Dojrzałość AI w sektorze produkcyjnym
Państwa trajektoria AI przemysłowej, zmierzona dla każdego zakładu i przełożona na wyceniony plan działania.
10 obszarów tematycznych, undefined pytań, skala 5 poziomów. I działanie, które pozwala przejść z jednego poziomu na kolejny.
10 obszarów tematycznych modelu referencyjnego, już opracowanych od N1 do N5. Jedna firma, jedna jednostka biznesowa, albo 300 naraz.
Dojrzałość AI w sektorze produkcyjnym
10 obszarów tematycznych, undefined pytań, skala 5 poziomów.
Nordhavn Industries
53 / 100
Oni mierzą swoją dojrzałość z Datamensio
Przykład
Ta sytuacja mogłaby być Państwa sytuacją.
Weźmy przykład firmy: trzy oddziały, trzy arkusze kalkulacyjne, żadnej wspólnej odpowiedzi.
Nikt nie potrafi tego skonsolidować.
Nordhavn Industries, 2400 osób w Hamburgu, Lyonie i Porto. Zamawiający pyta, na jakim etapie jest grupa. Każdy oddział odpowiada we własnym arkuszu, z własnymi skalami.
Trzy tygodnie, jedna wspólna baza.
Diagnoza Model dojrzałości AI przemysłowej (model referencyjny Datamensio, skala CMMI) uruchomiona jednocześnie na trzech oddziałach, na podstawie notatek ze spotkań z osobami odpowiedzialnymi. Model referencyjny był już gotowy, podobnie jak 10 obszarów tematycznych i poziomy od N1 do N5.
Dwa wydatki uniknięte, zanim zostały poniesione.
Wynik 53 na 100, luka skoncentrowana na trzech obszarach tematycznych. Asystent IA wykrył, że dwa działania planu pokrywają się z działaniami z innego audytu. Prezentacja wyników dla komitetu powstała w jedno zdanie.
Czego dzięki temu uniknięto
- 3oddziały zmierzone na tej samej podstawie, zamiast trzech kwestionariuszy do przetworzenia
- 2zdublowane działania wykryte przed poniesieniem wydatku
- 1prezentacja wyników dla komitetu, bez ręcznego opracowania
Te liczby pochodzą z przykładu. Mogłyby być Państwa liczbami.
Norma narzuca procesy. Datamensio mówi, na jakim etapie Państwo są.
01
Model referencyjny jest już gotowy
Obszary tematyczne, pytania i poziomy od N1 do N5 opracowane. Nie zaczynają Państwo od pustego arkusza.
02
Wynik jest gotowy tego samego dnia
Online, przez link do samooceny albo podczas spotkania. Obszar po obszarze, porównywalny w czasie.
03
Luka staje się wycenionym planem
Każde przejście na kolejny poziom niesie ze sobą działanie. IA priorytetyzuje według oczekiwanego efektu, nie według kolejności z normy.
04
Postęp da się wykazać
Kampania po kampanii, względem Państwa celu i względem Państwa przeszłości. Tego właśnie oczekuje Państwa zarząd.
Skala dojrzałości
Jeden poziom, kolejny i działanie, które je łączy.
To właśnie ten mechanizm (poziom, poziom wyższy i działanie łączące oba) przekształca stwierdzenie faktu w trajektorię.
Jak nadzorowane są modele AI po wdrożeniu do eksploatacji na liniach produkcyjnych?
- N1
Brak nadzoru. Po wdrożeniu model działa bez monitorowania jego wydajności. Odchylenia są wykrywane przez zespoły linii.
- N2
Monitorowanie istnieje w przypadku kilku modeli, z inicjatywy osoby, która je zbudowała. Wskaźniki i częstotliwość różnią się w zależności od zastosowania.
- N3
Każdy model w eksploatacji ma zdefiniowane wskaźniki wydajności i wyznaczoną osobę odpowiedzialną. Odchylenia są omawiane podczas okresowego przeglądu.
- N4
Dryf jest wykrywany automatycznie, z progami alertów i udokumentowaną procedurą ponownego trenowania. Wersje i powiązane decyzje są rejestrowane.
- N5
Progi i procedury są weryfikowane na podstawie wyników eksploatacji i zmian marszruty. Wnioski są przekazywane innym zakładom i włączane do standardu grupy.
Działanie umożliwiające przejście z poziomu 2 na poziom 3
Sporządzenie listy modeli faktycznie w eksploatacji, wyznaczenie dla każdego z nich osoby odpowiedzialnej po stronie zakładu, zdefiniowanie dwóch lub trzech wskaźników wydajności oraz wpisanie ich przeglądu do porządku comiesięcznego przeglądu wydajności zakładu.
« Dzięki Datamensio realizujemy nasze cele ze znacznie większą skutecznością. Służby inspekcyjne EFRR oraz naszego ministerstwa nadzorującego szczególnie doceniły to podejście, które dostarcza im wiarygodnych danych. »
Dyrektorka CCI 94CCI Île-de-France
« Uważamy, że to rozwiązanie najlepiej odpowiada potrzebie skalowania naszego projektu transformacji i mierzenia jego wpływu zgodnie z naszymi wymaganiami. »
Maja SucekChief Operating Officer, Interreg Danube
Rzadko sam
Model referencyjny da się łączyć z innymi. Niech Państwo połączą kilka, by objąć całą działalność, albo pozwolą IA napisać własny.
Wykonajcie swój pierwszy pomiarna null.
O czym jest ten model referencyjny
Dojrzałość AI w sektorze produkcyjnym mierzy się na całym łańcuchu, od danych z hali produkcyjnej po decyzję podejmowaną w produkcji. Obejmuje ona dostępność i jakość danych z maszyn, czujników, systemów MES i CMMS, zdolność do budowania i walidacji modeli, ich wdrożenie w środowiskach o ograniczeniach (czas cyklu, sieć OT, przestoje linii), przyswojenie przez zespoły produkcyjne oraz nadzór obejmujący całość. Pojedyncze zastosowanie, które działa w jednym zakładzie, niczego o tej dojrzałości nie mówi.
Zarządzanie niemal zawsze napotyka te same trudności. Ile dowodów koncepcji przeszło próg ciągłej eksploatacji, a ile pozostało na komputerze data scientista? Kto decyduje, że model kontroli jakości może odrzucić element bez walidacji przez człowieka, i na jakich kryteriach? Co się dzieje, gdy zmienia się referencja produktu i model zaczyna się dryfować: czy istnieje monitoring, alert, zaplanowane ponowne trenowanie? Te pytania nie są rozstrzygane na poziomie grupy. Rozstrzyga się je zakład po zakładzie, linia po linii.
Powraca częste nieporozumienie: AI przemysłowa miałaby być naturalnym przedłużeniem projektów przemysłu 4.0 i podłączania urządzeń. Podłączenie generuje dane, nie generuje dojrzałości AI. Wiele zakładów dysponuje bogatymi historiami danych i wykorzystuje bardzo niewiele modeli w produkcji, z braku własności danych, zasobów inżynieryjnych lub procesu walidacji akceptowanego przez jakość i produkcję. I odwrotnie, słabo zinstrumentowane zakłady osiągają wyniki, ponieważ dobrze zdefiniowały wąskie zastosowanie i je uprzemysłowiły.
Binarny stan rzeczy (zakład stosuje AI albo nie) nie pomaga w podejmowaniu decyzji. Diagnoza dojrzałości sytuuje każdy obszar tematyczny na skali progresywnej, opisuje obserwowalną praktykę na każdym poziomie i wskazuje działanie, które pozwala przejść na wyższy poziom. To właśnie umożliwia porównanie dwóch jednostek biznesowych, wyznaczenie zróżnicowanego celu w zależności od zakładu oraz wycenę wysiłku przed jego podjęciem. Katalog usług proponuje rozwiązanie naprzeciw każdego elementu planu działania, wraz z kosztem, terminem i wpływem na wynik.
Model referencyjny jest gotowy do użycia i należy do Państwa. AI Datamensio dostosowuje obszary tematyczne, pytania i poziomy do Państwa organizacji przemysłowej, lub tworzy wersję na podstawie Państwa własnych dokumentów: planu strategicznego, standardów grupy, protokołów komitetów. Mogą Państwo również rozpocząć od pustej bazy i zaprojektować swoją siatkę w Maps.
Norma referencyjna: Model dojrzałości AI przemysłowej (model referencyjny Datamensio, skala CMMI)
Oceniane obszary tematyczne
Strategia i portfel zastosowań
Istnienie trajektorii AI powiązanej z celami przemysłowymi, kryteria wyboru zastosowań, arbitraż między zakładami, monitorowanie wartości wytworzonej po wdrożeniu.
Dane produkcyjne
Pokrycie urządzeń, historyzacja, jakość i kompletność szeregów czasowych, referencje produktów i marszruty, kontekstualizacja danych maszynowych, dostępność dla zespołów projektowych.
Podstawa techniczna i integracja OT
Platforma przetwarzania, zdolności wykonawcze na brzegu sieci i centralnie, połączenie z systemami MES, CMMS, SCADA i sterownikami, ograniczenia czasu cyklu i dostępności sieci.
Projektowanie i walidacja modeli
Metoda definiowania, reprezentatywne zbiory testowe, kryteria wydajności akceptowane przez produkcję i jakość, dokumentacja, powtarzalność trenowania.
Wdrożenie do eksploatacji i nadzór
Przejście od eksperymentu do ciągłej produkcji, monitorowanie dryfu, procedura ponownego trenowania, zarządzanie wersjami, postępowanie w przypadku niedostępności modelu.
Wykorzystanie przez zespoły produkcyjne
Integracja ze stanowiskami i rytuałami linii, czytelność rekomendacji dla operatorów, postępowanie z fałszywymi alarmami, pętla informacji zwrotnej do zespołów technicznych.
Kompetencje i organizacja
Podział ról między zakładem, grupą a dostawcami, obecność osoby odpowiedzialnej w każdym zakładzie, plan rozwoju kompetencji automatyków i techników metod.
Nadzór, etyka i ramy regulacyjne
Organy walidacji, klasyfikacja zastosowań według krytyczności, identyfikowalność zautomatyzowanych decyzji, uwzględnienie rozporządzenia unijnego dotyczącego AI i powiązanych obowiązków dokumentacyjnych.
Cyberbezpieczeństwo i kontrola danych przemysłowych
Segmentacja między sieciami IT i OT, kontrola wychodzących przepływów danych, własność danych przekazywanych dostawcom urządzeń, ochrona modeli i know how procesowego.
Pomiar wyników i uprzemysłowienie
Wskaźniki wydajności przypisane do każdego zastosowania, porównanie przed i po, powielanie między zakładami, wyciąganie wniosków z niepowodzeń.
Krótsza wersja modelu referencyjnego, licząca undefined pytań, jest dostępna do samooceny online. Pełna wersja obejmuje 10 obszarów tematycznych i undefined pytań.
Najczęściej zadawane pytania
Czy ten model referencyjny prowadzi do certyfikacji?
Nie. Nie istnieje organ certyfikujący dojrzałość AI zakładu. Diagnoza mierzy Państwa praktyki na skali progresywnej i tworzy plan działania. Służy do podejmowania decyzji i wyznaczania kierunku, nie do uzyskania etykiety.
Jaka jest różnica względem audytu zgodności?
Audyt weryfikuje obecność wymagań i kończy się stwierdzeniem luki lub zgodności. Diagnoza dojrzałości sytuuje każdy obszar tematyczny na pięciu poziomach i wskazuje działanie umożliwiające przejście na wyższy poziom. W temacie transformacji, jakim jest AI przemysłowa, liczy się trajektoria, nie werdykt.
Ile czasu zajmuje ocena?
Wersja krótka wypełniana jest w 20 do 30 minut przez osobę odpowiedzialną, znającą zakres. Wersja pełna, w trybie wspólnym z zespołami danych, produkcji, jakości i automatyki, trwa zazwyczaj od tygodnia do dwóch, przy czym większość czasu pochłania zbieranie informacji.
Czy model referencyjny można dostosować do naszych profili zawodowych?
Tak. Obszary tematyczne, pytania i poziomy można modyfikować, a AI generuje wersję dostosowaną do Państwa sektora, produkcji seryjnej lub jednostkowej, na podstawie Państwa dokumentów wewnętrznych. Mogą Państwo również dodać własne obszary tematyczne lub rozpocząć od pustej bazy.
Jak porównać kilka zakładów między sobą?
Diagnoza jest wdrażana w tylu zakładach, ile potrzeba, przy użyciu tej samej siatki. Analiza porównawcza sytuuje każdą jednostkę biznesową względem innych oraz względem jej własnych wcześniejszych wyników. Przekrojowa mapa drogowa łączy plany działania kilku zakładów we wspólne działania.
Czy do udzielenia odpowiedzi potrzebna jest wiedza z zakresu analizy danych?
Pytania dotyczą praktyk, organizacji i eksploatacji, nie algorytmów. Odpowiada na nie osoba odpowiedzialna za produkcję lub kierownik projektu. Kwestie techniczne mogą zostać przydzielone osobie kontaktowej z działu danych lub automatyki w trybie wspólnym.
Czy rozporządzenie unijne dotyczące AI jest uwzględnione?
Tak, w obszarze tematycznym dotyczącym nadzoru: klasyfikacja zastosowań według krytyczności, identyfikowalność zautomatyzowanych decyzji, oczekiwana dokumentacja. Diagnoza mierzy Państwa poziom przygotowania w tych kwestiach, nie zastępuje analizy prawnej.
Gdzie hostowane są dane?
We Francji, u OVH, z kopią zapasową u Scaleway. Żaden transfer poza Unię Europejską. Modele AI wykorzystywane w platformie mogą być wybierane, w tym spośród rozwiązań europejskich.