ธุรกิจ ดูแลสุขภาพ AI สำหรับใช้ในอุตสาหกรรม

AI สำหรับใช้ในอุตสาหกรรม ผลิตภัณฑ์ ดูแลสุขภาพ

ปัญญาประดิษฐ์สำหรับการผลิต

System Invariant Analysis Technology
(SIAT, เทคโนโลยีการวิเคราะห์ค่าต่างๆระบบ) เพื่อค้นหาสิ่งที่ผิดปกติในระบบ

การนำไปประยุกต์ใช้

ความผิดปรกติ / การตรวจจับความผิดปรกติและการบำรุงรักษาเพื่อป้องกัน

: ตรวจจับอาการความผิดปรกติของระบบและเครื่องก่อนที่จะเกิดความเสียหายร้ายแรง

: ช่วยลดรอบการบำรุงรักษาเครื่องจักรที่มากเกินคำจำเป็น

: ช่วยลดต้นทุนการบำรุงรักษา

: สามารถตรวจสอบเครื่องได้ตลอด 24 ชม.

: การเตรียมการล่วงหน้าและการเปลี่ยนอะไหล่อย่างราบรื่น ลดเวลาหยุดทำงานของเครื่อง

: การตรวจสอบกระยะไกล

: สามารถวัดและตรวจสอบค่าพารามิเตอร์ได้อย่างง่ายดาย

การควบคุมคุณภาพผลิตภัณฑ์

: ตรวจพบความผิดปรกติของเงื่อนไขในกระบวนการที่ไม่สอดคล้องกับพารามิเตอร์

: รักษาความเสถียรและคุณภาพที่ดีที่สุดของผลิตภัณฑ์ขั้นสุดท้าย

: ลดหรือขจัดผลิตภัณฑ์ที่ไม่ผ่านมาตรฐาน (NG)

: เพิ่มประสิทธิภาพและลดชั่วโมงในการทำงานของผู้ปฏิบัติงาน

: ลดกระบวนการที่ต้องใช้การตัดสินใจของผู้ปฏิบัติงาน

การตรวจสอบด้วยสายตา

: AI แยกความแตกต่างระหว่าง OK หรือ NG ได้ดีกว่าเกณฑ์การตัดสินแบบดั้งเดิม

: ลดความผิดพลาดในการตัดสินของ OK หรือ NG ส่งผลให้ได้ผลตอบแทนสูงขึ้น

: ลดแรงงานและค่าใช้จ่ายในการตรวจสอบคุณภาพ

: เพิ่มอัตราการอัตราการประมวลผล (Throughput Rate)

การทำงานของระบบนี้เป็นอย่างไร?

All copyright belongs to NEC Corporation

การตรวจจับความผิดปกติในระยะเริ่มต้น

ดึงความสัมพันธ์ที่ไม่เปลี่ยนแปลงจากข้อมูลอนุกรมเวลาซึ่งประกอบด้วยเซ็นเซอร์หลายตัว และสร้างแบบจำลองการตรวจสอบ
โดยอาศัยเทคโนโลยีการวิเคราะห์ค่าคงที่ในการตรวจจับความผิดปกติจากอนุกรมเวลาของเซ็นเซอร์ผ่านทางแบบจำลองที่สร้างขึ้น

1. แต่ละความสัมพันธ์จะรวบรวมลักษณะเฉพาะขององค์ประกอบเป้าหมาย
2. โดยการค้นหาความสัมพันธ์จำนวนมาก ลักษณะความสัมพันธ์ของทั้งระบบสามารถพบได้จากการมองในมุมมองที่ต่างไปจากเดิม
3. สามารถเข้าใจสถานะการทำงานของระบบได้โดยการติดตามการเปลี่ยนแปลงของความสัมพันธ์ในแต่ละเหตุการณ์

กรณีศึกษา

กรณีที่ 1 – การสมัครโดเมนเพื่อใช้ในอวกาศของ Lockheed Martin

: การทดสอบในการผลิตขั้นต้นและการศึกษาสถานการณ์ในการปฏิบัติงาน (ก่อนภารกิจจริงในอวกาศ)

: ทำให้สามารถตรวจจับสิ่งผิดปกติเชิงรุกในระหว่างขั้นตอนการออกแบบ การพัฒนา การผลิต และการทดสอบ และสร้างสำเนาดิจิตอล (Digital Twin) ในระดับระบบ

: สร้างแบบจำลองการทำงานปกติของรถยนต์จากเซ็นเซอร์ประมาณ 150,000 ตัว เพื่อสร้างความสัมพันธ์เชิงตรรกะกว่า 2,200 ล้านรูปแบบเพื่อใช้สำหรับการวิเคราะห์

Testimonial by Rockheed Martin. All copyright belongs to NEC Corporation

กรณีที่ 2 – ส่วนประกอบยานยนต์

ความท้าทาย		ผลลัพท์
ไม่สามารถตรวจสอบคุณภาพของส่วนประกอบที่ถูกขึ้นรูป (Press Components) แบบเรียลไทม์ได้		สามารถตรวจสอบได้แบบเรียลไทม์
ต้องมีการสำรองมากเกินไปเพื่อกรณีที่เกิดการเสียหาย		ช่วยตรวจจับความผิดปกติและลดจำนวนที่ต้องสำรอง
ไม่สามารถหาสาเหตุที่แท้จริงได้ เนื่องจากเสียเวลาและพลังงานเพื่อหาสาเหตุที่ทำให้เกิดข้อบกพร่องเท่านั้น		การวิเคราะห์หาชิ้นงานที่บกพร่องด้วย AI ร่วมกับการวิเคราะห์สาเหตุโดยผู้ปฏิบัติงาน

AI ถูกนำไปใช้กับกระบวนการผลิตชิ้นส่วนยานยนต์ เพิ่มเติมจากการปรับปรุงดังกล่าวข้างต้น

✓ ลูกค้าประสบความสำเร็จในการนำระบบ AI มาใช้กับองค์กรภายใน 5 วันแรก
✓ เพิ่มประสิทธิภาพระบบการซ่อมบำรุงและรอบการเปลี่ยนอะไหล่ เพื่อป้องกันงานซ่อมบำรุงทื่อการคาดการณ์

กรณีที่ 3 – เครื่องฉีดขึ้นรูป

ความท้าทาย		ผลลัพท์
ระยะตรวจพบความบกพร่องล่าช้ากว่าระยะเวลาเมื่อเกิดความล้มเหลวมาก		ตรวจจับและพบความผิดปรกติตามเวลาจริง
ผลิตภัณฑ์ที่บกพร่องถูกตรวจพบ แม้ว่าโดยลักษณะภายนอกจะไม่พบสิ่งผิดปรกติใดๆ		ตรวจจับข้อบกพร่องที่จะเกิดขึ้นได้อย่างรวดเร็ว ช่วยลดชิ้นงานที่มีความผิดพลาด
ตรวจพบความขัดข้องของเครื่องจักร หลังจากพบผลิตภัณฑ์ NG		สามารถปรับสภาพและบำรุงรักษาก่อนผลิตผลิตภัณฑ์ NG ได้

ลูกค้าท่านนี้สามารถตรวจพบชิ้นส่วนที่ชำรุดภายหลังความผิดปกติของเครื่องจักรในการผลิต โดยเครื่องจักรยังคงผลิตสินค้าที่มีข้อบกพร่องอย่างต่อเนื่อง แม้ว่าเครื่องจักรทำงานผิดปกติอยู่ก็ตาม หลังจากแนะนำระบบ AI ลูกค้าสามารถพบความผิดปกติของเครื่องฉีดได้เร็วกว่าเมื่อก่อน ส่งผลให้ได้ผลผลิตสูงขึ้นและผลิตภัณฑ์ NG น้อยลง

กรณีที่ 4 – โรงกลั่น

ความท้าทาย		ผลลัพท์
เพื่อให้ระบบตรวจจับข้อผิดพลาด กลายเป็นส่วนหนึ่งของเทคโนโลยีขั้นสูงทั่วไปที่ใช้โรงกลั่น		พบความสัมพันธ์ที่สำคัญระหว่างเซ็นเซอร์กว่า 500 ตัว (อุณหภูมิ ความดัน การไหล ตำแหน่งวาล์ว และระดับน้ำในหม้อไอน้ำ)
ใช้เวลาและทีมงานจำนวนมากในการวิเคราะห์สาเหตุที่แท้จริง แต่ไม่สามารถตั้งค่าแผนการบำรุงรักษาระบบที่มีประสิทธิภาพได้		สามารถแจ้งเตือนสถานะผิดปกติและตรวจพบข้อบ่งชี้ความล้มเหลวของอุปกรณ์ก่อนที่จะเกิดขึ้น ลูกค้าสามารถค้นหาสาเหตุและจุดที่ทำให้เกิดปัญหาที่แท้จริง

AI ช่วยให้ลูกค้าค้นหาตัวบ่งชี้ความผิดพลาดได้เร็วกว่าระบบเดิมถึง 1 สัปดาห์ โดยอาศัยการวิเคราะห์แนวโน้มและลดผลกระทบให้เหลือน้อยที่สุด

การติดตามผล

Sector	Customer	System Contents
โรงงานไฟฟ้า	JERA Co., Ltd.	การตรวจสอบสัญญาณความผิดพลาดของโรงไฟฟ้าพลังความร้อน การตรวจสอบประสิทธิภาพที่ลดลง และการแสดงภาพสถานะการดำเนินงาน และการรวมการดำเนินงาน (โรงไฟฟ้า 4 แห่ง) พลังไอน้ำถ่านหิน 5 units แ ละกังหันก๊าซร่วม (Combined Gas Turbines) 20 units
โรงงานไฟฟ้า	Medco Power Indonesia	การตรวจสอบสัญญาณความผิดพลาดที่โรงงานผลิตพลังงานความร้อน (GTCC) และทำให้การบำรุงรักษามีประสิทธิภาพมากขึ้น
พลังงาน	JXTG Energy (Mizushima Refinery)	ลดภาระงานและเพิ่มประสิทธิภาพของแผนการบำรุงรักษาโดยการตรวจจับสัญญาณผิดปกติของระบบสาธารณูปโภคและการซ่อมบำรุได้ล่วงหน้า
ปิโตรเคมีคัล	Sumitomo Bakelite Co., Ltd	การตรวจจับสัญญาณความผิดปกติและการควบคุมสภาวะกระบวนการโดยอัตโนมัติทำให้คุณภาพของผลิตภัณฑ์มีเสถียรภาพ
เหล็ก	Nippon Steel Corporation	การตรวจสอบความผิดปกติของระบบและการตรวจสอบคุณภาพแบบเรียลไทม์ในกระบวนการผลิต
สำรวจอวกาศ	Lockheed Martin	การลดต้นทุนการพัฒนาและการปรับปรุงความปลอดภัยสำหรับการพัฒนายานอวกาศ การปรับปรุงความปลอดภัยโดยกระบวนการตรวจสอบที่มีความซับซ้อน
รถไฟ	JR East	รักษาเสถียรภาพของระบบการทำงานโดยการตรวจจับสัญญาณความผิดพลาดของรถไฟและปรับปรุงประสิทธิภาพในการบำรุงรักษา
อื่นๆ	JAXA Aerospace Exploration Agency (joint research)	การตรวจสอบความผิดปกติของเครื่องยนต์ของจรวดที่นำกลับมาใช้ใหม่ได้ และการนำไปใช้ในระบบตรวจสอบอากาศยาน
อื่นๆ	Tohoku Univ. (Joint research)	การปรับปรุงประสิทธิภาพการตรวจสอบโดยใช้การตรวจสอบแบบไม่ทำลาย (Non-destructive inspection)
อื่นๆ	Tohoku Univ. (Joint research)	รักษาความเสถียรของคุณภาพในกระบวนการผลิตวัสดุ

ดูสินค้าอื่นๆ ติดต่อสอบถาม