AI和机器学习

制造分析和机器学习效益

分析和机器学习(ML)是制造业的标准,可以帮助用户获得更好、更具可操作性的数据。突出了两个例子。

马特·鲁斯 2021年2月16日
礼貌:Avanceon.

分析和机器学习(ML)是今天制造业的热门话题。利用相同的人工智能(AI)技术的可能性有很多嗡嗡声,信用卡公司用来监控和警告客户在卡上的“不寻常”活动,以及GPS应用程序用于指导用户避免旅程中的用户交通堵塞和收费。这是Alexa或Siri共享洞察的制造版本,并建议正确的参数来控制植物操作。

一些制造商通过R和Python等软件语言利用AI和ML的强大功能,利用通用平台将结果可视化。考虑这些2021个人工智能现实的例子,利用当前的工具将商业价值带给制造业。

PID改进

过程控制循环是制造操作的共同组成部分,并且可以出于各种原因容易地执行次次最佳地进行。一个制造商实施了AI应用程序作为分析工具,以挖掘设施内的各种控制环路。

输出是显示每个循环执行情况的报告卡。从historian收集每个回路的关键数据样本(手动/自动状态,达到设定点后达到设定点和控制振荡的程度,其响应或性能随时间下降,回路在各种情况下的功能是否不同),然后通过R编程进行分析。

从那里,分析的信息和结果生成了一个比例积分衍生物(PID)报告卡,其中包含相关建议,以审查和行走,以确定要提高性能的路径。

结果导致了重新调谐循环的建议和理由,收集更多数据,确保循环处于自动模式,使过程或仪器更改,并为环路添加多模式功能,以改善在距离设定值的范围内的控制。这些变化会降低能耗,提高产品一致性,减少循环时间。

安排效率

许多制造商在每周生产计划和如何最大限度地减少产品运行之间的转换时间方面都遇到了困难。在另一个人工智能示例中,一个制造商采用了一种相当简单的方法。从一个库存单元(SKU)到另一个库存单元(SKU)的更换可分为四类,具体取决于他们是否必须进行清洗或齿轮/工具更换。最好的情况是,如果他们两个都不必做,然后只需进行清洗,然后只需进行齿轮/工具更换,最后两者都要进行。因此,在他们的日程安排中,他们的“不洗不换”次数最多,而“既洗又换”次数最少。

然而,仅在需要“洗涤”的组内,只有“换档”或“换档”,它们没有任何区别,应该是第一个与效率的视角。与大多数系统一样,有丰富的历史上追踪数据,最重要的是每个SKU的每个变化的转换持续时间。

即使有数百个SKU,也有几十个样品用于任何产品组合。通过实现Python代码提供的数据,给用户提供了一个简单的简单界面,并且用户进入他们需要产生的不同skus,并显示执行的最佳顺序。

这些制造商所走的AI和工业4.0之路并不是一条需要在组织中大幅度提升的道路。他们致力于采用结构化方法,通过利用一套新的资源和工具来分析和改进运营挑战。

AI机会就在这里。制造商需要利用它。

马特·鲁斯他是公司的总裁吗先锋,CFE媒体内容合作伙伴。由网络内容经理Chris Vavra编辑,控制工程,CFE媒体与技术,cvavra@cfemedia.com.


马特·鲁斯
作者生物:Matt Ruth是Avanceon的总裁。