Faida:
- Uwezo wa kufanya muhtasari wa data ya kutuma, telemetry na OEE na AI na kugundua vikwazo na makosa.
- Uwezo wa kuunda mantiki ya matengenezo ya utabiri na data ya mtetemo, halijoto na mafuta kwa msaada wa AI
- Uwezo wa kujaribu utabiri wa uzalishaji/utunzaji unaotolewa na AI na uthibitishaji wa shamba na uamuzi wa meneja wa shughuli.
Haijalishi mpango huo ni mzuri kwenye karatasi, ni uzalishaji kwenye shamba ambao unahesabu: ni tani ngapi zilichimbwa, kwa daraja gani, ni lori ngapi zilizobeba, vifaa vilivyofanya kazi kwa bidii, ni mafuta ngapi yalichomwa. Katika shimo la kisasa la wazi, wachimbaji, malori, visima na dozers huzalisha data pili kwa pili; Mifumo ya usimamizi wa meli (dispatch) inarekodi eneo, mzigo na hali ya kila gari. Bahari hii ya data ni hazina ambayo, inaposomwa kwa usahihi, huongeza uzalishaji, hupunguza gharama na inaonyesha vikwazo. AI; Huu ni usaidizi mkubwa katika kufupisha data ya uendeshaji, mwenendo na ugunduzi (mkengeuko kutoka unaotarajiwa), utabiri wa udumishaji wa ubashiri na kuripoti. Walakini, maamuzi ya zamu, kusimamishwa kwa vifaa na malengo ya uzalishaji ni ya msimamizi wa shughuli; AI inatoa onyo, mwanadamu hufanya uamuzi.
Lugha ya OEE na data ya uzalishaji
Njia ya kawaida ya kupima utendaji wa uzalishaji ni OEE (Ufanisi kwa Jumla wa Kifaa). OEE ni bidhaa ya vipengele vitatu: upatikanaji (kifaa kinafanya kazi), utendaji (ni kiasi gani kinafanya kazi kwa kasi ya kubuni), na ubora (ni kiasi gani cha uzalishaji kinacholengwa). OEE ya chini ya lori inaweza kuja kutokana na kuharibika, kukwama, au kufanya kazi polepole; Kuamua ni ipi inahitaji kukata data kwa usahihi. AI ni nzuri katika kuvunja vipengele vya OEE na kujibu swali "wapi hasara"; lakini sababu halisi kwa nini zamu imeshuka hupatikana kupitia uthibitisho wa shamba.
Hatua kwa hatua: AI inafanya kazi na data ya meli
- Usitambulishe na utambue data. Vitambulisho vya gari la mask; Eleza safu wima, muhuri wa muda na vitengo.
- Fanya muhtasari. Tani, idadi ya safari, nyakati za kufanya kazi/kusubiri/kushindwa kwa zamu/siku. AI: msimbo wa muhtasari na jedwali.
- Tafuta vikwazo. Je, inazuia upakiaji, kubeba au upakuaji? Je, nyakati za foleni hujikusanya wapi? AI: inapendekeza uchanganuzi wa sehemu mbalimbali.
- Weka alama kwenye hali isiyo ya kawaida. Mafuta, wakati wa mzunguko, mzigo unaopotoka kutoka kwa matarajio. AI: inapendekeza kizingiti cha takwimu au mfano rahisi.
- Thibitisha kwa uga. Thibitisha kila hitilafu na timu ya uendeshaji/utunzaji; Hitilafu ya data au tatizo halisi?
- Hatua na harakati. Uamuzi unafanywa na afisa wa uendeshaji; AI inatayarisha ripoti ya ufuatiliaji.
Kidokezo: Shida sio kazi mbaya kila wakati; mara nyingi ni hitilafu ya kihisia, upeperushaji wa muhuri wa muda au pengo la rekodi. Uliza swali "Je, nishuku data au mashine kwanza?" na kila kasoro.
Matengenezo ya utabiri: dhana na mpaka
Kuna vizazi vitatu vya matengenezo: kurekebisha (kukarabati wakati malfunction inatokea), kuzuia (matengenezo kulingana na ratiba) na utabiri (utabiri: kutabiri kushindwa kutoka kwa ishara kwenye data). Katika matengenezo ya utabiri, viashiria kama vile vibration, joto, uchambuzi wa mafuta (kuvaa metali), sasa na shinikizo hufuatiliwa; Kupotoka kutoka kwa kawaida kunaweza kuonyesha malfunction. AI ina nguvu katika kutafuta mifumo na hitilafu katika data hii ya aina nyingi. Lakini jambo muhimu ni hili: hali isiyo ya kawaida ni onyo, sio utambuzi. Uamuzi wa kusimamisha vifaa, kubadilisha sehemu au kuendelea na operesheni; Inatolewa kwa uchunguzi wa kimwili wa timu ya matengenezo na idhini ya meneja wa operesheni. Chanya za uwongo (kuacha bure) na hasi za uwongo (kukosa kushindwa) zote ni za gharama kubwa; Watu husimamia usawa huu.
Thamani ya matengenezo ya ubashiri iko katika kugundua kutofaulu mapema vya kutosha ili kuigeuza kuwa uzimaji uliopangwa: kutofaulu bila kupangwa husimamisha uzalishaji katikati ya zamu, huku sehemu iliyotabiriwa ya kutofaulu ikitayarishwa na matengenezo hufanywa ndani ya dirisha lililopangwa. Walakini, hii inafanya kazi tu ikiwa data ni ya kuaminika. Katika mgodi, sensorer hufanya kazi chini ya vumbi, vibration na joto; Kuteleza kwa urekebishaji, muunganisho uliolegea na pengo la usajili ni kawaida. Kwa hiyo, hatua ya kwanza ya mpango wa matengenezo ya utabiri sio kujenga mfano, lakini kuhakikisha ubora wa data. Kabla ya AI kufanya "utabiri wa kutofaulu", ni muhimu kuuliza jinsi data hiyo imekusanywa kwa uhakika; Hata mfano wa juu zaidi uliojengwa na data mbaya ni wa kupotosha. Zaidi ya hayo, sio vifaa vyote ni muhimu kwa usawa: kushindwa kwa mhalifu mmoja kuu kunaweza kuzima mmea mzima, wakati kushindwa kwa pampu ya ziada kunaweza kuvumiliwa. Kutanguliza juhudi za ubashiri kulingana na umuhimu wa vifaa huelekeza rasilimali chache za matengenezo mahali pazuri.
kesi tatu ndogo
Kesi ya 1 - kizuizi kilichofichwa. Uzalishaji katika mgodi mmoja ni 12% chini ya lengo. Msimamizi wa zamu anafikiria "kuna malori machache". Wana AI muhtasari wa data ya utumaji; Inabadilika kuwa wastani wa 28% ya malori yanangojea kwenye foleni kwenye mchimbaji. Shida sio idadi ya lori, lakini kasi ya upakiaji ya mchimbaji mmoja. Mkia huanguka wakati kipakiaji cha pili kinatumiwa. AI ilionyesha kizuizi kwa nambari; Timu ilifanya uamuzi na uthibitisho wa uwanja.
Kesi ya 2 - Ukosefu wa mafuta. AI inaashiria kwamba matumizi ya mafuta ya lori yamekuwa ya juu kwa 18% kuliko yale mengine katika wiki mbili zilizopita. Timu ya matengenezo hukagua; hugundua kuwa kichungi cha hewa kimefungwa na injini inajitahidi. Matumizi hurudi kwa kawaida wakati kichujio kinabadilishwa. Hapa AI ilitoa onyo la mapema; lakini uchunguzi wa kimwili ulifanya uchunguzi (chujio). Ikiwa AI ingesema "injini mbovu" na injini ikavunjwa ipasavyo, ingekuwa sio sawa na ya gharama kubwa.
Kesi ya 3 - Chanya ya uwongo. AI inaona kuruka kwa ghafla katika data ya mtetemo ya grinder na inaonya juu ya "kutofaulu kwa karibu." Timu ya matengenezo inaangalia; hupata kwamba bounce inatokana na kihisi kulegea, mashine iko sawa. Ikiwa onyo lingefuatwa kwa upofu na kinu kingesimamishwa, zamu moja ya uzalishaji ingepotea bure. Somo: kwa kila hitilafu, kwanza swali ubora wa data/sensor; Onyo la AI ni dhana.
Violezo vya haraka vinavyoweza kunakiliwa
MUHTASARI WA DATA YA FLEET"Jukumu: Wewe ni mchanganuzi msaidizi wa shughuli za mgodi. Fanya muhtasari wa data ifuatayo ya utumaji kwa zamu: jumla ya tani, idadi ya safari, wastani wa muda wa mzunguko, asilimia za kukimbia/kusubiri/kushindwa. Vitambulisho vya gari vimefunikwa. Mabadiliko ya alama ambayo yanaonekana si ya kawaida lakini amua KWA NINI; pendekeza [sehemu gani ya ziada ya kubandika] ya kuchunguza."
UCHAMBUZI WA BOTTLENECK "Sanidi uchanganuzi ili kupata ambapo nyakati za foleni/kungoja hujilimbikiza katika mzunguko wa kupakia-usafirishaji-upakiaji. Pato: wastani wa kusubiri na jumla ya muda uliopotea katika kila hatua. Onyesha ikiwa kizuizi kiko kwenye kipakiaji, katika usafirishaji au upakuaji; PENDEKEZA suluhisho la uhakika, orodhesha sababu zinazowezekana, na uonyeshe uthibitishaji wa sehemu hiyo unahitajika."
KUTIA ALAMA KWA UTENGENEZAJI)"Hapa kuna mfululizo wa muda wa [mtetemo/joto/mafuta] wa kipande cha kifaa. Weka alama kwenye pointi zinazotoka kwenye masafa ya kawaida na kwa kila moja: (1) ukubwa wa mkengeuko, (2) uwezekano wa uwezekano wa kushindwa kwa kihisi/data, (3) cha kutafuta katika ukaguzi wa kimwili. [DIAGNOSIS] definitive Data.
RASIMU YA RIPOTI YA MABADILIKO"Andika rasimu ya ripoti ya mabadiliko kutoka kwa data ifuatayo ya muhtasari: tani zinazozalishwa, kupotoka kutoka kwa lengo, sababu kuu za hasara, hitilafu zilizoalamishwa, na hatua zinazopendekezwa za ufuatiliaji. Tia alama maamuzi 'chini ya idhini ya afisa wa uendeshaji'. Data:[bandika]."
Agizo dhaifu / Ukumbusho thabiti
MWONGOZO DHAIFU: "Je, lori hili litaharibika?"
[HABARI IMARA: "Jukumu: Wewe ni mchambuzi msaidizi wa udumishaji wa ubashiri. Weka alama katika mfululizo wa mtetemo na halijoto chini ambayo inapotoka kutoka kwa kawaida, toa ukubwa wa mkengeuko, na KUBAGUA uwezekano wa kushindwa kwa kihisi kutoka kwa ishara halisi ya kiufundi. USIFANYE ubashiri kamili wa kutofaulu; andika kile ambacho timu ya matengenezo inapaswa kuangalia wakati wa ukaguzi.
Chati ya kulinganisha: ishara ya data na uamuzi
ishara
Pato la AI
uamuzi wa nani
uthibitishaji
Kiwango cha chini OEE
Uchanganuzi wa sehemu haupo
Meneja wa uendeshaji
uchunguzi wa shamba
Foleni/kiini
ambapo hujilimbikiza
Msimamizi wa Shift
Uthibitishaji wa uwanja
Kupotoka kwa mafuta
ishara isiyo ya kawaida
timu ya matengenezo
uchunguzi wa kimwili
mtetemo wa mtetemo
Onyo (sio utambuzi)
Matengenezo + uendeshaji
Sensorer + ukaguzi
ripoti ya mabadiliko
rasimu
Meneja wa uendeshaji
Idhini
Makosa ya kawaida
- Kukosea kwa hitilafu kwa utendakazi dhahiri. Makosa mengi ni hitilafu za kihisi/data; Uliza data kwanza.
- Kuuliza AI kutabiri kwa usahihi "itavunjika?" Ishara za AI; uchunguzi hufanya utambuzi.
- Kwa kuzingatia kizuizi kutoka kwa uthibitishaji wa nambari. Hisia ya "malori machache" mara nyingi hugeuka kuwa mbaya.
- Kukwepa maswala ya muhuri wa muda/sauti ya sauti. Mapungufu ya rekodi yanapotosha OEE na mzunguko wa uhasibu.
- Kutii onyo kwa upofu na kusimamisha uzalishaji. Gharama ya chanya ya uwongo pia ni halisi.
Tahadhari: Lengo la matengenezo ya ubashiri ni kuzuia utendakazi, lakini kujibu kila onyo kwa kusimamisha mashine pia husababisha hasara. Uamuzi ni wa mtu anayepima pamoja uzito wa onyo, umuhimu wa kifaa na matokeo ya ukaguzi.
Kwa muhtasari
Data ya meli na uzalishaji ni hazina inayoongeza uzalishaji inaposomwa kwa usahihi; AI hushughulikia hili kwa nguvu katika muhtasari, upataji wa vikwazo, uwekaji alama potofu, na matengenezo ya ubashiri. Hasara za OEE, nyakati za foleni na mikengeuko ya vitambuzi huonekana haraka na AI. Lakini hitilafu ni onyo, si utambuzi; Uamuzi wa kusimamisha kifaa na zamu hufanywa kwa uthibitisho wa uga na idhini ya msimamizi wa utendakazi. Kwa kila hitilafu, kwanza uliza ubora wa data/kitambuzi.
Jukumu la maombi
Tumia violezo vya "Fleet data summary" na "Bottleneck analysis" pamoja na sampuli yako (au data yako binafsi isiyojulikana) ili kutoa sababu za mabadiliko kupotea. Kisha weka kiolezo cha "Kuweka alama kwa njia isiyo ya kawaida" kwenye safu ya mitetemo/mafuta ya kifaa na dokezo kwa kila alama ikiwa ni hitilafu ya data au tatizo halisi. Hatimaye, kwa "Shift ripoti rasimu", tafsiri matokeo katika ripoti na alama maamuzi kwa ajili ya uidhinishaji wa uendeshaji.
orodha ya ukaguzi
- [ ] Nilificha na kutokutambulisha vitambulisho vya gari/mfanyikazi.
- [ ] Nilithibitisha kizuizi kwa data ya foleni/ya kusubiri, si kwa kuhisi.
- [ ] Kwa kila hitilafu, kwanza nilitilia shaka kihisi/ubora wa data.
- [ ] Nilizingatia onyo la AI sio utambuzi, lakini ishara ya kuthibitishwa na uchunguzi.
- [ ] Niliacha uamuzi wa kufunga kifaa/uzalishaji kwa msimamizi wa utendakazi.
- [ ] Niliangalia muhuri wa muda na uwiano wa sauti.