比赛竞猜软件,游戏比赛竞猜,long8国际

使用数据预测未来

结合了人工智能(AI)的数据驱动应用程序代替了典型的生产计划和控制,可帮助我们通过利用来自多个来源的数据来更全面地了解整个生产链。

结合了人工智能(AI)的数据驱动应用程序代替了典型的生产计划和控制,可帮助我们通过利用来自多个来源的数据来更全面地了解整个生产链。 工业互联网应用程序可用于立即优化流程,但它们也使我们能够预测即将发生的事情。

维美德工业互联网副总裁Jari Almi强调:“明天成功的公司将越来越多地基于人工智能预测应用的见解做出决策。”

“在实践中,这意味着,借助基于AI的应用程序和机器学习,可以预测即将到来的变化和事件,基于预测的事件做出决策并主动采取行动。 这种方法也适用于生产,维护和业务。”他解释说。

简而言之,高级分析的好处在于它可以识别大数据量中的重复模式或事件链,从而导致将来发生特定事件。 通过识别这些模式,它可以预测何时可能再次发生同一事件并提前提醒用户。 将来,人工智能很可能还会取代操作员,并自动在系统中填充最佳设定值。

走向更多自主经营

“由于可用信息具有更具预测性的性质,因此可以通过预先计划活动并以更少的资源运行流程来更好地控制工厂或工厂的日常工作。 这是一个根本性的变化,将导致工厂或工厂的自治。”

“如今,操作员主要根据历史数据以及他们对最佳运行参数和设定值的经验来运行机器。 自动化系统可以提供许多实时数据,但是数据的使用主要限于控制过程。 这是因为人类不可能同时分析数千个数据点并识别其中的重复模式。 在未来的工厂中,通过合并和分析来自各种来源的数据,可以通过数据驱动的应用程序来管理和优化工厂范围内的操作。”

利用来自多个来源的数据

实际上,在工厂运营和整个价值链中有几个有用的数据源:机器和过程自动化系统,其中包含来自设备和生产的大量数据,来自实验室的质量数据,维护管理系统和业务数据,包括企业资源计划和制造执行系统。

机器和过程自动化系统是关键数据源。 将此数据与维护和业务数据相结合将提供一个新的维度,使机器更加智能。

“在维美德,我们正在寻找连接维美德机械,系统和配备先进传感器,控件和软件应用程序的车队的方法。 将数据与我们的过程和机械知识相结合,将使我们能够利用主要过程设备中的嵌入式智能来实现更可预测的自主操作。” Almi解释说。

这种嵌入式智能将为每台设备提供更详细的状态,以及维护和备件的需求。 “我们希望减少计划外的停机时间并优化维护。 例如,当我们可以尽早预测即将发生的机器故障时,维护团队可以在下次关闭之前主动计划所需的操作。 防止设备故障的发生为客户带来了真正的商业价值。”

这样就可以从计划的设备维护过渡到基于结果的维护。

“基于规范分析,该系统可以指示如何运行或修改机器,以确保可以安全地扩展操作,直到下一个计划的维护中断为止。 我们未来的愿景是使系统通过更改自身设置以适应预测的问题,从发现的问题中自动恢复。”

整个生产链的整体视图

大数据分析和相关AI驱动的应用程序的主要目标是从历史数据中学习,并更好地考虑所有交互,即使是在单个流程区域内还是在整个横向价值链中。 代替传统的主要在过程区域级别调整和优化工厂的方法,目标是从整体上理解和管理生产系统。

“例如,在理想情况下,我们将制浆厂,造纸机和转换过程中的数据结合在一起,并应用全厂范围内的操作控制解决方案,从而使客户能够优化全厂的制造成本,产品质量和生产率,” Almi说。

“工业互联网应用程序使我们能够预测即将发生的事情。”

“借助新技术,我们可以对工厂的整个生产链进行建模,并据此对其进行优化。 当生产计划系统中有订单可用时,我们知道每时每刻都会从该过程中产生什么样的最终产品,并且可以根据最终产品规格将最佳设定值级联到所有上游过程区域。”

“通过合并和利用来自多个轧机系统的数据,可以找到将进口原料转化为最终可销售产品的最有利的方式,” Almi解释说。

如何开始

从数据中寻求价值并开始开发的最佳方法是使用一批历史数据(例如来自工厂信息管理系统)启动数据发现过程。 数据发现使找到已发现问题的根本原因成为可能,或者采用更全面的方法来利用历史数据来发现生产过程中的改进潜力。 通常,数据发现需要六到八周的时间,并使维美德的数据科学家和流程专家与客户的专家合作,以从数据中获取所有信息。 数据发现的结果不仅限于最终报告。 通常,在此过程中还会创建一个数据驱动的咨询应用程序,以解决发现的改进机会。

“数据发现可帮助客户了解所发现问题的根本原因,或者依靠大数据历史分析来对过程区域或工厂改进采取整体方法。 了解了从数据中导致特定事件的根本原因和事件链,使我们能够开发一种高级算法来从在线数据中识别和预测同一问题。” Almi解释说。

Jari-Almi.jpg

“由于可用信息具有更具预测性的性质,因此可以通过预先计划活动并以更少的资源运行流程来更好地控制工厂或工厂的日常工作。 这是一个根本性的变化,将导致工厂或工厂的自治。” Almi说。

维美德还使用累积的历史数据来验证所选咨询或预测应用程序对客户流程的可行性。 使用一批历史数据验证应用程序的可用性,可以为双方快速,无风险地实施数据驱动的应用程序。 经过验证并同意结果后,就可以通过实现数据连接和制作在线应用程序进入连续服务阶段。 因此,最后一步是将应用程序合并到客户的日常操作中,以支持性能和可靠性开发。

“过去几十年来,我们一直在数字化客户的生产流程。 现在是时候采取进一步措施,并利用数字化流程中的数据进行流程和业务的数字化转型了。 根据我们的经验,当公司采用包含人工智能的新数据驱动应用程序时,变更管理起着关键作用。 数字化是技术驱动的,它将模拟系统转换为数字系统,而数字化则更多地是利用数据和最新技术来提高流程效率并启用新的业务模型。 因此,始终存在着与数字化相关的人类视角。 如果新的咨询应用程序和其他技术支持因素未能与日常运营和流程正确集成,那么就不可能从变更中获得理想的价值水平。”

Almi指出,转向更具自治性的工厂将凸显操作员功能的重要性,而不是放弃他们。

“操作员必须能够理解整个系统的工作方式,因为他们将拥有更广泛的工具。 他们将比以前对生产过程的可靠性,性能和质量优化负责。 还可以预测,最近的发展和数字化将使从传统的生产线组织逐步过渡到真实的流程管理模型。”

可预测性提高了效率

总而言之,人工智能将在未来的工厂中扮演重要角色,但要取代专家的角色还需要很长时间。 可以通过敏捷开发方法吸引使用新技术的人们来获得最佳结果。 代替多年开发项目试图一次解决所有问题的方法,应该逐步探索新的机会,并通过在旅途中学习来实现未来更加自主的工厂的愿景。

“最终,使我们的客户有能力转向自动化工厂或工厂,将大大提高生产流程的效率。 工厂和工厂将能够以更具成本效益的方式运营,减少原材料的使用,并提高过程和工厂级别的产量。 最终目标是结合人工智能的数据驱动应用程序将与过程自动化和其他轧机控制系统融合,并接管控制设定点,以优化整个工厂的制造成本,产品质量和生产率。” Almi总结道。

文字Vesa Puoskari
照片Tomi Parkkonen

文章发表在Forward杂志3/2019