AIアプリケーション
工場
Profet AIは工場部門の稼働時間と使用電力予測、設備の省エネ最適化をサポートします。またデータ分析を通じて経営コストの削減、リソース利用率の向上を実現します。
アプリケーションシナリオ
分析予測、エネルギーの最適化
稼働時間の分析予測
製造業にとって生産のスケジューリングは重要だ。正確な稼働時間の予測はスケジューリングの基礎であり、企業が生産リソースを適切に分配し、生産効率を高めることに役立つ。
問題分析：
- 予測精度が低い：これまでの従業員の経験や簡単な統計に依存した方法では、生産フローの変動性を正確に反映させることができず、予測の誤差が大きい。
- 生産フローが複雑：現在の生産フローは多くの工程、多様な設備と材料が関係する。これらの要素が相互に影響するため、稼働時間を正確に予測することが難しい。
成果：
- AIモデルを通じて稼働時間が変異する要因を見つけ出し、製品品質が8％向上した。
- 正確な稼働時間の予測によって、企業はより適切なスケジューリングが可能となり、生産効率が7.5％向上した。同時に、人材リソースをより効果的に分配して生産コストを大幅削減した。
ワークオーダーに合わせた使用電力予測
電気代やエネルギー価格の上昇に伴い、企業の電力支出が増加している。エネルギーを適切に管理して電力コストを抑えることは、未来のメーカーが競争力を高める重要な手段だ。
問題分析：
- 電力コストが高い：電気代は製造業の重要な生産コストのひとつだ。電力コストを適切に制御できないと、利益が直接打撃を受ける。
- 使用電力量の超過：使用電力量を適切に管理できなければ、制限を超過して罰金などが発生し、経営コストが増加する。
- スケジューリング時に消費電力を考慮していない：生産スケジュールの決定時に消費電力を考慮していないと、電力使用にピークとオフピークができてしまい、エネルギーの浪費になる。
成果：
- ワークオーダーに合わせた使用電力予測を通じて、より適切に生産スケジュールを決定し、生産設備の利用率が12.7％向上した。
- 事前の適切なエネルギー管理措置によって、使用電力量の超過率を9％引き下げた。
チラーの省エネ最適化
チラーシステムの設計時、通常は最も過酷な気候条件に合わせてピークロードを計算する。しかし、このような方法では春や秋など中間の季節に長期間運転した場合、平均設備利用率（PLF）が低くなる。
問題分析：
- エネルギー効率が低い：チラーが低負荷で長期間運転すると、エネルギー効率が低下して電力の浪費につながる。
- 複数設備がある状況では調整できない：異なる負荷が組み合わさった状況では運転効率が異なり、最適な運転効率が評価できない。
成果：
- 温度や流量などのパラメーターの負荷と消費電力に対する予測モデルを構築し、工場スタッフに作業と設備調整の根拠として提供した。
- モデルに信頼性があれば、制御システムを統合してスイッチ設備を制御できる。