Mae amodau cyfnewidiol y farchnad, cyfyngiadau'r gadwyn gyflenwi, prinder llafur, a diwydiant byd-eang cyflym yn gorfodi gweithgynhyrchwyr o bob maint i ail-werthuso'r ffordd y maent yn gweithredu. Mae llawer o weithgynhyrchwyr wedi dechrau mabwysiadu technoleg i gynnal mantais gystadleuol a mynd i'r afael â heriau busnes hirsefydlog. O awtomeiddio i dechnolegau digidol, IoT diwydiannol, a mwy, gall busnesau drosoli'r arloesiadau hyn i ddal data yn y pen draw o systemau, prosesau a phobl amrywiol i ddarparu'r mewnwelediadau strategol sydd eu hangen i wneud penderfyniadau gwell.
Nid oes amheuaeth bod gan y cwmnïau hyn lawer o ddata i weithio gyda nhw. Yn ôl astudiaeth McKinsey, mae gweithgynhyrchu yn cynhyrchu 1.9 petabytes neu 1,900, 000 terabytes o ddata yn flynyddol. Y broblem oedd bod angen ffordd well arnyn nhw i ddal a dadansoddi data a'i droi'n wybodaeth y gellir ei defnyddio, ac roedd angen iddyn nhw ei gwneud yn gyflym. O ganlyniad, mae llawer o fusnesau yn troi at ddeallusrwydd artiffisial (AI) i ddod o hyd i gyfleoedd gyda'u data i wella eu gweithrediadau.
Pam mae AI yn berffaith ar gyfer dadansoddi data?
O wella cynnyrch gweithgynhyrchu ac amser uptime, i ragweld y galw yn gywir a monitro peiriannau o bell, a hyd yn oed reoli asedau a gwella ansawdd cynnyrch, gellir ysgogi AI i wella metrigau effeithlonrwydd a chynhyrchedd cyffredinol yn sylweddol.
Nid hud mohono, ond set gymhleth o algorithmau sy'n dadansoddi llawer iawn o ddata, yn cydberthyn neu'n dysgu patrymau mewn amrywiol newidynnau, ac yn cymhwyso'r wybodaeth honno i'r amodau cyfredol i helpu i ragweld gwladwriaethau'r dyfodol. Nid yw hyn i ddweud na all bodau dynol gyflawni'r tasgau hyn, ond y gall Al eu gwneud yn gyflymach a phrosesu mwy o ddata gyda mwy o gywirdeb, gan wella canlyniadau busnes.
Er enghraifft, mewn unrhyw amgylchedd gweithgynhyrchu, yn draddodiadol mae sawl grŵp gwaith gwahanol a pheiriant i gyd yn casglu eu data eu hunain. Gall y wybodaeth o bob dyfais amrywio o ran ansawdd, fformat ac amseru, a all greu rhwystrau a'i gwneud hi'n anodd dadansoddi a chasglu unrhyw fewnwelediadau ystyrlon o'r data.
Gyda chymorth technoleg AI, gellir prosesu llawer iawn o ddata yn gyflym, gan alluogi cwmnïau i gyfuno gwybodaeth weithredol yn gyflym ac yn gywir, rhagfynegi canlyniadau yn seiliedig ar ddewisiadau amgen, a galluogi gweithgynhyrchwyr i wneud penderfyniadau ystwyth, gwybodus. Y gallu rhagfynegol rhagataliol hwn yw lle mae cryfder AI yn gorwedd, a gall gynyddu cynnyrch cynnyrch yn fawr.
Trwy nodi achos sylfaenol problemau ansawdd cynnyrch, gall AI helpu i leihau diffygion cynnyrch a chyfraddau sgrap a chynyddu cynnyrch gweithgynhyrchu. Gyda gwybodaeth a dadansoddiad manwl, gall gweithgynhyrchwyr fynd i'r afael â materion rheoli ansawdd cyn iddynt effeithio'n uniongyrchol ar linell waelod y cwmni. Gadewch i ni edrych ar un enghraifft o'r fath.
Defnyddiwch AI i wella ansawdd yr injan
Mae gwneuthurwr injan byd -eang yn cynhyrchu peiriannau disel mawr ar gyfer setiau generaduron, cymwysiadau llyngesol a morol, a cherbydau milwrol. Ar ôl ymgynnull, mae pob injan yn destun profion trylwyr. Yn ystod y profion, mae hyd yn oed y gweithredwyr mwyaf profiadol yn aml yn methu â chanfod arwyddion cynnil o broblem, gan arwain at fethiannau trychinebus yn ystod profion neu unwaith y bydd yr injan mewn gwasanaeth. Mae'r methiannau hyn wedi achosi colledion sylweddol, oedi llwythi, wedi creu ardaloedd profi ôl-gronedig a chynhyrchu i fyny'r afon, yn costio miliynau o ddoleri i'r cwmni yn flynyddol, ac wedi cael effaith negyddol ar ddanfoniadau ar amser.
Nid diffyg data yw'r broblem, ond sut mae'n cael ei defnyddio. Mewn gwirionedd, roedd y planhigyn wedi bod yn casglu data prosesau ers blynyddoedd, ond dim ond ar gyfer gwaith dilynol y gwnaeth ei ddefnyddio ar ôl i fethiant ddigwydd. Trwy edrych ar y data yn y ffordd adweithiol hon, nid yw'r tîm yn gallu deall pam mae'r methiannau hyn yn digwydd neu'n mynd i'r afael â nhw'n rhagweithiol. Yn y pen draw, mae'r materion hyn yn cael eu hystyried yn gost o wneud busnes nes bod y cwmni'n ystyried defnyddio AI ar ddata presennol i ragfynegi methiannau asedau critigol cyn iddynt ddigwydd.
Dechreuodd y gwneuthurwr gyda rhaglen beilot i osod y sylfaen ddata angenrheidiol ar gyfer AI i gael effaith. O ystyried yr angen i ddefnyddio data hanesyddol, cynhaliodd y cwmni lanhau a dadansoddi data gyntaf, gyda chymorth AI, gan leihau 20 biliwn o bwyntiau data o 100 injan i 6 biliwn o'r pwyntiau data mwyaf dylanwadol mewn 48 awr.
Nesaf, cysylltwch setiau model lluosog yn ôl amser a model i ddelweddu'r data a nodi unrhyw fylchau data. Yn seiliedig ar y dadansoddiad bwlch, gwnaed addasiadau i dynnu data penodol yn amlach, a thrwy hynny wella'r modelu. Trwy ddefnyddio platfform AI, mae'r dadansoddiad cyfan yn cael ei wneud mewn amgylchedd risg isel heb unrhyw effaith ar gynhyrchu cyfredol.
O'r data hwn, mae gweithgynhyrchwyr yn gallu sefydlu llinellau sylfaen, nodi tueddiadau ac anghysonderau, a datblygu cynlluniau i roi'r wybodaeth ar waith. Mewn ychydig wythnosau yn unig, fe wnaethant gynhyrchu adroddiad yn nodi grŵp o beiriannau risg yn ôl rhif cyfresol. Yn seiliedig ar y wybodaeth hon, mae gweithgynhyrchwyr yn amau bod gan yr injans hyn debygolrwydd uwch o broblemau yn ystod profion rheoli ansawdd neu yn y maes. Trwy gysylltu data profion â methiannau gwirioneddol cynnyrch, nododd yr adroddiad fwy nag 80 y cant o broblemau injan yn gywir dros sawl blwyddyn.
Mae'n bwysig nodi bod y prosiect hwn yn broses ailadroddol, gan fod y model AI yn dysgu'n gyson. Mewn tua 45 diwrnod, llwyddodd y model i ragweld methiannau 30 munud ymlaen llaw gyda chyfradd gadarnhaol sero ffug.
Lleihau tarfu ar weithrediadau cyn lleied
Yn ystod y lansiad swyddogol, mae'r datrysiad AL wedi'i gysylltu â data amser real a gynhyrchir gan y system rheoli prawf a rhyngwyneb peiriant dynol (AEM). Nid yw hyn yn cael unrhyw effaith ar weithrediad arferol. Mewn gwirionedd, roedd y model wedi'i integreiddio â meddalwedd prawf safonol y cwmni, ac nid oedd y gweithredwr hyd yn oed yn ymwybodol ei fod wedi'i weithredu. Mae angen iddyn nhw wybod y bydd eu rhyngwyneb AEM yn awr yn eu hysbysu o unrhyw faterion posib sydd ar ddod a sut i ddelio â nhw.
Yn ystod y 90 diwrnod cyntaf, canfu’r cais AI 20 digwyddiad amser real, osgoi mwy na $ 4.5 miliwn mewn difrod injan, a chyflawni enillion o 10x ar fuddsoddiad (ROI) ar gyfer y prosiect.
Fel y mae'r achos hwn yn dangos, gall trosoledd AI roi ffordd i weithgynhyrchwyr leihau diffygion o ansawdd yn rhagweithiol, arbed arian, a gwella cyfraddau dosbarthu wrth leihau tarfu ar weithrediadau. Gan ddechrau gyda sylfaen gadarn o ddata a gweithio gyda phartneriaid profiadol, gall AI ddarparu'r mewnwelediadau sydd eu hangen i yrru canlyniadau busnes a helpu gweithgynhyrchwyr i gystadlu yn amgylchedd busnes sy'n esblygu'n gyflym heddiw.
Ond nid oes rhaid i AI fod yn ddatrysiad un maint i bawb. Yn dibynnu ar eich anghenion, eich cais a'ch sefyllfa benodol, mae angen addasu gwahanol atebion. Felly, mae'n bwysig cael partner dibynadwy wrth eich ochr chi. O ran AI, gallant asesu ble rydych chi ar eich taith trawsnewid digidol, deall eich nodau neu'ch heriau, a nodi'r datrysiad gan y gwerthwyr gorau sy'n gweddu orau i'ch anghenion gwirioneddol.