特征操作和管理
应用智能自动化：加拿大用例

虽然智能自动化是制造数字时代的标志，但其最具影响力的创新之一现在大约是一个百年的老。

20世纪初，丰田创始人丰田章男(Sakichi Toyoda)开发了一种自动织机，当一根线断了就会自动停止生产。这一创新帮助他的公司(最终成为丰田)同时追求两个目标:一是通过在出现缺陷时及时发现缺陷来提高质量;二是由于机器现在可以在无人监督的情况下运行，从而提高工人的生产率。

潜在的原则被称为“自动化”（中的这意味着具有类似人类智能的自动化。和准时制一样，Jidoka成为了丰田生产体系和随后的精益生产运动的支柱。

今天，制造商正在应用人工智能（AI），以追求一个非常相似的目标 - 在发生的点和时间捕获缺陷，以提高质量，同时，自由工人从重复的任务中可以将他们的时间花在更高价值上工作。新工具如此有效地检测到异常，他们可能会对运营卓越和质量运动产生重大影响。

改进检验方法

在一个示例中，基于Ontario的Acerta Analytics解决方案在一个示例中，帮助日本一级汽车OEM减少了变速箱制造中的缺陷。呈现给Acerta的问题是，线尾（EOL）质量管理进程，基于统计过程控制（SPC），产生了持有保修索赔的假否定。

该公司希望AI模型可以产生指示质量的异常分数，以提高EOL过程的准确性和效率。

Acerta将无监督的机器应用于从价值链跨越传感器的信号，以建立可能指示未决失败的模式。这种方法与既定的SPC方法根本不同。

Acerta首席执行官兼联合创始人格里塔•库图兰科(Greta Cutulenco)表示:“机器学习方法与统计过程控制的主要区别在于，我们并不只是规定‘这里有容错或阈值——只要保持在它们之内就行了。“随着时间的推移，我们正在了解所有这些不同的操作和中心的数据是如何相互关联的，以及这些不同站的基本行为是什么。与仅仅观察阈值不同，我们可以更精确地观察不同信号之间非常精确的相关性和关系。”

基于生成的异常分数模型的验证,公司预计能够消除步骤与前面的EOL审查过程和减少保修索赔高达30%的成本。Acerta目前正在扩大与其他线工作的解决方案。

保持设备健康

机器学习的异常检测能力也被应用到另一个重要的卓越运营领域——预测和预防设备故障，以减少昂贵的维修和停机成本。

总部位于奥克维尔的人工智能解决方案提供商quarticl . AI的首席执行官兼联合创始人拉吉夫•阿南德(Rajiv Anand)表示:“我们正在做的很多事情都与资产运营的确定性有关。”“人们称之为预测性维护，但我们不相信这个术语。我们认为，这是建立一种资产，在你想让它做的时候，它应该做的事情。”

区别很重要——Quartic平台不关注失败是什么样子的，而是使用机器学习为资产的正常健康和运行建立基线，而不管它可能在不同的条件下运行。然后平台根据该基线24/7监控设备。

Anand指出，只有一个产品并以稳定状态运行的机器都不需要机器学习。在这里有价值的是，当设备必须在不同的温度和压力下运行，或产生各种产品。

员工们发现他们不再依赖直觉，而是可以根据数据做出更好的决定。

在最近的一个使用案例中，Quartic帮助一家制药商确保其工业高压灭菌器的可靠运行，这是他们许多流程的核心。制造商现在基于Quartic平台的智能数据计划和安排对资产的维护。

“他们想要确保他们的人有信心,设备将运行,但结果是,他们不仅得到了信心,他们需要减少OEM的重大改革,“四次联合创始人布莱尔弗雷泽说,并指出,它可以承载数十万美元服务设备。

使用该平台来安排维护工作也意味着更少的紧急工作订单，并提供了根据生产需求安排维护工作的灵活性。

“谈到细节时，我们可能正在做IOT，或者我们可能正在做行业4.0，智能制造或人工智能，”Anand说。“但在一天结束时，我们试图为首席执行官推动的是运营卓越。”

克服恐惧

有很大的关注，行业4.0自动化将消除工作或将工人放在陡峭的学习曲线上。然而，新兴用例表明希望维护现有员工的愿望并帮助他们更加富有成效。

多伦多分析公司Canvass Analytics的首席执行官胡梅拉•马利克表示:“我们还没有遇到客户来跟我们说‘我想裁员’或需要裁员。”“我认为，对劳动力的影响不是减少工作岗位。这是关于创造更高层次的功能——增加劳动力，使他们成为未来的劳动力。”

总部位于汉密尔顿的钢铁生产商Stelco选择了Canvass来帮助实现这一转型。Stelco执行主席Alan Kestenbaum在一份新闻稿中表示:“通过与Canvass Analytics合作，我们正在系统地将我们的设施转变为智能运营环境，并增加数字化导向的劳动力，以将我们的运营效率提升到下一个水平。”

马利克解释说，人工智能在两个不同的层面与员工互动。低级机器学习用于学习，然后自动完成由人类完成的重复过程，如质量检查或手动更改功能。马利克说:“你可以学习如何操作，然后你就可以做得更好、更快、更准确。”

对于需要人为干预的先进任务，AI可以提供资料以支持这些决定。“借助高级别的AI，您实际上可以在合适的时间配备正确的信息，以便人类可以应用可操作的智能，”马利克说。

其中一个挑战是让员工接受新工具作为他们工作环境的一部分。马利克表示:“我们正在努力消除对人工智能的恐惧，让运营商能够在日常运营中使用它。”马利克指出，当员工发现他们不再依赖直觉，而是可以根据数据做出更好的决定时，就会出现“啊哈”的时刻。canvas正在努力调整其分析平台，使其能够被流程工程师使用，而不仅仅是数据科学家。

最终，制造商希望新技术能够帮助他们解决由待退休的大量有经验的工人造成的越来越多的技能差距。

马利克说:“进入制造业的下一代人与40年前不同。”“这是数字化的一代。当我们进入人工智能领域时，我们就给了客户更多吸引和留住客户的机会。”

＿＿＿＿＿

雅各布·斯托勒(Jacob Stoller)是一名记者和作家，撰写有关精益、信息技术和金融的文章。

本文的浓缩版本原本出现在2019年10月的制造自动化．