Κέρδη:
- Δυνατότητα σύνοψης δεδομένων αποστολής, τηλεμετρίας και OEE με AI και εντοπισμού σημείων συμφόρησης και ανωμαλιών
- Δυνατότητα κατασκευής προγνωστικής λογικής συντήρησης με δεδομένα κραδασμών, θερμοκρασίας και ανάλυσης λαδιού με υποστήριξη AI
- Δυνατότητα δοκιμής της πρόβλεψης παραγωγής/συντήρησης που παράγεται από την τεχνητή νοημοσύνη με επιτόπια επαλήθευση και την απόφαση του διευθυντή λειτουργιών
Ανεξάρτητα από το πόσο καλό είναι το σχέδιο στα χαρτιά, είναι η παραγωγή στο χωράφι που μετράει: πόσοι τόνοι σκάφτηκαν, σε ποιο βαθμό, πόσα φορτηγά το μετέφεραν, πόσο σκληρά δούλεψε ο εξοπλισμός, πόσα καύσιμα κάηκαν. Σε ένα σύγχρονο ανοιχτό λάκκο, εκσκαφείς, φορτηγά, τρυπάνια και μπουλντόζες παράγουν δεδομένα δευτερόλεπτο. Τα συστήματα διαχείρισης στόλου (αποστολή) καταγράφουν τη θέση, το φορτίο και την κατάσταση κάθε οχήματος. Αυτός ο ωκεανός δεδομένων είναι ένας θησαυρός που, όταν διαβάζεται σωστά, αυξάνει την παραγωγή, μειώνει το κόστος και υποδεικνύει σημεία συμφόρησης. ΟΛΑ ΣΥΜΠΕΡΙΛΑΜΒΑΝΟΝΤΑΙ; Αυτό είναι ένα ισχυρό βοήθημα για τη σύνοψη επιχειρησιακών δεδομένων, ανίχνευσης τάσεων και ανωμαλιών (απόκλιση από την αναμενόμενη), πρόβλεψης πρόβλεψης συντήρησης και αναφοράς. Ωστόσο, οι αποφάσεις για βάρδιες, οι διακοπές εξοπλισμού και οι στόχοι παραγωγής ανήκουν στον διαχειριστή λειτουργιών. Το AI δίνει μια προειδοποίηση, ο άνθρωπος παίρνει την απόφαση.
Η γλώσσα του ΟΕΕ και τα στοιχεία παραγωγής
Ένας συνηθισμένος τρόπος μέτρησης της απόδοσης παραγωγής είναι το OEE (Overall Equipment Effectiveness). Το OEE είναι το προϊόν τριών συστατικών: διαθεσιμότητα (είναι ο εξοπλισμός λειτουργικός), απόδοση (πόσο λειτουργεί με ταχύτητα σχεδιασμού) και ποιότητα (πόσο μέρος της παραγωγής είναι στο στόχο). Το χαμηλό OEE ενός φορτηγού μπορεί να προέρχεται από βλάβη, ακινητοποίηση ή αργή λειτουργία. Για να καταλάβετε ποια είναι η σωστή κοπή των δεδομένων. Η τεχνητή νοημοσύνη είναι καλή στο να διασπά τα στοιχεία OEE και να απαντά στην ερώτηση "πού είναι η απώλεια". αλλά ο ακριβής λόγος για τον οποίο απορρίφθηκε μια βάρδια βρίσκεται μέσω της επιβεβαίωσης πεδίου.
Βήμα προς βήμα: Εργασία AI με δεδομένα στόλου
- Ανωνυμοποίηση και αναγνώριση δεδομένων. Ταυτότητες οχημάτων με μάσκα. Περιγράψτε τις στήλες, τη χρονική σήμανση και τις μονάδες.
- Κάντε μια περίληψη. Τόνοι, αριθμός ταξιδιών, χρόνοι εργασίας/αναμονής/αστοχίας σε βάρδια/ημέρα. AI: συνοπτικός κωδικός και πίνακας.
- Αναζητήστε σημεία συμφόρησης. Περιορίζει τη φόρτωση, τη μεταφορά ή την εκφόρτωση; Πού συγκεντρώνονται οι χρόνοι ουράς; AI: προτείνει διατομική ανάλυση.
- Σημειώστε την ανωμαλία. Καύσιμο, χρόνος κύκλου, φορτίο που αποκλίνει από τις προσδοκίες. AI: προτείνει στατιστικό όριο ή απλό μοντέλο.
- Επιβεβαίωση με πεδίο. Επαληθεύστε κάθε ανωμαλία με την ομάδα λειτουργίας/συντήρησης. Σφάλμα δεδομένων ή πραγματικό πρόβλημα;
- Δράση και επιδίωξη. Η απόφαση λαμβάνεται από τον αξιωματικό επιχειρήσεων. Η AI συντάσσει την έκθεση παρακολούθησης.
Συμβουλή: Μια ανωμαλία δεν είναι πάντα δυσλειτουργία. Τις περισσότερες φορές είναι σφάλμα αισθητήρα, μετατόπιση χρονικής σήμανσης ή κενό εγγραφής. Κάντε την ερώτηση "Πρέπει να υποψιάζομαι πρώτα τα δεδομένα ή το μηχάνημα;" με κάθε ανωμαλία.
Προγνωστική συντήρηση: έννοια και όριο
Υπάρχουν τρεις γενιές συντήρησης: διορθωτική (επισκευή όταν παρουσιάζεται δυσλειτουργία), προληπτική (συντήρηση σύμφωνα με χρονοδιάγραμμα) και προγνωστική (προβλεπτική: πρόβλεψη της βλάβης από τα σημάδια στα δεδομένα). Στην προγνωστική συντήρηση, παρακολουθούνται δείκτες όπως κραδασμοί, θερμοκρασία, ανάλυση λαδιού (φθορά μετάλλων), ρεύμα και πίεση. Η απόκλιση από το κανονικό μπορεί να υποδηλώνει δυσλειτουργία. Η τεχνητή νοημοσύνη είναι ισχυρή στην εύρεση προτύπων και ανωμαλιών σε αυτά τα πολυμεταβλητά δεδομένα. Αλλά το κρίσιμο σημείο είναι το εξής: μια ανωμαλία είναι μια προειδοποίηση, όχι μια διάγνωση. Απόφαση για διακοπή του εξοπλισμού, αντικατάσταση εξαρτημάτων ή συνέχιση της λειτουργίας· Δίνεται με τη φυσική εξέταση της ομάδας συντήρησης και την έγκριση του υπεύθυνου λειτουργίας. Τα ψευδώς θετικά (μάταιη στάση) και τα ψευδώς αρνητικά (χαμένη αποτυχία) είναι και τα δύο δαπανηρά. Οι άνθρωποι διαχειρίζονται αυτήν την ισορροπία.
Η αξία της προγνωστικής συντήρησης έγκειται στον εντοπισμό της βλάβης αρκετά νωρίς ώστε να μετατραπεί σε προγραμματισμένο κλείσιμο: μια απρογραμμάτιστη αστοχία σταματά την παραγωγή στη μέση της βάρδιας, ενώ μια προβλεπόμενη αστοχία προετοιμάζονται εξαρτήματα και η συντήρηση εκτελείται εντός ενός προγραμματισμένου παραθύρου. Ωστόσο, αυτό λειτουργεί μόνο εάν τα δεδομένα είναι αξιόπιστα. Σε ένα ορυχείο, οι αισθητήρες λειτουργούν κάτω από σκόνη, κραδασμούς και θερμότητα. Η μετατόπιση βαθμονόμησης, η χαλαρή σύνδεση και το κενό εγγραφής είναι κοινά. Επομένως, το πρώτο βήμα ενός προγράμματος πρόβλεψης συντήρησης δεν είναι η κατασκευή ενός μοντέλου, αλλά η διασφάλιση της ποιότητας των δεδομένων. Προτού η τεχνητή νοημοσύνη να κάνει μια «πρόβλεψη αποτυχίας», είναι απαραίτητο να ρωτήσετε πόσο αξιόπιστα έχουν συλλεχθεί αυτά τα δεδομένα. Ακόμη και το πιο προηγμένο μοντέλο που έχει κατασκευαστεί με κακά δεδομένα είναι παραπλανητικό. Επιπλέον, δεν είναι όλος ο εξοπλισμός εξίσου κρίσιμος: η αστοχία ενός μόνο κύριου διακόπτη μπορεί να διακόψει τη λειτουργία ολόκληρης της εγκατάστασης, ενώ η βλάβη μιας εφεδρικής αντλίας μπορεί να γίνει ανεκτή. Η ιεράρχηση της προγνωστικής προσπάθειας με βάση την κρισιμότητα του εξοπλισμού κατευθύνει τους περιορισμένους πόρους συντήρησης στο σωστό μέρος.
τρεις μίνι θήκες
Περίπτωση 1 — Κρυφό σημείο συμφόρησης. Η παραγωγή σε ένα ορυχείο είναι 12% κάτω από τον στόχο. Ο προϊστάμενος βάρδιας πιστεύει ότι «είναι λίγα τα φορτηγά». Διαθέτουν τα δεδομένα αποστολής περίληψης AI· Αποδεικνύεται ότι κατά μέσο όρο το 28% των φορτηγών περιμένει στην ουρά στον εκσκαφέα. Το πρόβλημα δεν είναι ο αριθμός των φορτηγών, αλλά η ταχύτητα φόρτωσης ενός μόνο εκσκαφέα. Η ουρά πέφτει όταν αναπτύσσεται ένας δεύτερος φορτωτής. Η τεχνητή νοημοσύνη έδειξε το σημείο συμφόρησης σε αριθμούς. Η ομάδα πήρε την απόφαση και επιβεβαίωσε το γήπεδο.
Περίπτωση 2 — Ανωμαλία καυσίμου. Η τεχνητή νοημοσύνη επισημαίνει ότι η κατανάλωση καυσίμου ενός φορτηγού ήταν 18% υψηλότερη από τις αντίστοιχες τις τελευταίες δύο εβδομάδες. Η ομάδα συντήρησης ελέγχει. διαπιστώνει ότι το φίλτρο αέρα είναι βουλωμένο και ο κινητήρας δυσκολεύεται. Η κατανάλωση επιστρέφει στο κανονικό με την αλλαγή του φίλτρου. Εδώ η AI έδωσε έγκαιρη προειδοποίηση. αλλά η φυσική εξέταση έκανε τη διάγνωση (φίλτρο). Εάν το AI είχε πει "ελαττωματικός κινητήρας" και ο κινητήρας είχε αποσυναρμολογηθεί ανάλογα, θα ήταν και λάθος και ακριβό.
Περίπτωση 3 — Εσφαλμένη θετική. Η τεχνητή νοημοσύνη βλέπει ένα ξαφνικό άλμα στα δεδομένα δόνησης ενός μύλου και προειδοποιεί για «επικείμενη αποτυχία». Η ομάδα συντήρησης φροντίζει. διαπιστώνει ότι η αναπήδηση οφείλεται σε χαλάρωση του αισθητήρα, το μηχάνημα είναι άθικτο. Εάν η προειδοποίηση είχε ακολουθηθεί τυφλά και ο μύλος είχε σταματήσει, μια βάρδια παραγωγής θα είχε χαθεί μάταια. Μάθημα: με κάθε ανωμαλία, ρωτήστε πρώτα την ποιότητα των δεδομένων/αισθητήρα. Η προειδοποίηση AI είναι μια υπόθεση.
Αντιγράψιμα πρότυπα προτροπών
ΣΥΝΟΨΗ ΔΕΔΟΜΕΝΩΝ ΣΤΟΛΟΥ "Ρόλος: Είστε βοηθός αναλυτής επιχειρήσεων ορυχείων. Συνοψίστε τα ακόλουθα δεδομένα αποστολής ανά βάρδια: συνολικός τόνοι, αριθμός ταξιδιών, μέσος χρόνος κύκλου, ποσοστά εκτέλεσης/αναμονής/αστοχίας. Τα αναγνωριστικά οχημάτων είναι καλυμμένα. Επισημάνετε τις βάρδιες που φαίνονται ασυνήθιστες αλλά αποφασίζουν ΓΙΑΤΙ. Προτείνετε ποια πρόσθετα δεδομένα: [διατομή για εξέταση]."
ΑΝΑΛΥΣΗ BOTTLENECK "Ρυθμίστε μια ανάλυση για να βρείτε πού συσσωρεύονται οι χρόνοι ουράς/αναμονής στον κύκλο φόρτωσης-μεταφοράς-εκφόρτωσης. Έξοδος: μέση αναμονή και συνολικός χαμένος χρόνος σε κάθε στάδιο. Δείξτε εάν το σημείο συμφόρησης βρίσκεται στον φορτωτή, στη μεταφορά ή στην εκφόρτωση. ΣΥΝΙΣΤΑ την οριστική λύση, αναφέρετε πιθανές αιτίες και υποδεικνύεται ότι απαιτείται επιβεβαίωση πεδίου."
ΑΝΩΜΑΛΙΑ ΣΗΜΑΝΣΗΣ (ΣΥΝΤΗΡΗΣΗ)"Ακολουθεί μια χρονοσειρά [δόνηση/θερμοκρασία/καύσιμο] ενός τμήματος εξοπλισμού. Σημειώστε τα σημεία που αποκλίνουν από το κανονικό εύρος και για καθένα: (1) το μέγεθος της απόκλισης, (2) την πιθανότητα πιθανής βλάβης αισθητήρα/δεδομένων, (3) τι να αναζητήσετε σε μια οριστική επιθεώρηση δεδομένων faDIAG:ISOS."
ΣΧΕΔΙΟ ΑΝΑΦΟΡΑΣ SHIFT"Γράψτε ένα σχέδιο αναφοράς μετατόπισης από τα ακόλουθα συνοπτικά δεδομένα: τόνοι που παράγονται, απόκλιση από τον στόχο, κύριες αιτίες απώλειας, ανωμαλίες που επισημαίνονται και συνιστώμενα βήματα παρακολούθησης. Επισημάνετε τις αποφάσεις "υπόκεινται σε έγκριση του αξιωματικού επιχειρήσεων". Δεδομένα:[επικόλληση]."
Αδύναμη προτροπή / Ισχυρή προτροπή
ΑΔΥΝΑΤΗ ΠΡΟΤΑΣΗ: "Θα χαλάσει αυτό το φορτηγό;"
ΙΣΧΥΡΗ ΠΡΟΤΑΣΗ: "Ρόλος: Είστε ο βοηθός αναλυτής πρόβλεψης συντήρησης. Σημειώστε τα σημεία στη σειρά κραδασμών και θερμοκρασίας παρακάτω που αποκλίνουν από το κανονικό, δώστε το μέγεθος της απόκλισης και ΔΙΑΚΡΙΝΕΤΕ την πιθανότητα πιθανής βλάβης του αισθητήρα από το πραγματικό μηχανικό σημάδι. ΜΗΝ κάνετε ακριβή πρόβλεψη της βλάβης. Πρέπει να εξετάσετε λεπτομερώς τα δεδομένα της ομάδας συντήρησης."
Διάγραμμα σύγκρισης: σήμα δεδομένων και απόφαση
σήμα
Έξοδος AI
του οποίου η απόφαση
επαλήθευση
Χαμηλό ΟΕΕ
Λείπει ανάλυση στοιχείων
Υπεύθυνος λειτουργιών
επιτόπια παρατήρηση
Ουρά/συμφόρηση
όπου συσσωρεύεται
Επόπτης βάρδιας
Επιβεβαίωση πεδίου
Απόκλιση καυσίμου
σημάδι ανωμαλίας
ομάδα συντήρησης
φυσική εξέταση
παφλασμός δόνησης
Προειδοποίηση (όχι διάγνωση)
Συντήρηση + λειτουργία
Αισθητήρας + επιθεώρηση
αναφορά βάρδιας
προσχέδιο
Υπεύθυνος λειτουργιών
Έγκριση
Συνήθη λάθη
- Παρεξήγηση μιας ανωμαλίας με μια σαφή δυσλειτουργία. Οι περισσότερες ανωμαλίες είναι σφάλματα αισθητήρα/δεδομένων. Ζητήστε πρώτα τα δεδομένα.
- Ζητώντας από την τεχνητή νοημοσύνη να προβλέψει με ακρίβεια "θα χαλάσει;" σήματα AI. η εξέταση κάνει τη διάγνωση.
- Υποθέτοντας το σημείο συμφόρησης από την αριθμητική επαλήθευση. Η αίσθηση «λιγότερα φορτηγά» συχνά αποδεικνύεται λανθασμένη.
- Παράκαμψη ζητημάτων χρονικής σήμανσης/τόμου. Τα κενά καταγραφής στρεβλώνουν τη λογιστική ΟΕΕ και κύκλου.
- Τυφλή υπακοή στην προειδοποίηση και διακοπή της παραγωγής. Το κόστος ενός ψευδώς θετικού είναι επίσης πραγματικό.
Προσοχή: Ο στόχος της προγνωστικής συντήρησης είναι να αποτραπεί η δυσλειτουργία, αλλά η απόκριση σε κάθε προειδοποίηση σταματώντας το μηχάνημα προκαλεί επίσης απώλειες. Η απόφαση ανήκει στο άτομο που σταθμίζει τη σοβαρότητα της προειδοποίησης, την κρισιμότητα του εξοπλισμού και το πόρισμα της επιθεώρησης.
Συνοπτικά
Τα δεδομένα στόλου και παραγωγής είναι ένας θησαυρός που αυξάνει την παραγωγή όταν διαβάζεται σωστά. Η τεχνητή νοημοσύνη το χειρίζεται δυναμικά με τη σύνοψη, την εύρεση σημείων συμφόρησης, την επισήμανση ανωμαλιών και την προγνωστική συντήρηση. Οι απώλειες OEE, οι χρόνοι ουράς και οι αποκλίσεις των αισθητήρων γίνονται γρήγορα ορατές με την τεχνητή νοημοσύνη. Αλλά η ανωμαλία είναι μια προειδοποίηση, όχι μια διάγνωση. Οι αποφάσεις διακοπής και μετατόπισης εξοπλισμού λαμβάνονται με επιτόπια επιβεβαίωση και έγκριση του διαχειριστή επιχειρήσεων. Για κάθε ανωμαλία, ρωτήστε πρώτα την ποιότητα δεδομένων/αισθητήρα.
Εργασία εφαρμογής
Χρησιμοποιήστε τα πρότυπα "Σύνοψη δεδομένων στόλου" και "Ανάλυση συμφόρησης" με τα δείγματα (ή τα δικά σας ανώνυμα) δεδομένα αποστολής για να εξαγάγετε τους λόγους για τους οποίους χάθηκε μια βάρδια. Στη συνέχεια, εφαρμόστε το πρότυπο "Σήμανση ανωμαλίας" σε μια σειρά κραδασμών/καυσίμου ενός εξοπλισμού και σημειώστε για κάθε σημαία εάν πρόκειται για σφάλμα δεδομένων ή για πραγματικό πρόβλημα. Τέλος, με το "Shift report draft", μεταφράστε τα ευρήματα σε έκθεση και σημειώστε τις αποφάσεις για επιχειρησιακή έγκριση.
λίστα ελέγχου
- [ ] Κάλυψα και κατέστησα ανώνυμες ταυτότητες οχημάτων/προσωπικού.
- [ ] Επιβεβαίωσα το σημείο συμφόρησης με δεδομένα ουράς/αναμονής, όχι με αίσθηση.
- [ ] Για κάθε ανωμαλία, αμφισβήτησα πρώτα την ποιότητα του αισθητήρα/δεδομένων.
- [ ] Θεώρησα την προειδοποίηση AI όχι διάγνωση, αλλά σημάδι που πρέπει να επιβεβαιωθεί με εξέταση.
- [ ] Άφησα την απόφαση τερματισμού λειτουργίας/παραγωγής εξοπλισμού στον υπεύθυνο λειτουργίας.
- [ ] Έλεγξα τη χρονική σήμανση και τη συνέπεια του όγκου.