Zrelost umetne inteligence v proizvodnem sektorju
Vaša pot industrijske umetne inteligence, izmerjena po lokacijah in prevedena v ovrednoten akcijski načrt.
10 tematskih področij, 5-stopenjska lestvica. In ukrep, ki popelje z vsake ravni na naslednjo.
10 tematskih področij referenčnega okvira, že pripravljenih od N1 do N5. Eno podjetje, ena poslovna enota, ali 300 hkrati.
Zrelost umetne inteligence v proizvodnem sektorju
10 tematskih področij, 5-stopenjska lestvica.
Nordhavn Industries
53 / 100
Svojo zrelost merijo z Datamensio
Primer
Ta situacija bi lahko bila vaša.
Vzemimo primer podjetja: tri lokacije, tri preglednice, brez skupnega odgovora.
Nihče ne zna združiti podatkov.
Nordhavn Industries, 2.400 zaposlenih v Hamburgu, Lyonu in Portu. Naročnik vpraša, kje stoji skupina. Vsaka lokacija odgovori v svoji preglednici, s svojimi lestvicami.
Tri tedne, ena sama osnova.
Diagnostika Ogrodje zrelosti industrijske umetne inteligence (referenčni okvir Datamensio, lestvica CMMI) je bila hkrati sprožena na vseh treh lokacijah, na podlagi zapiskov z razgovorov z odgovornimi osebami. Referenčni okvir je bil že napisan, prav tako 10 tematskih področij in ravni od N1 do N5.
Dva izdatka, preprečena še pred odobritvijo.
Ocena 53 od 100, vrzel strnjena na treh področjih. UI spremljevalec je opazil, da se dva ukrepa iz načrta podvajata z ukrepoma iz druge presoje. Predstavitev rezultatov odboru je nastala z enim stavkom.
Kaj so s tem preprečili
- 3lokacije, merjene na isti osnovi, namesto treh vprašalnikov za ponovno obdelavo
- 2podvojena ukrepa, odkrita še pred izdatkom
- 1predstavitev rezultatov odboru, brez ročnega usklajevanja
Te številke so iz primera. Lahko bi bile vaše.
Standard nalaga procese. Datamensio pove, kje stojite.
01
Referenčni okvir je že napisan
Tematska področja, vprašanja in ravni od N1 do N5 so pripravljeni. Ne začnete s prazno preglednico.
02
Ocena je na voljo še isti dan
Prek spleta, s povezavo za samoocenjevanje ali med razgovorom. Po področjih, primerljivo skozi čas.
03
Vrzel postane ovrednoten načrt
Vsak prehod na naslednjo raven nosi svoj ukrep. UI razvršča glede na pričakovani učinek, ne glede na vrstni red standarda.
04
Napredek se da dokazati
Krog za krogom, glede na vaš cilj in glede na vašo preteklost. To zahteva vaš upravni odbor.
Lestvica zrelosti
Ena raven, naslednja, in ukrep, ki ju povezuje.
Prav ta mehanizem (stopnja, višja stopnja in ukrep, ki ju povezuje) spremeni ugotovitev v pot napredka.
Kako se nadzoruje modele umetne inteligence, ko so enkrat uvedeni v produkcijo na linijah?
- N1
Brez nadzora. Ko je model uveden, deluje brez spremljanja uspešnosti. Odstopanja odkrijejo ekipe na linijah.
- N2
Spremljanje obstaja za nekaj modelov, na pobudo osebe, ki jih je zgradila. Kazalniki in pogostost se razlikujejo od primera do primera.
- N3
Vsak model v produkciji ima opredeljene kazalnike uspešnosti in določeno odgovorno osebo. Odstopanja se obravnavajo na rednem pregledu.
- N4
Zdrs modela se zaznava samodejno, z opozorilnimi pragovi in dokumentiranim postopkom ponovnega učenja. Različice in z njimi povezane odločitve so sledljive.
- N5
Pragovi in postopki se prilagajajo glede na povratne informacije iz obratovanja in spremembe postopkov. Spoznanja se posredujejo drugim lokacijam in vključijo v standard skupine.
Ukrep za prehod iz stopnje 2 na stopnjo 3
Pripraviti seznam modelov, ki so dejansko v produkciji, za vsakega imenovati odgovorno osebo na lokaciji, opredeliti dva ali tri kazalnike uspešnosti in njihovo obravnavo uvrstiti na dnevni red mesečnega pregleda uspešnosti tovarne.
« Zahvaljujoč Datamensiu veliko učinkoviteje izpolnjujemo svoje cilje. Inšpekcijske službe sklada FEDER in našega pristojnega ministrstva so ta pristop še posebej cenile, saj jim prinaša zanesljive podatke. »
Direktorica CCI 94CCI Île-de-France
« Menimo, da gre za najprimernejšo rešitev za razširitev našega projekta preobrazbe in merjenje učinka skladno z našimi potrebami. »
Maja Sucekvodja poslovanja, Interreg Danube
Redko sam
Referenčni okvir se da kombinirati. Povežite več okvirov za pokritje svoje dejavnosti, ali pa svojega napišite z UI.
Opravite svojo prvo meritev
O čem govori ta referenčni okvir
Zrelost umetne inteligence v proizvodnem sektorju se meri po celotni verigi, od podatkov iz delavnice do odločitve, sprejete v proizvodnji. Zajema razpoložljivost in kakovost podatkov iz strojev, senzorjev, sistemov MES in CMMS, zmožnost gradnje in validacije modelov, njihov prehod v produkcijo v omejenih okoljih (čas cikla, omrežje OT, zaustavitve linij), sprejetost pri proizvodnih ekipah in upravljanje, ki vse to okvirja. Posamičen primer uporabe, ki deluje na eni lokaciji, o tej zrelosti ne pove nič.
Vodenje se skoraj vedno zatakne pri istih točkah. Koliko dokazov koncepta je prestopilo prag neprekinjene produkcije in koliko jih je ostalo na delovni postaji podatkovnega znanstvenika? Kdo odloči, da lahko model nadzora kakovosti izloči kos brez človeške potrditve, in po kakšnih merilih? Kaj se zgodi, ko se referenca izdelka spremeni in model zdrsne: ali obstaja spremljanje, opozorilo, načrtovano ponovno učenje? Ta vprašanja se ne rešujejo na ravni skupine. Rešujejo se po lokacijah, po linijah.
Pogosto se pojavlja ena zmeda: industrijska umetna inteligenca naj bi bila naravno nadaljevanje projektov industrije 4.0 in povezovanja opreme. Povezava ustvarja podatke, ne ustvarja pa zrelosti umetne inteligence. Veliko tovarn ima bogate zgodovinske podatke, v produkciji pa uporablja zelo malo modelov, ker manjka lastništvo podatkov, inženirskih virov ali postopka validacije, ki bi ga sprejeli kakovost in proizvodnja. Nasprotno pa slabo instrumentirane lokacije dosegajo rezultate, ker so ozko zamejile en primer uporabe in ga industrializirale.
Binarno stanje (lokacija uporablja umetno inteligenco ali ne) pri odločanju ne pomaga. Diagnostika zrelosti umesti vsako tematsko področje na stopnjevito lestvico, opiše opazljivo prakso na vsaki stopnji in poimenuje ukrep, ki omogoči prehod na višjo stopnjo. Prav to omogoča primerjavo dveh poslovnih enot, določitev diferenciranega cilja glede na lokacijo in ovrednotenje truda, preden se ta vloži. Katalog storitev za vsak element akcijskega načrta ponudi rešitev, z njeno ceno, rokom in vplivom na oceno.
Referenčni okvir je pripravljen za takojšnjo uporabo in je vaša last. Umetna inteligenca Datamensio prilagodi tematska področja, vprašanja in stopnje vaši industrijski organizaciji ali zgradi različico na podlagi vaših lastnih dokumentov: krovnega načrta, standardov skupine, zapisnikov odborov. Lahko pa začnete tudi iz prazne predloge in zasnujete svojo mrežo v orodju Maps.
Referenčni standard: Ogrodje zrelosti industrijske umetne inteligence (referenčni okvir Datamensio, lestvica CMMI)
Ocenjevana tematska področja
Strategija in portfelj primerov uporabe
Obstoj poti umetne inteligence, povezane s proizvodnimi cilji, merila za izbor primerov uporabe, usklajevanje med lokacijami, spremljanje ustvarjene vrednosti po uvedbi.
Proizvodni podatki
Pokritost opreme, zgodovinski zapisi, kakovost in popolnost časovnih vrst, referenčni podatki o izdelkih in postopkih, kontekstualizacija podatkov iz strojev, dostopnost za projektne ekipe.
Tehnična osnova in vpetost v OT
Platforma za obdelavo podatkov, zmogljivosti izvajanja na robu in v centrali, povezava s sistemi MES, CMMS, SCADA in krmilniki, omejitve časa cikla in razpoložljivosti omrežja.
Zasnova in validacija modelov
Metoda zamejitve, reprezentativni testni nabori, merila uspešnosti, sprejeta s strani proizvodnje in kakovosti, dokumentacija, ponovljivost učenja.
Prehod v produkcijo in nadzor
Prehod iz poskusa v neprekinjeno produkcijo, spremljanje zdrsa modela, postopek ponovnega učenja, upravljanje različic, ravnanje ob nedosegljivosti modela.
Uporaba s strani proizvodnih ekip
Vpetost v delovna mesta in rituale linij, razumljivost priporočil za operaterje, obravnava lažno pozitivnih rezultatov, povratna zanka do tehničnih ekip.
Kompetence in organizacija
Porazdelitev vlog med lokacijo, skupino in zunanjimi izvajalci, prisotnost odgovorne osebe v vsaki tovarni, načrt nadgradnje kompetenc avtomatikov in tehnikov metod.
Upravljanje, etika in regulativni okvir
Organi za validacijo, razvrstitev uporab glede na kritičnost, sledljivost avtomatiziranih odločitev, upoštevanje evropske uredbe o umetni inteligenci in z njo povezanih dokumentacijskih obveznosti.
Kibernetska varnost in obvladovanje industrijskih podatkov
Ločitev omrežij IT in OT, nadzor izhodnih tokov, lastništvo podatkov, posredovanih dobaviteljem opreme, zaščita modelov in procesnega znanja.
Merjenje rezultatov in industrializacija
Kazalniki uspešnosti, povezani z vsakim primerom uporabe, primerjava pred in po, ponovitev na drugih lokacijah, učenje iz neuspehov.
Krajša različica referenčnega okvira je na voljo za spletno samoocenjevanje.
Pogosta vprašanja
Ali ta referenčni okvir vodi do certifikacije?
Ne. Ne obstaja organizacija, ki bi certificirala zrelost umetne inteligence v tovarni. Diagnostika izmeri vaše prakse na stopnjeviti lestvici in pripravi akcijski načrt. Služi odločanju in vodenju, ne pridobitvi oznake.
Kakšna je razlika glede na presojo skladnosti?
Presoja preveri prisotnost zahtev in se zaključi z ugotovitvijo vrzeli ali skladnosti. Diagnostika zrelosti umesti vsako tematsko področje na pet stopenj in poimenuje ukrep, ki omogoči prehod na višjo stopnjo. Pri temi preobrazbe, kot je industrijska umetna inteligenca, šteje pot, ne razsodba.
Koliko časa traja ocenjevanje?
Kratka različica jo izpolni odgovorna oseba, ki pozna področje, v 20 do 30 minutah. Celovita različica, izvedena skupinsko z ekipami za podatke, proizvodnjo, kakovost in avtomatiko, traja navadno en do dva tedna, pri čemer večino časa zavzame zbiranje podatkov.
Ali lahko referenčni okvir prilagodimo naši dejavnosti?
Da. Tematska področja, vprašanja in stopnje se lahko spremenijo, umetna inteligenca pa na podlagi vaših internih dokumentov ustvari različico, prilagojeno vaši panogi ter procesni ali diskretni proizvodnji. Dodate lahko tudi lastna tematska področja ali začnete iz prazne predloge.
Kako primerjati več tovarn med seboj?
Diagnostika se izvede na poljubnem številu lokacij z isto mrežo. Primerjalna analiza umesti vsako poslovno enoto glede na druge in glede na njene lastne pretekle rezultate. Skupni načrt poti združi akcijske načrte več lokacij v skupne ukrepe.
Ali je za izpolnjevanje potrebno znanje s področja podatkovne znanosti?
Vprašanja se nanašajo na prakse, organizacijo in uporabo, ne na algoritme. Nanje lahko odgovori vodja proizvodnje ali vodja projekta. Tehnične točke se lahko v skupinskem načinu dodelijo kontaktni osebi za podatke ali avtomatiko.
Ali je upoštevana evropska uredba o umetni inteligenci?
Da, v okviru tematskega področja upravljanja: razvrstitev uporab glede na kritičnost, sledljivost avtomatiziranih odločitev, pričakovana dokumentacija. Diagnostika izmeri vašo raven pripravljenosti na teh točkah, ne nadomešča pa pravne analize.
Kje so shranjeni podatki?
V Franciji, pri ponudniku OVH, z varnostno kopijo pri ponudniku Scaleway. Brez prenosa podatkov zunaj Evropske unije. Modele umetne inteligence, uporabljene na platformi, je mogoče izbrati, tudi med evropskimi rešitvami.