From Industrial AI Pilots to Real Business Value: How ABB Is Connecting Predictive AI and IoT

Өнеркәсіптік AI пилоттық жобаларынан нақты бизнес құндылығына дейін: ABB болжамды AI мен IoT-ты қалай біріктіріп отыр

Өнеркәсіптік жасанды интеллект тәжірибелік қолданыс аясынан шығып, күнделікті өндіріс пен технологиялық операциялардың бір бөлігіне айналып келеді. Алайда өлшенетін нәтиже алу үшін қосылған датчиктерді орнату немесе болжамдық алгоритмдерді енгізу жеткіліксіз. Ол операциялық деректерді, инженерлік білімді, автоматтандыру жүйелерін және адам қабылдайтын шешімдерді біртұтас цифрлық инфрақұрылымға біріктіруге байланысты.

ABB компаниясының Автоматтандыру бизнес бағыты бойынша жаһандық цифрлық директоры Раджеш Рамачандранның пікірінше, Өнеркәсіптік заттар интернеті (IIoT) технологияларын болжамдық AI-мен ұштастыру өндірушілерге активтердің сенімділігін арттыруға, энергия тұтынуды оңтайландыруға және барған сайын автономды операцияларға көшуге көмектеседі.

Оның пікірі өнеркәсіптік компаниялар алдында тұрған маңызды мәселені көрсетеді: операциялық деректердің үлкен көлемін өлшенетін жақсартуға әкелетін шешімдерге айналдыру.

1. Өнеркәсіптік AI және IoT: деректер жинаудан әрі

Өнеркәсіптік заттар интернеті цифрлық трансформацияның негізгі қозғаушы күшіне айналды. Қосылған датчиктер, интеллектуалды аспаптар және желілік басқару жүйелері өндірушілерге операциялық ақпаратты үздіксіз жинауға мүмкіндік береді. Ал болжамдық AI үрдістерді анықтауға, қалыптан тыс жағдайларды байқауға және жабдықтың ықтимал істен шығуын болжауға қажет аналитикалық мүмкіндіктерді ұсынады.

Бұл технологиялардың міндеттері әртүрлі, бірақ бірін-бірі толықтырады. IoT физикалық жабдықтар мен процестердің жай-күйін көруге мүмкіндік берсе, AI жиналған ақпаратты түсіндіріп, ықтимал операциялық тәуекелдерді анықтайды.

Алайда деректерді көбірек жинау өнеркәсіптік тиімділікті өздігінен арттырмайды. Жабдықтың жұмыс жағдайларын, техникалық қызмет көрсету тарихын және инженерлік шектеулерін білмейінше, діріл көрсеткішінің немесе температура өлшемінің практикалық құндылығы шектеулі.

Менің ойымша, өнеркәсіпті цифрландырудың келесі кезеңінде жиналатын деректер көлемін арттырудан гөрі олардың инженерлік тұрғыдан маңыздылығын жақсартуға басымдық беру керек. Контексті дұрыс көрсетілген аз көлемдегі ақпараттың өзі бір-бірімен байланыспаған миллиондаған датчик көрсеткішінен гөрі техникалық қызмет көрсету туралы жақсырақ шешім қабылдауға көмектеседі.

2. Деректер сапасы мен инженерлік контекст AI тиімділігін айқындайды

Рамачандранның айтуынша, болжамдық AI стратегиясы нақты анықталған бизнес мәселесінен басталуы керек.

Өнеркәсіптік компаниялар нені болжағысы келетінін, ескерту қаншалықты ерте қажет екенін және осы болжам қай операциялық шешімге көмектесетінін анықтауы керек.

Бұл тәсілде технологияны таңдаудан бұрын инженерлік талаптар қойылады.

Болжамдық модельдер пайдалы нәтиже беруі үшін бірнеше дереккөзден алынған ақпаратты біріктіру қажет, соның ішінде:

  • Өндірістік технологиялар (OT): Датчиктерден, PLC, DCS платформаларынан және басқа басқару жүйелерінен алынатын нақты уақыттағы өлшемдер.
  • Ақпараттық технологиялар (IT): Корпоративтік ақпарат, өндіріс жазбалары және бизнеске қатысты операциялық деректер.
  • Инженерлік технология (ET): Жабдық сипаттамалары, процестер туралы білім, пайдалану шектері және инженерлік құжаттама.
  • Техникалық қызмет көрсету жазбалары: Жабдыққа көрсетілген қызмет тарихы, тексеру нәтижелері, ақаулар туралы есептер және бұрын қабылданған түзету шаралары.

OT, IT және ET интеграциясы жабдықтың жұмысын кеңірек түсінуге мүмкіндік береді.

Мысалы, қозғалтқыш дірілінің кенет күшеюі механикалық ақаудың туындап келе жатқанын білдіруі мүмкін. Алайда оны түсіндіру қозғалтқыш жылдамдығына, жүктеме жағдайларына, мойынтіректердің жай-күй тарихына және соңғы техникалық қызмет көрсету жұмыстарына қарай өзгереді.

Сондықтан өнеркәсіптік AI үшін деректер ғылымы ғана жеткіліксіз. Инженерлік білім талдамалық нәтижелерді мағыналы операциялық ақпаратқа айналдыруға мүмкіндік беретін контексті қамтамасыз етеді.

3. Болжамдық AI-ды қолданыстағы өнеркәсіптік жүйелерге интеграциялау

Өнеркәсіпте AI енгізудегі ең үлкен кедергілердің бірі міндетті түрде модель әзірлеу емес. Бұл — AI жасаған талдамалық қорытындыларды қолданыстағы операциялық жұмыс процестеріне енгізу.

Болжамдық модель қалыптан тыс жағдайды жоғары дәлдікпен анықтауы мүмкін, бірақ техникалық қызмет көрсету тобы ақпаратты уақытында алмаса немесе қандай әрекет жасау керегін анықтай алмаса, оның пайдасы шектеулі болып қалады.

Рамачандран AI шешімдері қолданыстағы жүйелермен қауіпсіз интеграцияланып, олардың ұсынымдарын іске асыруға жауапты тұлғалар нақты белгіленуі керектігін атап өтеді.

Өнеркәсіптік нысандарда бұл үшін бірнеше практикалық жайтқа назар аудару қажет:

  • Қолданыстағы автоматтандыру және мониторинг инфрақұрылымымен интеграциялау.
  • Операциялық және корпоративтік жүйелер арасындағы қауіпсіз байланыс.
  • Жабдықтың нақты уақыттағы және архивтік деректеріне тиісті қолжетімділікті қамтамасыз ету.
  • Дабылдардың басымдығын анықтау және техникалық қызмет көрсету туралы хабарлау тәртібінің айқын болуы.
  • AI ұсынымдарын қарау және мақұлдау жөніндегі міндеттерді нақты белгілеу.
  • Модель жұмысы мен операциялық нәтижелерді үздіксіз бағалау.

Автоматтандыру инженериясы тұрғысынан, AI қолданыстағы басқару және қорғаныс архитектураларын толықтыруы керек, оларға қажетсіз күрделілік қоспауы тиіс.

Болжамдық аналитика техникалық қызмет көрсетуді жоспарлауға және операцияларды оңтайландыруға көмектеседі, алайда қауіпсіздікке қатысты басқару функциялары мен аса маңызды қорғаныс тетіктері өздерінің қалыптасқан инженерлік шектерінде қалуы тиіс.

4. ABB Genix: өнеркәсіптік AIoT платформасын құру

ABB бұл интеграция мәселелерін ABB Genix Industrial IoT and AI платформасы арқылы шешуде.

Платформа өнеркәсіптік деректерді біріктіруге, ақпаратты контекстпен толықтыруға және әртүрлі операциялық деңгейлерде аналитиканы қолдануға арналған. Оның мақсаты — өнеркәсіптік ақпаратты неғұрлым үйлесімді пайдалану арқылы ұйымдарға тиімділікті, активтердің сенімділігін және тұрақтылықты арттыруға көмектесу.

Платформаға негізделген тәсіл жабдықтар, басқару жүйелері және техникалық қызмет көрсетуге арналған бағдарламалар көбіне бөлек ақпараттық ортада жұмыс істейтін ірі өнеркәсіптік нысандар үшін әсіресе маңызды.

Өндірушілер жекелеген машиналарға оқшау AI қолданыстарын енгізудің орнына, деректерді жинауға, біріктіруге, талдауға және оңтайландыруға мүмкіндік беретін неғұрлым интеграцияланған архитектура құра алады.

Бұл сондай-ақ сәтті қолданыстарды бірнеше өндірістік желі мен нысанға таратуға мүмкіндік береді.

Алайда платформаны енгізудің өзі операциялық көрсеткіштерді жақсартуға кепілдік бермейді. Деректерді басқару, жүйелерді біріктіру, инженерлік тексеру және қызметкерлердің қабылдауы енгізу процесінің қажетті бөліктері болып қала береді.

5. Пилоттық кезеңде тұрып қалудан шығу: өнеркәсіптік операцияларда AI ауқымын кеңейту

Көптеген өндірушілер жекелеген машиналарда немесе өндірістік процестерде AI қолданыстарын сәтті көрсетіп үлгерді. Ендігі қиындық — сол нәтижелерді бүкіл зауытқа немесе кәсіпорынға тарату.

Бұл жағдай көбіне пилоттық кезеңде тұрып қалу деп сипатталады: әлеуеті зор цифрлық жобалар оқшау көрсетілім күйінде қалып, орныққан операциялық мүмкіндіктерге айналмайды.

Рамачандран бұл мәселені еңсеруде ұйым басшылығы маңызды рөл атқаратынын атап көрсетеді. Компанияларға нақты бизнес мақсаттары, лайықты цифрлық инфрақұрылым және технологиялық топтар мен операциялық қызметкерлер арасындағы ынтымақтастық қажет.

Іс жүзінде өнеркәсіптік AI ауқымын кеңейту үшін ұйымдар бірнеше мәселені шешуі керек:

  • Деректердің оқшаулануы: Ақпарат тиісті операциялық және бизнес жүйелерінде қолжетімді болуы керек.
  • Бұрыннан бар инфрақұрылым: Қолданыстағы PLC, DCS, SCADA және активтерді басқару жүйелерін біріктіру мұқият жоспарлауды қажет етуі мүмкін.
  • Қызметкерлердің қабылдауы: Инженерлер мен техникалық қызмет көрсету мамандары AI ұсынымдары олардың жұмысына қалай әсер етуі керегін түсінуі тиіс.
  • Операциялық жауапкершілік: Әрбір AI қолданысы нәтижелерін тексеруге және тиісті шараларды бастауға жауапты тұлғаны нақты белгілеуді қажет етеді.
  • Енгізу стратегиясы: Тиімді қолданыстарды тек технологияның қолжетімділігіне емес, дәлелденген операциялық құндылығына қарай кеңейту керек.

Меніңше, өндірушілер AI енгізуді әрбір процесті автоматтандыру жарысы ретінде қарастырмауы керек. Неғұрлым тиімді стратегия — қайталанатын операциялық мәселелерді анықтау, шешімдерді бақыланатын ортада тексеру және олардың пайдасын дәлелдеген жағдайда ғана қолданыс аясын кеңейту.

6. Өнеркәсіптік AI тиімділігін операциялық нәтижелер арқылы өлшеу

Өнеркәсіптік қолданыстарда AI тиімділігін тек модель дәлдігіне қарап бағалауға болмайды.

Техникалық тұрғыдан әсерлі алгоритм міндетті түрде бизнеске құндылық әкелмейді. Оның үлесі жабдықтың қолжетімділігі, өндіріс шығымы, техникалық қызмет көрсету шығындары, энергия тұтыну және операциялық қауіпсіздік сияқты өлшенетін көрсеткіштердің жақсаруынан көрінуі керек.

Болжамдық AI енгізбес бұрын операциялық базалық көрсеткіштерді белгілеу — бастауға қолайлы қадам.

Мысалы, егер болжамдық техникалық қызмет көрсету жүйесі жабдықтың күтпеген жерден тоқтап қалуының алдын алуға жеткілікті ерте ескерту берсе, қаржылық пайда болдырылмаған өндірістік шығындармен, шұғыл техникалық қызмет көрсету шығындарымен және жабдықтың ықтимал қосалқы зақымымен салыстыру арқылы бағалануы мүмкін.

ABB компаниясы Genix Asset Performance Management шешімінің аясындағы көпөлшемді аномалияларды анықтау қолданбасын атап өтті.

Рамачандранның айтуынша, клиенттердің соңғы енгізу тәжірибесінде жабдықтың ықтимал істен шығуы орын алуына алты-он күн қалғанда анықталған. Мұндай ескерту мерзімі техникалық қызмет көрсету топтарына қалыптан тыс жағдайларды зерттеп, түзету шараларын ұйымдастыруға қосымша уақыт береді.

Дегенмен, болжам сапасын мұқият бағалау қажет.

Жалған дабылдар қажетсіз тексерулер мен техникалық қызмет көрсету жұмыстарына әкелуі мүмкін, ал ескерту жасалмай қалса, өндірістік жабдық елеулі операциялық тәуекелдерге ұшырауы мүмкін.

Осы себепті өнеркәсіптік AI тиімділігін техникалық көрсеткіштермен де, техникалық қызмет көрсетудің нақты нәтижелерімен де бағалау керек.

7. Болжамдық аналитика, прескриптивті интеллект және цифрлық егіздер

Өнеркәсіптік AI біртіндеп не болуы мүмкін екенін анықтаудан оқиғаның неліктен орын алуы ықтимал екенін түсіндіруге және келесіде не істеу керегін ұсынуға көшіп келеді.

Болжамдық аналитика болашақта болуы ықтимал жағдайларды анықтайды. Прескриптивті аналитика ықтимал әрекет ету жолдарын бағалайды, ал себеп-салдарлық талдау қалыптан тыс мінез-құлыққа әсер ететін негізгі факторларды зерттеуге көмектеседі.

Цифрлық егіздер физикалық активтердің, процестердің немесе жүйелердің виртуалды көріністерін жасау арқылы осы мүмкіндіктерді кеңейтеді. Нақты уақыттағы операциялық деректермен байланыстырылған жағдайда, модельдеу модельдері инженерлерге физикалық жабдыққа өзгерістер енгізбес бұрын әртүрлі жұмыс сценарийлерін бағалауға көмектеседі.

Бұл үйлесімнің бірнеше ықтимал артықшылығы бар:

  • Қалыптан тыс жұмыс жағдайларын ертерек анықтау.
  • Жабдықтың ықтимал істен шығу механизмдерін жақсырақ түсіну.
  • Балама техникалық қызмет көрсету немесе пайдалану стратегияларын бағалау.
  • Ұсынылған процесс өзгерістерін бағалау кезіндегі белгісіздіктің азаюы.
  • Операциялық сценарийлерге негізделген анағұрлым негізді шешімдер.

Менің ойымша, болжамдық аналитика мен цифрлық егіздердің үйлесімі күрделі өнеркәсіптік процестер үшін ерекше пайдалы болуы мүмкін. Болашақ жүйелер инженерлерге параметрдің қалыпты ауқымнан асып кеткенін жай хабарлаумен шектелмей, ықтимал себептерді түсіндіруге және әртүрлі түзету әрекеттерінің салдарын бағалауға көбірек көмектесуі керек.

8. Агенттік AI және автономды өнеркәсіптік операциялардың болашағы

Алдағы уақытта, Рамачандранның пікірінше, болжамды, нұсқамалық және генеративті ЖИ мүмкіндіктері өзара барған сайын тығыз байланыста жұмыс істеп, агенттік ЖИ талдамалық түсініктерді операциялық жұмыс процестерімен ұштастыруға көмектеседі.

Болжамды ЖИ туындап келе жатқан тәуекелдерді анықтай алады. Генеративті ЖИ инженерлерге техникалық ақпаратты түсіндіруге көмектессе, агенттік ЖИ белгіленген операциялық шектер аясында жұмыс процестерін орындауға және үйлестірілген тапсырмаларды атқаруға қолдау көрсете алады.

Бұл өзгеріс өнеркәсіп қызметкерлерінің автоматтандыру жүйелерімен өзара әрекеттесу тәсілін өзгертуі мүмкін.

Қызметкерлер бірнеше бақылау тақтасын, техникалық қызмет көрсету жазбалары мен инженерлік құжаттарды қолмен қарап шығудың орнына, жабдықтың күйін зерттеу, қажетті ақпаратты анықтау және ұсынылатын әрекеттерді әзірлеу үшін ЖИ көмегіне сүйенетін жүйелерді көбірек пайдалана алады.

Алайда автоматтандыруды арттыру адам жауапкершілігін жою дегенді білдірмейді.

Өнеркәсіптік ортада қауіпсіздікке, жабдықтың бүтіндігіне және өндірістің үздіксіздігіне қатысты шешімдер тиісті инженерлік қадағалауда болуы керек. ЖИ ұсынған ұсынымдар тексерілуге тиіс, ал автоматтандырылған әрекеттер нақты белгіленген рұқсаттар мен жүйе шектеулеріне сай орындалуы керек.

Мақсат жай ғана ЖИ-ді көбірек қолданатын зауыттар құру болмауы керек. Өнеркәсіптік операциялар жақсырақ шешім қабылдап, өзгермелі жағдайларға тиімдірек бейімделіп, адамдардың тиісті жауапкершілігін сақтауы үшін оларды дамыту қажет.

9. Инженерлік көзқарас: өнеркәсіптік ЖИ-дің табысы операциялық тәртіптен басталады

ABB тәсілі өндірушілер үшін маңыздырақ сабақ ұсынады: өнеркәсіптік ЖИ — оқшау бағдарламалық жасақтамаға салынған инвестиция емес. Ол қолданыстағы автоматтандыру, ақпарат және инженерлік инфрақұрылымның жалғасы.

Ең зор мүмкіндіктер нақты анықталған операциялық мәселелері, жеткілікті көлемдегі тарихи және нақты уақыт деректері, сондай-ақ талдау нәтижелерін практикалық әрекетке айналдыра алатын командалары бар компанияларда пайда болуы ықтимал.

Автоматтандыру инженерлері үшін бұл ЖИ қолданылатын операцияларды дамытуда басқару инженериясы, аспап жасау, IT инфрақұрылымы, техникалық қызмет көрсету және деректер ғылымы салалары арасындағы ынтымақтастықтың маңызы арта түсетінін білдіреді.

Бұл сондай-ақ қолданыстағы өнеркәсіптік активтерді назардан тыс қалдырмау керектігін білдіреді. Көптеген жұмыс істеп тұрған кәсіпорындарда PLC, DCS платформалары, күйді бақылау жүйелері және техникалық қызмет көрсету дерекқорларында құнды операциялық ақпарат бар. Осы ресурстарды біріктіріп, мәнмәтінге сай қолдану қолданыстағы инфрақұрылымды ауыстырғаннан гөрі тиімдірек бастапқы қадам болуы мүмкін.

Түптеп келгенде, ақылды өнеркәсіптік операцияларға көшу компаниялардың цифрлық технологияларды инженерлік тәжірибемен қаншалықты тиімді ұштастыратынына байланысты болады. ЖИ көрінімділік пен шешім қабылдау сапасын жақсарта алады, алайда өнеркәсіп үшін өлшенетін құндылық нақты операциялық мәселелерді шешуден туындайды.

Өнеркәсіптік ЖИ пилоттық жобаларынан нақты бизнес құндылығына дейін: ABB болжамды ЖИ мен IoT-ты қалай біріктіреді
Алдыңғы жазба