Индустрия 4.0 штурмом взяла обрабатывающую промышленность, изменив производственный процесс, используемый для производства товаров, которые мы потребляем ежедневно. Четвертая промышленная революция, или для краткости Индустрия 4.0, включает в себя внедрение и использование технологий в производственном процессе. В Индустрии 4.0 информационные системы, устройства IoT (Интернет вещей), облачные сервисы и различные компьютеры работают совместно для сбора и обработки соответствующих данных, превращая их в полезную информацию (Marr, 2018). Эта информация предоставляет полезные показатели (например, информацию о производительности и недостатки), выступая в качестве катализатора для выявления закономерностей, поиска слабых звеньев и возможностей для повышения эффективности (например, оптимизация операций путем автоматизации утомительных ручных задач, позволяющая повысить показатели производительности) (Marr, 2018). ). Благодаря последним технологическим достижениям данные и машинное обучение находятся на переднем крае каждой отрасли, и существует множество возможностей для их использования в производстве.

До Индустрии 4.0 данные в производственном процессе практически отсутствовали. По данным Accenture, только 13% производственных компаний использовали данные для преобразования внутренних процессов (Industry Today, 2020). Интегрируя компьютеры в производственный процесс, Индустрия 3.0 заложила основу для интеграции данных в ближайшие годы. Индустрия 4.0 использует данные в производстве для экономии затрат, например, собирая данные с датчиков в оборудовании для поддержки алгоритмов машинного обучения на основе данных для улучшения автоматизации внутренних процессов (например, минимизации времени простоя и поддержания производства в соответствии с ожиданиями). По данным Industrytoday.com, есть три шага к созданию производственного процесса, управляемого данными. Первым шагом является внедрение передовых производственных технологий (например, робототехники и моделирования) для укрепления производственного процесса. Существующие процессы/сервисы также нуждаются в капитальном ремонте для обеспечения возможности анализа больших данных. Наконец, внедрение сетей IoT позволит усилить контроль и повысить эффективность работы. Конечная цель индустрии 4.0 — объединить существующие операционные технологии (например, датчики и физическое оборудование) с информационными технологиями для создания среды, управляемой данными (Industry Today, 2020). Конечная цель внесения этих изменений — убедиться, что инфраструктура может поддерживать большие объемы данных и совместима с централизованным подходом к управлению.

Данные также идут рука об руку с машинным обучением. Если обе эти концепции будут использованы в обрабатывающей промышленности, они заложат основу для новаторских инноваций в ближайшие годы. Машинное обучение — это управляемая данными разновидность искусственного интеллекта, которая использует свои входные данные (данные) для обучения и постоянного самосовершенствования (Ashmore, 2020) — так же, как человеческий мозг. Одна из наиболее распространенных дискуссий в рамках Индустрии 4.0 касается концепции «умного завода», который представляет собой завод, использующий сочетание операционных технологий и информационных технологий (например, интеллектуальные устройства, машины и коллективные системы) для мониторинга производственных линий. и собирать данные. С помощью данных специалисты по обработке и анализу данных могут выполнять расширенную аналитику, превращая эти данные в полезную информацию (например, визуальные информационные панели) и принимать обоснованные решения по развитию производства. Самая заметная возможность для продвижения с помощью машинного обучения — это повышение эффективности без использования дополнительных ресурсов (Ashmore, 2020). Например, использование нейронной сети в производственном процессе открывает двери для улучшения контроля качества, например, для отслеживания продуктов с помощью мониторинга процесса и выявления дефектов и их причин.

Применение методов машинного обучения в производстве повышает прозрачность процессов и способствует межфункциональному обмену информацией. Эта легкодоступная информация преобразуется в более эффективные процедуры управления изменениями и инцидентами, поскольку информация передается в режиме реального времени, что позволяет принимать более обоснованные решения и дает возможность выявлять причины инцидентов/проблем (Ashmore, 2020). Кроме того, машинное обучение позволяет лучше распределять ресурсы в производственной среде. Например, когда на обычном заводе производство идет не так, как планировалось, человек должен следить за производственными линиями, искать причину и разрабатывать план, чтобы все нормализовалось. Такой подход отнимает у фабрики ресурсы и время. Принимая во внимание, что «умные фабрики» автоматически проводят проверки и предоставляют информацию, что приводит к более быстрой производственной линии, большему бизнесу и большему количеству доступных ресурсов. Объединение данных и машинного обучения также способствует проактивной производственной среде, а не традиционной реактивной среде (Ashmore, 2020). Алгоритмы машинного обучения могут использовать прошлые данные и прогностические модели, чтобы предсказывать, когда могут возникнуть сбои, и предупреждать необходимых людей о принятии превентивных мер. Прогностическая аналитика снизит риск сбоя, сэкономив время, ресурсы и деньги компании. Многие производители, такие как Audi, GE, Siemens и Harley-Davidson, успешно внедрили данные и машинное обучение на своих заводах. Например, Harley-Davidson сократила производственный цикл с 21 дня до 6 часов после принятия подхода «умного завода», снизив производственные затраты на 200 миллионов долларов (Ashmore, 2020).

В Индустрии 4.0 есть несколько возможностей для использования данных и машинного обучения. Подход «умная фабрика» имеет дополнительные преимущества, такие как неограниченный поток данных в масштабах всей организации, который позволяет всем сторонам быть в курсе событий и обеспечивает легкий доступ к информации. Кроме того, благодаря оцифровке производственного процесса доступ к важной информации (например, к информационным панелям визуальных показателей) можно получить из любого места с помощью облачных сервисов, что обеспечивает неограниченное сотрудничество. При интеграции данных и машинного обучения процессы необходимо будет переделывать или перестраивать, освобождая место для улучшенного контроля качества (например, обнаружения ошибок), эффективного управления проблемами/инцидентами и большей наглядности благодаря легкодоступной информации. Короче говоря, возможности данных и машинного обучения в Индустрии 4.0 приведут к повышению эффективности, лучшему распределению ресурсов, дальнейшему развитию технологий и конкурентному преимуществу в производственном процессе.

Процитированные работы

Эшмор, Х. (17 ноября 2020 г.). Индустрия 4.0 и влияние машинного обучения на обрабатывающую промышленность. Получено с AiThority: https://aithority.com/machine-learning/industry-4-0-and-the-impacts-of-machine-learning-on-the-manufacturing-industry/

Промышленность сегодня. (2020, 20 мая). Роль данных в Индустрии 4.0. Получено из Industry Today: https://industrytoday.com/the-role-of-data-in-industry-4-0/

Марр, Б. (2018, 2 сентября). Что такое Индустрия 4.0? Вот очень простое объяснение для всех. Получено из Forbes: https://www.forbes.com/sites/bernardmarr/2018/09/02/what-is-industry-4-0-heres-a-super-easy-explanation-for-anyone/? ш=4669b8969788