當前，大多數鋼鐵制造商都在為減少生產損失而努力，并為此付出了高昂的成本，削弱了盈利能力。鋼鐵生產損失最常見的表現形式包括：重量差異、內部質量問題、表面參數缺陷、力學性能等。所有這些損失的共同點是，它們都是由流程驅動的，不能通過更換或維護機器，或改變一個特定的設置點來予以解決。與之相反，真正的原因卻藏匿于流程本身的深處，從而給產品制造帶來了挑戰。

利用人工智能作出正確的決策

  諸多案例的實踐證明，人工智能，特別是工業人工智能，并不會很快取代人類。與之相反，工業人工智能為團隊提供了人類難以企及的洞察力，輔助做出正確的決策，并改善業績表現。

通過與數百家連續流程制造商進行交流，Seebo最終發現了人工智能解決方案的三大關鍵標準，如果滿足這些標準，就可以使團隊實現對持續流程的主宰。

  其一，揭示隱藏的原因。制造團隊反映最多的“未知因素”就是那些他們甚至沒有意識到的低效和生產損失的隱藏原因。通過揭示這些隱藏的原因，能夠將效率提高到新的水平，在此過程中大大減少損失。

  其二，對所有數據進行連續、可擴展的多變量分析。當前事態的另一個明顯差距是能夠始終持續分析所有數據，同時考慮到整個生產線中不同點之間的所有復雜相互關系。

雖然人類不能做到這一點，但人工智能肯定可以做到，特別是通過使用帶有監督功能的機器學習算法來理解通常導致損失的行為模式。

  最后，把重點放在流程上。就像其他流程制造行業一樣，在鋼鐵制造業中，流程的關鍵就是：不能孤立地看待一點。人工智能可以為人類提供敏銳的洞察力，但只有當算法理解整個流程的獨特復雜性時，這些洞察力才會發揮巨大作用。

  如果算法中沒有嵌入的過程專業知識，人工智能將在沒有唯一語境的情況下簡單地分析數據，并得出錯誤或不完整的結論。這樣的技術在實踐中被稱作“自動根本原因分析”。如果手動根本原因分析是阻礙鋼鐵制造商的原因，那么自動根本原因分析就是解決方案。

  自動根本原因分析對整個數據集進行連續的、多變量的分析，并揭示流程專家無法找出的、生產損失的隱藏原因。歸功于基于流程的人工智能技術，這一點已經成為現實。這項技術嵌入了復雜的機器學習算法，對每條生產線都具有深厚的工藝專業知識，使算法不僅能夠簡單地分析數據，而且能夠理解每個獨特的生產流程，從而在語境中正確地分析數據。

  制造團隊可以通過此自動根本原因分析回答三個關鍵問題。對于流程專家或工程師應該重點關注：1）為什么會出現損失？2）今后如何防止這些損失；對于生產團隊應該重點關注：3）應該在什么時候采取行動防止這些損失。

利用人工智能減小KPI損失

  通過克服人類分析的局限性，無論是質量、殘次品、產量還是收得率，揭示生產損失的隱藏原因，這就是人工智能對鋼鐵制造商的核心好處。

  對于損失發生原因、如何防止損失以及何時采取行動，如果具有清晰、實時的洞察力，即使是一個普通的團隊，也能夠創造出非凡的成果。

免責聲明：tiegu發布的原創及轉載內容，僅供客戶參考，不作為決策建議。原創內容版權僅歸tiegu所有，轉載需取得tiegu書面授權，且tiegu保留對任何侵權行為和有悖原創內容原意的引用行為進行追究的權利。轉載內容來源于網絡，目的在于傳遞更多信息，方便學習交流，并不代表tiegu贊同其觀點及對其真實性、完整性負責。如無意中侵犯了您的版權，敬請告之，核實后，將根據著作權人的要求，立即更正或者刪除有關內容。申請授權及投訴，請聯系tiegu（400-8533-369）處理。