Quản lý dữ liệu tài sản cho các công ty công nghiệp lớn có thể là một quá trình dễ xảy ra lỗi.Sử dụng trí tuệ nhân tạo có thể chủ động cắt giảm thừa thải và giảm đau đầu do dữ liệu của bạn.
Hầu hết các nhà cung cấp dịch vụ công nghiệp ngày nay đều có các nhà phân tích quy trình giám sát tài sản của họ trong lĩnh vực này. Mỗi nhà phân tích quy trình thường chịu trách nhiệm duy trì tài sản trên 12 đến 15 nhà máy khác nhau bằng cách sử dụng nhiều hệ thống phần mềm chứa dữ liệu trong silo. Các nhà phân tích và đại diện dịch vụ này có thể có nhiều năm kinh nghiệm trong công việc, nhưng họ đấu tranh để theo dõi hiệu suất của các tài sản đó với những thách thức kép về nguồn nhân lực hạn chế và các công cụ kế thừa. Do đó, họ dựa vào bảng tính và các cuộc gọi điện thoại để có được thông tin họ cần. Quá trình thủ công này dễ bị lỗi và dẫn đến nhiều sự thiếu hiệu quả. Không chỉ vậy, họ còn mất nhiều thời gian hơn để đi đến nguyên nhân cốt lõi của một sự kiện, như tăng đột biến năng lượng hoặc thời gian ngừng hoạt động bất ngờ. Điều này dẫn đến chi phí cao hơn và năng suất thấp hơn.
Do đó, các nhà phân tích không thể liên kết tất cả dữ liệu lại với nhau, để lại những câu hỏi chưa được trả lời có ảnh hưởng đến số liệu doanh thu của họ. Những câu hỏi này bao gồm:
● Phần trăm thay đổi trong tiêu thụ năng lượng tài sản từ tháng này sang tháng khác là gì?
● Làm thế nào một tham số tài sản cụ thể lại ảnh hưởng đến doanh thu được tạo ra từ tài sản đó?
● Mỗi hoạt động vận hành ảnh hưởng đến tuổi thọ của tài sản như thế nào?
● Làm thế nào tôi có thể tăng hiệu quả thông lượng của mình?
● Làm thế nào tôi có thể giảm thời gian downtime ?
Giám đốc điều hành và quản lý bộ phận phải đối mặt với những thách thức hàng ngày và áp lực phải làm nhiều hơn với ít hơn và giảm tiêu thụ tài nguyên. Có rất nhiều tiềm năng cho các công nghệ trí tuệ nhân tạo (AI) để giúp các công ty đạt được những mục tiêu đó và trả lời chính xác các câu hỏi trên để giảm thiểu chi phí gia tăng và tăng tỷ suất lợi nhuận.
1. Khám phá những điểm mù với dữ liệu lịch sử và thời gian thực
Các quy trình công nghiệp được quản lý bằng nhiều nền tảng phần mềm – chẳng hạn như SCADA, ERP và phần mềm quản lý bảo trì tài sản CMMS – thường được lưu trữ trên một hệ thống quản lý hiệu suất tài sản kế thừa (APM) cũ. Nhân kịch bản này với nhiều cơ sở trên khắp các khu vực, quốc gia hoặc thậm chí quốc tế và bạn sẽ biết được thách thức đối với các thực thể sản xuất quy trình ngày nay – ngay cả những cơ sở đã chấp nhận tự động hóa.
Ví dụ, các công ty nước giải khát phải dựa vào các nguồn nước khác nhau để sản xuất sản phẩm của họ. Để sẵn sàng nước đó để sản xuất đồ uống, họ phải xử lý nó đến mức cần thiết trước khi họ có thể sử dụng nó để sản xuất. Chất lượng nước cấp phụ thuộc vào vị trí của nhà máy. Ngay cả trong cùng một nhà máy, chất lượng nước cấp có thể thay đổi qua từng năm, tùy thuộc vào lượng nước được rút từ mỗi nguồn. Để quản lý hiệu quả chi phí xử lý nước cấp, bạn phải theo dõi cẩn thận hiệu suất của các tài sản được sử dụng trong quy trình. Các hệ thống kế thừa làm cho việc truy cập dữ liệu và theo dõi hiệu suất trở nên khó khăn. Các hệ thống này thường gây ra các điểm mù trong các quy trình công nghiệp là tác nhân chính gây lãng phí và kém hiệu quả, dẫn đến sự suy giảm doanh thu.
Mặc dù có các thực tiễn tốt nhất được tiêu chuẩn hóa để tận dụng dữ liệu tài sản, APM vẫn còn trong những ngày đầu và mọi tổ chức dường như có cách tiếp cận riêng. Một số công ty dựa vào APM phản ứng, chạy để sửa tài sản khi họ thất bại, nhưng mặt khác không quản lý việc sử dụng hoặc sức khỏe của họ. Những người khác là chủ động, theo nghĩa là họ quản lý tài sản dựa trên việc sử dụng; các công ty này phục vụ thiết bị trên các bảng thời gian, cho dù tài sản có cần chú ý hay không. Các nhóm tinh vi hơn lắng nghe tín hiệu tài sản và trả lời tương ứng.
Lắng nghe tín hiệu tài sản liên quan đến việc theo dõi dữ liệu và hiểu những hành động cần thực hiện. Ví dụ, một công ty sản xuất thực phẩm cần duy trì hiệu quả thông lượng của họ ngay cả khi tài sản của họ tiêu thụ nhiều năng lượng hơn mức cần thiết. Nếu tiêu thụ năng lượng tăng đột biến quá nhiều, họ phải đóng cửa tài sản và sửa chữa nó trước khi tiếp tục sản xuất. Năng lượng là phần tốn kém nhất trong các hoạt động, vì vậy các tổ chức phải đảm bảo rằng họ có thể dự đoán các đột biến năng lượng và thực hiện các biện pháp phòng ngừa cần thiết để ngăn chặn chúng. Điều này sẽ cho phép họ duy trì hiệu quả chi phí của thông lượng và tối đa hóa thời gian hoạt động.
Bằng cách tận dụng dữ liệu lịch sử và thời gian thực trong các hệ thống này, AI có thể phát hiện ra những điểm mù bằng cách kết nối dữ liệu và số liệu kinh doanh để cung cấp những hiểu biết quan trọng một cách tự động và liên tục. AI có thể giúp xây dựng cầu nối giữa hành vi tài sản và doanh thu trong tương lai bằng cách tạo KPI liên kết với các số liệu kinh doanh chính. Với các giải pháp APM dựa trên đám mây, các nhà phân tích có thể đưa ra quyết định sáng suốt hơn để đạt được hiệu quả thông lượng cao hơn, tăng khả năng duy trì doanh thu và giảm tổng chi phí hoạt động trong vòng đời tài sản.
2. Tạo nên nhà máy công nghiệp tự chủ động
Không có khả năng truy cập dữ liệu từ các quy trình công nghiệp buộc các nhà quản trị phải dựa vào kinh nghiệm hoặc các quy trình đánh giá cứng nhắc. Cả hai phương pháp đều có thể dẫn đến đánh giá sai dẫn đến chi tiêu lãng phí và làm gián đoạn quá trình sản xuất. Nếu họ dựa vào kinh nghiệm, họ sẽ thường dựa vào trực giác về cách điều hành một tài sản cụ thể. Điều này thường dẫn đến các cài đặt bảo thủ dẫn đến tiêu thụ tài nguyên quá mức. Mặt khác, các quy trình đánh giá đúng sử dụng các quy tắc tĩnh để đánh giá một tình huống nhất định, dẫn đến các đánh giá dưới mức tối ưu về những gì cần phải hoàn thành.
AI cung cấp khả năng xác định và khắc phục vấn đề này. Các nền tảng Internet công nghiệp (IIoT) do AI điều khiển cung cấp cho các nhà phân tích quy trình dữ liệu thời gian thực từ quy trình sản xuất, cho phép họ chủ động thay vì phản ứng. Các nhà quản lý có thể giải quyết các vấn đề thực tế thay vì ném tiền vào các vấn đề có thể không thực sự tồn tại. Ngoài ra, các nhà máy sẽ có thể chế tạo các sản phẩm mới phù hợp hơn với nhu cầu cụ thể của khách hàng, tất cả đều giúp tăng sự trung thành với thương hiệu và sự khác biệt thị trường. Điều này sẽ mang lại lợi ích lớn cho các công ty trong lĩnh vực này đang nhanh chóng chuyển đổi thành các doanh nghiệp tập trung vào phần mềm, định kỳ.
Cuối cùng, những người ra quyết định có thể sử dụng các phương pháp dựa trên dữ liệu thay vì các thử nghiệm không đáng tin cậy và quy tắc tĩnh. Dữ liệu cảm biến được tạo ra tại các nhà máy công nghiệp sẽ giúp dự đoán xu hướng và đo lường KPI, kết nối tất cả lại với các số liệu kinh doanh, có thể được sử dụng để tăng hiệu quả và duy trì tỷ suất lợi nhuận.
Sưu tầm internet