כך משפרת הבינה המלאכותית את ניהול התהליכים המורכבים באתרי התפעול של החברה
ז'אנר סרטי המדע הבדיוני מלא בדוגמאות למחשבים המחקים את אופן הפעולה והחשיבה של בני האדם. חוקרים ומדענים פועלים כבר עשרות שנים במטרה לגרום למכונות ולמחשבים ללמוד באופן "עצמאי" תהליכים שונים, ונדמה שבעשור האחרון אותם סרטים בדיוניים מתחילים להתממש לנגד עינינו. אחת ההתפתחויות המרתקות בתחום הבינה המלאכותית היאMachine Learning , או "למידת מכונה" כפי שהיא קרויה בעברית.
Machine Learning היא שיטת יצירת מודלים המאפשרת ללמוד התנהגויות של תהליכים ומכונות בהתבסס על נתוני עבר ולהתעדכן מנתוני זמן אמת. בדרך זאת, המודל שמפותח על סמך נתוני עבר ממשיך ללמוד מהתוצאות ומהנתונים העדכניים וכך יכולת החיזוי משתפרת. ליישום המודלים הסטטיסטיים המורכבים נדרש כוח מחשוב רב, לכן גישה זאת מתבססת על שילוב של מודלים סטטיסטיים חכמים ויכולות מעולם מדעי המחשב.
היחידה למצוינות תפעולית וחדשנות ב-ICL עוסקת באיתור טכנולוגיות תעשיה 4.0 מתקדמות וחדשניות לטובת התמודדות עם האתגרים התפעוליים ושיפור הביצועים של החברה. במסגרת זאת, פועלת היחידה בארבעה תחומי עניין עיקריים: האינטרנט של הדברים, מכשור לביש, תפעול אוטונומי ולמידת מכונה –Machine Learning, המשלבת בינה מלאכותית בתפעול חכם ובתהליכי האחזקה החזויה.
איך זה באמת עובד?
קצב גידול כמות הנתונים בעולם בכלל וב-ICL בפרט עולה באופן משמעותי. מנגד, רק 3% מהנתונים הופכים למידע בעל ערך. נתון זה מייצר הזדמנות לשיפור ביצועי התפעול ולמעבר לביצוע אחזקה חזויה – כזו המתבססת באופן חכם וסלקטיבי על המידע – תוך ניצול הכמויות האדירות של הנתונים שנצברו. אחת הדרכים להפוך אותו לבעל ערך היא על ידי מודל Machine Learning: חיזוי כשלים ותקלות מבעוד מועד.
איך עושים זאת? אם יש כמויות של סנסורים על המכונות, שמספקים חיווי על תקינות המכונה מדי דקה, אפשר לעקוב אחר 'בריאותה'. אם יודעים מהנתונים מהו מצב תקין, כשיש דפוס נתונים שהמכונה מזהה כשונה – אז היא יכולה לתת התראה על חיזוי תקלה, משום שהיא משווה בין המצב התקין למצב הנוכחי – השונה. למידת מכונה מאפשרת לדעת מוקדם יותר מהו מצב תקין ולא תקין של מכונה, כך שהסנסורים יכולים לתת התראה בזמן אמת לגבי תקינותה. התראה זאת תתורגם לתכנית ביצוע אחזקה חזויה ולשיפור זמינות המכונה כתוצאה מכך. במידה שהמודל יקבל משוב מהעובד שהמכונה תקינה, המודל ילמד מטעויותיו ולא ייתן התראה חוזרת באותו מצב.
אולי יעניין אותך גם:
יישום נוסף של מכונות לומדות הינו שיפור ביצועי התפעול. בעוד שמודל תפעול מסורתי מוגדר על ידי כללים קשיחים שאינם משתנים, למידת מכונה לא דבקה בכללים אלא בוחנת את איכות התוצרים – ואם הם אינם טובים היא משנה את הכללים כדי לשפר את התוצאות. המכונה לומדת מהנתונים הרלוונטיים ביותר שברשותה ומייצרת כללי תפעול מעודכנים שיספקו ביצועים טובים יותר.
מהתאוריה אל השטח
עובדי חדרי הפיקוד ב-ICL מקבלים עשרות החלטות בכל שעה לתפעול התהליך באופן המיטבי. העבודה מתבצעת לפי הידע והניסיון של עובדי חדרי הפיקוד. בעת צורך בהתערבות ותיקון התהליך, סביר להניח כי הסיטואציה עמה העובד מתמודד כבר התרחשה בעבר, ואף תועדה ונשמרה בבסיסי הנתונים של החברה, לצד מאות ואלפי מצבים נוספים. השימוש במודלים של מכונות לומדות יכול לאפשר למפעיל לקבל המלצה על דרך הפעולה הנכונה ביותר בהתבסס על איתור מצבים זהים, פעולות ותוצאות בנתוני העבר. כלומר, לבחון את ההיסטוריה התפעולית ולהמליץ שבמצב הנוכחי בתהליך, שהתרחש כבר מאות פעמים, הפעולה הנכונה היא לדוגמה – להעלות טמפרטורה.
חברת ICL עובדת כיום עם חברות שמתמחות בתחום האחזקה והתפעול של למידת מכונות ובוחנת יישומים שונים בתחום, כדי למנף את נכס הנתונים שברשותה ולמקסם את הערך המוסף שבינה מלאכותית זו מספקת. במסגרת זאת מבוצעים מספר פרויקטים לאיתור אנומליות וחיזוי כשלים באתרי ICL רותם ו-ICL ים המלח בצווארי הבקבוק של התפעול.
בתחום התפעול, מבוצעים פרויקטים לשיפור ניצולת הייצור במתקני החומצה באתר רותם בהתבסס על אלפי נתונים תפעוליים. יישום נוסף הינו פיתוח מודל של למידת מכונה שמטרתו לנהל את תזרים התמיסות במפעלי ים המלח. המודל משקלל נתוני מטאורולוגיים, תהליכיים, פיזיקליים וכימיים הקיימים בבסיסי הנתונים ובתחזיות מזג האוויר, מעבד אותו בזמן אמת ונותן המלצה איך לנהל את תזרים התמיסות. פיתוח המודל הסתיים וכיום מיושם שלב הפיילוט בסביבת הייצור.
