Sains

Keberlanjutan menjadi terukur

Theresa Madreiter dan Fazel Ansari Theresa Madreiter dan Fazel Ansari

Tu Wien (Wina) mengembangkan indikator industri baru: model data membantu menggabungkan emisi CO2, konsumsi sumber daya dan faktor sosial langsung ke dalam perencanaan produksi.

Seberapa berkelanjutan industri kita sebenarnya? Sampai sekarang, ketika orang berbicara tentang efisiensi, mereka terutama fokus pada seberapa baik mesin digunakan, seberapa sering mereka rusak dan seberapa cepat mereka menghasilkan. Tapi bagaimana dengan emisi CO2 yang disebabkan secara langsung dan tidak langsung? Bagaimana dengan konsumsi sumber daya atau tanggung jawab sosial?

Sebuah tim peneliti di Tu Wien (Wina, Austria), bekerja sama dengan Fraunhofer Austria Research GmbH, telah mengembangkan sistem evaluasi baru yang dapat digunakan untuk memodelkan proses produksi secara logis untuk mengukur dan mengoptimalkan keberlanjutan. Indeks Efektivitas Peralatan Berkelanjutan (OSEE) secara keseluruhan dimaksudkan untuk membantu merekonsiliasi tujuan sosial utama dengan keputusan operasional sehari -hari dalam praktik. Ini juga akan memudahkan industri untuk memenuhi persyaratan keberlanjutan Eropa, yang akan memainkan peran yang semakin penting di masa depan. Pekerjaan penelitian adalah bagian dari proyek agensi (FFG) di mana penelitian dan industri bekerja sama.

Keberlanjutan sebagai tujuan perusahaan

“Efisiensi memainkan peran yang menentukan dalam semua teknik produksi,” kata Prof. Fazel Ansari, kepala Divisi Penelitian Manajemen Produksi dan Pemeliharaan di Tu Wien. “Tentu saja, Anda ingin menggunakan bahan baku sesedikit mungkin, mengkonsumsi energi sesedikit mungkin dan memiliki sesedikit mungkin kegagalan mesin. Tetapi sampai sekarang, ini hanya didorong oleh kebutuhan akan efisiensi ekonomi. Namun, keberlanjutan ekologis dan sosial adalah tujuan yang tidak dapat dikembangkan dan tidak dapat dikenakan pada suatu sistem yang tidak dapat dikembangkan. Dioptimalkan untuk manajemen perusahaan. ”

Saat ini, misalnya, adalah praktik umum untuk mendefinisikan “indeks efektivitas peralatan keseluruhan” (OEE) – ukuran seberapa efektif peralatan digunakan dalam kaitannya dengan pemanfaatan optimal teoretisnya. Ansari dan timnya mengusulkan indeks OSEE – untuk “keseluruhan efektivitas peralatan berkelanjutan”.

Indeks ini menggabungkan parameter seperti konsumsi energi mesin, emisi CO2 langsung dan tidak langsung, konsumsi bahan baku, pelumas atau air, produksi limbah dan masa pakai komponen. Pada saat yang sama, faktor sosial juga diperhitungkan: seperti apa kondisi kerja selama operasi dan pemeliharaan? Apa standar etika di sepanjang rantai pasokan? Seberapa baik transfer pengetahuan bekerja di dalam perusahaan? Apakah pelatihan memberikan kesempatan yang cukup untuk membangun keahlian yang diperlukan?

“Kami telah menemukan bahwa perusahaan sudah memiliki banyak data yang dapat digunakan untuk menjawab pertanyaan seperti itu,” kata Fazel Ansari. “Sayangnya, ini sering tidak digunakan, atau tidak digunakan dengan cara terbaik,” kata Theresa Madreiter, kandidat doktor di Tu Wien dan rekan penelitian di Fraunhofer Austria. Misalnya, banyak yang dapat dipelajari dari data sensor dari fasilitas produksi, data operasi dari kontrol produksi pusat dapat dimasukkan, serta jam kerja staf dan data kehadiran, dokumentasi pengetahuan dan data pelatihan, dan bahkan mengalami laporan dan umpan balik dari personel pemeliharaan.

Pabrik di komputer

Semua data ini kemudian digunakan untuk menciptakan kembali model AI berlapis-lapis dari proses produksi. “Kami membuat jaringan data dan pengetahuan pengalaman untuk menunjukkan langkah -langkah kerja, mesin, dan orang -orang mana yang bergantung pada langkah -langkah pekerjaan, mesin, dan orang lain. Ini memungkinkan kita untuk melihat bagaimana kegiatan yang berbeda saling mempengaruhi, bagaimana kegagalan pada satu titik mempengaruhi proses lain – dan dampak apa yang dimiliki suatu perubahan tertentu pada keberlanjutan proses keseluruhan,” jelas Ansari.

Meskipun Fazel Ansari dan timnya telah bekerja dengan kecerdasan buatan selama bertahun -tahun, model ini tidak hanya diimplementasikan sebagai jaringan saraf, seperti halnya dengan model bahasa besar. “Sangat penting bagi kami bahwa hasil model dapat dipahami dan dapat dijelaskan langkah demi langkah. Itulah sebabnya kami tidak menggunakan LLM dalam kasus ini, tetapi jaringan Bayesian, yang memungkinkan pentingnya masing -masing ukuran individu untuk dipahami secara logis.”

Aplikasi untuk industri manufaktur logam

Sistem ini tidak hanya memberikan tokoh kunci untuk keberlanjutan proses, tetapi juga memungkinkan diagnostik konkret dari proses saat ini dan perkiraan yang beralasan tentang bagaimana perubahan spesifik dalam produksi akan mempengaruhi jaringan alur kerja yang kompleks. Tim Fazel Ansari saat ini bekerja dengan perusahaan di industri manufaktur logam – area di mana bahkan perbaikan kecil dapat berdampak besar pada keberlanjutan.

Publikasi asli

T. Madreiter, F. Ansari, dari OEE ke OEE: Cara Memperkuat Sistem Indikator Manajemen Produksi dan Pemeliharaan untuk Keberlanjutan ', IFAC-Papersonline, Volume 58, Edisi 8, 2024, Halaman 204-209

T. Madreiter, B. Trajanoski, A. Martinetti, F. Ansari, Pemeliharaan Berkelanjutan: Apa pendorong teknologi utama untuk memastikan dampak positif dari industri manufaktur? IFAC-Papersonline, Volume 58, Edisi 19, 2024, halaman 616-621

Source

Related Articles

Tinggalkan Balasan

Alamat email Anda tidak akan dipublikasikan. Ruas yang wajib ditandai *

Back to top button