+86-315-6196865

Använd AI -teknik för att identifiera grundorsaken till produktkvalitetsproblem

Dec 06, 2024

Fluktuerande marknadsförhållanden, begränsningar av leveranskedjan, arbetskraftsbrist och en snabbt global industri tvingar tillverkare av alla storlekar för att omvärdera hur de fungerar. Många tillverkare har börjat anta teknik för att upprätthålla en konkurrensfördel och hantera långvariga affärsutmaningar. Från automatisering till digital teknik, industriell IoT och mer kan företag utnyttja dessa innovationer för att i slutändan fånga data från olika system, processer och människor för att tillhandahålla den strategiska insikt som krävs för att fatta bättre beslut.

Det råder ingen tvekan om att dessa företag har mycket data att arbeta med. Enligt en McKinsey -studie genererar tillverkning 1,9 petabyte eller 1 900, 000 terabyte data årligen. Problemet var att de behövde ett bättre sätt att fånga och analysera data och förvandla den till användbar information, och de behövde göra det snabbt. Som ett resultat vänder sig många företag till Artificial Intelligence (AI) för att hitta möjligheter med sina uppgifter för att förbättra sin verksamhet.

 

Varför är AI perfekt för dataanalys?

Från att förbättra tillverkningsavkastningen och drifttiden, till exakt förutspå efterfrågan och fjärrövervakningsmaskiner, och till och med kontrollera tillgångar och förbättra produktkvaliteten, kan AI utnyttjas för att avsevärt förbättra den totala effektiviteten och produktivitetsmetriken.

Det är inte magi, utan en komplex uppsättning algoritmer som analyserar stora mängder data, korrelerar eller lär sig mönster i olika variabler och tillämpar den kunskapen på nuvarande förhållanden för att förutsäga framtida tillstånd. Detta betyder inte att människor inte kan utföra dessa uppgifter, utan att Al kan göra dem snabbare och bearbeta mer data med större precision och förbättra affärsresultaten.

Till exempel i alla tillverkningsmiljöer finns det traditionellt flera olika arbetsgrupper och maskiner som alla samlar in sina egna data. Informationen från varje enhet kan variera i kvalitet, format och tidpunkt, vilket kan skapa hinder och göra det svårt att analysera och hämta alla meningsfulla insikter från data.

Med hjälp av AI -teknik kan stora mängder data behandlas snabbt, vilket gör det möjligt för företag att snabbt och exakt kombinera operativ information, förutsäga resultat baserade på alternativ och göra det möjligt för tillverkare att fatta smidiga, informerade beslut. Denna förebyggande prediktiva förmåga är där AI: s styrka ligger, och den kan öka produktutbytet kraftigt.

Genom att identifiera grundorsaken till produktkvalitetsproblem kan AI bidra till att minska produktfel och skrothastigheter och öka tillverkningsutbytet. Med detaljerad information och analys kan tillverkare ta itu med kvalitetskontrollproblem innan de direkt påverkar företagets slutlinje. Låt oss titta på ett sådant exempel.

 

Använd AI för att förbättra motorkvaliteten

En global motortillverkare producerar stora dieselmotorer för generatoruppsättningar, marin- och marina applikationer och militära fordon. Efter montering utsätts varje motor för rigorös testning. Under testningen misslyckas till och med de mest erfarna operatörerna ofta med att upptäcka subtila tecken på ett problem, vilket leder till katastrofala fel under testning eller när motorn är i tjänst. Dessa misslyckanden har orsakat betydande förluster, försenade transporter, skapat backloggade testområden och uppströmsproduktion, kostar företaget miljoner dollar årligen och påverkade negativt leveranser i tid.

Problemet är inte en brist på data, utan hur det används. Faktum är att anläggningen hade samlat in processdata i flera år, men använde den bara för uppföljningsarbete efter att ett misslyckande inträffade. Genom att titta på uppgifterna på detta reaktiva sätt kan teamet inte förstå varför dessa misslyckanden inträffar eller proaktivt adresserar dem. I slutändan ses dessa frågor som en kostnad för att göra affärer tills företaget anser att man använder AI på befintliga data för att förutsäga kritiska tillgångsfel innan de inträffar.

Tillverkaren startade med ett pilotprogram för att lägga den nödvändiga datafundamentet för AI för att påverka. Med tanke på behovet av att använda historiska data genomförde företaget först datanrengöring och analys, med hjälp av AI, vilket minskade 20 miljarder datapunkter från 100 motorer till 6 miljarder av de mest inflytelserika datapunkterna på 48 timmar.

Anslut sedan flera modelluppsättningar efter tid och modell för att visualisera data och identifiera eventuella dataverk. Baserat på GAP -analysen gjordes justeringar för att extrahera vissa data oftare och därmed förbättra modelleringen. Genom att använda en AI-plattform görs hela analysen i en lågriskmiljö utan någon påverkan på den nuvarande produktionen.

Från dessa uppgifter kan tillverkare etablera baslinjer, identifiera trender och avvikelser och utveckla planer för att genomföra informationen. På bara några veckor producerade de en rapport som identifierade en grupp riskmotorer efter serienummer. Baserat på denna information misstänker tillverkarna att dessa motorer har en högre sannolikhet för problem under kvalitetskontrolltester eller i fältet. Genom att länka testdata till faktiska produktfel identifierade rapporten exakt mer än 80 procent av motorproblemen under flera år.

Det är viktigt att notera att detta projekt är en iterativ process, eftersom AI -modellen ständigt lär sig. På cirka 45 dagar kunde modellen förutsäga fel 30 minuter i förväg med en noll falsk positiv hastighet.

 

Minimera störningar i verksamheten

Under den officiella lanseringen är AL-lösningen ansluten till realtidsdata som genereras av testkontrollsystemet och Human Machine Interface (HMI). Detta har ingen effekt på normal drift. Faktum är att modellen hade integrerats med företagets standardprogramvara, och operatören var inte ens medveten om att den hade implementerats. De behöver bara veta att deras HMI -gränssnitt nu kommer att informera dem om eventuella hotande frågor och hur de ska hantera dem.

Under de första 90 dagarna upptäckte AI-applikationen 20 realtidsevenemang, undvikde mer än 4,5 miljoner dollar i motorskador och uppnådde en 10x avkastning på investeringen (ROI) för projektet.

Som detta fall illustrerar kan utnyttjande av AI ge tillverkare ett sätt att proaktivt minska kvalitetsdefekter, spara pengar och förbättra leveransgraden samtidigt som störningen minimeras. Från och med en solid grund av data och arbeta med erfarna partners kan AI ge de insikter som behövs för att driva affärsresultat och hjälpa tillverkare att konkurrera i dagens snabbt utvecklande affärsmiljö.

Men AI behöver inte vara en lösning i en storlek. Beroende på dina behov, tillämpning och specifika situation måste olika lösningar anpassas. Därför är det viktigt att ha en pålitlig partner vid din sida. När det gäller AI kan de bedöma var du befinner dig på din digitala omvandlingsresa, förstå dina mål eller utmaningar och identifiera lösningen från de bästa leverantörerna som bäst passar dina faktiska behov.

 

Du kanske också gillar

Skicka förfrågan