Apache Industrial Services zavádza umelú inteligenciu na účely automatizácie prostredníctvom digitálnych nástrojov, ktoré zbierajú údaje z terénu, organizujú informácie o projektoch a znižujú manuálnu prácu. Najjasnejším príkladom je použitie digitálnych systémov evidencie času s overovaním príchodov do práce pomocou AI spolu s platformou InOne, ktorá slúži ako širší digitálny rámec pre riadenie projektov.
Hlavným ponaučením je jednoduché. AI sa stáva užitočnou, keď je napojená na pracovný proces, ktorý už má význam. V prípade spoločnosti Apache tento proces zahŕňa záznamy o čase, kódové označenia nákladov, kontroly miezd, reporty o projektoch a prehľadnosť v teréne.
Otázkou nie je to, či sa AI objaví v systéme. Otázkou je, kde odstraňuje slabé miesto v každodennej práci.
Práca za systémom
Spoločnosť Apache Industrial Services poskytuje priemyselné služby, ako sú povrchové úpravy, izolácia, lešenia, protipožiarna ochrana, eliminácia nebezpečných látok a výroba dielcov. Tieto práce často zahŕňajú veľa pracovníkov, meniace sa miesta, prísne bezpečnostné požiadavky a podrobné záznamy o projektoch.
Toto prostredie vytvára veľký tok údajov. Tímy potrebujú vedieť, kto je na mieste, kedy práca začala, ku ktorému úlohy bol priradený náklad na prácu a koľko práce je dokončených. Tieto skutočnosti môžu vzniknúť v teréne. Následne sa presúvajú cez riadenie projektov, mzdy, fakturáciu a reporty pre klientov.
Oneskorenie alebo chyba v jednom zázname môže ovplyvniť ďalší. Papierový formulár môže doraziť neskoro. Pracovník môže zadať čas pod nesprávnym kódovým označením nákladov. Manažér môže potrebovať skontrolovať niekoľko systémov, aby odpovedal na jednoduchú otázku.
Digitálny prístup spoločnosti Apache presúva väčšinu tejto práce do prepojených nástrojov. Jej platforma InOne zhromažďuje údaje z rôznych aplikácií a zobrazuje ich v jednom rozhraní. Cieľom je dať projektovým tímom jasnejší prehľad o aktívnej práci a stave projektu.
Ide o automatizáciu v praktickom zmysle. Systém nenahrádza každé ľudské rozhodnutie. Znižuje množstvo opakovaných kontrol potrebných predtým, než sa môže urobiť rozhodnutie.
AI vstupuje na konkrétnejšom mieste. Digitálne nástroje na evidenciu času môžu využiť AI na overovanie príchodov do práce. Môžu tiež využívať údaje o polohe, fotografie a iné terénne záznamy na podporu prehliadania času. To môže pomôcť odlíšiť skutočný záznam z miesta od jednoduchého tvrdenia, že niekto bol prítomný.
Tento rozdiel má význam v priemyselnej práci. Údaje o čase podporujú mzdy, fakturáciu, kontrolu nákladov a komunikáciu so zákazníkmi. Dôveryhodný záznam sa môže preniesť cez viacero obchodných krokov bez toho, aby sa znovu zadával.
Ten istý vzor sa objavuje aj pri reportovaní projektov. Vedúci pracovníci v teréne môžu zaznamenávať informácie o produkcii. Projektové tímy potom môžu cez zdieľaný systém prehliadať prácu, kódové označenia nákladov a postup. Hodnota vyplýva z prepojenia medzi udalosťami v teréne a záznamami v kancelárii.
Automatizácia potrebuje jasnú hranicu
Najsilnejšou časťou tohto príkladu je jeho úzke zameranie. Spoločnosť Apache nie je prezentovaná ako firma, ktorá by odovzdala plné riadenie projektu systému umelej inteligencie. Namiesto toho AI podporuje definované úlohy vo vnúri širšieho pracovného postupu.
Táto hranica dáva zmysel. Systém môže overiť príchod do práce alebo označiť nezvyčajný záznam. Projektový manažér si stále musí prezrieť výnimky. Mzdový tím stále potrebuje pravidlá. Report pre klienta stále potrebuje ľudské schválenie.
Je to užitočný model pre aplikovanú AI. Začnite s úlohou, ktorá má jasný vstup a jasný výstup. Pridajte kontroly pre prípady, ktoré systém nedokáže posúdiť s istotou. Nechajte osobu zodpovednú za rozhodnutia, ktoré ovplyvňujú mzdy, fakturáciu, bezpečnosť alebo zmluvné záznamy.
Metóda tiež pomáha pri návrhu systému. Údaje sa musia pohybovať po známej ceste. Záznam z terénu môže prejsť cez mobilné zariadenie, cloudovú platformu, nástroj na riadenie projektov a systém plánovania podnikových zdrojov (ERP). Každý odovzdávacie bod potrebuje stabilnú identitu pre pracovníka, projekt, úlohu a časové obdobie.
Bez takejto štruktúry môže AI vygenerovať rýchlejšiu odpoveď na nesprávnu otázku.
Existuje tiež rozdiel medzi automatizáciou a inteligencia. Automatizácia sledovania dochádzky môže odstrániť opakované zadávanie. Overovanie pomocou AI môže skúmať vzory alebo podporujúce dôkazy. Žiaden z týchto krokov neopraví zlé kódové označenia nákladov, nejasné pracovné pravidlá alebo chýbajúce terénne údaje.
Tu mnohé projekty AI strácajú hodnotu. Model dostáva neúplné informácie. Podnik potom očakáva kompletný výsledok. Problém nie je vždy v modeli. Často proces najprv potrebuje lepšie štandardy údajov.
Digitálna ekosystémová skladba spoločnosti Apache poukazuje na pragmatickejší prístup. Firma môže prepojiť údaje z mnohých nástrojov, ale stále potrebuje jeden prehľad o práci. Tento prehľad musí ukázať, čo sa stalo, kedy sa to stalo a kto môže záznam schváliť.
Limitom zostáva ľudský úsudok
Verejne dostupné informácie opisujú digitálne služby, automatizované sledovanie dochádzky, overovanie príchodov do práce pomocou AI a záznamy zo stavenísk v reálnom čase. Nezakladajú však tvrdenie, že každý projekt spoločnosti Apache používa rovnaké nástroje alebo že každý proces je plne automatizovaný.
Tento limit má význam. Priemyselná práca sa líši podľa miesta, zákazníka, zmluvy, pracovného pravidla a bezpečnostných podmienok. Metóda, ktorá funguje pre záznamy o čase, nemusí fungovať pre kontroly kvality alebo odhady produkcie.
Systémy AI tiež potrebujú revíziu kvôli falošným zhodám, chýbajúcim fotografiám, slabým signálom polohy a nezvyčajným pracovným vzorom. Pracovník môže mať platný dôvod pre neočakávaný príchod do práce. Zariadenie môže stratiť službu. Práca sa môže presunúť naprieč veľkým areálom.
Z tohto dôvodu je užitočný dizajn často tvorený frontou na revíziu. Systém spracúva bežné záznamy. Nevisté záznamy posiela osobe. Osoba môže opraviť výsledok a tieto opravy môžu zlepšiť neskoršie pravidlá alebo kontroly modelu.
To vytvára bezpečnejšiu cestu pre automatizáciu. Tiež robí systém ľahšie vysvetliteľným. Manažér môže vidieť, prečo bol záznam prijatý, označený alebo zmenený.
Všeobecný pohľad EuroOp na všeobecné inžinierstvo hovorí, že aplikovaná AI by mala zapadnúť do kontrolného systému okolo seba. Zber údajov, používateľské role, auditné záznamy a spracovanie výnimiek sú rovnako dôležité ako samotný model. Model môže byť viditeľnou časťou, ale pracovný postup nesie obchodné riziko.
Apache Industrial Services nasadzuje AI pre automatizáciu týmto sústredeným spôsobom. AI podporuje terénne záznamy a rutinné kontroly vo vnúri širšieho digitálneho systému. Dôležitým faktom nie je označenie. Je to umiestnenie automatizácie tam, kde lepšie záznamy môžu podporiť niekoľko prepojených úloh.
Praktickým ponaučením je považovať AI za jednu súčasť prevádzkového procesu. Definujte záznam. Definujte krok revízie. Definujte, kto vlastní výnimku. Potom merajte kvalitu celého pracovného postupu, nie rýchlosť jednej automatizovanej akcie.
Tento vzor je ústredný pre EuroOp Insights: jeden aplikovaný vzor výskumu a vývoja a jedno praktické ponaučenie z pipeline za produktmi spoločnosti EuroOp. Tu je vzor jasný tok údajov s ľudskou revíziou na okraji.