當(dāng)前，大多數(shù)鋼鐵制造商都在為減少生產(chǎn)損失而努力，并為此付出了高昂的成本，削弱了盈利能力。鋼鐵生產(chǎn)損失最常見的表現(xiàn)形式包括：重量差異、內(nèi)部質(zhì)量問題、表面參數(shù)缺陷、力學(xué)性能等。所有這些損失的共同點是，它們都是由流程驅(qū)動的，不能通過更換或維護機器，或改變一個特定的設(shè)置點來予以解決。與之相反，真正的原因卻藏匿于流程本身的深處，從而給產(chǎn)品制造帶來了挑戰(zhàn)。
利用人工智能作出正確的決策
諸多案例的實踐證明，人工智能，特別是工業(yè)人工智能，并不會很快取代人類。與之相反，工業(yè)人工智能為團隊提供了人類難以企及的洞察力，輔助做出正確的決策，并改善業(yè)績表現(xiàn)。
通過與數(shù)百家連續(xù)流程制造商進行交流，Seebo最終發(fā)現(xiàn)了人工智能解決方案的三大關(guān)鍵標準，如果滿足這些標準，就可以使團隊實現(xiàn)對持續(xù)流程的主宰。
其一，揭示隱藏的原因。制造團隊反映最多的“未知因素”就是那些他們甚至沒有意識到的低效和生產(chǎn)損失的隱藏原因。通過揭示這些隱藏的原因，能夠?qū)⑿侍岣叩叫碌乃?，在此過程中大大減少損失。
其二，對所有數(shù)據(jù)進行連續(xù)、可擴展的多變量分析。當(dāng)前事態(tài)的另一個明顯差距是能夠始終持續(xù)分析所有數(shù)據(jù)，同時考慮到整個生產(chǎn)線中不同點之間的所有復(fù)雜相互關(guān)系。
雖然人類不能做到這一點，但人工智能肯定可以做到，特別是通過使用帶有監(jiān)督功能的機器學(xué)習(xí)算法來理解通常導(dǎo)致?lián)p失的行為模式。
最后，把重點放在流程上。就像其他流程制造行業(yè)一樣，在鋼鐵制造業(yè)中，流程的關(guān)鍵就是：不能孤立地看待一點。人工智能可以為人類提供敏銳的洞察力，但只有當(dāng)算法理解整個流程的獨特復(fù)雜性時，這些洞察力才會發(fā)揮巨大作用。
如果算法中沒有嵌入的過程專業(yè)知識，人工智能將在沒有唯一語境的情況下簡單地分析數(shù)據(jù)，并得出錯誤或不完整的結(jié)論。這樣的技術(shù)在實踐中被稱作“自動根本原因分析”。如果手動根本原因分析是阻礙鋼鐵制造商的原因，那么自動根本原因分析就是解決方案。
自動根本原因分析對整個數(shù)據(jù)集進行連續(xù)的、多變量的分析，并揭示流程專家無法找出的、生產(chǎn)損失的隱藏原因。歸功于基于流程的人工智能技術(shù)，這一點已經(jīng)成為現(xiàn)實。這項技術(shù)嵌入了復(fù)雜的機器學(xué)習(xí)算法，對每條生產(chǎn)線都具有深厚的工藝專業(yè)知識，使算法不僅能夠簡單地分析數(shù)據(jù)，而且能夠理解每個獨特的生產(chǎn)流程，從而在語境中正確地分析數(shù)據(jù)。
制造團隊可以通過此自動根本原因分析回答三個關(guān)鍵問題。對于流程專家或工程師應(yīng)該重點關(guān)注：1）為什么會出現(xiàn)損失？2）今后如何防止這些損失；對于生產(chǎn)團隊?wèi)?yīng)該重點關(guān)注：3）應(yīng)該在什么時候采取行動防止這些損失。
利用人工智能減小KPI損失
通過克服人類分析的局限性，無論是質(zhì)量、殘次品、產(chǎn)量還是收得率，揭示生產(chǎn)損失的隱藏原因，這就是人工智能對鋼鐵制造商的核心好處。
對于損失發(fā)生原因、如何防止損失以及何時采取行動，如果具有清晰、實時的洞察力，即使是一個普通的團隊，也能夠創(chuàng)造出非凡的成果。
免責(zé)聲明：tiegu發(fā)布的原創(chuàng)及轉(zhuǎn)載內(nèi)容，僅供客戶參考，不作為決策建議。原創(chuàng)內(nèi)容版權(quán)僅歸tiegu所有，轉(zhuǎn)載需取得tiegu書面授權(quán)，且tiegu保留對任何侵權(quán)行為和有悖原創(chuàng)內(nèi)容原意的引用行為進行追究的權(quán)利。轉(zhuǎn)載內(nèi)容來源于網(wǎng)絡(luò)，目的在于傳遞更多信息，方便學(xué)習(xí)交流，并不代表tiegu贊同其觀點及對其真實性、完整性負責(zé)。如無意中侵犯了您的版權(quán)，敬請告之，核實后，將根據(jù)著作權(quán)人的要求，立即更正或者刪除有關(guān)內(nèi)容。申請授權(quán)及投訴，請聯(lián)系tiegu（400-8533-369）處理。