الانتقال إلى المحتوى الرئيسي
تصنيعالتحول بالذكاء الاصطناعيآسيا

تحسين العمليات بالذكاء الاصطناعي

عميل مؤسسي

30%

تحسن الكفاءة

4

نماذج تعلم آلي منشورة

85%

دقة التنبؤ

6

أشهر للوصول إلى الإنتاج

التحدي

كانت مؤسسة تصنيع في حديقة سوتشو الصناعية تواجه قصورا تشغيليا عبر خطوط الإنتاج. كانت عمليات فحص الجودة اليدوية بطيئة وغير متسقة، وكانت صيانة المعدات تفاعلية بدلا من أن تكون تنبؤية، كما اعتمدت جدولة الإنتاج على جداول بيانات وخبرة متوارثة بدلا من تحسين قائم على البيانات.

كان العميل قد استثمر في مستشعرات IoT وبنية جمع البيانات، لكنه افتقر إلى خبرة الذكاء الاصطناعي وتعلم الآلة لتحويل هذه البيانات إلى تحسينات تشغيلية قابلة للتنفيذ. احتاج إلى شريك يستطيع تحديد حالات استخدام عالية القيمة، وبناء نماذج تعلم آلي جاهزة للإنتاج، ودمجها في سير العمل الحالي من دون تعطيل الإنتاج.

منهجيتنا

أجرى فريق الذكاء الاصطناعي في CHINTEC مرحلة تقييم مدتها 3 أسابيع، حلل خلالها بيانات الإنتاج، وقابل المشغلين والمديرين، ورسم خريطة للعمليات الحالية. حددنا أربع حالات استخدام عالية الأثر: فحص جودة بصري آلي، وصيانة معدات تنبؤية، وتحسين جدولة الإنتاج، وتوقع استهلاك الطاقة.

باستخدام منهجية تكرارية، بدأنا بحالة الاستخدام ذات أعلى عائد على الاستثمار، وهي الصيانة التنبؤية، كإثبات مفهوم، ثم توسعنا إلى بقية الحالات. تم تطوير كل نموذج والتحقق منه باستخدام بيانات تاريخية، ثم نشره في وضع الظل إلى جانب العمليات الحالية قبل تشغيله بالكامل.

الحل

نشرنا أربعة نماذج تعلم آلي: نموذج رؤية حاسوبية لفحص الجودة الآلي يكتشف العيوب بدقة 92%، ونموذج صيانة تنبؤية يتوقع أعطال المعدات قبل 72 ساعة، ومحسن جدولة إنتاج يستخدم التعلم المعزز، ونموذج توقع استهلاك الطاقة لتحسين التكلفة.

بُني مسار تعلم الآلة على حزمة حديثة تشمل MLflow لتتبع التجارب، وKubernetes لخدمة النماذج، وApache Kafka لتدفق البيانات الفوري، ولوحات Grafana للمراقبة التشغيلية. تم دمج جميع النماذج مع نظام MES الحالي لدى العميل عبر واجهات API مخصصة.

النتائج والأثر

خلال 6 أشهر من النشر، حقق العميل تحسنا إجماليا بنسبة 30% في الكفاءة التشغيلية. خفضت الصيانة التنبؤية التوقف غير المخطط بنسبة 45%، وأزال فحص الجودة الآلي 90% من أعمال الفحص اليدوي، وزاد تحسين جدولة الإنتاج الإنتاجية بنسبة 15%.

مكّن نموذج توقع الطاقة العميل من نقل العمليات عالية الاستهلاك إلى ساعات خارج الذروة، ما أدى إلى خفض تكاليف الطاقة بنسبة 20%. تحقق العائد الكامل على الاستثمار في مبادرة الذكاء الاصطناعي خلال 8 أشهر من التشغيل، وكلف العميل CHINTEC لاحقا بتوسيع منصة الذكاء الاصطناعي إلى منشأتين إنتاجيتين إضافيتين.

قدم فريق الذكاء الاصطناعي في CHINTEC حلولا عملية وجاهزة للإنتاج، لا مجرد تجارب أكاديمية. تحسن الكفاءة بنسبة 30% يتحدث عن نفسه. نحن الآن نتوسع إلى منشآتنا الأخرى.

الرئيس التنفيذي للعمليات، مؤسسة تصنيع

التقنيات المستخدمة

Python
TensorFlow
MLflow
Kubernetes
Apache Kafka
Grafana
Computer Vision
PostgreSQL

تواصل معنا حول مشروع مشابه

فريقنا جاهز لمناقشة كيف يمكننا تحقيق نتائج مماثلة لمؤسستك.