Повечето хора смятат, че „AI в производството“ означава роботизирана ръка за милиони лири или напълно автоматизиран завод. Но за малките цехове за механична обработка с 10 служители, с които разговарям всяка седмица, тази визия изглежда като научна фантастика. Те не се притесняват от хуманоидни роботи; те се тревожат от нарастващите разходи за материали и минималните маржове при производство на голямо разнообразие от продукти в малки серии. Наскоро работих с бутикова фирма за прецизно инженерство, която доказа, че не е необходим огромен бюджет за научноизследователска и развойна дейност, за да трансформирате производството си. Чрез идентифициране на най-добрите AI инструменти за производството, които действително отговарят на малък бюджет, те успяха да намалят материалните си отпадъци с 30% само за шест месеца.
Тук не ставаше въпрос за замяна на техните квалифицирани машинисти. Ставаше въпрос за затваряне на това, което наричам Пропастта в прецизността — разстоянието между това, което предвижда ръчната електронна таблица, и това, което действително се случва в цеха. В един малък цех тази пропаст е мястото, където печалбата изчезва.
Проблемът: „Данъкът за малки партиди“
💡 Искате Пени да анализира вашия бизнес? Тя картографира кои роли може да замени AI и изгражда поетапен план. Започнете своя безплатен пробен период →
Преди да разгледаме възможностите на AI, този цех страдаше от това, което нарекох Данъкът за малки партиди. В мащабното производство можете да си позволите няколко дефектни бройки в началото на серия от 10 000 единици, докато калибрирате машините. Но когато произвеждате само 15 единици от високотехнологичен аерокосмически компонент, една грешка не е просто статистическа грешка — тя е 7% от общите ви приходи за тази поръчка.
Техният брак не произтичаше от некомпетентност. Той идваше от три специфични области, в които човешката интуиция просто не може да се конкурира с моделите от данни:
- Прекомерно поръчване на материали „за всеки случай“, тъй като сроковете за доставка бяха непредвидими.
- Отклонение в калибрирането, което оставаше незабелязано, докато партидата не бъде завършена и не се провали на проверката за качество.
- „Следобедният спад“ — грешки, които се появяваха през последните два часа от смяната, когато очите бяха уморени.
Те харчеха близо £4,000 на месец за бракуван алуминий и доработки. Вижте нашето ръководство за спестявания в производството, за да разберете как тези цифри се съпоставят в индустрията. Когато разгледахме техния отчет за приходите и разходите (P&L), стана ясно: те не губеха пари, защото бяха лоши в изработката на детайли; те губеха пари, защото гадаеха променливите.
Фаза 1: Прогностично MRP (Планиране на материалните изисквания)
Започнахме с тяхното планиране на материалните изисквания (MRP). Традиционните MRP системи са статични. Казвате на системата, че срокът за доставка е 5 дни, и тя вярва в това завинаги. Но управляваните от AI инструменти за MRP са динамични — те се учат от всяка трансакция.
Интегрирахме инструмент, който прави кръстосана проверка на представянето на доставчиците, закъсненията при доставка и историческата производителност на цеха. Вместо да поръчва въз основа на „вътрешно чувство“, че даден доставчик може да закъснее, AI сигнализира, че сроковете за доставка на конкретен доставчик на сплави всъщност се увеличават с 22% всеки път, когато в неговия регион има официален празник.
Резултатът: Те спряха да презапасяват. Чрез затягане на инвентара им, за да съответства на реалните модели на пристигане, те освободиха £12,000 в паричен поток през първите 90 дни. Това е основна част от намаляването на производствените отпадъци — не става въпрос само за кофата за боклук; става въпрос за излишния капитал, стоящ на рафта.
Фаза 2: Компютърно зрение с ограничен бюджет
Контролът на качеството обикновено е мястото, където се генерират най-големите отпадъци. За този цех една микропукнатина или отклонение от 0.01 mm означаваше, че детайлът е брак. Традиционно това изискваше човек с микрометър или висок клас CMM (координатно-измервателна машина), което отнемаше по 20 минути на детайл.
Не купихме нова CMM. Вместо това използвахме AI с компютърно зрение — по-конкретно „edge“ устройство, свързано с камера с висока разделителна способност, монтирана над изходната тава. Обучихме модела върху 200 „перфектни“ детайла и 50 „дефектни“. Сега AI сканира всеки детайл за милисекунди.
Ако забележи тенденция — например пет последователни детайла, клонящи към горната граница на допуска — той предупреждава машиниста преди шестият детайл да се превърне в брак. Това е преходът от детективски контрол на качеството (намиране на грешката) към прогностичен контрол на качеството (предотвратяването ѝ).
Най-добрите AI инструменти за производството (Версия за малки цехове)
Ако искате да възпроизведете тези победи, не търсете корпоративни решения, създадени за Ford или Boeing. Нуждаете се от инструменти, които са модулни, базирани на облак и с „нисък код“ (low-code). Ето инструментите, които препоръчвам в момента за по-малки предприятия:
1. Tulip (Операции на първа линия)
Tulip ви позволява да създавате „приложения“ за вашия цех, без да знаете как да програмирате. Той се свързва с вашите съществуващи машини и използва AI, за да анализира работата на операторите и времето за работа на машините. Перфектен е за откриване на това къде точно се плаща „Данъкът за малки партиди“.
2. Katana (Интелигентна инвентаризация и MRP)
За цехове с 10–50 души, Katana често е „златната среда“. Техните последни стъпки в прогностичния анализ, задвижван от AI, ви помагат да разберете точно кога да купувате материали. Това е един от най-добрите AI инструменти за производството, когато основната ви цел е оптимизиране на паричния поток.
3. Landing AI (Визуална инспекция)
Основана от Andrew Ng, това е най-достъпната платформа за компютърно зрение, която съм открил. Не се нуждаете от специалист по данни, за да я обучите. Един опитен машинист може да „научи“ AI как изглежда добрият детайл за един следобед, използвайки iPhone или стандартна индустриална камера.
Стратегията: Правилото 90/10 в цеха
Една от моите основни рамки е Правилото 90/10: AI трябва да поеме 90% от повтарящия се мониторинг, базиран на данни, така че вашите експерти да могат да се съсредоточат върху 10-те процента решаване на проблеми с висока стойност.
В този цех машинистите първоначално бяха нервни. Те мислеха, че „черната кутия“ е там, за да засича почивките им. Трябваше да бъда честен с тях: AI е там, за да гарантира, че вашата упорита работа няма да се озове в коша за рециклиране. След като видяха как AI улови проблем с износването на инструмента, който би провалил неделната извънредна смяна, нагласата се промени.
Окончателен анализ: ROI на трансформацията
Нека разгледаме реалните цифри.
- Разходи за софтуер/хардуер: £450/месец (абонаменти и няколко камери).
- Време за внедряване: 4 седмици „пасивно“ събиране на данни, 2 седмици активна употреба.
- Намаляване на материалните отпадъци: 30% (спестени £1,200/месец).
- Увеличаване на капацитета: 15% (поради по-малко време за доработки).
За този цех от 10 души инвестицията от £450 носи близо £2,500 месечна стойност. Това не е „технологичен експеримент“; това е фундаментална промяна в икономиката на техния бизнес.
Ако все още управлявате производството си с бели дъски и електронни таблици, вие не сте просто „от старата школа“ — вие плащате данък, който вашите конкуренти, използващи AI, вече са премахнали. Прозорецът за внедряване на тези инструменти, докато те все още предлагат конкурентно предимство, се затваря. Скоро това няма да бъде „победа“ — това ще бъде базата за оцеляване.
Готови ли сте да видите къде вашият цех губи средства? Потопете се в нашия инструмент за анализ на спестяванията и нека открием вашите първи 10%.