Industry Big Data

Машинное обучение и аналитика: инженерам-технологам не нужно быть специалистами по Data Science

Сегодня оставаться конкурентоспособным означает развиваться в направлении цифровой трансформации, включая машинное обучение и аналитику. Работая с этими инструментами, промышленные организации могут использовать возможности Интернета Вещей, оптимизировать процессы и повысить прибыльность. Кроме того, использование новейших аналитических технологий также помогает привлекать и удерживать лучших специалистов.


К счастью, путь к успеху с машинным обучением и аналитикой не требует того, чтобы инженеры-технологи внезапно стали Data Science специалистами. Проверенные процессы и программные технологии делают аналитику достижимой для любой промышленной организации.

Создание производственного цифрового двойника

Инженеры-технологи обладают исключительными знаниями в своем направлении, чтобы создать модель процессов – или производственного цифрового двойника – и уметь интерпретировать эти модели. Это основа для конкурентного преимущества и успеха с помощью аналитики.

Чтобы стимулировать аналитику и улучшать процессы, инженеры-технологи могут применить знания в пяти направлениях:

  • Анализ – автоматическая идентификация первопричин ускоряет процесс непрерывного совершенствования (CIP)
  • Мониторинг – ранние предупреждения сокращают время простоя и потери
  • Прогноз – проактивные действия улучшают качество, стабильность и надежность
  • Симуляция – «что, если» симуляции ускоряют принятие точных решений при меньших затратах
  • Оптимизация – оптимальные условия процесса дают до 10% производительности без потери качества

Инженер-технологи могут использовать передовые методы аналитики для реализации этих возможностей. Чтобы поддержать путь к машинному обучению и аналитике, GE Digital проводит обучение технологиям аналитики в форм Self-Service университета, подробных демонстрационных видеороликов и рекомендаций по применению.
Кроме того, несмотря на то, что современные программные функции обеспечивают простоту использования и реализацию без кода, расширяемую с помощью Python, инженеры-технологи могут по-прежнему полагаться на экспертов по продуктам в сочетании с собственным опытом для получения данных и использования аналитики для улучшения процессов.

Успех аналитики

Например, ведущий производитель продуктов питания смог снизить количество жалоб клиентов более чем на 33% с помощью аналитики. У производителя возникли трудности с контролем веса продуктов в форме куба. Делая кубы слишком тяжелыми, производитель нес потери или производил его слишком водянистым, если избыточный вес был вызван слишком большим количеством воды. Делая кубы слишком легкими, компания нарушала установленные стандарты, а также имела проблемы с упаковкой продукта в стабильную форму куба.

Команда использовала Proficy CSense для получения полной, коррелированной по партиям и периодам картины: спецификаций ингредиентов, переменных процесса при запуске и лабораторных данных – используя программное обеспечение для поиска контролируемых факторов, которые коррелируют с избыточной раздачей, и затем сравнивая периоды с лучшим контролем веса и этими факторами на тот момент времени. Теперь, когда команда видит, что отклонения сырья от нормы были успешно исправлены или нарушение процесса было преодолено, это понимание включается в новую спецификацию материала, рецепт или SOP(стандартная рабочая процедура). Интеллектуальный анализ с Proficy CSense принес и другие преимущества.

Другой пример включает применение проекта интеллектуального прогнозирования на целлюлозно-бумажном предприятии для прогнозирования ключевых показателей качества (CTQ) для повышения производительности и устранения проблем регулирования сточных вод. В качестве последнего примера, партнер в области добычи полезных ископаемых предоставил решение Advanced Process Control, которое увеличивает производительность на 10% с помощью технологии интеллектуальной оптимизации.

От небольших проектов до оптимизации нескольких заводов

Все инженеры-технологи могут и должны развивать способности в аналитике и машинном обучении, чтобы оставаться конкурентоспособными – как на индивидуальном профессиональном уровне, так и помогать своей промышленной организации – в нашем мире цифровой трансформации.

Со временем инженеры могут перейти от небольших проектов к пилотным разработкам и оптимизировать работу нескольких предприятий с глубоким применением аналитики. Глубокие познания инженеров обеспечивает основу для моделирования процессов и разработки аналитики, кардинально меняя работу специализированных приложений. Сочетание технологии прикладной аналитики с моделями производственных Цифровых Двойников снова и снова открывает скрытые возможности для улучшения.

Если вы готовы оптимизировать с помощью аналитики, Proficy CSense от GE Digital преобразует первичные данные в значения реального времени с помощью Цифрового Двойника. Программное обеспечение использует ИИ и машинное обучение, чтобы инженеры-технологи могли объединять данные нескольких производственных источников данных и быстро выявлять проблемы, находить первопричины и автоматизировать действия для постоянного улучшения качества, оптимизации, производительности и выполнения производственных операций.

Cobus van Heerden
Senior Product Manager, Analytics and Machine Learning, GE Digital

 

CSense

 

Превратите необработанные данные в значения в режиме реального времени

Узнать больше

HMI / SCADA WORKFLOW

 

Уменьшите ошибки оператора, затраты и риски с помощью средства автоматизации динамических интерактивных рабочих процедур и инструкций

Узнать больше