Переводные статьи
Популярное | Последнее
118
×
Компании применяют бережливое производство в связке с искусственным интеллектом
Сообщество Lean+6Sigma в России
Компании применяют бережливое производство в связке с искусственным интеллектом
Перевод статьи "Smaller Manufacturers Get Lean With Artificial Intelligence" Дуглас Девероу выполнил Вадим Сеничев.

Искусственный интеллект (ИИ) широко признан в качестве важнейшего аспекта нового подхода к производству, получившего название Промышленность 4.0. Хотя на данный момент никто не знает, как ИИ будет включен в следующую фазу промышленной революции, большинство согласны с тем, что он позволит расширить возможности связи между людьми, машинами и информационными технологиями, что позволит производителям лучше оптимизировать процессы и прогнозировать проблемы. 

Каким образом малые и средние производители, которые обычно не располагают временем или средствами, необходимыми для тестирования новых технологий, должны понять, как ИИ может повлиять на их организацию и как он поможет им в переходе к стандартам Индустрии 4.0? 

Ожидать, пока производственный отдел решит начать внедрение ИИ, определенно не лучший вариант. Задержка в один, два или пять лет может привести к непреодолимому отставанию. Время действовать уже настало, хотя по этому пути прошло еще мало компаний. 

Одним из способов решения этой проблемы является оценка искусственного интеллекта посредством методики непрерывного изменения, которая уже применяется многими малыми и средними производители: бережливое производство.

 

Превращение «непрерывного» в постоянное улучшение с помощью ИИ 

В основе философии Бережливого производства лежит идея непрерывного совершенствования, приверженность постоянным изменениям и улучшениям. Для того, чтобы делать все возможное, всегда нужно поддерживать готовность к изменениям, чтобы при выявлении возможности для улучшения ее можно было быстро реализовать.

Бережливые улучшения проходят через вмешательство в процессы. Если проблема обнаружена в одном из процессов, его работа останавливается. Члены проектной команды собираются на месте для того, чтобы наблюдать, делать выводы, обсуждать варианты решений и в конечном итоге предпринимать действия, направленные на устранение коренной причины проблемы. Этот метод прерывания и улучшения - то, как работает бережливое производство на данный момент, хотя его ритм остановки и запуска, кажется, в корне противоречит идее непрерывного улучшения. По крайней мере это то, что мы можем сделать с использованием человеческого потенциала. 

Теперь представьте, что если вам не пришлось бы останавливать работу, чтобы внести изменения в операцию? Что, если бы вы могли выполнять основную часть процесса бережливого производства (например, наблюдать, делать выводы, обсуждать варианты решений, принимать меры) во время работы, внося улучшения непрерывно? Это одна из главных новых возможностей ИИ для производственных операций любого масштаба.


Где бережливые операции могут начинаться с ИИ 

Искусственный интеллект - это обширная область, которая включает в себя широкий спектр технологий, начиная от алгоритмов, способных учиться на наборах данных, до роботов, которые начинают воплощать в жизнь идеи, когда-то возможные только на страницах научно-фантастических романов. 

Что касается мелких производителей, то тип ИИ, с которым они в первую очередь должны иметь дело, - это раздел, называемая машинным обучением. Как Амит Мангани определяет ее в своем «Учебнике по машинному обучению»: 

«Машинное обучение - это форма анализа данных», - пишет он. «Используя алгоритмы, которые непрерывно обучаются на основе данных, машинное обучение позволяет компьютерам распознавать скрытые шаблоны, не заложенные в программе заранее. Ключевой аспект машинного обучения заключается в том, что, поскольку модели подвергаются воздействию новых наборов данных, они адаптируются для получения надежных и согласованных результатов». 

Далее Мангани описывает четыре типа машинного обучения, каждый из которых можно применить в контексте бережливого производства: 

1. Контролируемое машинное обучение

2. Неконтролируемое машинное обучение

3. Полу-контролируемое машинное обучение

4. Углубленное машинное обучение

Это предполагает, что небольшой производитель готов инвестировать в вычислительные мощности, чтобы сделать необходимые данные доступными для вычислительного анализа. Давайте рассмотрим каждую из этих четырех возможностей применения машинного обучения для бережливого производства более подробно.

1. Контролируемое машинное обучение

В контролируемом машинном обучении алгоритмы анализируют входящие данные, присваивая метки любому элементу данных, который соответствует предопределенным критериям. В контексте бережливого производства, компании могут использовать такую технику для автоматизации контроля качества сложных деталей, например, при условии, что соответствующие данные деталей могут быть заранее записаны и предоставлены алгоритму. 

2. Неконтролируемое машинное обучение

При неконтролируемом машинном обучении нет предопределенных ответов, которые алгоритм может использовать для сортировки данных. Скорее, алгоритм должен наблюдать и оценивать данные по мере их накопления, выявляя закономерности и создавая возникающие метки. Этот тип машинного обучения может использоваться в контексте бережливого производства для мониторинга производственного оборудования или нескольких объединенных общей сетью машин на предмет необычного поведения и, таким образом, предвидения неисправности. 

3. Полу-контролируемое машинное обучение

Как видно из названия, в машинном обучении с полууправлением смешиваются контролируемый и неконтролируемый подходы. В полууправляемом сценарии есть несколько существующих меток для данных. Другие критерии также разрабатываются алгоритмом с течением времени с помощью человеческого контроля. Полуконтролируемый сценарий может быть полезен для оптимизации производства повторяющихся деталей, потенциально устраняя потери как деталей, так и этапов процесса. 

4. Углубленное машинное обучение

В сценарии подкрепления алгоритм прогнозирует, какое действие из набора возможных приведет к наибольшему вознаграждению. Малые и средние производители, вовлеченные в процесс Бережливого преобразования, могут использовать этот тип машинного обучения, чтобы взвесить различные пути к ориентированным на процесс изменениям, которые они представляют.

 

Машинное обучение может дополнять бережливое производство 

Проанализировав потенциал машинного обучения, можно увидеть, что применение искусственного интеллекта уже в наши дни может быть полезно и, что важнее, доступно для большинства производителей, независимо от их масштабов. В некоторых случаях, необходимые для работы ИИ детали головоломки могут быть уже собраны на вашем предприятии в виде данных, собранных ранее установленными датчиками станков и другого оборудования, существующими информационными технологиями и инфраструктурой эксплуатационных технологий. 

Поскольку малые и средние производители начинают рассматривать приложения для ИИ, важно помнить, что ни один из этих сценариев автоматически не угрожает доступности рабочих мест для людей. Скорее, эти идеи могут быть реализованы таким образом, который дополняет процесс бережливого отношения к работникам, предоставляя сотрудникам доступ к информации в режиме реального времени и лучшим инструментам для решения и выполнения задач на рабочем месте. 

Полезной аналогией является современная технология автомобильных систем слежения, которая дополняет осведомленность и восприятие водителей. Эта технология не только повышает безопасность, но и помогает уменьшить загруженность потока в общей системе дорожного движения, выстраивая поведение каждого отдельного автомобиля на дороге. Таким образом, технология автомобильной безопасности не исключает водителя из уравнения, при этом делая вождение более безопасным и эффективным.

Если мы посмотрим на Искусственный Интеллект с этой точки зрения, то его можно будет рассматривать как еще один инструмент в наборе инструментов Бережливого Производства, хотя он сам по себе может в будущем стать центральным инструментом обновленной методологии.

Войдите, чтобы оставить комментарий
E-Mail
Комментариев нет
Рекомендовано
Реклама
Поделиться