Платформа ШІ та машинного навчання

Ні. Моделі постачаються готовими для виробничих сценаріїв використання й налаштовуються експертами MSF на ваших даних.

Локально або в приватній хмарі, на ваш вибір. Ваші виробничі дані ніколи не використовуються для навчання моделей інших компаній.

Дані MES є основою; кожен додатковий модуль (APS, Quality, Maintenance) відкриває більше сценаріїв застосування ШІ.

Рахується кількість розмічених прикладів на кожен клас; скільки місяців минуло, значення не має. Модель браку вчиться на дефектах, тож лінія з низьким рівнем браку може працювати довго й так і не набрати достатньо рідкісного класу для навчання, тоді як моделі прогнозування попиту потрібно кілька повних сезонних циклів. Стара історія має цінність лише тоді, коли вона лежить на тому самому довіднику номенклатури та структурі заводу, для яких ви прогнозуєте сьогодні, тому спершу знайдіть дату останньої міграції ERP або перенумерації деталей. Короткий чистий ряд кращий за довгий, зшитий через перенумерацію.

Та її частина, що навчається з учителем, не працює. Предиктивній якості потрібні параметри процесу з одного боку та реальна мітка результату з іншого, а загальний код причини браку на більшості записів не вчить її нічого. Спершу наведіть лад із кодуванням у MES і рахуйте правильно закодовані дефекти на кожен код причини. Паралельно можна почати з виявлення аномалій на LSTM: воно працює без учителя й не потребує міток, але лише позначає незвичну поведінку й не називає конкретного дефекту.

Ні. Моделі оптимізації та підбору параметрів видають рекомендації, які потрапляють перед очі людині: на панель, у звіт або як запропонований графік в APS. Запис будь-чого назад у контролер потребує окремої інтеграції, яку ви свідомо визначаєте в обсязі проєкту. Якщо згодом захочете замкнений контур із автоматичною уставкою, ставтеся до цього як до проєкту з АСУ ТП з власним управлінням змінами й ніколи не як до заміни апаратних блокувань безпеки.

Закладіть у план конкретного технолога або інженера з якості з регулярним слотом на перегляд: налаштуванням і перенавчанням займається MSF, але результат потребує власника з вашого боку. Постійна робота полягає в тому, щоб перевіряти, чи прогнози й далі збігаються з дійсністю, сигналізувати, коли новий виріб, зміна оснастки або капітально відремонтований верстат зрушили процес, і тримати в чистоті коди браку та простоїв. Це не повна зайнятість, але й не нуль.

Точність впаде, і впаде тихо. Модель вивчила ваш завод таким, яким він був, тож новий матеріал, перебраний верстат чи змінений такт роблять частину її історії нерелевантною, тоді як вихідні дані й далі виглядають упевнено. Повідомляйте нам про заплановані зміни процесу заздалегідь і зафіксуйте в проєкті, для яких моделей ведеться порівняння прогноз-факт, хто його читає і як часто. Не припускайте, що відстеження дрейфу ввімкнене для кожної моделі за замовчуванням.

Облік із достатньою деталізацією, щоб розрізняти окремих споживачів, ваш реальний тарифний календар і планувальник, якому оптимізатор може передати план: один лічильник на вводі показує суму й нічого не каже про те, яку операцію переносити. Оптимізатор планує під вікна цін на електроенергію, а міряється це в кВт·год. Утримання договірної межі заявленої потужності є іншою задачею: для неї потрібні вимірювання по інтервалах і можливість утримати або скинути навантаження в моменті, тож визначайте її в обсязі окремо.

Єдиної цифри точності не існує. Модель видає оцінку, а поріг спрацювання, який ви виставите, одразу задає і частку виявлених випадків, і частку хибних тривог, виміряні на деталях, яких модель не бачила; вибір цієї точки є рішенням бізнесу про те, скільки коштує зупинена придатна деталь проти відвантаженої бракованої. Важливість змінних і кореляція це діагностика рівня моделі: вони добре ловлять, коли модель вчепилася за побічну ознаку, але непридатні, щоб судити про окреме спрацювання. Тримайте модель у тіньовому режимі, доки не назбирається достатньо реальних дефектів для порівняння.