Предиктивная аналитика. Как нейросети помогают оператору делать работу лучше?

Задача автоматизации и нейросетей не исключить оператора из процесса производства, а помочь оператору в решении рутинных задач и нивелировать негативное воздействие «человеческого фактора».

Производственный процесс на любой автоматизированной технологический линии требует непрерывного внимания со стороны оператора. Оператор контролирует параметры работы оборудования, параметры получаемого полуфабриката или продукта и корректирует настройки оборудования в случае обнаружения отклонения параметров. Как же можно помочь оператору в этой работе и максимально нивелировать негативное воздействие «человеческого фактора»?

Сейчас контроль выполнения задач решается регламентом и расписанием;
Второй вариант, повесить камеры и следить за производством не отходя от монитора, а можно взять исторически накопленные данные, взять потоковые данные с датчиков и с помощью нейросетей построить модель их изменения. Не просто следить за производством и решать постфактум, а предсказывать события. Это уже предиктивная аналитика.

Ведь интуитивно понятно, что наблюдая за параметрами готовых изделий можно не только обнаруживать факт нарушения допусков, но и прогнозировать их, наблюдая за трендами. Сигнал о негативном тренде позволит оператору не просто остановить выпуск дефектных изделий, а изначально не допустить такого сильного отклонения параметров, при котором изделие становится дефектным.

Предиктивную аналитику с нуля на производстве внедрить достаточно сложно. Вот в чем причина:

• внедрение при НИОКРе очень дорогое,
• для накопления статистики нужно несколько лет обучать нейросеть, чтобы получить достаточно хороший результат.

Мы в Quatromatic тестируем подобную систему предиктивной аналитики, основанную на искусственном интеллекте. Имея многомесячную статистику работы производства, мы обучили нейросеть анализировать кривую трендов параметров продукции на линии вибропрессования. Каждый факт нарушения допусков готового продукта является ценной информацией, которая сопровождается статистикой событий, произошедших ранее. Обучаясь на подобных примерах можно с высокой степенью вероятности предсказывать негативные тренды и давать сигнал оператору об этом.


Как искусственный интеллект поможет оператору?

Оператор, получив предупреждение сможет применить весь свой опыт в анализе ситуации. Он сможет оперативно сопоставить предсказание системы по нарушению допусков с параметрами работы оборудования и совершить необходимое корректирующее воздействие. Все это позволяет не просто останавливать выпуск дефектных изделий, но реагируя на негативные тренды не допускать брак вовсе!