้ำซึ่งเป็นงานพิมพ์เขียวที่เกิดขึ้นเมื่อมีการบันทึกข้อมูลระหว่างการผลิตและบันทึกเพื่อให้สามารถทำการเปรียบเทียบชุดการผลิตได้ตลอดเวลา พร้อมกันจะมีการประเมินผลลัพธ์ของโรงงานเพื่อให้บันทึกความสำเร็จของการดำเนินการผลิตแต่ละครั้งพร้อมกับข้อมูลที่บันทึกในขณะที่การผลิตดำเนินการ ทำอย่างถูกต้องผลลัพธ์ที่ได้คือลายนิ้วมือที่ประกอบด้วยจำนวนทั้งหมดของอินพุตจากอุปกรณ์การผลิต - เซ็นเซอร์ที่บันทึกสถานะของผลิตภัณฑ์ในระหว่างการผลิต - และตัวชี้วัดความสำเร็จโดยรวมสำหรับผลลัพธ์ของกระบวนการ

กระบวนการพิมพ์ลายนิ้วมือได้รับการพัฒนามาสำหรับอุตสาหกรรมเคมี แต่ Schouw กล่าวว่าโดยทั่วไปสามารถใช้ได้กับการผลิตเกือบทุกประเภท ตัวอย่างเช่นผู้ผลิตรถยนต์จะมีบันทึกว่าแต่ละส่วนประกอบมาจากไหนอุณหภูมิระหว่างการทาสีแรงบิดที่อ่านสำหรับแต่ละสกรูหรือโบลต์และการอ่านจากช่างเชื่อมหุ่นยนต์เมื่อพวกเขาสร้างแชสซี จากนั้นเมื่อมีการผลิตรถยนต์คุณภาพของการผลิตจะถูกติดตามเมื่อมีการซ่อมรถหรือเมื่อมีการซ่อมแซมข้อบกพร่อง

การเรียนรู้ของเครื่องในการผลิตอัตโนมัติ

ลองนำสถานการณ์ไปใช้กับโรงงานผลิตรถยนต์สมมุติ เมื่อมีการสร้างรถยนต์แต่ละคันการอ่านจะถูกติดตามในระหว่างกระบวนการผลิตแบบครบวงจรและเปรียบเทียบกับการผลิตก่อนหน้านี้ สมมติว่ามีปัญหาเกิดขึ้นเช่นการขันสลักเกลียวกับการตั้งค่าแรงบิดที่ไม่ถูกต้องเป็นต้น ปัญหานั้นได้รับการบันทึกและตอนนี้สามารถแก้ไขได้ก่อนที่จะขายรถ ในที่สุดเครื่องจักรการผลิตสามารถปรับเทียบเพื่อไม่ให้เกิดข้อผิดพลาดเหล่านั้นและยานพาหนะจะถูกจัดส่งโดยไม่มีข้อบกพร่องที่สำคัญ

“ บางครั้งโดยเฉพาะในอุตสาหกรรมกระบวนการไม่ชัดเจนว่าเงื่อนไขใดที่นำไปสู่ผลิตภัณฑ์ที่สมบูรณ์แบบ” Schouw กล่าว "ด้วยการเรียนรู้ของเครื่องและเครื่องมือสร้างภาพข้อมูลใหม่คุณสามารถนำข้อมูลของการดำเนินการผลิตที่นำไปสู่ชุดผลิตภัณฑ์ที่สมบูรณ์แบบจากนั้นคุณสามารถถามเครื่องมือการเรียนรู้ของเครื่องเพื่อย้อนกลับและค้นหารูปแบบที่คล้ายคลึงกันในข้อมูล"

ตามที่คุณคาดหวังการผลิตที่ซับซ้อนทุกประเภทจะต้องใช้จุดข้อมูลหลายพันจุดสำหรับการผลิตแต่ละครั้งเพื่อให้มีข้อมูลเพียงพอสำหรับลายนิ้วมือที่มีความหมาย ในทางกลับกันนี้จำเป็นต้องมีเซ็นเซอร์ที่ใช้วัดสถานะของผลิตภัณฑ์ในเวลาใดก็ได้รวมถึงสถานะของเครื่องมือการผลิตและเครื่องจักรที่ใช้งานอยู่ นั่นคือสิ่งที่เทคโนโลยี IoT และแผนกไอทีส่องแสง

เมื่อการดำเนินการผลิตแต่ละครั้งเสร็จสิ้นข้อมูลจากการดำเนินการนั้นจะสามารถมองเห็นได้เป็นรูปแบบของเหตุการณ์ที่นำไปสู่ผลิตภัณฑ์ สิ่งนี้ต้องใช้เซ็นเซอร์และเครื่องมือเครือข่ายและวิธีการบันทึกเหตุการณ์เหล่านั้น นอกจากนี้ยังต้องการซอฟต์แวร์พิเศษเพื่อเรียกใช้การประเมิน Schouw กล่าวว่าส่วนนี้กลายเป็นกรณีการใช้งานที่สำคัญสำหรับปัญญาประดิษฐ์ (AI) และการเรียนรู้ของเครื่อง

ติดตามข้อมูลการผลิตแบบเรียลไทม์

นี่คือจุดที่ไอทีและการผลิตมารวมกัน แผนกไอทีต้องการรวบรวมข้อมูลจำนวนมหาศาลจากการผลิตแต่ละครั้งจากนั้นใช้เพื่อเปรียบเทียบการทำงานแต่ละครั้งกับลายนิ้วมือสีทองของการวิ่งที่สมบูรณ์แบบ เนื่องจากการวิเคราะห์นั้นดำเนินการแบบเรียลไทม์มันจึงถูกเปรียบเทียบกับการวิ่งครั้งก่อนเพื่อให้สามารถกำหนดล่วงหน้าได้ดีเมื่อการวิ่งนั้นไม่น่าจะประสบความสำเร็จ

ในกระบวนการผลิตอาจเป็นไปได้ที่จะทำการปรับเปลี่ยนพารามิเตอร์การผลิตแม้ว่าจะเกิดขึ้นเพื่อทำให้การทำงานใกล้ชิดกับลายนิ้วมือสีทองมากขึ้น ความสามารถในการมองเห็นการวิ่งในระหว่างการผลิตและการกำหนดล่วงหน้าเมื่อการวิ่งจะไม่ประสบความสำเร็จสามารถผลิตการประหยัดที่สำคัญ - โดยไม่ต้องสูญเสียวัสดุเพิ่มเติมในการวิ่งที่จะไม่ประสบความสำเร็จและไม่เสียเวลาอีกต่อไป

Schouw ชี้ไปที่ Trendminer เป็นตัวอย่างหนึ่งของ บริษัท ที่ผลิตซอฟต์แวร์ที่ใช้พลังงานจาก AI สามารถค้นหาลายนิ้วมือสีทองและติดตามกระบวนการผลิตในแบบเรียลไทม์ นอกจากนี้เขายังเปิดเผยว่า Software AG ได้วางแผนที่จะซื้อ Trendminer

ทำให้การผลิตมีประสิทธิภาพมากขึ้น

อย่างไรก็ตามการประหยัดต้นทุนและด้านคุณภาพที่สูงขึ้นไม่ได้มีเพียงแค่ IoT และการผลิตเท่านั้น Schouw อธิบายว่าอีกแง่มุมหนึ่งของการใช้การเรียนรู้ของเครื่องจักรในการผลิตเกี่ยวข้องกับการติดตามเส้นโค้ง F ("F" หมายถึงความล้มเหลวซึ่งถูกติดตามสำหรับโรงงานเมื่อเวลาผ่านไป) เมื่อคุณติดตาม F-curve คุณจะได้ลายนิ้วมือที่มีประสิทธิภาพจากโรงงานแทนที่จะเป็นผลิตภัณฑ์เริ่มต้นเมื่อโรงงานถูกสร้างขึ้นเป็นครั้งแรกและจากนั้นเมื่อได้รับมอบหมายจากนั้นเมื่อปิดท้ายเพราะในที่สุดเปอร์เซ็นต์ความล้มเหลวถึงระดับที่ยอมรับไม่ได้ อายุโรงงานผลิต

โดยการติดตามเงื่อนไขที่นำไปสู่ความล้มเหลวในการผลิตเมื่อเวลาผ่านไปเป็นไปได้ที่จะลดระดับให้อยู่ในระดับที่ยอมรับได้จนกว่าคุณจะไปถึงจุดที่ผลตอบแทนลดลง: เมื่อมันแพงเกินไปที่จะแก้ไขสิ่งต่างๆ

สิ่งสำคัญคือการทำให้ IT เกี่ยวข้องโดยตรงกับกระบวนการผลิตการผลิตจะมีประสิทธิภาพมากขึ้นและมีของเสียน้อยลงและมีข้อบกพร่องน้อยลง และ บริษัท ประหยัดเงิน ทำอย่างถูกต้องผลลัพธ์จะปรากฏขึ้นเกือบจะในทันที สำหรับแผนกไอทีในธุรกิจการผลิตลายนิ้วมือสีทองนั้นเหมาะสมเป็นจุดเริ่มต้นในการผสานรวม IoT เข้ากับหัวใจของธุรกิจ