Dalgalanan piyasa koşulları, tedarik zinciri kısıtlamaları, işgücü kıtlıkları ve hızlı tempolu bir küresel endüstri, her büyüklükteki üreticiyi çalışma biçimlerini yeniden değerlendirmeye zorluyor. Birçok üretici, rekabet avantajını korumak ve uzun süredir devam eden iş zorluklarını ele almak için teknolojiyi benimsemeye başladı. Otomasyondan dijital teknolojilere, endüstriyel IoT ve daha fazlasına kadar, işletmeler bu yenilikleri daha iyi kararlar vermek için gereken stratejik bilgileri sağlamak için farklı sistemlerden, süreçlerden ve insanlardan veri yakalamak için bu yeniliklerden yararlanabilir.
Hiç şüphe yok ki, bu şirketlerin üzerinde çalışacak çok fazla veri var. Bir McKinsey çalışmasına göre, üretim yılda 1.9 petabayt veya 1.900, 000 terabayt veri üretir. Sorun, verileri yakalamak ve analiz etmek ve kullanılabilir bilgilere dönüştürmek için daha iyi bir yola ihtiyaç duymaları ve hızlı bir şekilde yapmaları gerektiğiydi. Sonuç olarak, birçok işletme operasyonlarını iyileştirmek için verileriyle fırsatlar bulmak için yapay zekaya (AI) yöneliyor.
AI neden veri analizi için mükemmel?
Üretim verimlerini ve çalışma sürelerini iyileştirmekten, talebi doğru bir şekilde tahmin etmeye ve makineleri uzaktan izlemeye ve hatta varlıkları kontrol etmeye ve ürün kalitesini iyileştirmeye kadar AI, genel verimlilik ve üretkenlik metriklerini önemli ölçüde iyileştirmek için kullanılabilir.
Sihir değil, büyük miktarda veriyi analiz eden, çeşitli değişkenlerdeki kalıpları ilişkilendiren veya öğrenen ve bu bilgiyi gelecekteki durumları tahmin etmek için mevcut koşullara uygulayan karmaşık bir algoritma kümesidir. Bu, insanların bu görevleri yerine getiremeyeceği anlamına gelmez, ancak AL onları daha hızlı yapabilir ve daha fazla hassasiyetle daha fazla veri işleyebilir ve iş sonuçlarını iyileştirebilir.
Örneğin, herhangi bir üretim ortamında, geleneksel olarak birkaç farklı çalışma grubu ve makine vardır. Her bir cihazdan gelen bilgiler, engeller oluşturabilen ve verilerden anlamlı bilgileri analiz etmeyi ve çıkarmayı zorlaştırabilen kalite, biçim ve zamanlamaya göre değişebilir.
AI teknolojisinin yardımıyla, büyük miktarda veri hızlı bir şekilde işlenebilir, bu da şirketlerin operasyonel bilgileri hızlı ve doğru bir şekilde birleştirmesini, alternatiflere dayalı sonuçları tahmin etmelerini ve üreticilerin çevik, bilgilendirilmiş kararlar vermesini sağlayabilir. Bu önleyici tahmin yeteneği, AI'nın gücünün yattığı yerdir ve ürün verimlerini büyük ölçüde artırabilir.
Ürün kalitesi sorunlarının temel nedenini belirleyerek AI, ürün kusurlarını ve hurda oranlarını azaltmaya ve üretim verimlerini artırmaya yardımcı olabilir. Ayrıntılı bilgi ve analizlerle üreticiler, şirketin kârlılığını doğrudan etkilemeden önce kalite kontrol sorunlarını ele alabilirler. Böyle bir örneğe bakalım.
Motor kalitesini artırmak için AI kullanın
Küresel bir motor üreticisi, jeneratör setleri, deniz ve deniz uygulamaları ve askeri araçlar için büyük dizel motorlar üretir. Montajdan sonra, her motor titiz testlere tabi tutulur. Test sırasında, en deneyimli operatörler bile genellikle bir problemin ince belirtilerini tespit edemez ve test sırasında veya motor hizmete girdikten sonra felaket arızalarına yol açar. Bu başarısızlıklar önemli kayıplara, gecikmiş sevkiyatlara, birikmiş test alanları ve yukarı yönlü üretim yarattı, şirkete yılda milyonlarca dolara mal oldu ve zamanında teslimatları olumsuz etkiledi.
Sorun veri eksikliği değil, nasıl kullanıldığı. Aslında, tesis yıllardır süreç verileri topluyordu, ancak sadece bir başarısızlık meydana geldikten sonra takip çalışmaları için kullanıldı. Verilere bu reaktif şekilde bakarak, ekip bu başarısızlıkların neden meydana geldiğini veya proaktif olarak bunlara hitap ettiğini anlayamaz. Nihayetinde, şirket, kritik varlık başarısızlıklarını gerçekleşmeden tahmin etmek için mevcut veriler üzerinde AI kullanmayı düşünene kadar bu konular iş yapma maliyeti olarak görülmektedir.
Üretici, AI'nın etki yaratması için gerekli veri temelini koymak için bir pilot programla başladı. Geçmiş verileri kullanma ihtiyacı göz önüne alındığında, şirket ilk olarak AI'nın yardımıyla veri temizleme ve analizi gerçekleştirdi ve 48 saat içinde 100 motordan en etkili veri noktasının 6 milyarına 20 milyar veri noktasını düşürdü.
Ardından, verileri görselleştirmek ve veri boşluklarını tanımlamak için birden fazla model setini zaman ve modele göre bağlayın. GAP analizine dayanarak, belirli verileri daha sık çıkarmak için ayarlamalar yapıldı, böylece modellemeyi iyileştirdi. Bir AI platformu kullanılarak, tüm analiz mevcut üretim üzerinde herhangi bir etkisi olmadan düşük riskli bir ortamda yapılır.
Bu verilerden, üreticiler taban çizgileri oluşturabilir, eğilimleri ve anomalileri belirleyebilir ve bilgileri eyleme geçirme planları geliştirebilirler. Sadece birkaç hafta içinde, bir grup risk motorunu seri numarasına göre tanımlayan bir rapor hazırladılar. Bu bilgilere dayanarak, üreticiler bu motorların kalite kontrol testleri sırasında veya alanda daha yüksek bir sorun olasılığına sahip olduğundan şüphelenmektedir. Test verilerini gerçek ürün arızalarına bağlayarak, rapor birkaç yıl boyunca motor sorunlarının yüzde 80'inden fazlasını doğru bir şekilde tanımladı.
Yapay zeka modeli sürekli öğrendiğinden, bu projenin yinelemeli bir süreç olduğunu belirtmek önemlidir. Yaklaşık 45 gün içinde, model sıfır yanlış pozitif oranla 30 dakika önceden başarısızlıkları tahmin edebildi.
Operasyonların bozulmasını en aza indirin
Resmi lansman sırasında AL çözeltisi, test kontrol sistemi ve insan makinesi arayüzü (HMI) tarafından üretilen gerçek zamanlı verilere bağlanır. Bunun normal çalışma üzerinde bir etkisi yoktur. Aslında, model şirketin standart test yazılımı ile entegre edilmişti ve operatör uygulandığının farkında bile değildi. Sadece HMI arayüzlerinin potansiyel yaklaşan sorunları ve onlarla nasıl başa çıkılacağını bilgilendireceğini bilmeleri gerekiyor.
İlk 90 gün içinde, AI uygulaması 20 gerçek zamanlı olay tespit etti, 4,5 milyon dolardan fazla motor hasarından kaçındı ve proje için 10 kat yatırım getirisi (ROI) elde etti.
Bu durumda gösterildiği gibi, AI'dan yararlanmak, üreticilere kalite kusurlarını proaktif olarak azaltmanın, paradan tasarruf etmenin ve teslimat oranlarını iyileştirmenin bir yolu sağlayabilir. Sağlam bir veri temelinden başlayarak ve deneyimli ortaklarla çalışarak AI, iş sonuçlarını artırmak ve üreticilerin günümüzün hızla gelişen iş ortamında rekabet etmesine yardımcı olmak için gereken bilgileri sağlayabilir.
Ancak AI'nın tek bedene uyan bir çözüm olması gerekmez. İhtiyaçlarınıza, uygulamanıza ve özel durumunuza bağlı olarak, farklı çözümlerin özelleştirilmesi gerekir. Bu nedenle, yanınızda güvenilir bir partnerin olması önemlidir. Yapay zeka söz konusu olduğunda, dijital dönüşüm yolculuğunuzda nerede olduğunuzu değerlendirebilir, hedeflerinizi veya zorluklarınızı anlayabilir ve gerçek ihtiyaçlarınıza en uygun en iyi satıcıların çözümü belirleyebilirler.