Автоматическое машинное обучение – восходящая звезда промышленной аналитики на основе искусственного интеллекта

Внеочередные простои влияют на производителей всех размеров во всех отраслях. Хотя существуют разные взгляды на то, как непредвиденные простои ежегодно влияют на производство, Международное Общество Автоматизации оценивает потери из-за непредвиденных остановок в 5-20% всего времени производства в год.

Потери от непредвиденных простоев намного больше, чем минуты или часы, в которые оборудование не может производить норму выработки. Среди невидимых расходов, которые несет производитель - зарплата и плата за сверхурочную работу для заводских рабочих и технического персонала, затраты, связанные с заказом новых частей оборудования и транспортировки этого оборудования, бракованная продукция, которая прошла через неисправное оборудование до его отказа.

Владельцы заводов все больше смотрят в сторону больших данных, искусственного интеллекта и машинного обучения для того, чтобы коренным образом изменить процессы и эффективность производственных цехов, одна из технологий промышленного интернета вещей, которая стала новаторским решением по обслуживанию - это промышленная аналитика с использованием искусственного интеллекта.

Многие производственные мощности уже снабжены датчиками, которые собирают большие данные, такие как вибрации и температура, чтобы отслеживать их состояние в реальном времени. Промышленная аналитика с использованием искусственного интеллекта связывает эти данные, чтобы построить комплексные модели машинного обучения, которые будут бороться с простоями оборудования. Предварительные предупреждения позволят специалистам запланировать обслуживание, заказать запасные части, минимизировать потери на зарплате и выпуске продукции, которые всегда сопровождают незапланированные простои.

Перспектива промышленной аналитики на основе искусственного интеллекта – увеличение времени безотказной работы, снижение затрат на эксплуатацию и техническое обслуживание – может изменить правила игры для производства. Тем не менее, в соответствии с отчетом McKinsey за 2018 год, только в 30% случаев пилотное использование промышленного интернета вещей было расширено на всю организацию. В случае с промышленным анализом на основе искусственного интеллекта, две больших преграды для адаптации - это огромная нехватка специалистов анализа данных и сложности в масштабировании решений на дюжину или даже сотню заводов.

Машинное обучение - это сложная наука, которая требует высокого уровня компетенции в этой области знания, многие решения промышленной аналитики с использованием искусственного интеллекта требуют команды исследователей данных для поддержания работы системы. На каждом шаге процесса, исследователи данных отвечают за конфигурирование моделей машинного обучения. Нет заранее заданной инструкции для этих трудоемких решений, рассматривая такие аспекты как выбор модели и конфигурации или оптимизации гиперпараметров.

В SKF делают промышленную аналитику с использованием искусственного интеллекта и ее преимущества доступными всем производителям, вне зависимости от того сколько исследователей данных у них в штате. Решение Enlight AI maintenance 4.0 построено на основе автоматического машинного обучения (AutoML). AutoML автоматизирует аспекты машинного обучения используя алгоритмы, не специалистов, делает выбор модели, проверку задач и другие конфигурации, которые до этого производились исследователями данных.

Новости мировых производителей подшипников и деталей промышленных трансмиссий (RSS)
Архив новостей

При использовании новостей сайта прямая активная гиперсcылка на BERGAB.RU обязательна