Bir fabrikada yapay zeka ile otomatikleştirmeye gerçekten değen işler

Bir fabrikada yapay zeka projesinin kaderini belirleyen şeyin çoğu modelleme değildir. Elinizdeki problemin türünü doğru adlandırmak, üretim yürütme verinizin bu problemi taşıyıp taşımadığını kontrol etmek ve model yanıldığında ne olacağını tasarlamaktır.

Kurallar, makine öğrenmesi, optimizasyon ve dil modelleri: hangisi hangi probleme uyar

Önce kurallar ve istatistik gelir; gördükleri itibardan fazlasını hak ederler. Bir mühendisin yazıya dökebildiği bir kural değerin çoğunu topluyorsa, herhangi bir model için dürüst kıyas hiçbir şey yapmamak değil, o kuraldır.

Makine öğrenmesi, girdiler ile sonuç arasındaki ilişkinin gerçek olduğu ama kimsenin yazıya dökemediği yerde hak ettiği yeri bulur: birbiriyle etkileşen onlarca proses değişkeni, malzeme partisine, ortam nemine ve gözdeki konuma bağlı bir hata. Kendisine gösterilen koşulları bilir; hiç görmediği koşullar hakkında işe yarar hiçbir şey söylemez.

Optimizasyon ayrı bir disiplindir ve rutin olarak yapay zeka diye etiketlenir. Sonlu kapasiteli bir tesisi planlamak, tip değişimlerini en aza indirecek sıralamayı kurmak, yetkin operatörleri atamak: bunlar bir amaç fonksiyonu olan kısıt problemleridir. Etiketli örneğe ihtiyaçları yoktur, ama dürüst proses sürelerine ve kısıtlara ihtiyaçları vardır; bunlar da genellikle varsayılmak yerine ölçülmek zorundadır. Planlama tarafında, sizin gerçek kalıp ve kurutma kısıtlarınızı ifade edebilen bir çözücü neredeyse her zaman doğru araçtır, çünkü planlama bir tahmin problemi değil bir kısıt problemidir.

Dil modelleri en yeni gelenlerdir ve uydukları yer çok spesifiktir. Doküman ve konuşma biçimindeki işlere uyarlar: gelen bir talebi okuyup yapılandırılmış bir hale getirmek, uzun bir bakım geçmişini teknisyenin tezgâha gitmeden önce okuyabileceği kadar yoğunlaştırmak, bir iş talimatının ayar hakkında ne dediğini yanıtlamak. Ölçüm cihazı değillerdir: titreşim verisinden rulman arızası tahmin etmelerini istemek, vidaya çekiçle vurmaktır.

Fabrikadaki bir yapay zeka projesinin gerçekte ihtiyaç duyduğu veri

Bir model, bir durumu bir sonuçla eşleyen ve durumları birbirinden ayırmaya yetecek bağlamı taşıyan örneklere ihtiyaç duyar: bir siparişe, bir tezgâha, bir kalıba, bir malzeme partisine, bir operatöre ve doğru bir zaman damgasına bağlanmış bir sinyal veya koşul kümesi. Zaman damgası insanların sandığından daha önemlidir. Onaylar vardiya sonunda toplu girildiğinde o vardiyadaki her olay yaklaşık aynı saati taşır ve sıraya ya da süreye bağlı her şey prosesi değil, veri giriş alışkanlığını öğrenir.

Sonuç tarafı genellikle daha kötüdür. Kestirimci bakım, arızaların nedeni ve tarihiyle birlikte arıza olarak kaydedilmiş olmasını ister; neden alanı boş bırakılmış bir plansız duruş olarak değil. Kalite tahmini, firenin aylık bir sayıya toplanmasını değil, operasyona ve kendisine yol açan hata tipine yazılmasını ister. Talep tahmini ise stok düzeltmeleriyle sessizce yeniden yazılmamış bir tüketim geçmişi ister. Çoğu tesiste girdiler historian'da, sonuçlar ise bir bakım defterinde ya da tek bir kişinin Excel dosyasında durur.

Ölçüt, historian'ın kaç gigabayt tuttuğu değil; tek bir hat ve tek bir ürün ailesi için, her satırı koşulları ve sonucu taşıyan bir yıllık veriyi çekebiliyor olmanız ve prosesi bilen iki kişinin bu satırların doğru olduğunda hemfikir olmasıdır. Bu veri çekimi bir haftalık elle mutabakat gerektiriyorsa proje model değildir; kaydın kendisidir. MES ve historian veri kalitesinin bağlayıcı kısıt olmasının sebebi budur; hiç toplanmamış olanı hiçbir modelleme inceliği geri getirmez.

Talep ve tüketim tahmini: geri ödemenin en yakın olduğu yer

Talep tahmini genellikle paraya giden en kısa yoldur, çünkü alternatifi gözle görülür biçimde zayıftır: çoğu tesis geçen yılı alıp üstüne bir yüzde ekler ya da satıştan aslında bir hedef olan bir sayı ister. Sipariş geçmişini, mevsimselliği, müşteri kırılımını, açık fırsatları ve takvim etkilerini kullanan bir model, düzenli ve tekrar eden talebi olan kalemlerde bunu geride bırakır. Genellikle parça numaralarının çoğunu ama hacmin küçük bir kısmını oluşturan kesikli ve projeye bağlı kalemlerde ise çoğunlukla bırakamaz; naif ya da Croston tipi bir referans çizgisini geçmek zordur. Dürüst versiyonu önce katalogu segmentlere ayırır ve bu kalemleri bir stoklama politikasına ve muhakemeye bırakır.

Değer, tahminin kendisinde değil, akış aşağısında ortaya çıkar: emniyet stoku değişir, uzun temin süreli kalemlerde satın alma zamanlaması değişir ve çizelgeyi mahveden acil tip değişimleri seyrekleşir. Bir sunumdaki tahmin doğruluğu yüzdesi fayda değildir; stok günü ve acil sevkiyat sayısı faydadır.

Kestirimci bakım: yalnızca arıza biçimi gerçekten öngörülebilirse

Buradaki her şey, arızanın kademeli gelişip gelişmediğine ve ölçebildiğiniz bir şeyde iz bırakıp bırakmadığına bağlıdır. Rulman aşınması, balanssızlık, eksen kaçıklığı, bir filtrede veya soğutma devresinde ilerleyen tıkanma, hidrolik basınçta kayma, aynı operasyonda tırmanan motor akımı: bunlar haftalar veya aylar içinde, kimi zaman yalnızca saatler içinde gelişir ki bu genellikle enstrümantasyona değmeyecek kadar geçtir — ve titreşimde, akımda, sıcaklıkta ya da basınçta görünür. Bir model bunları görebilir; iyi seçilmiş bir eşik de çoğu zaman görebilir. Basit istatistikle kıyasın burada önem kazanmasının sebebi budur.

Bir kontrol kartının ölmesi, kötü bir uç yüzünden kırılan bir takım, operatör hatasından kaynaklanan bir hasar: bunlar fiilen anlıktır ve var olmayan bir trendden hiçbir model bunları tahmin etmez.

İkinci koşul, uyarının kullanabileceğiniz bir zaman kazandırmasıdır. Parçanın temin süresi uzunsa ve hat hafta sonundan önce duramıyorsa, geri ödemesi olan yatırım bir model değil bir yedek parça politikasıdır. Sensör bütçesinden önce müdahale penceresini hesaplayın.

Kalite tahmini ve fire azaltma

Kalite, paranın genellikle en çok durduğu ve veri gereksinimlerinin en ağır olduğu yerdir. Cazip versiyonu, üretim sırasındaki koşullardan hareketle hangi parçaların veya partilerin riskte olduğunu tahmin eder; böylece biri fire oluştuktan sonra son kontrolde bulmak yerine, oluşmadan önce müdahale edebilir.

Bu, proses tahmin etmek istediğiniz şeyin çözünürlüğünde enstrümante edildiğinde ve fire, operasyona gerçek bir neden koduyla yazıldığında işler. Fire sipariş sonunda siparişin tamamına yazıldığında ise sessizce başarısız olur, çünkü model o zaman hangi koşulun hangi hataya yol açtığını ayırt edemez.

Gösterişsiz tek bir adım, herhangi bir modelden önce kendini amorti eder: fire nedenlerini tezgâhta, o anda ve operatörün tanıdığı kısa bir neden listesinden yakalamak. Kalite tahmini isteyen pek çok tesis, yalnızca bu veriden hareketle az sayıda nedenin kaybın çoğunu oluşturduğunu görür ve en büyüğünü bir mühendislik değişikliğiyle kapatır. Bu iyi bir sonuçtur, başarısız bir proje değil.

Üretim çizelgelemede yapay zeka: bu neden bir tahmin değil bir optimizasyon problemidir

Plan her hafta kayıyorsa sebep nadiren zeka eksikliği, genellikle kısıt eksikliğidir. Bunu değiştiren şey; ortak kalıpları, tip değişim ailelerini, operatör yetkinliklerini, kür sürelerini ve tutmaya niyetlendiğiniz bakım pencerelerini gözeten bir çizelgeleyicidir.

Öğrenme burada dar ama gerçek bir biçimde yardım eder: proses süreleri. Yıllardır kimsenin yeniden ölçmediği standart sürelerle kurulan bir çizelge yanlış sayılar konusunda hassastır; MES üzerinden yakalanan gerçek süreler ise çizelgeleyicinin plan yaparken kullandığı değerleri güncelleyebilir. Bir çizelgeleme teklifini, ifade edebildiği kısıtlara ve bir şey bozulduğunda ne kadar hızlı yeniden planladığına bakarak değerlendirin; yeniden üretilmesi bütün geceyi alan bir plan, sabah toplantısında elle ezilir.

Enerji ve proses sinyallerinde anomali tespiti

Anomali tespiti normalin neye benzediğini öğrenir ve sapmayı işaretler. Bol miktarda iyi davranışınızın ve az sayıda etiketli arızanızın olduğu sürekli sinyallere uyar: çevrim başına enerji çekişi, basınçlı hava tüketimi, chiller performansı, işler yolundayken şekli kararlı olan bir proses sinyali.

Gücü, kimsenin öngörmediği şeye tepki verebilmesidir. Zayıflığı, yalnızca bir şeyin olağan dışı olduğunu söylemesi, neyin yanlış olduğunu asla söylememesidir; açıklamasız alarm alan bir tesis de bunları görmezden gelmeyi öğrenir. Buradaki tasarım işi dedektör değil yönlendirmedir: hangi alarm kime gidiyor, ilk kontrol nedir ve müdahale nasıl kaydediliyor ki aynı biçimdeki bir sonraki alarm geçmişiyle birlikte gelsin.

Satış ve müşteri operasyonlarında yapay zeka: işin doküman biçiminde olduğu yer

Bir üretim işletmesinin ticari tarafı dokümanlar ve konuşmalar üzerinden yürür: talepler, spesifikasyonlar, teklifler, sipariş onayları, sevkiyat soruları, şikâyetler. Dil modellerinin gerçekten uyduğu yer burasıdır, çünkü iş okumak, veri çıkarmak, taslak hazırlamak ve özetlemektir.

Somut olarak: gelen bir talebin parça, miktar, istenen tarih ve özel gereksinimlere ayrıştırılması ve yanına önceki tekliflerin getirilmesi. Bir e-posta yazışmasının, verilen taahhüdü ve bir sonraki aksiyonu taşıyan bir CRM kaydına yoğunlaştırılması.

İki kural bunun yoldan çıkmasını engeller. Model taslağı yazar, gönderen insandır; en azından o akıştaki hata oranı anlaşılana kadar. Ve olguya dayalı her şey, yani fiyat, temin süresi, stok, söz verilen tarih, modelden değil kayıt sisteminden gelir; model sorgulanmış bir değeri aktarmalı, asla üretmemelidir. Temin süresi uyduran bir CRM otomasyonu hiç olmamasından kötüdür, çünkü şirketi bağlar.

Herhangi bir şey satın almadan önce kazancın büyüklüğünü belirlemek

Kaybı, tesisinizin zaten takip ettiği birimlerle adlandırın: söz konusu ürün ailesinde aylık fire maliyeti, darboğaz tezgâhtaki plansız duruş saatleri çarpı orada bir saatin makine saat ücretiyle değil katkı payıyla değeri, acil navlun, bir talep tahmininin hareketlendireceği parçalarda bağlı duran stok, sistemler arasında yeniden veri girmeye harcanan haftalık saatler.

Sonra, kötümser davranarak, bu kaybın ne kadarlık bir kısmını uygulamanın makul biçimde adresleyebileceğini tahmin edin. Kestirimci bakım duruşu ortadan kaldırmaz; en iyi ihtimalle kapsadığı arıza biçimleri için bazı plansız duruşları planlıya çevirir. Bir kalite modeli fireyi yok etmez; prosesin bozulmasıyla birinin bunu fark etmesi arasındaki süreyi kısaltır.

Bu dürüst sayı, entegrasyon ve bunu işletecek insanlar dahil olmak üzere gerçekten planlayacağınız ömür boyunca oluşacak toplam maliyete karşı konduğunda, finans biriminizin aynı büyüklükteki herhangi bir yatırıma uyguladığı eşiği geçmiyorsa proje bir bilim deneyidir. Buna izin var, ama öyle bütçelenmeli ve öyle değerlendirilmelidir.

Entegrasyonun gerçek maliyeti

Model genellikle ucuz kısımdır; maliyet dikiş yerlerinde yaşar. Önce sinyalleri tezgâhlardan almak gelir ve gerçek bir tesis karma bir makine parkıdır: bazı varlıklar OPC UA konuşur, bazıları Modbus veya bir seri protokol, bazıları kuru kontak sunar, kapalı kontrolcülü bazıları ise mile, hidrolik devreye ya da besleme hattına sonradan sensör takmayı gerektirir. Ardından çıktının, aksiyon doğuran bir yere inmesi gerekir: operatörün zaten baktığı bir ekran, bakımda açılan bir iş emri, çizelgeleyiciye verilen bir kısıt, kalitede uygulanan bir bloke.

Bundan sonra kimsenin kapsama almadığı ana veri mutabakatı gelir. Sistemler arasında bir sonekle farklılaşan parça numaraları, birbirini tutmayan ölçü birimleri, iki yerde tutulan bir ürün ağacı, hat yeniden düzenlendiğinde değişmiş tezgâh kodları. Hiçbiri zor değildir ve hepsi yazılımdan uzun sürer. Modeli fiyatlandırıp dikiş yerlerini kapsamı sonra belirlenecek entegrasyon diye bırakan bir teklif, fiyat değildir.

Modeli kim işletecek ve yanıldığında ne olacak

Devreye alınan her modelin adı olan bir sahibi olmalıdır ve satın alma sorusu, kuruluşunuzda bunun kim olacağıdır. O kişinin modelin neyle eğitildiğini, hangi koşulların bunun dışında kaldığını, belirli bir çıktıyı neden ürettiğini ve üretimi durdurmadan onu devreden nasıl çıkaracağını bilmesi gerekir. Yanıt vermeyi kesen bir model, açık bir kapıya ya da bloke bir hatta değil, o prosesi kendisinden önce kontrol eden şeye, yani numune alma planına, eşiğe ya da operatör kontrolüne geri düşmelidir. Bunun hangisi olduğuna devreye almadan önce karar verin.

Açıklanabilirlik sahada felsefi bir mesele değil, benimsenme şartıdır. Hangi sinyalin ne kadar ve hangi referansa göre hareket ettiğini söyleyen bir öneri hayata geçer. Gerekçesiz bir skor ezilir ve ezmek rutin hale geldiğinde sistem süs olur.

Aşırı alarm, güveni kaçırılan tespitlerden daha hızlı yok eder; bir kontrol istasyonunda aşırı ret nasıl yapıyorsa aynı sebeple: yanlış alarm hemen ve herkes tarafından görülür, kaçırılan durum ise arıza gelene kadar görünmez kalır. Alarm sıklığını sahadaki gerçek dikkat kapasitesine göre tasarlayın ve belirsiz bandı hatta değil, bir insana yönlendirin.

Yönetişim, kayma ve kimsenin bütçelemediği bakım yükü

Bir model, prosesinizin eğitildiği andaki anlık görüntüsüdür ve prosesiniz hareket eder: yeni bir tedarikçi, bir kalıp revizyonu, bir parça revizyonu, hattın yeniden düzenlenmesi, değişen ürün kırılımı, biraz farklı bir sensörle değiştirilmiş bir sensör. Bunların her biri girdileri, dünkü modelin bugün sessizce yanılacağı kadar kaydırabilir ve arıza biçimi bir hata mesajı değil, giderek kötüleşen tavsiyedir.

Çıktılar kadar girdileri de izleyin, çünkü girdi kayması sonuç bozulmasından önce görünür. Sınırdakiler de dahil olmak üzere gerçek vakalardan oluşan, ayrı tutulmuş bir test kümesi saklayın ki yeni bir model mevcut olanla dürüstçe kıyaslanabilsin. Modeli sürümleyin ve hangi önerinin hangi sürümden çıktığını kaydedin; bir yeniden eğitimden sonra dünün çıktıları başka bir hakemden gelmiştir.

Ve süregelen emeği bütçeleyin. Üretimdeki bir model, satın alınmış bir rapordan çok proses ekipmanına yakın, bakımı yapılan bir varlıktır. Yeniden eğitime, alarmların gözden geçirilmesine ve verinin hâlâ akıp akmadığının kontrolüne kimsenin zamanı ayrılmamışsa, insanlar kullanmayı bırakana kadar bozulacaktır.

Kabul kriterleri olan gerçekçi bir ilk proje

Tek bir hatta ya da tek bir ürün ailesinde, içinde sayı geçen bir cümleyle ifade edilmiş tek bir adlandırılmış kaybı seçin: bu operasyonda şu kadar fire veriyoruz, bu tezgâh yüzünden şu kadar darboğaz saati kaybediyoruz, bu aileyi tahmin edemediğimiz için şu kadar stok tutuyoruz. Proje böyle ifade edilemiyorsa hazır değildir.

Herhangi bir şey satın almadan önce veri çekimini yapın. Bir yıl, bir hat, aynı satırlarda koşullar ve sonuçlar, satırların doğru olduğunu teyit eden ve prosesi bilen iki kişi. Sonra basit alternatife karşı kıyaslayın: bir eşik, bir kontrol grafiği ya da mevcut planlamacının muhakemesi.

Kabul kriterlerini devreye almadan önce tesis birimleriyle ve ödünleşim açık olsun diye çiftler halinde yazın. Kestirimci bakım için, en az bir haftalık uyarı süresiyle yakalanan belirli sayıda kapsanan arıza biçimi, karşısında ayda belirli bir üst sınırla sınırlanmış yanlış alarm sayısı. Talep tahmini için, modellenen ailelerde stok gününde belirli bir azalma, karşısında stoksuz kalmada artış olmaması. Kalite için, hedef operasyonda geçen yılın aynı aylarına göre belirli bir fire azalması ve yanında kayıt altına alınmış proses değişiklikleri.

Sahibi, hata durumundaki davranışı ve yeniden eğitim takvimini aynı dokümanda adlandırın ve dürüst bir durdurma seçeneği içeren bir gözden geçirme tarihi koyun. Kanıta dayanarak yaygınlaştırmama kararıyla biten bir ilk proje başarıdır. Kalıcı bir gösteriye dönüşen bir pilot değildir.

Meta Smart Factory bu resmin neresinde

Meta Smart Factory modülerdir ve bu burada önemlidir, çünkü yapay zeka ve makine öğrenmesi modülü üretim yürütme katmanının yanında değil üstünde oturur. MES olayları ve bağlamı verir, IIoT bağlantısı ve OPC UA tezgâh sinyallerini verir, Kalite fireyi nedenleriyle verir, Bakım arıza geçmişini verir ve cevabın bir tahmin değil bir çizelge olduğu yerde çıktıyı APS tüketir.

Tek bir adlandırılmış kısıta karşı tek bir modülle başlayabilir, ilki kullanıma girdikten sonra bir sonrakini ekleyebilirsiniz. Hiçbir platformun ortadan kaldırmadığı şey zor kısımdır: sayıların ne anlama geldiğinde anlaşmak, nedenlerin tezgâhta yakalanmasını sağlamak ve model yanıldığında sahibinin kim olduğuna karar vermek. Belirli bir tesis için bu sıralamayı konuşmak, bir demodan daha yararlı bir ilk sohbettir, çünkü demo her zaman çalışır.