Машинное обу­че­ние в про­мыш­лен­но­сти — формула успе­ха

Otkrytye sistemy. SUBD. - - МАШИННОЕ ОБУЧЕНИЕ - Оль­га Плос­ская

Машинное обу­че­ние как ин­стру­мент ра­бо­ты с боль­ши­ми объ­е­ма­ми дан­ных за­ча­стую при­ни­ма­ет­ся за «се­реб­ря­ную пу­лю» для достижения за­яв­лен­ных биз­нес-це­лей. Не­уди­ви­тель­но, что про­мыш­лен­ные пред­при­я­тия при­смат­ри­ва­ют­ся к по­доб­ным ме­то­дам, ак­тив­но ини­ци­и­руя «пи­ло­ты». Од­на­ко по­доб­ные про­ек­ты со­про­вож­да­ют­ся мно­же­ством огра­ни­че­ний, боль­ши­ми рис­ка­ми и за­ча­стую тер­пят неуда­чу.

Клю­че­вые сло­ва: машинное обу­че­ние, боль­шие дан­ные, про­мыш­лен­ный Ин­тер­нет Keywords: Machine learning, big data, Industrial Internet

Все боль­ше ком­па­ний се­год­ня при­ме­ня­ют раз­ви­ва­ю­щи­е­ся ин­стру­мен­ты ис­сле­до­ва­ния боль­ших дан­ных, что­бы ини­ци­и­ро­вать пе­ре­ход на но­вый циф­ро­вой тех­но­ло­ги­че­ский уклад в ком­му­ни­ка­ци­ях, при­ня­тии ре­ше­ний, оцен­ке си­ту­а­ции и со­про­вож­де­нии биз­нес-про­цес­сов. Осо­бые на­деж­ды воз­ла­га­ют­ся на ма­те­ма­ти­че­ские ме­то­ды и ал­го­рит­мы ис­кус­ствен­но­го ин­тел­лек­та, в ря­де слу­ча­ев поз­во­ля­ю­щие по­нять, как мож­но усо­вер­шен­ство­вать биз­нес-про­цес­сы, со­кра­тить из­держ­ки или по­лу­чить до­пол­ни­тель­ную при­быль. В этом ря­ду машинное обу­че­ние за­ча­стую при­ни­ма­ет­ся за «се­реб­ря­ную пу­лю» для достижения за­яв­лен­ных биз­нес-це­лей — про­мыш­лен­ные пред­при­я­тия за­ин­те­ре­со­ван­но при­смат­ри­ва­ют­ся к по­доб­ным ме­то­дам и ак­тив­но ини­ци­и­ру­ют пи­лот­ные про­ек­ты, ко­то­рые, од­на­ко, не­ред­ко ока­зы­ва­ют­ся весь­ма огра­ни­чен­ны­ми, несут боль­шие рис­ки и ока­зы­ва­ют­ся про­валь­ны­ми. Как же до­ве­сти та­кие про­ек­ты до по­бед­но­го за­вер­ше­ния?

Со­вре­мен­ное про­мыш­лен­ное про­из­вод­ство обыч­но пред­по­ла­га­ет на­ли­чие ав­то­ма­ти­зи­ро­ван­но­го тех­но­ло­ги­че­ско­го про­цес­са и биз­нес-про­цес­сов, за ко­то­ры­ми сто­ят та­кие важ­ные эко­но­ми­че­ские по­ка­за­те­ли пред­при­я­тия, как: за­тра­ты на еди­ни­цу вы­пус­ка­е­мой то­вар­ной про­дук­ции; из­держ­ки, свя­зан­ные с бра­ком, по­лом­ка­ми, про­сто­я­ми оборудования, до­став­кой и хра­не­ни­ем как сы­рья, так и про­дук­ции; про­из­во­ди­тель­ность и общая эф­фек­тив­ность ис­поль­зо­ва­ния обо­ру­до­ва- ния. Не­пре­рыв­ные улуч­ше­ния, дей­ствия на ос­но­ве ана­ли­за фак­ти­че­ских дан­ных пред­при­я­тия про­хо­дят сквозь мно­гие из­вест­ные кон­цеп­ции и ме­то­до­ло­гии ме­недж­мен­та: «шесть сигм» (six sigma), кайдзен, бе­реж­ли­вое про­из­вод­ство (lean manufacturing) и др., од­на­ко, несмот­ря на глу­би­ну про­ра­бот­ки, эти и ана­ло­гич­ные ме­то­до­ло­гии опи­ра­ют­ся при об­ра­бот­ке дан­ных на ба­зо­вый ста­ти­сти­че­ский ана­лиз, как пра­ви­ло, свя­зан­ный с неболь­ши­ми вы­бор­ка­ми. В этой свя­зи машинное обу­че­ние вы­гля­дит мощ­ным ин­стру­мен­том, до­пол­ня­ю­щим клас­си­че­ские под­хо­ды к оп­ти­ми­за­ции про­из­вод­ства.

Мож­но пе­ре­чис­лить наи­бо­лее рас­про­стра­нен­ные ти­пы про­ек­тов на ба­зе тех­но­ло­гий ма­шин­но­го обу­че­ния, на­це­лен­ных на по­лу­че­ние про­мыш­лен­ным пред­при­я­ти­ем до­пол­ни­тель­ной вы­руч­ки или на со­кра­ще­ние из­дер­жек: • по­вы­ше­ние про­из­во­ди­тель­но­сти тех­но­ло­ги­че­ско­го про­цес­са за счет под­бо­ра оп­ти­маль­ных ре­жи­мов ра­бо­ты оборудования, за­гру­зок сы­рья и т. д.; • по­вы­ше­ние ка­че­ства про­дук­ции пу­тем вы­яв­ле­ния кри­ти­че­ских фак­то­ров в про­из­вод­ствен­ном про­цес­се, вли­я­ю­щих на ко­неч­ный ре­зуль­тат; • оп­ти­ми­за­ция тех­но­ло­ги­че­ско­го обслуживания и ремонта (ТОИР) до­ро­го­сто­я­ще­го про­из­вод­ствен­но­го оборудования, про­гноз по­ло­мок и де­гра­да­ции оборудования; • оп­ти­ми­за­ция расходов на ис­пы­та­ние про­дук­ции по­сред­ством циф­ро­вой модели из­де­лий и вир­ту­аль­ных дат­чи­ков; • управ­ле­ние це­но­об­ра­зо­ва­ни­ем и це­поч­ка­ми по­ста­вок — оп­ти­ми­за­ция и про­гно­зи­ро­ва­ние по про­цес­сам за­ку­пок, до­став­ки, хра­не­ния, спро­са и пред­ло­же­ния;

Newspapers in Russian

Newspapers from Russia

© PressReader. All rights reserved.