هوش مصنوعی درصنایع تولیدی

از یک نوع تجهیز شروع می‌کنیم: سابقه حسگرهایش، خرابی‌های ثبت‌شده و روش فعلی تعمیرات. پیش از گسترش به تجهیزات دیگر می‌سنجیم هشدار چقدر پیش از خرابی می‌رسد، چند خرابی را مدل نمی‌بیند، چند هشدار اشتباه است و توقف و هزینه نگهداری در مقایسه با وضع فعلی کارخانه چه تغییری می‌کند.

بینایی ماشین را می‌توان برای یک نوع عیب مشخص و مستند، در همان نور، سرعت خط و تنوع محصولی که واقعاً دارید آزمود. دقت و بازیابی را فقط از داده‌های همین آزمایش گزارش می‌کنیم و هر قطعه‌ای که سامانه درباره‌اش مطمئن نیست، به بازرس کنترل کیفیت می‌رسد.

با تحلیل زمان چرخه، مصرف انرژی، کیفیت و توقف‌ها می‌توان گلوگاه‌های احتمالی را پیدا کرد. مهندسان خودتان هر یافته را بررسی می‌کنند. بعد یک آزمایش کنترل‌شده نشان می‌دهد که آیا با تغییر پیشنهادی، تولید نسبت به معیاری که از قبل بر سر آن توافق کرده‌ایم بهتر می‌شود.

گاهی بله. بستگی دارد به اینکه چه داده‌ای از ماشین‌ها در دسترس است، نصب ایمن حسگر ممکن است یا نه، PLC یا SCADA چه رابطی دارد و سیاست شبکه و محدودیت‌های سازنده چه اجازه‌ای می‌دهند. بازدید از محل و بررسی اتصال‌ها نشان می‌دهد کدام ماشین‌ها را می‌توان بدون اختلال در تولید به حسگر مجهز کرد.

تا روشن نشود کار روی کدام تجهیزات است و داده، اتصال، ایمنی و پشتیبانی چه می‌خواهد، نمی‌توان قیمت ثابت قابل‌اتکایی داد. یک مرحله محدود کشف نیاز و یک اجرای آزمایشی کوچک باید هم برآورد هزینه را به دست بدهند و هم معیاری روشن و سنجش‌پذیر برای ادامه یا توقف کار.