Fitimet:
- Aftësia për të përmbledhur të dhënat e dërgimit, telemetrisë dhe OEE me AI dhe zbulimin e pengesave dhe anomalive
- Aftësia për të ndërtuar logjikë parashikuese të mirëmbajtjes me të dhëna të analizës së dridhjeve, temperaturës dhe vajit me mbështetje AI
- Aftësia për të testuar parashikimin e prodhimit/mirëmbajtjes të prodhuar nga AI me verifikimin në terren dhe vendimin e menaxherit të operacioneve
Sado i mirë të jetë plani në letër, është prodhimi në terren ai që ka rëndësi: sa tonë u gërmuan, në çfarë grade, sa kamionë e bartën, sa fort funksionuan pajisjet, sa karburant u dogj. Në një gropë moderne të hapur, ekskavatorët, kamionët, shpuesit dhe dozerët prodhojnë të dhëna sekondë pas sekonde; Sistemet e menaxhimit të flotës (dispeçimi) regjistrojnë vendndodhjen, ngarkesën dhe statusin e çdo automjeti. Ky oqean i të dhënave është një thesar që, kur lexohet saktë, rrit prodhimin, zvogëlon kostot dhe tregon pengesa. AI; Ky është një ndihmë e fuqishme në përmbledhjen e të dhënave operacionale, zbulimit të tendencës dhe anomalive (devijimit nga pritja), parashikimit parashikues të mirëmbajtjes dhe raportimit. Megjithatë, vendimet e ndërrimit, ndërprerjet e pajisjeve dhe objektivat e prodhimit i përkasin menaxherit të operacioneve; AI jep një paralajmërim, njeriu merr vendimin.
Gjuha e OEE dhe të dhënat e prodhimit
Një mënyrë e zakonshme për të matur performancën e prodhimit është OEE (Overall Equipment Effectiveness). OEE është produkt i tre komponentëve: disponueshmëria (a është pajisja funksionale), performanca (sa funksionon me shpejtësinë e projektimit) dhe cilësia (sa pjesë e prodhimit është në shënjestër). OEE e ulët e një kamioni mund të vijë nga prishja, ngecja ose funksionimi i ngadaltë; Për të kuptuar se cili është kërkon prerjen e saktë të të dhënave. AI është i mirë në zbërthimin e komponentëve OEE dhe përgjigjen e pyetjes "ku është humbja"; por arsyeja e saktë pse është hequr një zhvendosje gjendet përmes konfirmimit në terren.
Hap pas hapi: AI punon me të dhënat e flotës
- Anonimizo dhe identifiko të dhënat. ID-të e automjeteve me maskë; Përshkruani kolonat, vulën kohore dhe njësitë.
- Bëni një përmbledhje. Tonelata, numri i udhëtimeve, koha e punës/pritjes/dështimit me ndërrim/ditë. AI: kodi përmbledhës dhe tabela.
- Kërkoni për pengesat. A e kufizon ngarkimin, bartjen apo shkarkimin? Ku grumbullohen kohët e radhës? AI: sugjeron analiza tërthore.
- Shënoni anomalinë. Karburanti, koha e ciklit, ngarkesa që devijojnë nga pritshmëritë. AI: sugjeron pragun statistikor ose model të thjeshtë.
- Konfirmo me fushë. Verifikoni çdo anomali me ekipin e operimit/mirëmbajtjes; Gabim i të dhënave apo problem real?
- Veprim dhe ndjekje. Vendimi merret nga oficeri operativ; UA harton raportin vijues.
Këshillë: Një anomali nuk është gjithmonë një mosfunksionim; Shumicën e kohës është gabim sensori, zhvendosje e vulës kohore ose hendek rekord. Bëj pyetjen "A duhet të dyshoj më parë për të dhënat apo makinën?" me çdo anomali.
Mirëmbajtja parashikuese: koncepti dhe kufiri
Ekzistojnë tre gjenerata të mirëmbajtjes: korrigjuese (riparim kur ndodh një mosfunksionim), parandalues (mirëmbajtje sipas një plani) dhe parashikues (parashikues: parashikimi i dështimit nga shenjat në të dhëna). Në mirëmbajtjen parashikuese monitorohen tregues të tillë si dridhja, temperatura, analiza e vajit (konsumimi i metaleve), rryma dhe presioni; Devijimi nga normalja mund të tregojë një mosfunksionim. Inteligjenca artificiale është e fuqishme në gjetjen e modeleve dhe anomalive në këto të dhëna me shumë variacione. Por pika kritike është kjo: një anomali është një paralajmërim, jo një diagnozë. Vendimi për ndalimin e pajisjeve, zëvendësimin e pjesëve ose vazhdimin e funksionimit; Ai jepet me ekzaminimin fizik të ekipit të mirëmbajtjes dhe miratimin e menaxherit të operimit. Pozitivet e rreme (ndalesa e kotë) dhe negativet e rreme (dështimi i humbur) janë të dy të kushtueshëm; Njerëzit e menaxhojnë këtë ekuilibër.
Vlera e mirëmbajtjes parashikuese qëndron në identifikimin e dështimit mjaft herët për ta kthyer atë në një mbyllje të planifikuar: një dështim i paplanifikuar ndalon prodhimin në mes të ndërrimit, ndërsa një pjesë e dështimit të parashikuar përgatitet për të dhe mirëmbajtja kryhet brenda një dritareje të planifikuar. Sidoqoftë, kjo funksionon vetëm nëse të dhënat janë të besueshme. Në një minierë, sensorët funksionojnë nën pluhur, dridhje dhe nxehtësi; Zhvendosja e kalibrimit, lidhja e lirshme dhe hendeku i regjistrimit janë të zakonshme. Prandaj, hapi i parë i një programi parashikues të mirëmbajtjes nuk është ndërtimi i një modeli, por sigurimi i cilësisë së të dhënave. Përpara se AI të bëjë një "parashikim dështimi", është e nevojshme të pyesim se sa të besueshme janë mbledhur ato të dhëna; Edhe modeli më i avancuar i ndërtuar me të dhëna të këqija është mashtrues. Për më tepër, jo të gjitha pajisjet janë njësoj kritike: dështimi i një ndërprerësi të vetëm kryesor mund të mbyllë të gjithë impiantin, ndërsa dështimi i një pompë rezervë mund të tolerohet. Prioriteti i përpjekjeve parashikuese bazuar në kritikitetin e pajisjeve drejton burimet e kufizuara të mirëmbajtjes në vendin e duhur.
tre mini kuti
Rasti 1 - Grykë e ngushtë e fshehur. Prodhimi në një minierë është 12% nën objektivin. Mbikëqyrësi i turnit mendon se "ka pak kamionë". Ata kanë të dhënat e përmbledhjes së AI-së; Rezulton se mesatarisht 28% e kamionëve presin në radhë në ekskavator. Problemi nuk është numri i kamionëve, por shpejtësia e ngarkimit të një ekskavatori të vetëm. Bishti bie kur vendoset një ngarkues i dytë. AI tregoi pengesën në numra; Ekipi mori vendimin dhe konfirmimin në terren.
Rasti 2 - Anomali e karburantit. Inteligjenca artificiale tregon se konsumi i karburantit të një kamioni ka qenë 18% më i lartë se ai i kolegëve të tij në dy javët e fundit. Ekipi i mirëmbajtjes kontrollon; konstaton se filtri i ajrit është i bllokuar dhe motori është në vështirësi. Konsumi kthehet në normale kur filtri ndërrohet. Këtu AI dha paralajmërim të hershëm; por ekzaminimi fizik vendosi diagnozën (filtri). Nëse AI do të kishte thënë "motori me defekt" dhe motori do të ishte çmontuar në përputhje me rrethanat, do të kishte qenë edhe i gabuar dhe i shtrenjtë.
Rasti 3 - Pozitiv i rremë. AI sheh një kërcim të papritur në të dhënat e dridhjeve të një mulli dhe paralajmëron për "dështim të afërt". Ekipi i mirëmbajtjes kujdeset; konstaton se kërcimi është për shkak të lirimit të sensorit, makina është e paprekur. Nëse paralajmërimi do të ishte ndjekur verbërisht dhe do të ishte ndalur mulliri, një ndërrim i prodhimit do të kishte humbur kot. Mësimi: me çdo anomali, së pari vini në dyshim cilësinë e të dhënave/sensorit; Paralajmërimi i AI është një hipotezë.
Modele të shpejtë të kopjueshëm
PËRMBLEDHJE E TË DHËNAVE TË FLETËS"Roli: Ju jeni ndihmës analist i operacioneve të minierave. Përmblidhni të dhënat e mëposhtme të dërgimit sipas ndërrimit: tonelata totale, numri i udhëtimeve, koha mesatare e ciklit, përqindjet e vrapimit/pritjes/dështimeve. ID-të e automjeteve janë të maskuara. Shënoni ndërrimet e flamurit që duken jonormale, por vendosni PSE; sugjeroni se cilat të dhëna shtesë: [pastroni] të ekzaminohen."
ANALIZA E SHFYSHËS "Krijoni një analizë për të gjetur se ku grumbullohen kohët e radhës/pritjes në ciklin ngarkim-transport-shkarkim. Rezultati: pritja mesatare dhe koha totale e humbur në çdo fazë. Tregoni nëse pengesa është në ngarkues, në transport ose në shkarkim; REKOMANDONI zgjidhjen përfundimtare, listoni shkaqet e mundshme dhe tregoni se kërkohet konfirmimi në terren."
ANOMALI E SHËNIMIT (MIRËMBAJTJA)"Më poshtë është një seri kohore [dridhje/temperatura/karburant] e një pajisjeje. Shënoni pikat që devijojnë nga diapazoni normal dhe për secilën: (1) madhësinë e devijimit, (2) mundësinë e dështimit të mundshëm të sensorit/të dhënave, (3) çfarë duhet kërkuar në një inspektim të plotë të të dhënave.IS."
DRAFT I RAPORTIT TË NDËRRIMIT"Shkruani një draft raport ndërrimi nga të dhënat përmbledhëse të mëposhtme: tonet e prodhuara, devijimi nga objektivi, shkaqet kryesore të humbjes, anomalitë e shënuara dhe hapat e rekomanduar pasues. Shënoni vendimet 'në varësi të miratimit të oficerit operativ'. Të dhënat:[ngjit]."
Prompt i dobët / Prompt i fortë
NJOFTIM I DOBËT: "A do të prishet ky kamion?"
NJOFTIM I FORTË: "Roli: Ju jeni asistenti i analistit parashikues të mirëmbajtjes. Shënoni pikat në serinë e dridhjeve dhe temperaturës më poshtë që devijojnë nga normalja, jepni madhësinë e devijimit dhe DISKRIMINONI mundësinë e dështimit të mundshëm të sensorit nga shenja aktuale mekanike. MOS bëni një parashikim të saktë të dështimit; analizoni se çfarë të dhënash duhet të kontrolloni fizikisht gjatë ekipit të mirëmbajtjes."
Grafiku i krahasimit: sinjali i të dhënave dhe vendimi
sinjal
Prodhimi i AI
vendimi i të cilit
verifikimi
OEE e ulët
Mungon analizimi i komponentëve
Menaxher i operacioneve
vëzhgimi në terren
Radhë/të ngushta
ku grumbullohet
Mbikëqyrësi i turnit
Konfirmimi në terren
Devijimi i karburantit
shenjë anomalie
ekipi i mirëmbajtjes
ekzaminim fizik
spërkatje vibrimi
Paralajmërim (jo diagnozë)
Mirëmbajtje + funksionim
Sensor + inspektim
raporti i turnit
draft
Menaxher i operacioneve
Miratimi
Gabimet e zakonshme
- Gabimi i një anomalie për një mosfunksionim të caktuar. Shumica e anomalive janë gabime të sensorëve/të dhënave; Kërkoni së pari të dhënat.
- Duke i kërkuar AI të parashikojë me saktësi "a do të prishet?" sinjalet e AI; ekzaminimi vendos diagnozën.
- Duke supozuar pengesën nga verifikimi numerik. Ndjenja e "më pak kamionëve" shpesh rezulton të jetë e gabuar.
- Duke anashkaluar problemet e vulës kohore/vëllimit. Boshllëqet e regjistrave shtrembërojnë OEE dhe kontabilitetin e ciklit.
- Duke iu bindur verbërisht paralajmërimit dhe ndalimi i prodhimit. Kostoja e një pozitive false është gjithashtu reale.
Kujdes: Qëllimi i mirëmbajtjes parashikuese është të parandalojë mosfunksionimin, por përgjigjja ndaj çdo paralajmërimi duke e ndalur makinën shkakton gjithashtu humbje. Vendimi i takon personit që peshon së bashku ashpërsinë e paralajmërimit, kritikitetin e pajisjes dhe gjetjen e inspektimit.
Në përmbledhje
Të dhënat e flotës dhe prodhimit janë një thesar që rrit prodhimin kur lexohet saktë; Inteligjenca artificiale e trajton fuqishëm këtë në përmbledhje, gjetjen e pengesave, raportimin e anomalive dhe mirëmbajtjen parashikuese. Humbjet OEE, kohët e radhës dhe devijimet e sensorëve bëhen shpejt të dukshme me AI. Por anomalia është një paralajmërim, jo një diagnozë; Vendimet për ndalimin dhe ndërrimin e pajisjeve merren me konfirmimin në terren dhe miratimin e menaxherit të operacioneve. Për çdo anomali, së pari kërkoni cilësinë e të dhënave/sensorit.
Detyra e aplikimit
Përdorni shabllonet "Përmbledhja e të dhënave të flotës" dhe "Analiza e bllokimit" me të dhënat e dërgimit të mostrës tuaj (ose të anonimizuara) për të nxjerrë arsyet e humbjes së një ndërrimi. Më pas aplikoni shabllonin "Shënimi i anomalisë" në serinë e dridhjeve/karburantit të një pjese të pajisjes dhe vini re për çdo flamur nëse është një gabim i të dhënave apo një problem real. Së fundi, me "Draft raporti i ndërrimit", përktheni gjetjet në raport dhe shënoni vendimet për miratim operacional.
listë kontrolli
- [ ] Kam maskuar dhe anonimizuar ID-të e automjeteve/personelit.
- [ ] E verifikova pengesën me të dhënat e radhës/pritjes, jo me ndjesi.
- [ ] Për çdo anomali, së pari vura në dyshim cilësinë e sensorit/të dhënave.
- [ ] Unë e konsiderova paralajmërimin e AI jo një diagnozë, por një shenjë që duhet konfirmuar me ekzaminim.
- [ ] Vendimin për mbylljen/prodhimin e pajisjeve ia lashë menaxherit të operacioneve.
- [ ] Kontrollova vulën kohore dhe konsistencën e volumit.