【導讀】生產過程中的質量控制絕非易事，經(jīng)常需要事后總結經(jīng)驗教訓。當零件從生產線上下來接受檢查時，發(fā)現(xiàn)問題可能已經(jīng)來不及了。如果等到生產流程的最后階段再去設法確保產品無瑕疵，會浪費大量的資源、時間和金錢。
（圖源：William / stock.adobe.com；使用AI生成）
生產過程中的質量控制絕非易事，經(jīng)常需要事后總結經(jīng)驗教訓。當零件從生產線上下來接受檢查時，發(fā)現(xiàn)問題可能已經(jīng)來不及了。如果等到生產流程的最后階段再去設法確保產品無瑕疵，會浪費大量的資源、時間和金錢。
不過，現(xiàn)在出現(xiàn)了一種有效替代方法。
比如說，想象一下，在焊接過程中，熱像儀密切跟蹤產品制造過程中的熱信號。如果產品焊接不當，系統(tǒng)會立即發(fā)出警報，以便實時糾正錯誤。隨著機器學習 (ML) 等先進技術的發(fā)展，這種顛覆性的生產效率已經(jīng)開始嶄露頭角，并且成為預防性解決方案總體投資的一部分。
預防性維護的發(fā)展
如果您覺得“預防性解決方案”這個詞很耳熟，那是因為它與另一個更熟悉的詞“預防性維護”密切相關。
數(shù)據(jù)驅動型技術在短短幾年內就改變了制造業(yè)，其速度令人驚嘆。數(shù)字化轉型的更新迭代，如工業(yè)4.0和工業(yè)5.0，為制造業(yè)提供了諸多好處，特別是在促進預防性維護方面。
預防性維護是工業(yè)4.0的主要基石之一，其理論基礎是可以利用設備的健康數(shù)據(jù)來預防嚴重故障的發(fā)生。通過研究機器的振動或熱信號，并將這些數(shù)據(jù)輸入機器學習模型，制造商可以預測設備何時出現(xiàn)故障，并采取措施避免發(fā)生災難性后果。這種主動糾錯可以避免代價高昂的停機時間，而這一直是制造業(yè)的一大難題。
了解預防性解決方案
預防性維護是預防性解決方案的一部分。預防性維護帶來的諸多優(yōu)勢同樣適用于預防性解決方案。但兩者又存在一些根本性的區(qū)別。
預防性維護可告知制造商設備何時發(fā)生故障。預防性解決方案則是更進一步，提出解決問題的方法建議。所以預防性維護是回答是否以及何時的問題，而預防性解決方案則是回答如何解決的問題。
預防性維護的關注重點更明確，著眼于生產設備。預防性解決方案則要涉及大多數(shù)的業(yè)務運營環(huán)節(jié)，包括供應鏈管理、員工排班、流程改進以及設備健康狀況。前面提到的使用熱像儀進行焊接操作修復，就是預防性解決方案解決流程低效的一個例子。配備實時監(jiān)控裝置的機器可以立即解決生產線延遲問題，消除瓶頸，滿足每天甚至每小時的產量要求。
預防性解決方案不僅能發(fā)現(xiàn)生產設備的問題，還能發(fā)現(xiàn)相關業(yè)務運營中存在的問題，并提出解決辦法。
推動產業(yè)發(fā)展的技術和基礎架構
以前，生產過程是不透明的，但數(shù)字化轉型和數(shù)據(jù)使現(xiàn)在的生產運營更加透明。因此，發(fā)現(xiàn)和解決低效率問題變得更加容易。
大規(guī)模開發(fā)和部署IIoT傳感器可以說是汽車行業(yè)最大的變革之一。當機器有了傳感器，它們就可以“交流”，制造商則可以利用這些信息做出數(shù)據(jù)驅動型決策。但只有IIoT是不夠的。IIoT產生的海量數(shù)據(jù)很容易讓制造商淹沒在過多的信息中。不過AI等技術可以幫助OEM廠商理解數(shù)據(jù)。當數(shù)據(jù)輸入預見性ML模型后，可以提供預防性維護結果。
現(xiàn)在，打破制造企業(yè)各部門之間的數(shù)據(jù)孤島后，再加上讀取非結構化數(shù)據(jù)的能力，正在通過預防性解決方案，進一步推動行業(yè)以數(shù)據(jù)為依據(jù)做出決策。
生產效率的提高已經(jīng)不是僅取決于生產車間的機器。生成式AI模型可以使用各種手冊、設備維護日志、電子郵件等存儲的專有信息進行訓練，并利用自然語言處理 (NLP) 技術為員工創(chuàng)建培訓模塊。經(jīng)驗不足的工人可以查詢生成式AI模型以獲取維修說明，并在中心位置記錄日志，這樣數(shù)據(jù)就不會被鎖定和孤立。
預防性解決方案對未來的影響
制造業(yè)面臨的最大挑戰(zhàn)之一向來是相關數(shù)據(jù)的可用性。現(xiàn)在技術已經(jīng)到位，期待預防性解決方案能夠以各種新穎獨特的方式幫助制造商。
預防性解決方案的應用案例不勝枚舉
比如，產品服務化（OEM廠商租賃而非銷售設備）可以利用預防性解決方案獲得更穩(wěn)定的收入來源。制造商可以從租賃的設備中獲取數(shù)據(jù)，進一步優(yōu)化預見性AI模型。
結語
通過預防性維護，制造商已經(jīng)減少了停機時間并節(jié)約了成本。除了根本原因分析和預防性維護，預防性解決方案在發(fā)現(xiàn)和解決機器以外的問題方面也有著廣闊的應用空間。那些已經(jīng)通過數(shù)字化轉型鋪平了道路的OEM廠商將率先從這種整體方法中獲益。
作者簡介
Poornima Apte是一位從工程師轉型的撰稿人，其B2B專長是機器人、人工智能、網(wǎng)絡安全、智能技術和數(shù)字化轉型。
免責聲明：本文為轉載文章，轉載此文目的在于傳遞更多信息，版權歸原作者所有。本文所用視頻、圖片、文字如涉及作品版權問題，請聯(lián)系小編進行處理。
推薦閱讀：
