企業(yè)利用數據分析的主要方向之一，就是規劃業(yè)務(wù)和優(yōu)化運營(yíng)——這一直是“運營(yíng)研究”分析方法的長(cháng)期重點(diǎn)。然而這通常在一個(gè)相對較小的范圍內完成，僅僅使用少數變量的單個(gè)模型?，F在，認知工具(Cognitivetools)——特別是機器學(xué)習——可以讓這個(gè)用途在廣度和深度上更上一層樓。

人工智能在制造和運營(yíng)方面的作用可能不為人所知，但是我們有機會(huì )使用這些工具來(lái)顯著(zhù)提高重要行業(yè)的效率和有效性。以美國大河特種鋼鐵廠(chǎng)“BigRiverSteel”為例，這家大型鋼鐵制造企業(yè)正試圖在最具工業(yè)特性的行業(yè)內進(jìn)行重大轉型。BigRiverSteel的先例告訴鋼鐵行業(yè)，機器學(xué)習同樣適用它們。

位于美國阿肯色州的BigRiverSteel廣泛使用傳感器、控制系統和基于機器學(xué)習的優(yōu)化。通過(guò)與人工智能咨詢(xún)公司Noodle.ai合作，BigRiverSteel開(kāi)發(fā)了多種技術(shù)來(lái)提高煉鋼的實(shí)踐和利潤。BigRiverSteel首席執行官DavidStickler經(jīng)常表示：“我們是一家在生產(chǎn)鋼鐵的科技公司?！?/p>

BigRiverSteel在以下6個(gè)主要方面使用機器學(xué)習，盡管每個(gè)方面在應用成熟度上有所不同：

·需求預測：BigRiverSteel通過(guò)明智地使用資金而取得成功，所以它需要準確預測鋼鐵需求。要做到這一點(diǎn)，就采用具有宏觀(guān)經(jīng)濟數據、鋼鐵的歷史需求、制造業(yè)動(dòng)態(tài)、鋼鐵大客戶(hù)的動(dòng)態(tài)(例如住房開(kāi)工、石油鉆臺數量)的機器學(xué)習模式。

·資源開(kāi)發(fā)和庫存管理：和小型鋼鐵廠(chǎng)一樣，BigRiverSteel的原材料是廢鋼，所以需要預測其可用性。Noodle.ai開(kāi)發(fā)了“廢鋼指數”，并正在與BigRiverSteel合作，采取對沖方式購買(mǎi)廢鋼。

·調度優(yōu)化：什么時(shí)候生產(chǎn)什么，這是任何鋼鐵廠(chǎng)都要做出的重要決定，特別是當你最重要的投入是電能(用于熔煉廢鋼的電弧爐)時(shí)，就更加關(guān)鍵了。優(yōu)化模型能使非高峰時(shí)間的能源消耗最大化，從而使能源成本最小化。

·生產(chǎn)優(yōu)化：所有鋼廠(chǎng)都有非計劃事件，如漏鋼(當鑄造時(shí)鋼水從鑄模中脫落)和堆鋼事故(當熱軋鋼從輥子掉到磨機地板上時(shí))。這些事件會(huì )使生產(chǎn)停滯，既危險又要付出成本代價(jià)。機器學(xué)習模型可以預測何時(shí)最有可能發(fā)生事故，并最大程度減少事故的發(fā)生。

·預測性維護：隨著(zhù)工業(yè)機器數量的增加，BigRiverSteel可以使用機器學(xué)習模型來(lái)確定維護關(guān)鍵機器和設備的最佳時(shí)間。

·出站運輸優(yōu)化：像亞馬遜這樣的公司一直在優(yōu)化他們的出站供應鏈，但這在鋼鐵廠(chǎng)很少見(jiàn)。BigRiverSteel與客戶(hù)和托運人合作，將出站運輸的成本降到最低，并優(yōu)化客戶(hù)交付窗口。

有了這些應用，BigRiverSteel和其他公司改善的運營(yíng)能力，但最有價(jià)值的好處來(lái)自于整合。BigRiverSteel正在試圖為工廠(chǎng)的業(yè)績(jì)和盈利能力進(jìn)行“端到端”優(yōu)化，已經(jīng)具有不同模型將業(yè)務(wù)計劃和運營(yíng)的不同部分進(jìn)行互連，并且在整個(gè)企業(yè)中進(jìn)行優(yōu)化。

這種規劃和優(yōu)化的綜合方法仍處于早期階段，細化的話(huà)還需要更多的數據、算法的調整和大量的計算能力。但是Stickler和Noodle.ai的數據科學(xué)家都相信這是可以實(shí)現的。

更多信息請進(jìn)入法鋼耐磨鋼板新聞資訊
http://www.medallionxm.com