AI in de productie

Zes dingen waar AI goed in is
op een fabrieksvloer.

En de plekken waar ze niet in de buurt mag komen. Dit is een gids en geen verkooppraatje: wat elke toepassing verbruikt, wat ze oplevert en waar ze faalt. Wij bouwen twee platformen voor de productie, en die komen één keer voor, aan het eind.

De zes toepassingen Waar ze niet mag komen

Waarom nu

De interessante verandering waren niet de AI-modellen.

Machinaal leren wordt al decennia in de productie gebruikt, onder andere namen: statistische procesbeheersing is een model, en een regressie op gereedschapsslijtage ook. Drie dingen veranderden tegelijk, en geen daarvan is waar het meestal over gaat.

  • De sensoren zaten er al

    Een moderne besturing, een coördinatenmeetmachine en een momentsleutel zenden allemaal doorlopend data uit. Voor de meeste fabrieken was verzamelen nooit de beperking, maar dat de data in vijf systemen landde die niet aan elkaar te koppelen waren.

  • Modellen lezen ongestructureerde dingen

    Het meeste van wat een fabriek weet, zit in tekeningen, specificaties, certificaten en e-mail. Die betrouwbaar genoeg kunnen lezen om er structuur uit te halen, is de verandering die de papieren helft van de productie heeft opengelegd.

  • De inferentie verhuisde naar de edge

    Een visiemodel kan nu naast de machine draaien in plaats van in een datacenter, en dat telt wanneer het antwoord binnen een cyclustijd nodig is en wanneer het netwerk het minst betrouwbare op de vloer is.

De toepassingen

Zes toepassingen, en wat elk er echt voor nodig heeft.

Ruwweg geordend op volwassenheid. Elk item noemt zijn invoer, want een techniek waarvoor u de data niet hebt, is voor u niet beschikbaar, wat de demonstratie ook liet zien. Elk item eindigt op zijn grens, want een toepassing zonder genoemde grens is een advertentie.

KANDIDAAT een kandidaat, geen oordeel. Een mens beslist

01

Inspectie met camera

De fout vinden die een vermoeid oog aan het eind van een dienst mist.

Een camera en een getraind model bekijken elk onderdeel in plaats van een steekproef, en markeren de onderdelen die afwijken van hoe een goed onderdeel eruitziet. Het is de volwassenste toepassing op deze lijst, omdat oppervlaktefouten, ontbrekende kenmerken en verkeerd geplaatste labels van nature visueel zijn en een fabriek de opspanningen en de verlichting al heeft.

Invoer
Beelden van goede en afgekeurde onderdelen, gelijkmatig belicht
Uitvoer
Een gemarkeerd onderdeel en het gebied dat de markering veroorzaakte
Grens
Het vindt kandidaten, het beslist er niet over. Een model getraind op de fouten van vorig jaar herkent geen faalwijze die nog nooit is voorgekomen, en dat is precies de faalwijze die er het meest toe doet.
ALARMBAND gemeten verwacht trilling, temperatuur, stroomopname het venster om te handelen

02

Voorspellend onderhoud

Het spillager op dinsdag vervangen in plaats van om twee uur ’s nachts.

Trilling, temperatuur, stroomopname en geluidsbeeld verschuiven in patronen die aan een storing voorafgaan. Een model dat die signalen doorlopend volgt, kan zeggen dat een asset zijn normale bereik verlaat, wat een ongeplande stop verandert in een geplande en het onderdeel laat bestellen voordat het dringend is.

Invoer
Doorlopende sensorhistorie, plus de onderhoudsregistratie die zegt wat er werkelijk stukging
Uitvoer
Een verandering in conditie, en het venster waarin te handelen
Grens
Het heeft storingen nodig om van te leren. Op een goed onderhouden asset die nooit is stukgegaan, is er niets om tegen te trainen, en de eerlijke eerste stap is conditiebewaking met drempels in plaats van voorspelling.
6X ⌀ 6.60 NR. KENMERK TOL 1 2 3 4 5

03

Documenten en tekeningen lezen

Van een tekening, een specificatie en een klanteis naar regels.

Het meeste van wat een fabriek weet, is ongestructureerd: pdf’s, gescande tekeningen, normen, inkoopvoorwaarden, e-mails van de kwaliteitsafdeling van een klant. Modellen die tekst en geometrie lezen, kunnen de eisen uit die documenten tillen naar gestructureerde registraties die de rest van het bedrijf kan bevragen, en dat is het verschil tussen een document bezitten en de inhoud ervan bezitten.

Invoer
Het tekeningpakket en de specificaties waarnaar het verwijst
Uitvoer
Gestructureerde, genummerde kenmerken met hun toleranties en bronnen
Grens
Extractie is geen goedkeuring. Elke geëxtraheerde eis moet toetsbaar zijn tegen de pagina waar hij vandaan komt, en een mens moet hem tekenen voordat hij ergens over gaat.
ZOALS GEPLAND M1 M2 M3 stil HERGEPLAND M1 M2 M3

04

Volgorde en planning

Bepalen wat er als volgende draait wanneer alles te laat is.

Het plannen van een toeleveringswerkplaats is een werkelijk lastig combinatorisch probleem: leverdata, insteltijden, gereedschap, operatorkwalificatie en machinecapaciteit begrenzen elkaar allemaal. Optimalisatie en geleerde modellen doorzoeken die ruimte veel sneller dan een planner met een whiteboard, en kunnen opnieuw zoeken zodra een machine uitvalt.

Invoer
Routings, insteltijden, capaciteits- en kwalificatiebeperkingen, actuele machinetoestand
Uitvoer
Een voorgestelde volgorde, en wat die kost ten opzichte van het alternatief
Grens
Een planning is niet beter dan de data eronder. Als insteltijden schattingen zijn en de routing in twee jaar niet is bijgewerkt, levert een snellere optimalisatie het verkeerde antwoord eerder.
de cel het model tegen de werkelijkheid gehouden, anders fictie

05

Simulatie en digitale tweelingen

De wijziging op het model beproeven voordat de cel wordt vastgelegd.

Een simulatie van een cel, een lijn of een proces laat een wijziging beproeven zonder de productie te stoppen: een nieuwe indeling, een andere buffergrootte, een zwaardere productmix. Gekoppeld aan live data wordt het een tweeling, een model dat het echte ding dicht genoeg volgt om er vragen over te beantwoorden.

Invoer
Een model van het proces, en live data om het uitgelijnd te houden
Uitvoer
Het gevolg van een wijziging, vóór de wijziging
Grens
Een tweeling die niemand tegen de werkelijkheid aanhoudt, wordt binnen maanden fictie. Het onderhoud van het model is het project, niet het bouwen ervan.
GEBEURTENISLOG Waarom stopte lot 4471? Meetmiddel G-114 viel om 09:40 uit kalibratie. bron: log 3312 geen bron, geen antwoord

06

Assistenten over fabrieksdata

Een vraag in woorden stellen in plaats van een query schrijven.

Taalmodellen zitten goed bovenop een gebeurtenislog, een kwaliteitsregistratie of een onderhoudshistorie, en laten een chef vragen waarom een order te laat is zonder te weten welke tabellen te koppelen. De bruikbare versie antwoordt uit de registratie en laat zien uit welke, zodat het antwoord gecontroleerd kan worden in plaats van geloofd.

Invoer
Een bevraagbare registratie met een stabiele structuur en toegangsbeheer
Uitvoer
Een antwoord, en een verwijzing naar het bewijs erachter
Grens
Een assistent die zijn bron niet kan tonen, is een gerucht met een goede interface. Hij hoort te lezen en uit te leggen, en hij hoort niet degene te zijn die schrijft, vrijgeeft of tekent.

De grens

Waar ze helpt, en waar ze niet mag komen.

De twee kolommen wegen met opzet even zwaar. Bepalen aan welke kant een probleem valt, is het grootste deel van het werk, en het in een gereguleerd proces verkeerd bepalen is duur op een manier waarop een mislukte pilot dat niet is.

Hier geschikt voor

  • Problemen waarbij een goed antwoord herkenbaar maar moeilijk te specificeren is, zoals hoe een fout eruitziet.
  • Herhaling in grote aantallen waarbij vermoeidheid een mens minder maakt, en waarbij elk stuk kan worden bekeken in plaats van een steekproef.
  • Zoeken in een ruimte die te groot is om op te sommen, zoals het volgorderen van een werkplaats onder twintig beperkingen tegelijk.
  • Ongestructureerde invoer lezen in een omvang waarvoor niemand mensen zou aannemen, zoals tien jaar tekeningen en hun revisies.
  • Opmerken dat een patroon is veranderd voordat de verandering een storing wordt.

Hier niet geschikt voor

  • Alles wat elke keer precies goed moet zijn en als regel is uit te drukken. Schrijf de regel; een regel is te auditen en een model is niet te ondervragen.
  • Situaties zonder historie om van te leren, waaronder het eerste artikel, de nieuwe legering en de faalwijze die nooit is voorgekomen.
  • Beslissingen met juridisch of contractueel gewicht: een onderdeel vrijgeven, een registratie tekenen, over een afwijking beslissen.
  • Overal waar de invoerdata onbetrouwbaar is. Een model getraind op een routing die niemand heeft bijgewerkt, leert de routing die niemand heeft bijgewerkt.
  • Verklaringen achteraf. Als het systeem de registratie achter een antwoord niet kan tonen, is het antwoord niet bruikbaar in een gereguleerd proces.

Voordat u koopt

Zes vragen die elke leverancier waard is.

Wij inbegrepen. De meeste hiervan beantwoordt iemand die het ding heeft gebouwd in één zin, en iemand die dat niet heeft gedaan met een casus.

  1. 01

    Wat verbruikt het precies?

    Vraag om de lijst met invoer vóór de demonstratie. De meeste pilots mislukken omdat de data die het model nodig heeft niet wordt verzameld, over de diensten heen inconsistent wordt verzameld, of in een systeem zit waar niemand toegang toe geeft.

  2. 02

    Wat kost een fout antwoord?

    Een valse melding op een inspectielijn kost een tweede blik. Een gemiste fout op een vluchtkritisch kenmerk kost aanzienlijk meer. De foutentolerantie hoort te volgen uit het gevolg, niet uit de benchmark van de leverancier.

  3. 03

    Kan het zijn bewijs tonen?

    Voor alles wat kwaliteit raakt, is een antwoord zonder herleidbare bron onbruikbaar. Vraag wat het systeem bewaart, hoe lang, en of een auditor een beslissing kan terugvolgen naar de data erachter.

  4. 04

    Wie tekent?

    Stel vroeg vast welke handelingen een mens moet doen. In een gereguleerd proces horen vrijgeven, beslissen en tekenen bij een met naam genoemd, gekwalificeerd mens, en elk systeem dat dat vervaagt, schept een nalevingsprobleem in plaats van er een op te lossen.

  5. 05

    Wat gebeurt er als het niet beschikbaar is?

    Als het model plat ligt, stopt de productie dan? Een systeem dat adviseert, mag stil uitvallen. Een systeem dat poorten zet, moet zijn ontworpen voor de dag dat het er niet is.

  6. 06

    Waar gaat de data heen?

    Tekeningen en procesdata vallen vaak onder exportcontrole of onder vertrouwelijkheid richting de klant. Stel vast waar de inferentie draait, wat er wordt bewaard, of er iets voor training wordt gebruikt, en onder welke rechtsmacht het valt.

Waar wij passen

Twee hiervan bouwen wij. Drie andere draaien op registraties die wij al bijhouden.

Alles hierboven geldt bij wie u ook koopt. Dit is het deel waar wij één keer zeggen wat wij doen. Twee van de zes bouwen wij. Drie andere leunen op registraties die het MES al houdt: het inspectieresultaat en de vrijgave die het afdwingt, de machinetelemetrie op de bus, en de routings en insteltijden waar een planning nooit beter dan kan zijn. Simulatie valt buiten wat wij doen.

Spectra

De derde toepassing op deze pagina. Spectra leest tekeningen, specificaties en klanteisen, ballonneert de tekening en levert genummerde kenmerken met hun toleranties, geëxporteerd in het formaat dat de klant heeft gevraagd. Het model stelt voor; een ingenieur toetst elk kenmerk tegen de pagina waar het vandaan komt en tekent voordat het ergens over gaat.

Hoe Spectra werkt

MES

De zesde, binnen een systeem dat de andere vijf bestuurt. Het MES draait de lopende operaties, de kwaliteit en de as-built registratie, en draagt een assistent die het gebeurtenislog leest en uitlegt wat hij vindt. Hij adviseert en verwijst. Hij voert nooit een bestuurde schrijfactie uit, geeft nooit een certificaat vrij en tekent nooit, want dat hoort bij een met naam genoemd, gekwalificeerd mens.

Hoe het MES werkt

Neem contact op

Breng de toepassing mee waar u onzeker over bent.

Het nuttigste eerste gesprek gaat meestal over de vraag of een probleem überhaupt een AI-modelprobleem is. Een groot deel is een dataprobleem in de kleren van een model, en dat vroeg zeggen is goedkoper dan een pilot die het bewijst.

Neem contact op Bekijk Spectra