Manas Dutta, dyrektor generalny Workforce Excellence Growth Initiative w Honeywell, omawia zmiany zachodzące w produkcji procesowej oraz wpływ sztucznej inteligencji i uczenia maszynowego (AI/ML) na branżę.
W skrócie
Optymalizacja procesów jest kluczowa: najważniejszym wyzwaniem w produkcji procesowej jest optymalizacja produkcji, kosztów i wydajności.
Integracja i interoperacyjność mają kluczowe znaczenie: przyszłość AI/ML w produkcji zależy od połączenia różnych działów i technologii w celu uzyskania maksymalnych korzyści.
Produkcja przeszła wiele zmian w ciągu ostatnich kilku lat, a sztuczna inteligencja/uczenie maszynowe (AI/ML) ma potencjał, by zmienić ją jeszcze bardziej. Manas Dutta, dyrektor generalny Workforce Excellence Growth Initiative w Honeywell, omówił kilka zachodzących zmian i to, co jego zdaniem jest przyszłością AI/ML w produkcji procesowej.
Dutta powiedział, że producenci procesów chcą sprostać kilku wyzwaniom w branży. “Największym wyzwaniem jest optymalizacja procesów. Produkcja, optymalizacja kosztów i zwiększenie wydajności produkcji” – powiedział.
Wymienił kilka innych wyzwań, z którymi borykają się firmy:
- Zarządzanie energią. Dutta powiedział, że koszty w branży rosną i ma to wpływ na koszty produkcji. Firmy szukają rozwiązań, które pozwolą im ograniczyć emisję gazów cieplarnianych i zoptymalizować koszty, a przypadki użycia AI/ML pomagają im zbadać potencjalne rozwiązania tego problemu.
- Zarządzanie aktywami. Dutta powiedział, że firmy dążą do wydłużenia żywotności swoich produktów i sprzętu. Predykcyjne utrzymanie ruchu jest ważnym czynnikiem, a także może pomóc obniżyć koszty UR i napraw.
- Poprawa niezawodności ludzi. Współpraca między ludźmi a maszynami, z którymi pracują, ma kluczowe znaczenie, powiedział Dutta, ponieważ pracownicy, mając odpowiednie narzędzia, mogą podejmować lepsze decyzje na co dzień.
- Zrównoważony rozwój. “Każda branża przetwórcza dąży do zrównoważonego rozwoju i wszystkie mają swoje własne cele w tym zakresie” – powiedział.
Głównym wyzwaniem jest zaangażowanie firm w plan poprawy i pomoc w realizacji potencjału AI/ML. Wymaga to poziomu przejrzystości i zaufania z obu stron oraz chęci otwartego komunikowania się ze sobą. Jeśli nie zostanie to ustalone z góry, nie ma znaczenia, co stanie się później, ponieważ wszelkie rozwiązania będą niekompletne i nie będą miały pełnego zakresu potrzebnego firmie do odniesienia sukcesu.
Patrząc w przyszłość, Dutta uważa, że kolejne kroki dla AI/ML w produkcji procesowej obejmują budowanie silosów informacyjnych oraz wprowadzanie integracji i interoperacyjności w różnych aspektach platformy technologicznej, a także różnych organizacji w firmie produkcyjnej.
“Jeśli spojrzeć na zakład produkcyjny, różne działy robią różne rzeczy” – powiedział. “Zapewnienie integracji i interoperacyjności między technologiami i różnymi działami w organizacji jest bardzo ważnym aspektem, aby uzyskać pełne korzyści ze sztucznej inteligencji / ML”.
