Az Apache Industrial Services mesterséges intelligenciát (MI) alkalmaz az automatizálásban olyan digitális eszközök révén, amelyek gyűjtik a helyszíni adatokat, rendszerezik a projektinformációkat és csökkentik a manuális munkát. A legvilágosabb példa erre a digitális időrendszerek használata MI-alapú belépés-ellenőrzéssel, valamint az InOne nevű, tágabb körű digitális platformja a projektvezetéshez.
A fő tanulság egyszerű. Az akkor hasznos, ha egy már fontos munkafolyamathoz kapcsolódik. Az Apache esetében ez a folyamat magában foglalja az időnyilvántartásokat, költségkódokat, bérfizetési ellenőrzéseket, projektjelentéseket és a helyszíni átláthatóságot.
A kérdés nem az, hogy megjelenik-e az MI a rendszerben. A kérdés az, hol szünteti meg a mindennapi munka gyenge pontját.
A rendszer mögötti munka
Az Apache Industrial Services ipari szolgáltatásokat nyújt, például bevonatolást, szigetelést, állványozást, tűzállósítást, eltávolítást és gyártást. Ezek a feladatok gyakran sok dolgozót, változó helyszíneket, szigorú biztonsági igényeket és részletes projektfeljegyzéseket vonnak maga után.
Ez a környezet nagy adatfolyamot hoz létre. A csapatoknak tudniuk kellük van a helyszínen, mikor kezdődött a munka, melyik feladatra merült fel a munkaerőköltség, és mennyi munka készült el. Ezek az tények a helyszínen indulhatnak. Ezután a projektvezetésen, bérfizetésen, számlázáson és ügyféljelentéseken keresztül haladnak.
Egy rögzítés késése vagy hibája befolyásolhatja a következőt. Egy papíralapú űrlap késve érkezhet. Egy dolgozó rossz költségkód alatt rögzítheti az idejét. Egy menedzsernek több rendszert kell ellenőriznie, mielőtt egyszerű kérdésre válaszolna.
Az Apache digitális megközelítése ezt a munkát nagyobb mértékben összekötött eszközökbe helyezi. Az InOne platformja különböző alkalmazásokból gyűjti össze az adatokat, és egyetlen felületen jeleníti meg őket. A cél az, hogy a projektcsapatok tisztább képet kapjanak az aktív munkáról és a projekt állapotáról.
Ez az automatizálás gyakorlati értelemben. A rendszer nem helyettesít minden emberi döntést. Csökkenti azt a ismételt ellenőrzések mennyiségét, amelyre egy döntés meghozatala előtt szükség van.
Az MI egy specifikusabb ponton lép be. A digitális időeszközök az MI-t felhasználhatják a belépések ellenőrzésére. Helyadatokat, fényképeket és egyéb helyszíni rögzítéseket is felhasználhatnak az időellenőrzés támogatására. Ez segíthet megkülönböztetni egy valós helyszíni rögzítést attól az egyszerű állítástól, hogy valaki jelen volt.
Ez a megkülönböztetés jelentős az ipari munkában. Az időadatok alátámasztják a bérfizetést, a számlázást, a költségszabályozást és az ügyfélkommunikációt. Egy megbízható rögzítés végigutazhat több üzleti lépésen anélkül, hogy újra be kellene adni.
Ugyanez a minta jelenik meg a projektjelentésekben. A helyszíni vezetők rögzíthetik a termelési információkat. A projektcsapatok ezután áttekinthetik a munkaerőt, a költségkódokat és a haladást egy megosztott rendszeren keresztül. Az érték a helyszíni események és az irodai rögzítések közötti kapcsolatból fakad.
Az automatizálásnak határozott határa kell legyen
Ennek a példának legerősebb része a szűk fókusz. Az Apachet nem úgy mutatják be, hogy átadná a teljes projektvezetést egy mesterséges intelligencia-rendszernek. Ehelyett az MI támogatja a meghatározott feladatokat egy nagyobb munkafolyamon belül.
Ez a határ ésszerű. Egy rendszer ellenőrizhet egy belépést vagy jelölhet egy rendkívüli rögzítést. Egy projektmenedzsernek továbbra is felül kell vizsgálnia a kivételeket. Egy bérszámfejtő csapatnak továbbra is szabályokra van szüksége. Egy ügyféljelentésnek továbbra is emberi jóváhagyásra van szüksége.
Ez egy hasznos modell az alkalmazott MI számára. Kezdjen egy olyan feladattal, amelynek világos bemenete és kimenete van. Adjon hozzá ellenőrzéseket azokhoz az esetekhez, amelyeket a rendszer nem bízzal ítélhet meg. Tartson fent egy embert, aki felelős azokért a döntésekért, amelyek befolyásolják a fizetést, a számlázást, a biztonságot vagy a szerződéses rögzítéseket.
A módszer segít a rendszertervezésben is. Az adatnak ismert úton kell mozognia. Egy helyszíni bevitel elmehet egy mobilkészüléken, egy felhőplatformon, egy projektvezetési eszközön és egy vállalati erőforrás-tervezési rendszeren keresztül. Minden átvételnél stabil azonosításra van szükség a dolgozó, a projekt, a feladat és az időszak számára.
Ennek a struktúrának hiányában az MI gyorsabb választ adhat a rossz kérdésre.
Van különbség az automatizálás és az intelligencia között. A jelenlét követésének automatizálása megszüntetheti az ismételt bevitelt. Az MI-alapú ellenőrzés mintázatokat vagy támogató bizonyítékokat vizsgálhat. Egyik lépés sem javítja a rossz költségkódokat, a tisztázatlan munkaszabályokat vagy a hiányzó helyszíni adatokat.
Itt veszít sok MI-projekt az értékéből. A modell hiányos információt kap. Az üzlet ekkor teljes eredményt vár. A probléma nem mindig a modell. Gyakran először az folyamatra jobbak az adattstandardok.
Az Apache digitális ökoszisztémája egy talajfogottabb megközelítésre utal. Egy cég összekapcsolhatja az adatokat számos eszközből, de mégis szüksége van egy közös nézetre a munkáról. Ez a nézet meg kell, hogy mutassa, mi történt, mikor történt, és ki hagyhatja jóvá a rögzítést.
A határ továbbra is az emberi ítélet
A nyilvános információk digitális szolgáltatásokat, automatizált jelenlétkövetést, MI-alapú belépés-ellenőrzést és valós idejű munkahelyi rögzítéseket írnak le. Nem állapítják meg, hogy minden Apache-projekt ugyanazokat az eszközöket használja, vagy hogy minden folyamat teljesen automatizált.
Ez a korlát jelentős. Az ipari munka helyszín, ügyfél, szerződés, munkaerő-szabály és biztonsági feltétel szerint eltér. Egy olyan módszer, amely működik az időnyilvántartásoknál, nem feltétlenül működik a minőségellenőrzéseknél vagy a termelésbecsléseknél.
Az MI-rendszereket szintén felül kell vizsgálni a hamis egyezések, a hiányzó fényképek, a gyenge helyszignálok és a rendkívüli munkaminták miatt. Egy dolgozónak lehet érvényes oka egy váratlan belépésre. Egy készülék elveszítheti a szolgáltatást. Egy feladat áthelyeződhet egy nagy helyszínen.
Ennek okából a hasznos kialakítás gyakran egy felülvizsgálati sor. A rendszer kezeli a gyakori rögzítéseket. Bizonytalan rögzítéseket küld egy embernek. Az ember kijavíthatja az eredményt, és ezek a javítások javíthatják a későbbi szabályokat vagy modell-ellenőrzéseket.
Ez biztonságosabb utat teremt az automatizálás számára. Ugyanakkor megkönnyíti a rendszer magyarázatát. Egy menedzser láthatja, miért fogadták el, jelölték meg vagy változtatták meg egy rögzítést.
Az EuroOp általános mérnöki nézőpontja szerint az alkalmazott MI-nak illeszkednie kell a körülötte lévő vezérlőrendszerhez. Az adatgyűjtés, a felhasználói szerepkörök, a auditnaplók és a kivételkezelés ugyanolyan fontosak, mint a modell. A modell lehet a látható rész, de a munkafolyamatt hordozza az üzleti kockázatot.
Az Apache Industrial Services így, fókuszált módon alkalmaz MI-t az automatizálásban. Az MI támogatja a helyszíni rögzítéseket és a rutinellenőrzéseket egy tágabb digitális rendszeren belül. A fontos tény nem a címke. Hanem az automatizálás elhelyezése ott, ahol jobb rögzítések támaszthatnak alá több összekapcsolt feladatot.
A gyakorlati tanulság, hogy az MI-t kezelje egy működési folyamat egyik részeként. Határozza meg a rögzítést. Határozza meg a felülvizsgálati lépést. Határozza meg, ki tulajdonosa a kivételnek. Mérje aztán a teljes munkafolyamatt minőségét, nem pedig egyetlen automatizált akció sebességét.
Ez a minta központi fontosságú az EuroOp Insights számára: egy alkalmazott K+F minta és egy gyakorlati tanulság az EuroOp termékei mögötti csőből. Itt a minta a világos adatfolyam az emberi felülvizsgálattal a szélen.