Prípadová štúdia 1: náročné prostredie výrobnej prevádzky v Allnex
Spoločnosť Allnex, popredný výrobca priemyselných živíc, zápasila s obzvlášť závažným problémom. Podmienky v rámci výrobného procesu výrazne ovplyvňovali činnosť a spoľahlivosť ich zariadení, čo viedlo k veľkým výpadkom a prestojom. Následne bolo potrebné mobilizovať tímy, aby vyčistili a znovu spustili strojové zariadenie. To predstavovalo veľkú výzvu na konkurenčnom trhu, pretože bola obmedzená ich schopnosť uspokojovať rastúci dopyt. „Tento proces sme vyhodnotili ako neefektívny, pretože zariadenia, ktoré zabezpečovali jeho chod, boli stále vystavené nepriaznivým vplyvom a boli zdrojom porúch. Náš produkt sa vďaka svojej nízkej zaťažiteľnosti životného prostredia teší na trhu veľkej obľube, a preto bolo naším cieľom urýchlene reagovať na dopyt trhu a vyrábať viac a rýchlejšie,“ uviedol globálny manažér pre prevádzkovú kvalitu Jim Martin. Medzi známe produkty spoločnosti Allnex patria napr. pružné lepidlá, nežltnúce tmely, polyuretánové disperzie na báze vody a iné.
Skepticizmus ohľadom umelej inteligencie (UI) nemá vďaka jednoznačným výsledkom miesto
Aby sa tento problém raz a navždy odstránil, Allnex vyhodnotil niekoľko dodávateľov priemyselnej umelej inteligencie, z ktorých každý sľuboval odstránenie príčin strát – a ani jeden z nich nakoniec nedokázal dosiahnuť výsledky. Je to príbeh, ktorý bude mnohým výrobcom z oblasti chemického priemyslu dobre známy a na začiatku viedol k pocitu skepsy v praktickej užitočnosti technológie UI.
Allnex sa však obrátil na spoločnosť Seebo a táto skepsa sa rýchlo rozplynula. Na J. Martina a jeho tím urobil dojem hlavne „procesne orientovaný“ prístup v ostrom kontraste s ostatnými predajcami umelej inteligencie a strojového učenia. „Na začiatku sme si vyhliadli niekoľko spoločností a Seebo bola jediná, ktorá bola zameraná na procesy. Mnoho ďalších bolo zameraných na dáta a našim procesom nerozumeli,“ vysvetlil J. Martin.
Významný finančný úspech
J. Martin opisuje proces ako postupný, ktorý mal v priebehu času významný dosah na spoločnosť. „Používanie riešení spoločnosti Seebo znamenalo dôležitý posun z hľadiska pozitívnych finančných výsledkov. Je to ako mať veľmi kvalifikovaného a talentovaného technika, ktorý sleduje váš proces nepretržite 24/7 po celý rok a vždy rovnakým spôsobom. Už nemusíme tráviť čas monitorovaním a zisťovaním vzájomných vzťahov medzi značkami, sledovanými informáciami a tagmi – riešenie Seebo to robí za nás,“ uvádza. „Technikom sa výrazne zjednodušil život. Predtým mali technici s procesom mnoho interakcií, ktoré museli robiť raz denne či týždenne, neustále museli niekde zasahovať. Počet týchto zásahov nasadením riešenia UI od Seebo výrazne klesol. Riešenie eliminuje neefektívnosť procesu, zvyšuje kvalitu a výnosy – a to nehovorím o zlepšení pracovných vzťahov technikov z hľadiska spolupráce a ich túžby dosiahnuť zmysluplné výsledky. Ak máme dôveru v to, že proces je správne monitorovaný, umožní nám to zamyslieť sa, kde inde môžeme tento nástroj použiť, či ako využiť získaný čas na iné aktivity v rámci prevádzky. Bolo veľmi pozitívne pracovať s predajcom, ktorý mal úplne rovnaký záujem ako my.“
Prípadová štúdia 2: nežiaduce vedľajšie produkty ovplyvňovali výnosy
Ďalším príkladom je spoločnosť, ktorá na celom svete prevádzkuje 27 výrobných závodov a zamestnáva okolo 3 500 pracovníkov, pričom jej ročný obrat sa pohybuje na úrovni 1,4 mld. USD. Spoločnosť musela čeliť mnohým výpadkom procesov, čo viedlo k výrazným stratám z hľadiska výnosov aj kvality. Najvýznamnejšou z nich bola opakujúca sa strata súvisiaca s kvalitou – vysoká hladina trichlóretánu, toxického vedľajšieho produktu vznikajúceho počas výroby, ktorý v niektorých momentoch prekračoval stanovené hodnoty až 2,5-násobne.
Obmedzenia všeobecnej umelej inteligencie a analytických nástrojov
Pri potrebe analyzovať okolo 4 400 údajových značiek a bez zjavných problémov s údajmi bolo hľadanie hlavnej príčiny tohto problému ako hľadanie ihly v kope sena. Ani s balíkom pokročilých analytických nástrojov, ktoré tímy používali, ich procesní experti nedokázali určiť hlavné príčiny. Stále sa obmedzovali na ad hoc analýzy vybraného počtu značiek. To nebolo celkom efektívne, pretože len čo boli ich existujúce teórie vyčerpané, netušili, kde začať hľadať hlavnú príčinu problému. Vzhľadom na značný finančný dosah tejto neefektívnosti sa spoločnosť rozhodla investovať do priemyselnej umelej inteligencie.
Pokusy o nasadenie všeobecných riešení umelej inteligencie však opakovane nepriniesli užitočné alebo presné výsledky pre zložitosť ich výrobného procesu. Tieto riešenia nie sú vyrobené špeciálne pre spojitú výrobu, a preto neboli schopné zvládnuť jedinečnú zložitosť procesu a získavaných údajov. „Niektorí predajcovia propagovali výkonnú technológiu UI. No spojité procesy chemickej výroby, ako je tá naša, produkujú jedinečne zložité a chaotické údaje, ktorým ich algoritmy jednoducho nerozumeli. Konečné výsledky teda nemali žiadny zmysel alebo boli zjavne nepresné,“ poznamenal na margo produktov využívajúcich všeobecnú umelú inteligenciu ich viceprezident pre výrobu. Allnex sa vtedy obrátil na spoločnosť Seebo, ktorej patentovaná umelá inteligencia zameraná na procesy je navrhnutá špeciálne na riešenie zložitej neurčitosti spojitých výrobných procesov.
Identifikácia a prevencia skrytých príčin výrobných strát
Pomocou riešenia Seebo mohli technologickí experti spoločnosti konečne určiť hlavné príčiny ich problémov s výnosmi a kvalitou a prísť s odporúčaniami na udržanie optimálneho nastavenia procesu a zabránenie podobným problémom v budúcnosti. Ich produkčné tímy teraz dostávajú upozornenia v reálnom čase – takže presne vedia, kedy majú podniknúť kroky na odstránenie príčin spôsobujúcich neefektívnosť procesu.
Rozlúštenie zložitého výrobného procesu s technológiou Process-Based Artificial Intelligence™
Process-Based Artificial Intelligence™ je patentovaná technológia spoločnosti Seebo navrhnutá na riešenie neurčitosti zložitých procesov a umožňujúca zvládnutie procesov – odhalenie skrytých príčin a odporúčanie správnych krokov. Základom tohto riešenia sú tri fázy:
- prečo – automatizovaná analýza hlavných príčin odhalí, prečo dochádza k stratám spôsobeným procesom;
- ako – prediktívne odporúčania ukazujú, ako zabrániť neefektívnosti procesov v budúcnosti a odhaliť optimálne nastavenie procesu;
- kedy – proaktívne výstrahy ukazujú, kedy musia produkčné tímy podniknúť kroky, aby v reálnom čase zabránili stratám.
Odhaliť prečo – automatizovaná analýza základných príčin
Riešenie Seebo v prvom kroku zjednotilo všetky údaje z ich procesu v jedinej schéme a na určenie primárnych príčin strát použilo automatizovanú analýzu (root_cause analysis). Nepretržitou analýzou všetkých 4 400 údajových značiek vrátane ich vzájomných komplexných vzťahov dokázalo riešenie Seebo identifikovať neefektívnosť procesu, ktorú nebolo ľudsky možné zistiť, a to ani pomocou pokročilých samoobslužných analytických platforiem. Riešenie Seebo uspelo tam, kde končili možnosti riešení využívajúcich všeobecnú UI, pretože jeho algoritmy UI sú prepojené so znalosťami procesu. Navyše toto riešenie kombinuje kontext jedinečnej topológie prevádzky s odbornými znalosťami v príslušnom procese chemickej výroby. To umožnilo algoritmom prechádzať jedinečnými zložitosťami procesov a skutočne porozumieť údajom, čo poskytlo nepretržitú mnohorozmernú analýzu. Vďaka tomu spoločnosť získala jedinečný a neskreslený prehľad o dianí. Výsledkom bolo, že Seebo eliminoval slepé miesta v údajoch a odhalil 142 dôležitých poznatkov, ktoré sa predtým medzi údajmi skrývali.
Pokiaľ ide o tvorbu vedľajšieho produktu trichlóretánu, spoločnosť Seebo našla veľmi špecifickú kombináciu správania sa dátových značiek, ktoré spúšťali túto vysokú hladinu nečistôt: konkrétne keď teplota TD04 klesla pod 198 °C a súčasne bol prietok FL18 Flow menší ako 28 litrov za minútu. Tento problém odborníci na proces nezaznamenali, pretože aj v takomto scenári fungovali obe značky v povolenom rozmedzí, takže zjavne bolo na oko všetko v poriadku.
Pochopte ako – prediktívne odporúčania
Po identifikácii hlavnej príčiny Seebo vytvoril súbor prediktívnych odporúčaní, ktoré by zabezpečili optimálne nastavenie ich procesu. Napríklad na prevenciu prípadov vysokej hladiny trichlóretánu – bez negatívneho vplyvu na ďalšie výrobné parametre – odporučilo riešenie Seebo presný rozsah hodnôt pre obe značky spojené s touto konkrétnou neefektívnosťou procesu.
Vedieť kedy – proaktívne výstrahy
Tieto odporúčania sa následne zmenili na proaktívne výstrahy, ktoré sa produkčnému tímu doručia prostredníctvom jednoduchej a intuitívnej obrazovky, len čo dôjde k neefektívnosti súvisiaceho procesu. Varovania jasne uvádzali hlavné príčiny problému spolu so súborom štandardných prevádzkových postupov, takže produkčné tímy presne vedeli, čo a kedy majú robiť.
Výsledok
Riešenie spoločnosti Seebo odhalilo 142 úplne nových poznatkov o výrobnom procese výrobnej linky na etyléndichlorid, čo umožnilo výrobnému tímu efektívnejšie zvládnuť ich proces a robiť rýchlejšie a presnejšie rozhodnutia. Predtým procesní odborníci a technici trávili hodiny diskusiou o výrobných problémoch a skúmaním teórií, ktoré často k ničomu neviedli. S riešením Seebo boli vyzbrojení konkrétnymi metrikami a odporúčaniami, ktoré sa dali ľahko interpretovať tímom v prevádzke.
Najdôležitejšie je, že sa výrazne zlepšili problémy s kvalitou a výnosmi, ktoré trápili výrobu a poškodzovali ich hospodárske výsledky. Opísané zlepšenia viedli k úsporám vo výške takmer 1 milión eur. Konkrétne prípady strát v dôsledku vysokej hladiny trichlóretánu klesli zo 6,7 % na iba 2,35 %, čo je zlepšenie o 65 % a splnenie dlhodobého cieľa. Výrobný tím v iných prípadoch dokonca mierne prekonal svoje ciele.
Prípadová štúdia 3: Covestro spoznalo výhody priemyselnej umelej inteligencie
Spoločnosť Covestro presadzuje využívanie UI v spoločnosti aj v celom chemickom priemysle. V rámci tohto úsilia realizuje výrobca materiálov so sídlom v nemeckom Leverkusene niekoľko pilotných projektov v rôznych divíziách, aby zistil, ako môžu digitálne technológie zvýšiť efektívnosť a udržateľnosť procesov.
„Pomocou umelej inteligencie budeme v budúcnosti schopní nájsť digitálne riešenia presahujúce hranice rezortov, ktoré predtým neboli možné. To otvára úplne nové možnosti dosiahnutia väčšej udržateľnosti s lepším využitím zdrojov, a teda ešte presnejšieho uspokojenia potrieb našich zákazníkov,“ hovorí Sucheta Govil, obchodný riaditeľ spoločnosti Covestro.
Použitie umelej inteligencie testujú pilotné projekty
S tržbami v roku 2019 vo výške 12,4 miliárd eur patrí Covestro medzi najväčšie svetové polymérne spoločnosti zaoberajúce sa výrobou polymérov. Obchodné aktivity sú zamerané na výrobu vysoko kvalitných a špeciálnych polymérnych materiálov a vývoj inovatívnych riešení pre výrobky používané v mnohých oblastiach každodenného života. Spoločnosť prevádzkuje 30 výrobných závodov po celom svete a zamestnáva okolo 17 200 pracovníkov.
Vo svojom výrobnom závode v Dormagene testuje, ako možno optimalizovať výrobný proces polyesterov potrebných na výrobu polyuretánov. Cieľom použitia umelej inteligencie pri spracovaní komplexných procesných údajov spoločnosti je vytvorenie voľných výrobných kapacít a minimalizácia spotreby energie. Digitálne technológie sa tiež používajú v Dormagene a v závodoch Leverkusen a Krefeld-Uerdingen na predpovedanie špičkovej spotreby pary vo výrobných závodoch. Týmto spôsobom možno z dlhodobého hľadiska znížiť spotrebu energie a náklady.
Ďalším projektom je digitálna zákaznícka skúsenosť. Strojové učenie sa používa na identifikáciu potenciálnych zákazníkov pre Covestro na všetkých digitálnych miestach na internete a sociálnych médiách. Cieľom je získať si ich ako zákazníkov z dlhodobého hľadiska prostredníctvom konzultácií a informácií. Umelá inteligencia sa bude v budúcnosti využívať aj v nákupnom oddelení spoločnosti Covestro. Chybné faktúry bude potom možné identifikovať s menším úsilím, vďaka čomu bude proces potvrdenia fakturácie oveľa efektívnejší.
Využívanie dátovej vedy na inteligentnejšiu výrobu
„UI je pre skupinu podnikov Covestro fascinujúcou príležitosťou. Prebiehajúce projekty ukazujú, že dáta a ich správne použitie nielenže robia celý priemysel inteligentnejším a rýchlejším, ale môžu tiež prispieť k lepším ekonomickým výsledkom,“ hovorí Nils Janus, vedúci oddelenia pokročilých analýz v spoločnosti Covestro. Aby sa v budúcnosti optimálne využili zistenia založené na dátach, výrobca materiálov vyvinul platformu pre dátových vedcov s názvom Covestro Analytics Platform (CAP). Zhromažďuje nespracované údaje z výrobných prevádzok, výsledkov výskumu a obchodných procesov a dopĺňa ich o externé databázy s cieľom vykonávať analýzy a trénovať modely strojového učenia. Týmto spôsobom podniká Covestro ďalší dôležitý krok smerom k digitalizácii a riadeniu podnikania na základe dát.
Zdroje
[1] What „Dramatic Impact“ did Seebo Make for this Chemical Resins Manufacturer? Seebo Interactive LTD. [online]. Publikované 21. 9. 2020. Citované 3. 6. 2021. Dostupné na: https://blog.seebo.com/dramatic-impact-chemical-resins-manufacturer/.
[2] How a global chemical manufacturer reduced quality &yield loose from toxic side-products by 65%. Prípadová štúdia Seebo Interactive LTD. [online]. Citvané 3. 6. 2021. Dostupné na: https://www.seebo.com/process-optimization-case-study/.
[3] Artificial intelligence to make chemical industry faster and smarter. Prípadová štúdia Covestro AG. [online]. Publikované 16. 12. 2020. Dostupné na: https://www.covestro.com/press/artificial-intelligence-to-make-chemical-industry-faster-and-smarter/.
