企业数据的科学

机器学习将如何为制造业创造高达2万亿美元的价值

2019年12月5日
By 哈桑面
成像在制造业

今天,制造商必须尽可能高效和持续地创造高质量的产品,以保持竞争力. 随着原材料价格的不断上涨, 熟练的劳动力短缺, 和日益激烈的竞争, 这可能很困难. 幸运的是, 机器学习和物联网技术正在使效率和生产力成为现实. 根据 麦肯锡 & 公司在美国,人工智能有可能创造1美元.制造业价值为2万亿到2万亿美元.

制造商获得了前所未有的海量数据, 如图片, 声音的频率, 温度, 更多来自传感器技术(智能制造). 多亏了更便宜的计算能力, 制造业可以利用这些数据,通过机器学习和机器学习降低成本 深度学习 模型. 这就是为什么制造商将从投资拥有数据科学和机器学习技能的人以及他们需要的工具中获益最多,以开发创新解决方案以降低成本. 以下是数据科学家为制造商创造价值的四种方式:

需求预测 & 供应链优化

整个供应链, 预测分析模型用于识别不同营销策略的需求水平, 销售价格, 位置, 还有很多其他的数据点. 它们有助于预测消费者需求,从而提出优化供应链的建议. 数据科学家使用预测分析模型,通过使用历史销售数据预测特定产品的需求, 天气数据, 经济数据, 和更多的. 然后, 来自物流管理的数据, 运输, 仓库管理可以用来优化供应链.

在分析了当前和预测的库存水平之间的差距之后, 数据科学家创建优化模型,帮助指导库存从制造商到配送中心,最终到面向客户的店面的准确流动. 这保持了集中式存储和本地化存储之间的最佳平衡, 最小化不必要的持有成本. 机器学习使制造商及其物流合作伙伴更高效、更有利可图. 数据科学家不断测试不同的场景,以确保理想的库存水平和提高品牌声誉.

质量控制

图像识别和异常检测是一类机器学习算法,可以在故障部件进入生产流程之前快速检测并消除故障. 零部件制造商可以在每个部件从装配线上下来时捕捉它们的图像, 通过机器学习模型自动运行这些图像来识别任何缺陷.

高度精确的异常检测算法可以检测到小到一毫米的问题. 预测分析可以用来评估有缺陷的零件是否可以返工或报废. 此时消除或重新加工有问题的部件的成本远远低于在制造过程中发现并修复它们的成本, 并降低了代价高昂的召回风险. 它还有助于确保客户的安全、满意度和留存率.

实现一个图像识别和分析模型, 制造商需要一个包含数百甚至数千个零件图像的精确数据集, 每一个都标记了诸如pass之类的信息, 失败, 问题A / B / C, 等. 构建模型的数据科学家还必须具有有关允许公差和各种缺陷的潜在性能和安全影响的领域专业知识.

根本原因分析

当产品生命周期中出现问题时——无论是在生产过程早期发现的问题,还是已经影响到消费者手中产品的问题——企业都急于确定问题的确切原因以及如何解决问题. 这个品牌的声誉(可能还有消费者的安全)岌岌可危.

在制造阶段, 确定问题的根本原因是一个漫长而艰苦的过程. 根本原因分析需要使用大量的测试数据, 传感器测量, 制造商参数等. 用传统方法执行,也非常困难.

机器学习技术可以大大加快根本原因分析和解决速度. 异常检测算法可以有效地分析大量的传感器和系统数据. 而且,它们可以使用额外的数据类型来执行这种分析,其数量远远超过传统方法所能处理的数量.

例如, 在制造阶段, 使用图像数据作为根本原因分析的输入,有助于组织将故障模式与底层生产过程中的可能缺陷关联起来. 一旦产品在消费者手中出现问题, 社交媒体上的文本识别和自然语言处理使这些注释能够包含在分析过程中. 这些方法中的每一种都可以比传统的分析方法更快地揭示非常具体的根本原因,并且通常能够诊断出其他方法无法发现的问题.

预见性维护

机器学习可以提供更精确的、更重要的、不断发展的维护建议. 算法处理机器历史数据和传感器数据,以预测机器何时可能出现故障并触发警报, 授权制造商及时提供预防性维护, 避免停机成本.

而不是每年更新几次的静态维护计划, 预测分析模型可以继续从制造工厂收集的数千个性能数据点中学习, 供应商, 服务提供商, 甚至是正在使用的产品. 该模型能够适应不断变化的条件和新的性能信息, 更新相应的维护计划

与ML一起进行预测性维护可以帮助制造商在机器寿命结束时对新设备或新部件进行计划和预算. 它还可以帮助减少浪费. 例如, 当机器故障或运行不佳时, 在这个过程中,原材料经常被浪费. 预测分析还有助于提高对推荐维护的遵从性,并可以保持制造系统在最佳性能水平上工作——保护良率, 帮助确保质量和安全, 并最终节省时间和金钱. 根据 麦肯锡 & 公司, 预测性维护通常会减少机器30-50%的停机时间,并增加机器20-40%的寿命.

开源技术提供创新的解决方案

有了合适的技能, 制造业中的数据科学家可以通过使用Python和前沿的开源库(如)来实现这里讨论的用例,从而提供战略优势 TensorFlow、scikit-learn和scikit-image. 由于这个原因,许多制造组织将实现更大的价值 企业机器学习平台 它结合了开源库和工具,而不是为单个用例设计的点解决方案.

本网站使用cookie,以确保您在天博app下载的网站上获得最佳体验. 隐私政策
接受