第四次工业革命,即工业4.0,在企业领域出现的速度比任何以前的工业时代(蒸汽、电力和计算机)都快。然而,过多的浪费并没有从资产负债表中逃脱。预测工业废物并将其保持在最低限度的热情是行业 4.0 (由预测分析驱动) 所持的承诺之一。
尽管自动化宿醉(工业3.0),制造商正在积极调整其流程,以更智能的生态系统。根据普华永道全球工业4.0调查,工业4.0可能带来高达3.6%的成本削减,全球达4210亿美元。
通过精益制造对抗无法控制的废物生产
40%的工业废物最终被填埋,这不仅对气候来说可怕,而且对无法处理工业的制造设施来说也是可怕的。生产单位的生产缺陷会产生大量生产废物,这些废物本可以用于提高吞吐率。无法准确预测这种损失,可能会造成生产过剩的巨大损失,而企业正在探索立即有效的解决办法。通用电气表示,全球制造业生产率提高1%,可为世界GDP贡献10万亿美元。今后,减少这种不一致的能力可能彻底改变工业准备;这正是西博的目标。
能够预测生产浪费,然后采取集中行动来解决这些浪费,对于一个已经与这一问题斗争了几个世纪的行业来说,这是一个福音。因此,”减少浪费,增加利润”是生态系统中的最新口号,而每个人都想成为潮流的一部分。精益制造被定义为一系列技术,通过最大限度地减少废物生产来提高制造单元的性能。以最少的重工提高生产率和吞吐量质量为目标,在工业 AI 评估精益制造时,会产生显著推导,从而强化工业 4.0 的使命。
理想的预测性废物系统如何工作？
生产团队由工业 AI 设计,通过识别损失区域和定义减少效率低下所需的重点行动,从而防止过度浪费。通过部署预测分析和自动根本原因分析,可以准确推测导致超出阈值水平浪费的过程故障。
首先,必须分析系统的当前性能指标。预测系统可以捕获来自不同来源的数据,例如生产线上的 PLC 和历史记录系统。数字孪生(用于预测性维护)可用于访问有关产生的废物的可操作见解。使用机器学习算法,数据可用于预测过度浪费水平,从而预测生产废物的峰值水平和生产中的偏差(如果可能影响正常废物生产)。
深入挖掘以确定问题的根源可能非常耗时,因此,将执行自动的根本原因分析。考虑到以往类似事件的历史数据,调查成熟,以查明生产线上的问题区域。最终,根据到目前为止的调查结果,为控制指标确定最佳设定点,以便将生产浪费降至最低无需修改标准机器设置,仿真应允许调整数字孪生中的值。达到目标废物水平和根本原因分析结果后,确定的设定点可以应用于实际生产线。
除了传统的 AI 之外,流程驱动的 AI 也进行了创新尝试,以实现高质量的预防性废物预测。以 Seebo 为例,这是一家领先的工业 AI 服务提供商,其制造部门已取消物联网为 AI 系统提供实时数据的能力。他们的预测浪费系统部署了一个可视化的、无代码的建模器来分析客户的生产线,并将动态数据馈送给由 AI 驱动的数字孪生体;部署在云中,Seebo 将流程建模、数字对比和基于流程的机器学习包装成集体服务,从而解决生产损失
鉴于此类设置中多时间序列数据的依赖性十分复杂,预测性浪费系统会一丝不苟地从连接的产品中捕获数据,并提供切实可行的见解,以便及时转移损失。除了针对产生浪费的流程故障提高危险信号外,它还追溯了根本原因,并推动吞吐量质量的持续改进
结论
虽然物联网在制造、物流和运输中的使用到2020年可能达到400亿美元(福布斯),但雀巢、宝洁、Allnex等领先制造商已经在使用预测性废物系统来加速其生产弹性。制造废弃物只不过是运营损失,使用现代工业技术(如 AI 和 IoT)的企业肯定具有竞争优势。