ಉತ್ಪಾದನೆ, ಫ್ಲೀಟ್/ಉಪಕರಣಗಳ ಡೇಟಾ ಮತ್ತು ಮುನ್ಸೂಚಕ ನಿರ್ವಹಣೆ

ಲಾಭಗಳು:

• AI ನೊಂದಿಗೆ ರವಾನೆ, ಟೆಲಿಮೆಟ್ರಿ ಮತ್ತು OEE ಡೇಟಾವನ್ನು ಸಂಕ್ಷಿಪ್ತಗೊಳಿಸುವ ಮತ್ತು ಅಡಚಣೆಗಳು ಮತ್ತು ವೈಪರೀತ್ಯಗಳನ್ನು ಪತ್ತೆಹಚ್ಚುವ ಸಾಮರ್ಥ್ಯ
• AI ಬೆಂಬಲದೊಂದಿಗೆ ಕಂಪನ, ತಾಪಮಾನ ಮತ್ತು ತೈಲ ವಿಶ್ಲೇಷಣೆ ಡೇಟಾದೊಂದಿಗೆ ಮುನ್ಸೂಚಕ ನಿರ್ವಹಣೆ ತರ್ಕವನ್ನು ನಿರ್ಮಿಸುವ ಸಾಮರ್ಥ್ಯ
• ಕ್ಷೇತ್ರ ಪರಿಶೀಲನೆ ಮತ್ತು ಕಾರ್ಯಾಚರಣೆಗಳ ನಿರ್ವಾಹಕರ ನಿರ್ಧಾರದೊಂದಿಗೆ AI ನಿಂದ ಉತ್ಪತ್ತಿಯಾಗುವ ಉತ್ಪಾದನೆ/ನಿರ್ವಹಣೆಯ ಮುನ್ಸೂಚನೆಯನ್ನು ಪರೀಕ್ಷಿಸುವ ಸಾಮರ್ಥ್ಯ

ಯೋಜನೆಯು ಕಾಗದದ ಮೇಲೆ ಎಷ್ಟೇ ಉತ್ತಮವಾಗಿದ್ದರೂ, ಮೈದಾನದಲ್ಲಿನ ಉತ್ಪಾದನೆಯು ಎಣಿಕೆಯಾಗುತ್ತದೆ: ಎಷ್ಟು ಟನ್‌ಗಳನ್ನು ಅಗೆಯಲಾಗಿದೆ, ಯಾವ ದರ್ಜೆಯಲ್ಲಿ, ಎಷ್ಟು ಟ್ರಕ್‌ಗಳು ಅದನ್ನು ಸಾಗಿಸಿದವು, ಉಪಕರಣಗಳು ಎಷ್ಟು ಶ್ರಮಿಸಿದವು, ಎಷ್ಟು ಇಂಧನವನ್ನು ಸುಡಲಾಯಿತು. ಆಧುನಿಕ ತೆರೆದ ಪಿಟ್‌ನಲ್ಲಿ, ಅಗೆಯುವ ಯಂತ್ರಗಳು, ಟ್ರಕ್‌ಗಳು, ಡ್ರಿಲ್ಲರ್‌ಗಳು ಮತ್ತು ಡೋಜರ್‌ಗಳು ಸೆಕೆಂಡಿಗೆ ಡೇಟಾವನ್ನು ಉತ್ಪಾದಿಸುತ್ತವೆ; ಫ್ಲೀಟ್ ನಿರ್ವಹಣಾ ವ್ಯವಸ್ಥೆಗಳು (ರವಾನೆ) ಪ್ರತಿ ವಾಹನದ ಸ್ಥಳ, ಲೋಡ್ ಮತ್ತು ಸ್ಥಿತಿಯನ್ನು ದಾಖಲಿಸುತ್ತದೆ. ಈ ದತ್ತಾಂಶದ ಸಾಗರವು ನಿಧಿಯಾಗಿದ್ದು, ಸರಿಯಾಗಿ ಓದಿದಾಗ, ಉತ್ಪಾದನೆಯನ್ನು ಹೆಚ್ಚಿಸುತ್ತದೆ, ವೆಚ್ಚವನ್ನು ಕಡಿಮೆ ಮಾಡುತ್ತದೆ ಮತ್ತು ಅಡಚಣೆಗಳನ್ನು ಸೂಚಿಸುತ್ತದೆ. AI; ಕಾರ್ಯಾಚರಣೆಯ ಡೇಟಾ, ಟ್ರೆಂಡ್ ಮತ್ತು ಅಸಂಗತತೆ (ನಿರೀಕ್ಷಿತ ವಿಚಲನ) ಪತ್ತೆ, ಮುನ್ಸೂಚಕ ನಿರ್ವಹಣೆ ಮುನ್ಸೂಚನೆ ಮತ್ತು ವರದಿಯನ್ನು ಸಾರಾಂಶದಲ್ಲಿ ಇದು ಪ್ರಬಲವಾದ ಸಹಾಯವಾಗಿದೆ. ಆದಾಗ್ಯೂ, ಶಿಫ್ಟ್ ನಿರ್ಧಾರಗಳು, ಉಪಕರಣಗಳ ನಿಲುಗಡೆಗಳು ಮತ್ತು ಉತ್ಪಾದನಾ ಗುರಿಗಳು ಕಾರ್ಯಾಚರಣೆಯ ವ್ಯವಸ್ಥಾಪಕರಿಗೆ ಸೇರಿವೆ; AI ಎಚ್ಚರಿಕೆಯನ್ನು ನೀಡುತ್ತದೆ, ಮಾನವನು ನಿರ್ಧಾರ ತೆಗೆದುಕೊಳ್ಳುತ್ತಾನೆ.

OEE ಮತ್ತು ಉತ್ಪಾದನಾ ಡೇಟಾದ ಭಾಷೆ

ಉತ್ಪಾದನಾ ಕಾರ್ಯಕ್ಷಮತೆಯನ್ನು ಅಳೆಯಲು ಒಂದು ಸಾಮಾನ್ಯ ವಿಧಾನವೆಂದರೆ OEE (ಒಟ್ಟಾರೆ ಸಲಕರಣೆ ದಕ್ಷತೆ). OEE ಮೂರು ಘಟಕಗಳ ಉತ್ಪನ್ನವಾಗಿದೆ: ಲಭ್ಯತೆ (ಉಪಕರಣವು ಕಾರ್ಯನಿರ್ವಹಿಸುತ್ತಿದೆ), ಕಾರ್ಯಕ್ಷಮತೆ (ವಿನ್ಯಾಸ ವೇಗದಲ್ಲಿ ಅದು ಎಷ್ಟು ಕಾರ್ಯನಿರ್ವಹಿಸುತ್ತದೆ) ಮತ್ತು ಗುಣಮಟ್ಟ (ಉತ್ಪಾದನೆಯ ಎಷ್ಟು ಗುರಿಯಿದೆ). ಟ್ರಕ್‌ನ ಕಡಿಮೆ OEE ಸ್ಥಗಿತ, ಸ್ಥಗಿತ ಅಥವಾ ನಿಧಾನ ಕಾರ್ಯಾಚರಣೆಯಿಂದ ಬರಬಹುದು; ಅದು ಯಾವುದು ಎಂಬುದನ್ನು ಕಂಡುಹಿಡಿಯಲು ಡೇಟಾವನ್ನು ಸರಿಯಾಗಿ ಕತ್ತರಿಸುವ ಅಗತ್ಯವಿದೆ. OEE ಘಟಕಗಳನ್ನು ಒಡೆಯುವಲ್ಲಿ AI ಉತ್ತಮವಾಗಿದೆ ಮತ್ತು "ನಷ್ಟ ಎಲ್ಲಿದೆ" ಎಂಬ ಪ್ರಶ್ನೆಗೆ ಉತ್ತರಿಸುತ್ತದೆ; ಆದರೆ ಒಂದು ಶಿಫ್ಟ್ ಅನ್ನು ಏಕೆ ಕೈಬಿಡಲಾಗಿದೆ ಎಂಬುದಕ್ಕೆ ನಿಖರವಾದ ಕಾರಣವನ್ನು ಕ್ಷೇತ್ರ ದೃಢೀಕರಣದ ಮೂಲಕ ಕಂಡುಹಿಡಿಯಲಾಗುತ್ತದೆ.

ಹಂತ ಹಂತವಾಗಿ: ಫ್ಲೀಟ್ ಡೇಟಾದೊಂದಿಗೆ AI ಕೆಲಸ

1. ಡೇಟಾವನ್ನು ಅನಾಮಧೇಯಗೊಳಿಸಿ ಮತ್ತು ಗುರುತಿಸಿ. ಮಾಸ್ಕ್ ವಾಹನ ಐಡಿಗಳು; ಕಾಲಮ್‌ಗಳು, ಟೈಮ್‌ಸ್ಟ್ಯಾಂಪ್ ಮತ್ತು ಘಟಕಗಳನ್ನು ವಿವರಿಸಿ.
2. ಸಾರಾಂಶವನ್ನು ಮಾಡಿ. ಟನ್‌ಗಳು, ಟ್ರಿಪ್‌ಗಳ ಸಂಖ್ಯೆ, ಕೆಲಸ/ಕಾಯುವಿಕೆ/ವೈಫಲ್ಯ ಸಮಯಗಳು ಶಿಫ್ಟ್/ದಿನದ ಆಧಾರದ ಮೇಲೆ. AI: ಸಾರಾಂಶ ಕೋಡ್ ಮತ್ತು ಟೇಬಲ್.
3. ಅಡಚಣೆಗಳಿಗಾಗಿ ನೋಡಿ. ಇದು ಲೋಡ್ ಮಾಡುವುದು, ಸಾಗಿಸುವುದು ಅಥವಾ ಇಳಿಸುವುದನ್ನು ಮಿತಿಗೊಳಿಸುತ್ತದೆಯೇ? ಕ್ಯೂ ಸಮಯಗಳು ಎಲ್ಲಿ ಸಂಗ್ರಹಗೊಳ್ಳುತ್ತವೆ? AI: ಅಡ್ಡ-ವಿಭಾಗದ ವಿಶ್ಲೇಷಣೆಯನ್ನು ಸೂಚಿಸುತ್ತದೆ.
4. ಅಸಂಗತತೆಯನ್ನು ಗುರುತಿಸಿ. ಇಂಧನ, ಸೈಕಲ್ ಸಮಯ, ನಿರೀಕ್ಷೆಗಳಿಂದ ವಿಚಲನಗೊಳ್ಳುವ ಹೊರೆ. AI: ಸಂಖ್ಯಾಶಾಸ್ತ್ರದ ಮಿತಿ ಅಥವಾ ಸರಳ ಮಾದರಿಯನ್ನು ಸೂಚಿಸುತ್ತದೆ.
5. ಕ್ಷೇತ್ರದೊಂದಿಗೆ ದೃಢೀಕರಿಸಿ. ಕಾರ್ಯಾಚರಣೆಗಳು/ನಿರ್ವಹಣೆ ತಂಡದೊಂದಿಗೆ ಪ್ರತಿ ಅಸಂಗತತೆಯನ್ನು ಪರಿಶೀಲಿಸಿ; ಡೇಟಾ ದೋಷ ಅಥವಾ ನಿಜವಾದ ಸಮಸ್ಯೆ?
6. ಕ್ರಿಯೆ ಮತ್ತು ಅನ್ವೇಷಣೆ. ಕಾರ್ಯಾಚರಣೆಯ ಅಧಿಕಾರಿಯಿಂದ ನಿರ್ಧಾರವನ್ನು ತೆಗೆದುಕೊಳ್ಳಲಾಗುತ್ತದೆ; AI ಫಾಲೋ-ಅಪ್ ವರದಿಯನ್ನು ರಚಿಸುತ್ತದೆ.

ಸಲಹೆ: ಅಸಂಗತತೆ ಯಾವಾಗಲೂ ಅಸಮರ್ಪಕ ಕಾರ್ಯವಲ್ಲ; ಹೆಚ್ಚಿನ ಸಮಯ ಇದು ಸಂವೇದಕ ದೋಷ, ಟೈಮ್‌ಸ್ಟ್ಯಾಂಪ್ ಡ್ರಿಫ್ಟ್ ಅಥವಾ ರೆಕಾರ್ಡ್ ಗ್ಯಾಪ್ ಆಗಿದೆ. ಪ್ರಶ್ನೆಯನ್ನು ಕೇಳಿ "ನಾನು ಮೊದಲು ಡೇಟಾ ಅಥವಾ ಯಂತ್ರವನ್ನು ಅನುಮಾನಿಸಬೇಕೇ?" ಪ್ರತಿ ಅಸಂಗತತೆಯೊಂದಿಗೆ.

ಮುನ್ಸೂಚಕ ನಿರ್ವಹಣೆ: ಪರಿಕಲ್ಪನೆ ಮತ್ತು ಗಡಿ

There are three generations of maintenance: corrective (repair when a malfunction occurs), preventive (maintenance according to a schedule) and predictive (predictive: foreseeing the failure from signs in the data). ಮುನ್ಸೂಚಕ ನಿರ್ವಹಣೆಯಲ್ಲಿ, ಕಂಪನ, ತಾಪಮಾನ, ತೈಲ ವಿಶ್ಲೇಷಣೆ (ಲೋಹಗಳನ್ನು ಧರಿಸುವುದು), ಪ್ರಸ್ತುತ ಮತ್ತು ಒತ್ತಡದಂತಹ ಸೂಚಕಗಳನ್ನು ಮೇಲ್ವಿಚಾರಣೆ ಮಾಡಲಾಗುತ್ತದೆ; Deviation from normal may indicate a malfunction. ಈ ಮಲ್ಟಿವೇರಿಯೇಟ್ ಡೇಟಾದಲ್ಲಿ ಮಾದರಿಗಳು ಮತ್ತು ವೈಪರೀತ್ಯಗಳನ್ನು ಕಂಡುಹಿಡಿಯುವಲ್ಲಿ AI ಶಕ್ತಿಯುತವಾಗಿದೆ. ಆದರೆ ನಿರ್ಣಾಯಕ ಅಂಶವೆಂದರೆ: ಅಸಂಗತತೆ ಒಂದು ಎಚ್ಚರಿಕೆ, ರೋಗನಿರ್ಣಯವಲ್ಲ. ಉಪಕರಣಗಳನ್ನು ನಿಲ್ಲಿಸಲು, ಭಾಗಗಳನ್ನು ಬದಲಿಸಲು ಅಥವಾ ಕಾರ್ಯಾಚರಣೆಯನ್ನು ಮುಂದುವರಿಸಲು ನಿರ್ಧಾರ; ನಿರ್ವಹಣೆ ತಂಡದ ದೈಹಿಕ ಪರೀಕ್ಷೆ ಮತ್ತು ಕಾರ್ಯಾಚರಣೆ ವ್ಯವಸ್ಥಾಪಕರ ಅನುಮೋದನೆಯೊಂದಿಗೆ ಇದನ್ನು ನೀಡಲಾಗುತ್ತದೆ. ತಪ್ಪು ಧನಾತ್ಮಕ (ನಿಷ್ಫಲ ನಿಲುಗಡೆ) ಮತ್ತು ತಪ್ಪು ನಿರಾಕರಣೆಗಳು (ತಪ್ಪಿದ ವೈಫಲ್ಯ) ಎರಡೂ ದುಬಾರಿಯಾಗಿದೆ; ಜನರು ಈ ಸಮತೋಲನವನ್ನು ನಿರ್ವಹಿಸುತ್ತಾರೆ.

ಮುನ್ಸೂಚಕ ನಿರ್ವಹಣೆಯ ಮೌಲ್ಯವು ಯೋಜಿತ ಸ್ಥಗಿತಗೊಳಿಸುವಿಕೆಗೆ ಸಾಕಷ್ಟು ಮುಂಚಿತವಾಗಿ ವೈಫಲ್ಯವನ್ನು ಗುರುತಿಸುವಲ್ಲಿ ಇರುತ್ತದೆ: ಯೋಜಿತವಲ್ಲದ ವೈಫಲ್ಯವು ಉತ್ಪಾದನೆಯನ್ನು ಮಧ್ಯ-ಶಿಫ್ಟ್ ಅನ್ನು ನಿಲ್ಲಿಸುತ್ತದೆ, ಆದರೆ ಯೋಜಿತ ವೈಫಲ್ಯದ ಭಾಗಗಳನ್ನು ಸಿದ್ಧಪಡಿಸಲಾಗುತ್ತದೆ ಮತ್ತು ಯೋಜಿತ ವಿಂಡೋದಲ್ಲಿ ನಿರ್ವಹಣೆ ಮಾಡಲಾಗುತ್ತದೆ. ಆದಾಗ್ಯೂ, ಡೇಟಾ ವಿಶ್ವಾಸಾರ್ಹವಾಗಿದ್ದರೆ ಮಾತ್ರ ಇದು ಕಾರ್ಯನಿರ್ವಹಿಸುತ್ತದೆ. ಗಣಿಯಲ್ಲಿ, ಸಂವೇದಕಗಳು ಧೂಳು, ಕಂಪನ ಮತ್ತು ಶಾಖದ ಅಡಿಯಲ್ಲಿ ಕಾರ್ಯನಿರ್ವಹಿಸುತ್ತವೆ; ಕ್ಯಾಲಿಬ್ರೇಶನ್ ಡ್ರಿಫ್ಟ್, ಸಡಿಲವಾದ ಸಂಪರ್ಕ ಮತ್ತು ನೋಂದಣಿ ಅಂತರವು ಸಾಮಾನ್ಯವಾಗಿದೆ. ಆದ್ದರಿಂದ, ಭವಿಷ್ಯ ನಿರ್ವಹಣಾ ಕಾರ್ಯಕ್ರಮದ ಮೊದಲ ಹಂತವು ಮಾದರಿಯನ್ನು ನಿರ್ಮಿಸುವುದು ಅಲ್ಲ, ಆದರೆ ಡೇಟಾ ಗುಣಮಟ್ಟವನ್ನು ಖಚಿತಪಡಿಸುವುದು. AI "ವೈಫಲ್ಯದ ಮುನ್ಸೂಚನೆ" ಮಾಡುವ ಮೊದಲು, ಆ ಡೇಟಾವನ್ನು ಎಷ್ಟು ವಿಶ್ವಾಸಾರ್ಹವಾಗಿ ಸಂಗ್ರಹಿಸಲಾಗಿದೆ ಎಂದು ಕೇಳುವುದು ಅವಶ್ಯಕ; ಕೆಟ್ಟ ಡೇಟಾದೊಂದಿಗೆ ನಿರ್ಮಿಸಲಾದ ಅತ್ಯಾಧುನಿಕ ಮಾದರಿ ಕೂಡ ತಪ್ಪುದಾರಿಗೆಳೆಯುವಂತಿದೆ. ಇದಲ್ಲದೆ, ಎಲ್ಲಾ ಉಪಕರಣಗಳು ಸಮಾನವಾಗಿ ನಿರ್ಣಾಯಕವಲ್ಲ: ಒಂದು ಮುಖ್ಯ ಬ್ರೇಕರ್ನ ವೈಫಲ್ಯವು ಸಂಪೂರ್ಣ ಸಸ್ಯವನ್ನು ಮುಚ್ಚಬಹುದು, ಆದರೆ ಬ್ಯಾಕ್ಅಪ್ ಪಂಪ್ನ ವೈಫಲ್ಯವನ್ನು ಸಹಿಸಿಕೊಳ್ಳಬಹುದು. ಸಲಕರಣೆಗಳ ವಿಮರ್ಶಾತ್ಮಕತೆಯ ಆಧಾರದ ಮೇಲೆ ಮುನ್ಸೂಚಕ ಪ್ರಯತ್ನಕ್ಕೆ ಆದ್ಯತೆ ನೀಡುವುದು ಸೀಮಿತ ನಿರ್ವಹಣಾ ಸಂಪನ್ಮೂಲಗಳನ್ನು ಸರಿಯಾದ ಸ್ಥಳಕ್ಕೆ ನಿರ್ದೇಶಿಸುತ್ತದೆ.

ಮೂರು ಸಣ್ಣ ಪ್ರಕರಣಗಳು

ಪ್ರಕರಣ 1 - ಹಿಡನ್ ಅಡಚಣೆ. ಒಂದು ಗಣಿಯಲ್ಲಿ ಉತ್ಪಾದನೆಯು ಗುರಿಗಿಂತ 12% ಕಡಿಮೆಯಾಗಿದೆ. ಶಿಫ್ಟ್ ಮೇಲ್ವಿಚಾರಕರು "ಕೆಲವು ಟ್ರಕ್‌ಗಳಿವೆ" ಎಂದು ಭಾವಿಸುತ್ತಾರೆ. ಅವರು AI ಸಾರಾಂಶ ರವಾನೆ ಡೇಟಾವನ್ನು ಹೊಂದಿದ್ದಾರೆ; ಅಗೆಯುವ ಯಂತ್ರದಲ್ಲಿ ಸರಾಸರಿ 28% ಟ್ರಕ್‌ಗಳು ಸರದಿಯಲ್ಲಿ ಕಾಯುತ್ತಿವೆ ಎಂದು ಅದು ತಿರುಗುತ್ತದೆ. ಸಮಸ್ಯೆ ಟ್ರಕ್‌ಗಳ ಸಂಖ್ಯೆಯಲ್ಲ, ಆದರೆ ಒಂದೇ ಅಗೆಯುವ ಯಂತ್ರದ ಲೋಡ್ ವೇಗ. ಎರಡನೇ ಲೋಡರ್ ಅನ್ನು ನಿಯೋಜಿಸಿದಾಗ ಬಾಲವು ಇಳಿಯುತ್ತದೆ. AI ಸಂಖ್ಯೆಗಳಲ್ಲಿ ಅಡಚಣೆಯನ್ನು ತೋರಿಸಿದೆ; ತಂಡವು ನಿರ್ಧಾರ ಮತ್ತು ಕ್ಷೇತ್ರ ದೃಢೀಕರಣವನ್ನು ಮಾಡಿದೆ.

ಪ್ರಕರಣ 2 - ಇಂಧನ ಅಸಂಗತತೆ. ಕಳೆದ ಎರಡು ವಾರಗಳಲ್ಲಿ ಟ್ರಕ್‌ನ ಇಂಧನ ಬಳಕೆ ಅದರ ಗೆಳೆಯರಿಗಿಂತ 18% ಹೆಚ್ಚಾಗಿದೆ ಎಂದು AI ಫ್ಲ್ಯಾಗ್ ಮಾಡುತ್ತದೆ. ನಿರ್ವಹಣಾ ತಂಡವು ಪರಿಶೀಲಿಸುತ್ತದೆ; ಏರ್ ಫಿಲ್ಟರ್ ಮುಚ್ಚಿಹೋಗಿದೆ ಮತ್ತು ಎಂಜಿನ್ ಹೆಣಗಾಡುತ್ತಿದೆ ಎಂದು ಕಂಡುಕೊಳ್ಳುತ್ತದೆ. ಫಿಲ್ಟರ್ ಅನ್ನು ಬದಲಾಯಿಸಿದಾಗ ಬಳಕೆ ಸಾಮಾನ್ಯ ಸ್ಥಿತಿಗೆ ಮರಳುತ್ತದೆ. ಇಲ್ಲಿ AI ಮುಂಚಿನ ಎಚ್ಚರಿಕೆಯನ್ನು ನೀಡಿದೆ; ಆದರೆ ದೈಹಿಕ ಪರೀಕ್ಷೆಯು ರೋಗನಿರ್ಣಯವನ್ನು ಮಾಡಿದೆ (ಫಿಲ್ಟರ್). AI "ಎಂಜಿನ್ ದೋಷಯುಕ್ತ" ಎಂದು ಹೇಳಿದ್ದರೆ ಮತ್ತು ಅದಕ್ಕೆ ಅನುಗುಣವಾಗಿ ಎಂಜಿನ್ ಅನ್ನು ಕಿತ್ತುಹಾಕಿದ್ದರೆ, ಅದು ತಪ್ಪು ಮತ್ತು ದುಬಾರಿಯಾಗುತ್ತಿತ್ತು.

ಪ್ರಕರಣ 3 - ತಪ್ಪು ಧನಾತ್ಮಕ. AI ಗ್ರೈಂಡರ್‌ನ ಕಂಪನ ಡೇಟಾದಲ್ಲಿ ಹಠಾತ್ ಜಿಗಿತವನ್ನು ನೋಡುತ್ತದೆ ಮತ್ತು "ಸನ್ನಿಹಿತ ವೈಫಲ್ಯದ" ಎಚ್ಚರಿಕೆ ನೀಡುತ್ತದೆ. ನಿರ್ವಹಣೆ ತಂಡವು ನೋಡಿಕೊಳ್ಳುತ್ತದೆ; ಸಂವೇದಕ ಸಡಿಲಗೊಳಿಸುವಿಕೆಯಿಂದಾಗಿ ಬೌನ್ಸ್ ಆಗಿದೆ ಎಂದು ಕಂಡುಕೊಳ್ಳುತ್ತದೆ, ಯಂತ್ರವು ಹಾಗೇ ಇದೆ. ಎಚ್ಚರಿಕೆಯನ್ನು ಕುರುಡಾಗಿ ಅನುಸರಿಸಿ ಗಿರಣಿ ನಿಲ್ಲಿಸಿದ್ದರೆ ಉತ್ಪಾದನೆಯ ಒಂದು ಪಾಳಿಯೂ ವ್ಯರ್ಥವಾಗುತ್ತಿತ್ತು. Lesson: with every anomaly, first question the data/sensor quality; AI warning is a hypothesis.

ನಕಲು ಮಾಡಬಹುದಾದ ಪ್ರಾಂಪ್ಟ್ ಟೆಂಪ್ಲೇಟ್‌ಗಳು

ಫ್ಲೀಟ್ ಡೇಟಾ ಸಾರಾಂಶ"ಪಾತ್ರ: ನೀವು ಸಹಾಯಕ ಗಣಿ ಕಾರ್ಯಾಚರಣೆಗಳ ವಿಶ್ಲೇಷಕರಾಗಿದ್ದೀರಿ. ಕೆಳಗಿನ ರವಾನೆ ಡೇಟಾವನ್ನು ಶಿಫ್ಟ್ ಮೂಲಕ ಸಾರಾಂಶಗೊಳಿಸಿ: ಒಟ್ಟು ಟನ್‌ಗಳು, ಪ್ರಯಾಣಗಳ ಸಂಖ್ಯೆ, ಸರಾಸರಿ ಸೈಕಲ್ ಸಮಯ, ಓಟ/ನಿರೀಕ್ಷಣೆ/ವೈಫಲ್ಯ ಶೇಕಡಾವಾರು. ವಾಹನದ ಐಡಿಗಳು ಮಾಸ್ಕ್ ಮಾಡಲ್ಪಟ್ಟಿವೆ. ಫ್ಲ್ಯಾಗ್ ಶಿಫ್ಟ್‌ಗಳು ಅಸಹಜವಾಗಿ ಕಂಡುಬರುತ್ತವೆ ಆದರೆ ಏಕೆ ಎಂದು ನಿರ್ಧರಿಸಿ; ಹೆಚ್ಚುವರಿ ಕ್ರಾಸ್ ವಿಭಾಗವನ್ನು ಪರೀಕ್ಷಿಸಲು ಸೂಚಿಸಿ."

ಬಾಟಲ್‌ನೆಕ್ ವಿಶ್ಲೇಷಣೆ "ಲೋಡ್-ಟ್ರಾನ್ಸ್‌ಪೋರ್ಟ್-ಅನ್‌ಲೋಡ್ ಸೈಕಲ್‌ನಲ್ಲಿ ಸರತಿ/ಕಾಯುವ ಸಮಯಗಳು ಎಲ್ಲಿ ಸಂಗ್ರಹಗೊಳ್ಳುತ್ತವೆ ಎಂಬುದನ್ನು ಕಂಡುಹಿಡಿಯಲು ವಿಶ್ಲೇಷಣೆಯನ್ನು ಹೊಂದಿಸಿ. ಔಟ್‌ಪುಟ್: ಪ್ರತಿ ಹಂತದಲ್ಲಿ ಸರಾಸರಿ ಕಾಯುವಿಕೆ ಮತ್ತು ಒಟ್ಟು ಕಳೆದುಹೋದ ಸಮಯ. ಅಡಚಣೆಯು ಲೋಡರ್‌ನಲ್ಲಿ, ಸಾರಿಗೆ ಅಥವಾ ಇಳಿಸುವಿಕೆಯಲ್ಲಿದೆಯೇ ಎಂಬುದನ್ನು ತೋರಿಸಿ; ನಿರ್ಣಾಯಕ ಪರಿಹಾರವನ್ನು ಶಿಫಾರಸು ಮಾಡಿ, ಸಂಭವನೀಯ ಕಾರಣಗಳ ಪಟ್ಟಿಯನ್ನು ದೃಢೀಕರಿಸಲು ಶಿಫಾರಸು ಮಾಡಿ."

ಅಸಂಗತತೆಯನ್ನು ಗುರುತಿಸುವುದು (ನಿರ್ವಹಣೆ)"ಕೆಳಗೆ ಒಂದು [ಕಂಪನ/ತಾಪಮಾನ/ಇಂಧನ] ಸಾಧನದ ತುಣುಕಿನ ಸಮಯದ ಸರಣಿಯಾಗಿದೆ. ಸಾಮಾನ್ಯ ಶ್ರೇಣಿಯಿಂದ ವಿಚಲನಗೊಳ್ಳುವ ಬಿಂದುಗಳನ್ನು ಗುರುತಿಸಿ ಮತ್ತು ಪ್ರತಿಯೊಂದಕ್ಕೂ: (1) ವಿಚಲನದ ಪ್ರಮಾಣ, (2) ಸಂಭವನೀಯ ಸಂವೇದಕ/ಡೇಟಾ ವೈಫಲ್ಯದ ಸಾಧ್ಯತೆ, (3) ಭೌತಿಕ ಪರಿಶೀಲನೆಯಲ್ಲಿ ಏನನ್ನು ನೋಡಬೇಕು. [ಅಂಟಿಸಿ]."

ಶಿಫ್ಟ್ ವರದಿ ಕರಡು "ಕೆಳಗಿನ ಸಾರಾಂಶ ಡೇಟಾದಿಂದ ಕರಡು ಶಿಫ್ಟ್ ವರದಿಯನ್ನು ಬರೆಯಿರಿ: ಉತ್ಪಾದಿಸಿದ ಟನ್‌ಗಳು, ಗುರಿಯಿಂದ ವಿಚಲನ, ನಷ್ಟದ ಪ್ರಮುಖ ಕಾರಣಗಳು, ವೈಪರೀತ್ಯಗಳನ್ನು ಫ್ಲ್ಯಾಗ್ ಮಾಡಲಾಗಿದೆ ಮತ್ತು ಶಿಫಾರಸು ಮಾಡಿದ ಅನುಸರಣಾ ಹಂತಗಳು. ನಿರ್ಧಾರಗಳನ್ನು 'ಕಾರ್ಯನಿರ್ವಹಣೆಯ ಅಧಿಕಾರಿಗಳ ಅನುಮೋದನೆಗೆ ಒಳಪಟ್ಟಿರುತ್ತದೆ' ಎಂದು ಗುರುತಿಸಿ. ಡೇಟಾ:[ಅಂಟಿಸಿ]."

ದುರ್ಬಲ ಪ್ರಾಂಪ್ಟ್ / ಬಲವಾದ ಪ್ರಾಂಪ್ಟ್

ದುರ್ಬಲ ಪ್ರಾಂಪ್ಟ್: "ಈ ಟ್ರಕ್ ಕೆಟ್ಟು ಹೋಗುತ್ತಿದೆಯೇ?"

ಬಲವಾದ ಪ್ರಾಂಪ್ಟ್: "ಪಾತ್ರ: ನೀವು ಸಹಾಯಕ ಮುನ್ಸೂಚಕ ನಿರ್ವಹಣೆ ವಿಶ್ಲೇಷಕರಾಗಿದ್ದೀರಿ. ಕಂಪನ ಮತ್ತು ತಾಪಮಾನ ಸರಣಿಯಲ್ಲಿ ಸಾಮಾನ್ಯದಿಂದ ವಿಚಲನಗೊಳ್ಳುವ ಕೆಳಗಿನ ಬಿಂದುಗಳನ್ನು ಗುರುತಿಸಿ, ವಿಚಲನದ ಪ್ರಮಾಣವನ್ನು ನೀಡಿ ಮತ್ತು ನಿಜವಾದ ಯಾಂತ್ರಿಕ ಚಿಹ್ನೆಯಿಂದ ಸಂಭವನೀಯ ಸಂವೇದಕ ವೈಫಲ್ಯದ ಸಾಧ್ಯತೆಯನ್ನು ವಿವರಿಸಿ. ವೈಫಲ್ಯದ ನಿಖರವಾದ ಮುನ್ಸೂಚನೆಯನ್ನು ನೀಡಬೇಡಿ. ನಿರ್ವಹಣೆಯ ಸಮಯದಲ್ಲಿ ತಂಡವು ಏನನ್ನು ಪರಿಶೀಲಿಸಬೇಕು.

ಹೋಲಿಕೆ ಚಾರ್ಟ್: ಡೇಟಾ ಸಂಕೇತ ಮತ್ತು ನಿರ್ಧಾರ

ಸಂಕೇತ

AI ಔಟ್ಪುಟ್

ಯಾರ ನಿರ್ಧಾರ

ಪರಿಶೀಲನೆ

ಕಡಿಮೆ OEE

ಕಾಂಪೊನೆಂಟ್ ಪಾರ್ಸಿಂಗ್ ಕಾಣೆಯಾಗಿದೆ

ಕಾರ್ಯಾಚರಣೆ ವ್ಯವಸ್ಥಾಪಕ

ಕ್ಷೇತ್ರ ವೀಕ್ಷಣೆ

ಸರತಿ/ಅಡಚಣೆ

ಅಲ್ಲಿ ಅದು ಸಂಗ್ರಹವಾಗುತ್ತದೆ

ಶಿಫ್ಟ್ ಮೇಲ್ವಿಚಾರಕ

ಕ್ಷೇತ್ರ ದೃಢೀಕರಣ

ಇಂಧನ ವಿಚಲನ

ಅಸಂಗತ ಚಿಹ್ನೆ

ನಿರ್ವಹಣೆ ತಂಡ

ದೈಹಿಕ ಪರೀಕ್ಷೆ

ಕಂಪನ ಸ್ಪ್ಲಾಶ್

ಎಚ್ಚರಿಕೆ (ರೋಗನಿರ್ಣಯವಲ್ಲ)

ನಿರ್ವಹಣೆ + ಕಾರ್ಯಾಚರಣೆ

ಸಂವೇದಕ + ತಪಾಸಣೆ

ಶಿಫ್ಟ್ ವರದಿ

ಕರಡು

ಕಾರ್ಯಾಚರಣೆ ವ್ಯವಸ್ಥಾಪಕ

ಅನುಮೋದನೆ

ಸಾಮಾನ್ಯ ತಪ್ಪುಗಳು

• ಒಂದು ನಿರ್ದಿಷ್ಟ ಅಸಮರ್ಪಕ ಕಾರ್ಯಕ್ಕಾಗಿ ಅಸಂಗತತೆಯನ್ನು ತಪ್ಪಾಗಿ ಗ್ರಹಿಸುವುದು. ಹೆಚ್ಚಿನ ವೈಪರೀತ್ಯಗಳು ಸಂವೇದಕ/ಡೇಟಾ ದೋಷಗಳು; ಮೊದಲು ಡೇಟಾವನ್ನು ಪ್ರಶ್ನಿಸಿ.
• ನಿಖರವಾಗಿ ಊಹಿಸಲು AI ಅನ್ನು ಕೇಳುವುದು "ಇದು ಒಡೆಯುತ್ತದೆಯೇ?" AI ಸಂಕೇತಗಳು; ಪರೀಕ್ಷೆಯು ರೋಗನಿರ್ಣಯವನ್ನು ಮಾಡುತ್ತದೆ.
• ಸಂಖ್ಯಾತ್ಮಕ ಪರಿಶೀಲನೆಯಿಂದ ಅಡಚಣೆಯನ್ನು ಊಹಿಸುವುದು. "ಕಡಿಮೆ ಟ್ರಕ್ಗಳು" ಎಂಬ ಭಾವನೆಯು ಸಾಮಾನ್ಯವಾಗಿ ತಪ್ಪಾಗಿ ಹೊರಹೊಮ್ಮುತ್ತದೆ.
• ಟೈಮ್‌ಸ್ಟ್ಯಾಂಪ್/ವಾಲ್ಯೂಮ್ ಸಮಸ್ಯೆಗಳನ್ನು ಬೈಪಾಸ್ ಮಾಡುವುದು. ರೆಕಾರ್ಡ್ ಅಂತರಗಳು OEE ಮತ್ತು ಸೈಕಲ್ ಲೆಕ್ಕಪತ್ರವನ್ನು ವಿರೂಪಗೊಳಿಸುತ್ತವೆ.
• ಕುರುಡಾಗಿ ಎಚ್ಚರಿಕೆಯನ್ನು ಪಾಲಿಸುವುದು ಮತ್ತು ಉತ್ಪಾದನೆಯನ್ನು ನಿಲ್ಲಿಸುವುದು. ತಪ್ಪು ಧನಾತ್ಮಕ ವೆಚ್ಚವು ಸಹ ನಿಜವಾಗಿದೆ.

ಗಮನ: ಮುನ್ಸೂಚಕ ನಿರ್ವಹಣೆಯ ಗುರಿಯು ಅಸಮರ್ಪಕ ಕಾರ್ಯವನ್ನು ತಡೆಗಟ್ಟುವುದು, ಆದರೆ ಯಂತ್ರವನ್ನು ನಿಲ್ಲಿಸುವ ಮೂಲಕ ಪ್ರತಿ ಎಚ್ಚರಿಕೆಗೆ ಪ್ರತಿಕ್ರಿಯಿಸುವುದು ಸಹ ನಷ್ಟವನ್ನು ಉಂಟುಮಾಡುತ್ತದೆ. ನಿರ್ಧಾರವು ಎಚ್ಚರಿಕೆಯ ತೀವ್ರತೆ, ಸಲಕರಣೆಗಳ ವಿಮರ್ಶಾತ್ಮಕತೆ ಮತ್ತು ತಪಾಸಣೆಯ ಶೋಧನೆಯನ್ನು ಒಟ್ಟಿಗೆ ತೂಗುವ ವ್ಯಕ್ತಿಗೆ ಸೇರಿದೆ.

ಸಾರಾಂಶದಲ್ಲಿ

ಫ್ಲೀಟ್ ಮತ್ತು ಉತ್ಪಾದನಾ ದತ್ತಾಂಶವು ನಿಧಿಯಾಗಿದ್ದು ಅದು ಸರಿಯಾಗಿ ಓದಿದಾಗ ಉತ್ಪಾದನೆಯನ್ನು ಹೆಚ್ಚಿಸುತ್ತದೆ; AI ಇದನ್ನು ಸಾರಾಂಶ, ಅಡಚಣೆಯ ಶೋಧನೆ, ಅಸಂಗತ ಫ್ಲ್ಯಾಗ್ ಮಾಡುವಿಕೆ ಮತ್ತು ಮುನ್ಸೂಚಕ ನಿರ್ವಹಣೆಯಲ್ಲಿ ಶಕ್ತಿಯುತವಾಗಿ ನಿರ್ವಹಿಸುತ್ತದೆ. OEE ನಷ್ಟಗಳು, ಕ್ಯೂಯಿಂಗ್ ಸಮಯಗಳು ಮತ್ತು ಸಂವೇದಕ ವಿಚಲನಗಳು AI ಯೊಂದಿಗೆ ತ್ವರಿತವಾಗಿ ಗೋಚರಿಸುತ್ತವೆ. ಆದರೆ ಅಸಂಗತತೆಯು ಒಂದು ಎಚ್ಚರಿಕೆ, ರೋಗನಿರ್ಣಯವಲ್ಲ; ಕ್ಷೇತ್ರದ ದೃಢೀಕರಣ ಮತ್ತು ಕಾರ್ಯಾಚರಣೆಗಳ ವ್ಯವಸ್ಥಾಪಕರ ಅನುಮೋದನೆಯೊಂದಿಗೆ ಸಲಕರಣೆಗಳ ನಿಲುಗಡೆ ಮತ್ತು ಶಿಫ್ಟ್ ನಿರ್ಧಾರಗಳನ್ನು ಮಾಡಲಾಗುತ್ತದೆ. ಪ್ರತಿ ಅಸಂಗತತೆಗೆ, ಮೊದಲು ಡೇಟಾ/ಸೆನ್ಸಾರ್ ಗುಣಮಟ್ಟವನ್ನು ಪ್ರಶ್ನಿಸಿ.

ಅಪ್ಲಿಕೇಶನ್ ಕಾರ್ಯ

ಶಿಫ್ಟ್ ಕಳೆದುಹೋಗಲು ಕಾರಣಗಳನ್ನು ಹೊರತೆಗೆಯಲು ನಿಮ್ಮ ಮಾದರಿ (ಅಥವಾ ನಿಮ್ಮ ಸ್ವಂತ ಅನಾಮಧೇಯ) ರವಾನೆ ಡೇಟಾದೊಂದಿಗೆ "ಫ್ಲೀಟ್ ಡೇಟಾ ಸಾರಾಂಶ" ಮತ್ತು "ಬಾಟಲ್‌ನೆಕ್ ವಿಶ್ಲೇಷಣೆ" ಟೆಂಪ್ಲೇಟ್‌ಗಳನ್ನು ಬಳಸಿ. ನಂತರ "ಅಸಂಗತ ಗುರುತು" ಟೆಂಪ್ಲೇಟ್ ಅನ್ನು ಉಪಕರಣದ ಕಂಪನ/ಇಂಧನ ಸರಣಿಯ ತುಣುಕಿಗೆ ಅನ್ವಯಿಸಿ ಮತ್ತು ಪ್ರತಿ ಫ್ಲ್ಯಾಗ್‌ಗೆ ಇದು ಡೇಟಾ ದೋಷ ಅಥವಾ ನಿಜವಾದ ಸಮಸ್ಯೆಯೇ ಎಂಬುದನ್ನು ಗಮನಿಸಿ. ಅಂತಿಮವಾಗಿ, "ಶಿಫ್ಟ್ ರಿಪೋರ್ಟ್ ಡ್ರಾಫ್ಟ್" ನೊಂದಿಗೆ, ಸಂಶೋಧನೆಗಳನ್ನು ವರದಿಯಾಗಿ ಭಾಷಾಂತರಿಸಿ ಮತ್ತು ಕಾರ್ಯಾಚರಣೆಯ ಅನುಮೋದನೆಗಾಗಿ ನಿರ್ಧಾರಗಳನ್ನು ಗುರುತಿಸಿ.

ಪರಿಶೀಲನಾಪಟ್ಟಿ

• [ ] ನಾನು ವಾಹನ/ಸಿಬ್ಬಂದಿ ಐಡಿಗಳನ್ನು ಮಾಸ್ಕ್ ಮಾಡಿದ್ದೇನೆ ಮತ್ತು ಅನಾಮಧೇಯಗೊಳಿಸಿದ್ದೇನೆ.
• [ ] ನಾನು ಅಡಚಣೆಯನ್ನು ಕ್ಯೂ/ವೇಟ್ ಡೇಟಾ ಮೂಲಕ ಪರಿಶೀಲಿಸಿದ್ದೇನೆ, ಭಾವನೆಯಿಂದ ಅಲ್ಲ.
• [ ] ಪ್ರತಿ ಅಸಂಗತತೆಗೆ, ನಾನು ಮೊದಲು ಸಂವೇದಕ/ಡೇಟಾ ಗುಣಮಟ್ಟವನ್ನು ಪ್ರಶ್ನಿಸಿದೆ.
• [ ] I considered the AI ​​warning not a diagnosis, but a sign to be confirmed by examination.
• [ ] ನಾನು ಉಪಕರಣಗಳ ಸ್ಥಗಿತ/ಉತ್ಪಾದನೆಯ ನಿರ್ಧಾರವನ್ನು ಕಾರ್ಯಾಚರಣೆ ನಿರ್ವಾಹಕರಿಗೆ ಬಿಟ್ಟಿದ್ದೇನೆ.
• [ ] ನಾನು ಟೈಮ್‌ಸ್ಟ್ಯಾಂಪ್ ಮತ್ತು ವಾಲ್ಯೂಮ್ ಸ್ಥಿರತೆಯನ್ನು ಪರಿಶೀಲಿಸಿದ್ದೇನೆ.