这是 HAYAT HOLDING 全球工业 IT 经理 Neslihan Erdogan 的客座帖子。
随着制造过程和工业 4.0 的持续数字化,使用机器学习 (ML) 进行质量预测的潜力巨大。 流程制造是一种生产方法,它使用配方或配方通过组合配料或原材料来生产商品。
预测质量包括在生产中使用 ML 方法根据制造过程数据估计和分类产品相关质量,目标如下 [1]:
- 品质说明 – 识别过程变量和产品质量之间的关系。 例如,粘合剂成分的体积如何影响强度和弹性等质量参数。
- 质量预测 – 基于用于决策支持或自动化的过程变量估计质量变量。 比如多少kg/m3 摄入黏合剂成分,达到一定的强度和弹性。
- 质量分类 – 除了质量预测外,这还涉及对某些产品质量类型的估计。
在这篇文章中,我们分享了 HAYAT HOLDING——一家在不同行业拥有 41 家公司的全球性公司,包括世界第四大品牌纸尿裤制造商 HAYAT 和世界第五大人造板制造商 KEAS——如何与 AWS 合作构建一个使用 Amazon SageMaker 模型训练、Amazon SageMaker 自动模型调整和 Amazon SageMaker 模型部署的解决方案,以持续改进运营绩效、提高产品质量并优化中密度纤维板 (MDF) 木板的制造产量。
现场专家可以通过仪表板近乎实时地观察产品质量预测和胶粘剂消耗推荐结果,从而实现更快的反馈循环。 实验室结果表明产生的重大影响相当于每年节省 300,000 美元,通过防止不必要的化学废物减少生产中的碳足迹。
HAYAT HOLDING 中基于机器学习的预测质量
HAYAT是全球第四大品牌婴儿纸尿裤制造商,也是欧洲、中东和非洲地区最大的纸巾制造商。 KEAS(Kastamonu Entegre Ağaç Sanayi)是HAYAT HOLDING的子公司,在人造板行业生产,定位为欧洲第四,世界第五。
中密度纤维板 (MDF) 是一种工程木制品,通过将木材残余物分解成纤维,将其与粘合剂结合,并通过施加高温和压力将其成型为面板。 它有许多应用领域,如家具、橱柜和地板。
MDF 木板的生产需要大量使用粘合剂(HAYAT HOLDING 每年消耗两位数吨)。
在典型的生产线中,使用数百个传感器。 产品质量由数十个参数来标识。 使用正确体积的粘合剂是一项重要的成本项目,也是所生产面板的重要质量因素,例如密度、螺钉固定能力、拉伸强度、弹性模量和弯曲强度。 过度使用胶水会增加生产成本,而胶水使用不当则会引发质量问题。 不正确的使用会在一个班次中造成高达数万美元的损失。 挑战在于质量对生产过程的依赖性递减。
人工操作员根据领域专业知识决定要使用的胶水量。 这种专有技术完全是经验性的,需要多年的专业知识才能建立能力。 为了支持人类操作员的决策,对选定的样品进行实验室测试以精确测量生产过程中的质量。 实验室结果向操作员提供反馈,揭示产品质量水平。 然而,实验室测试不是实时的,并且最多会延迟几个小时。 人类操作员使用实验室结果逐步调整胶水消耗量以达到所需的质量阈值。
解决方案概述
使用 ML 进行质量预测非常强大,但需要付出努力和技能来设计、与制造过程集成和维护。 在 AWS 原型设计专家和 AWS 合作伙伴 Deloitte 的支持下,HAYAT HOLDING 构建了一个端到端的管道,如下所示:
- 将传感器数据从生产工厂提取到 AWS
- 执行数据准备和 ML 模型生成
- 在边缘部署模型
- 创建操作员仪表板
- 编排工作流程
下图说明了解决方案体系结构。
数据提取
HAYAT HOLDING 拥有用于获取、记录、分析和处理测量数据的最先进的基础设施。
此用例存在两种类型的数据源。 工艺参数是为特定产品的生产而设定的,通常在生产过程中不会改变。 传感器数据是在制造过程中获取的,代表了机器的实际状况。
输入数据通过 OPC-UA 通过 SiteWise Edge Gateway 从工厂流出 AWS IoT Greengrass. 总共导入了 194 个传感器,用于提高预测的准确性。
使用 SageMaker 自动模型调整进行模型训练和优化
在模型训练之前,执行一组数据准备活动。 例如,MDF 面板厂在同一条生产线上生产多种不同的产品(多种类型和尺寸的木板)。 每个批次与不同的产品相关联,具有不同的原材料和不同的物理特性。 虽然设备和过程时间序列是连续记录的,可以看作是一个以时间为索引的单流时间序列,但它们需要根据它们关联的批次进行分段。 例如,在一个班次中,产品面板可能会生产不同的持续时间。 生产的中密度纤维板的样本会不时送往实验室进行质量测试。 其他特征工程任务包括特征缩减、缩放、使用 PCA(主成分分析)的无监督降维、特征重要性和异常值检测。
在数据准备阶段之后,使用两阶段方法构建 ML 模型。 实验室测试样品是通过从传送带上间歇随机抽取产品进行的。 样品被送到实验室进行质量测试。 由于无法实时呈现实验室结果,因此反馈循环相对较慢。 第一个模型经过训练以预测产品质量参数的实验室结果:密度、弹性、抗拉力、膨胀、吸水、表面耐久性、水分、表面吸力和抗弯曲性。 第二个模型经过训练,可以根据预测的输出质量推荐生产中使用的胶水量。
设置和管理自定义 ML 环境可能既费时又麻烦。 亚马逊SageMaker 提供了一套 内置算法、预训练模型和预构建解决方案模板,以帮助数据科学家和 ML 从业者快速开始训练和部署 ML 模型。
使用 SageMaker 内置算法针对生产最多的前 N 个产品类型和不同的质量参数训练了多个 ML 模型。 质量预测模型识别胶水使用和九个质量参数之间的关系。 推荐模型使用以下方法预测满足质量要求的最小胶水用量:算法从允许的最高胶水量开始,如果满足所有要求,则逐步减少胶水量,直到达到允许的最小胶水量。 如果最大胶量不能满足所有要求,就会报错。
SageMaker 自动模型调整,也称为超参数调整,通过使用您指定的算法和超参数范围在您的数据集上运行许多训练作业来找到模型的最佳版本。 然后,它会根据您选择的指标来选择导致模型性能最佳的超参数值。
通过自动模型调整,团队专注于定义正确的目标、确定超参数和搜索空间的范围。 自动模型调整负责其余部分,包括基础设施、并行运行和编排训练作业,以及改进超参数选择。 自动模型调整提供了广泛的训练实例类型。 该模型使用基于贝叶斯搜索理论的超参数调整方法的智能版本在 c5.x2large 实例类型上进行了微调,旨在在最短的时间内找到最佳模型。
边缘推理
有多种方法可用于部署 ML 模型以获得预测。
SageMaker 实时推理 非常适合需要实时、交互式、低延迟的工作负载。 在原型设计阶段,HAYAT HOLDING 将模型部署到 SageMaker 托管服务并获得由 AWS 完全托管的端点。 SageMaker 多模型端点 为部署大量模型提供可扩展且具有成本效益的解决方案。 他们使用相同的资源队列和共享服务容器来托管您的所有模型。 与使用单一模型端点相比,这通过提高端点利用率来降低托管成本。 它还减少了部署开销,因为 SageMaker 管理内存中的加载模型并根据端点的流量模式扩展它们。
SageMaker 实时推理与多模型端点结合使用,以优化成本并使所有模型在开发过程中始终可用。 虽然针对每种产品类型使用 ML 模型可以提高推理准确率,但开发和测试这些模型的成本相应增加,并且管理多个模型也变得困难。 SageMaker 多模型端点解决了这些痛点,并为团队提供了一个快速且经济高效的解决方案来部署多个 ML 模型。
亚马逊 SageMaker 边缘 为边缘设备提供模型管理,以便您可以优化、保护、监控和维护边缘设备队列上的 ML 模型。 在边缘设备上运行 ML 模型具有挑战性,因为与云实例不同,设备的计算、内存和连接性有限。 部署模型后,您需要持续监控模型,因为模型漂移会导致模型质量随时间衰减。 跨设备群监控模型很困难,因为您需要编写自定义代码来从您的设备收集数据样本并识别预测中的偏差。
对于生产,SageMaker Edge Manager 代理用于对加载到 AWS IoT Greengrass 设备上的模型进行预测。
结论
HAYAT HOLDING 正在评估一个高级分析平台作为其数字化转型战略的一部分,并希望将 AI 引入组织以预测生产质量。
在 AWS 原型设计专家和 AWS 合作伙伴 Deloitte 的支持下,HAYAT HOLDING 构建了独特的数据平台架构和 ML 管道,以满足长期的业务和技术需求。
HAYAT KIMYA 在其中一家工厂中集成了 ML 解决方案。 实验室结果表明产生的重大影响相当于每年节省 300,000 美元,通过防止不必要的化学废物减少生产中的碳足迹。 该解决方案通过仪表板近乎实时地呈现产品质量预测和胶粘剂消耗推荐结果,从而为操作员提供更快的反馈循环。 该解决方案最终将部署在 HAYAT HOLDING 的其他木板工厂中。
机器学习是一个高度迭代的过程; 在单个项目的过程中,数据科学家训练了数百个不同的模型、数据集和参数,以寻求最大的准确性。 SageMaker 提供最完整的工具集来利用 ML 的力量。 它可以让您大规模地组织、跟踪、比较和评估 ML 实验。 使用 SageMaker 内置算法、自动模型调整、实时推理和多模型端点,您可以提高 ML 团队的底线影响,从而显着提高生产力。
通过使用以下方法实现从边缘到云端的业务方法现代化,加快取得成果的时间并优化运营 AWS 上的机器学习. 利用行业特定的创新和解决方案 适用于工业的 AWS.
在评论中分享您的反馈和问题。
关于 HAYAT HOLDING
HAYAT HOLDING 成立于 1937 年,如今已成为一家全球性公司,在不同行业拥有 41 家公司,包括快速消费品领域的 HAYAT、人造板领域的 KEAS (Kastamonu Entegre Ağaç Sanayi)、和港口管理部门的 LIMAS,拥有超过 17,000 名员工。 HAYAT HOLDING 向全球数百万消费者提供在 49 个国家的 36 个生产设施中采用先进技术生产的 13 个品牌。
Hayat 成立于 1987 年,在快速消费品领域开展业务。如今,Hayat 在全球 21 个国家拥有 8 个生产设施,在全球化的道路上快速前进,是全球第四大品牌纸尿裤制造商和最大的纸巾制造商中东、东欧和非洲的生产商,也是快速消费品领域的主要参与者。 Hayat 拥有 16 个强大的品牌,包括卫生、家庭护理、纸巾和个人健康类别的 Molfix、Bebem、Molped、Joly、Bingo、Test、Has、Papia、Familia、Teno、Focus、Nelex、Goodcare 和 Evony将 HAYAT* 带到 100 多个国家/地区的数百万家庭。
Kastamonu Entegre Ağaç Sanayi (KEAS) 是 HAYAT HOLDING 在其工业化进程中的第一笔投资,成立于 1969 年。它继续不间断地成长,成为该领域的全球强国,在欧洲排名第四,在世界排名第五。 KEAS 拥有约 7,000 名员工,在行业中排名第一,产品出口到 100 多个国家。
*“Hayat”在土耳其语中意为“生命”。
参考资料
- Tercan H,“基于机器学习和深度学习的制造业预测质量:系统评价”,《智能制造杂志》,2022 年。
关于作者
内斯利汉·埃尔多安,(电气工程理学士和理学硕士),作为信息技术专家、架构师和经理,担任过各种技术和业务职务。 她一直在 HAYAT 担任全球工业 IT 经理,领导工业 4.0、数字化转型、OT 安全以及数据和人工智能项目。
恰格里·尤特塞文 (Bogazici 大学电气电子工程学士学位)是 Amazon Web Services 的企业客户经理。 他在土耳其领导可持续发展和工业物联网计划,同时通过在 AWS 上展示可能性的艺术来帮助客户充分发挥潜力。
岑克塞金 (博士 – 电气电子工程)是 AWS EMEA 原型实验室的首席经理。 他使用物联网、分析、人工智能/机器学习和无服务器等新兴技术,为客户探索、构思、工程和开发最先进的解决方案提供支持。
哈桑-巴斯里·阿基马克 (计算机工程理学学士和理学硕士以及商学院行政工商管理硕士)是 Amazon Web Services 的首席解决方案架构师。 他是一名商业技术专家,为企业部门的客户提供咨询服务。 他的专业领域是设计大规模数据处理系统和机器学习解决方案的架构和业务案例。 Hasan 曾为欧洲、中东和非洲的客户提供业务开发、系统集成和项目管理服务。 自 2016 年以来,他在创业孵化计划中无偿指导了数百名企业家。
穆斯塔法阿尔德米尔 (电气电子工程理学士、机电一体化理学硕士和计算机科学博士生)是 Amazon Web Services 的机器人原型制作负责人。 他一直在为 EMEA 的一些最大客户设计和开发物联网和机器学习解决方案,并领导他们的团队实施这些解决方案。 同时,他一直在亚马逊机器学习大学和牛津大学教授人工智能课程。
- SEO 支持的内容和 PR 分发。 今天得到放大。
- 柏拉图区块链。 Web3 元宇宙智能。 知识放大。 访问这里。
- Sumber: https://aws.amazon.com/blogs/machine-learning/hayat-holding-uses-amazon-sagemaker-to-increase-product-quality-and-optimize-manufacturing-output-saving-300000-annually/
- :是
- $UP
- 000
- 1
- 100
- 2016
- 2022
- 7
- 8
- a
- 对,能力--
- 因此
- 账号管理
- 收购
- 横过
- 活动
- 增加
- 地址
- 高级
- 优点
- 指导
- 非洲
- 后
- 经纪人
- AI
- AI / ML
- 算法
- 算法
- 所有类型
- 尽管
- Amazon
- 亚马逊机器学习
- 亚马逊SageMaker
- 亚马逊网络服务
- 量
- 分析
- 分析
- 分析
- 和
- 每年
- 应用领域
- 应用的
- 应用
- 的途径
- 约
- 架构
- 保健
- 国家 / 地区
- 地区
- 围绕
- 艺术
- AS
- 相关
- At
- 自动表
- 自动化和干细胞工程
- 可使用
- AWS
- AWS IoT Greengrass
- 母婴
- 基于
- 基础
- 贝叶斯
- BE
- 因为
- 成为
- 成为
- 最佳
- 之间
- 最大
- 无所畏惧
- 促进
- 品牌
- 品牌
- 破坏
- 带来
- 带来
- 平衡计分卡
- 建立
- 建
- 内建的
- 商业
- 业务发展
- by
- CAN
- 碳
- 关心
- 案件
- 例
- 类别
- 原因
- 原因
- 一定
- 挑战
- 挑战
- 特点
- 化学
- 分类
- 客户
- 云端技术
- 码
- 收集
- 结合
- 注释
- 公司
- 比较
- 相比
- 完成
- 元件
- 计算
- 一台
- 计算机工程
- 计算机科学
- 流程条件
- 进行
- 连接方式
- 消费
- 消费者
- 消费者
- 消费
- 容器
- 继续
- 一直
- 价格
- 经济有效
- 成本
- 国家
- 套餐
- 课程
- 习俗
- 合作伙伴
- data
- 数据平台
- 资料准备
- 数据处理
- 数据集
- 决定
- 决定
- 决策
- 深
- 深入学习
- 定义
- 延迟
- 提升
- 交付
- 提供
- 德勤会计师事务所
- 依赖
- 根据
- 部署
- 部署
- 部署
- 部署
- 设计
- 设计
- 设计
- 检测
- 发展
- 研发支持
- 设备
- 设备
- 不同
- 难
- 数字
- 数字化改造
- 数字化
- 不同
- 不会
- 美元
- 域
- 向下
- 耐久力
- ,我们将参加
- 每
- 东部
- 东
- 东欧洲
- 边缘
- 效果
- 努力
- 电子
- 欧洲与中东地区
- 新兴经济体的新市场。
- 新兴技术
- 员工
- 端至端
- 端点
- 工程师
- 巨大
- 企业
- 企业家
- 环境中
- 设备
- 埃尔多安
- 错误
- 评估
- 欧洲
- 评估
- 评估
- 终于
- 例子
- 执行
- 专门知识
- 专家
- 勘探
- 出口
- 广泛
- 快速移动
- 快
- 专栏
- 反馈
- 纤维
- 部分
- 找到最适合您的地方
- 发现
- (名字)
- 舰队
- 专注焦点
- 重点
- 以下
- 如下
- Footprint
- 针对
- Foundations
- 公司成立
- 第四
- 止
- ,
- 充分
- 网关
- 得到
- 给
- 给
- 全球
- 全球化路线
- 货
- 渐渐
- 毕业
- 事业发展
- 客人
- 游客发表
- 马具
- 有
- 健康管理
- 保持
- 帮助
- 帮助
- 高
- 更高
- 最高
- 高度
- 保持
- 主页
- 家庭护理
- 家园
- 主持人
- 托管
- 托管费用
- 托管服务
- HOURS
- 创新中心
- HTML
- HTTPS
- 人
- 数百
- 超参数调整
- 理想
- 鉴定
- 确定
- 鉴定
- 影响力故事
- 实施
- 重要性
- 重要
- 改善
- 改善
- 改善
- in
- 包括
- 包含
- 增加
- 增加
- 孵化
- 表明
- 产业
- 物联网产业
- 行业
- 行业中的应用:
- 行业4.0
- 行业特定
- 信息
- 基础设施
- 项目
- 创新
- 例
- 整合
- 集成
- 积分
- 智能化
- 互动
- 网络
- 物联网
- 投资
- 物联网
- IT
- 它的
- 工作机会
- 日志
- JPG
- 已知
- 实验室
- 实验室
- 实验室
- 大
- 最大
- 铅
- 领导
- 学习
- 导致
- 让
- 各级
- 有限
- Line
- 装载
- 长期
- 机
- 机器学习
- 制成
- 保持
- 主要
- 使
- 制作
- 管理
- 管理
- 颠覆性技术
- 经理
- 管理
- 管理的
- 生产厂家
- 制造业
- 许多
- 物料
- 最大
- 最多
- 手段
- 与此同时
- 衡量
- 内存
- 方法
- 方法
- 公
- 中间
- 中东
- 百万
- 最低限度
- ML
- 模型
- 模型
- 显示器
- 监控
- 更多
- 最先进的
- 移动
- 多
- 需求
- 需要
- 虽然
- 数字
- 目标
- of
- 优惠精选
- on
- 一
- 正在进行
- 操作
- 操作
- 运营
- 操作者
- 运营商
- 优化
- 优化
- 组织
- 其他名称
- 产量
- 牛津
- 牛津大学
- 面包
- 面板
- 面板
- 纸类
- 并行
- 参数
- 部分
- 特别
- 合伙人
- 径
- 模式
- 员工
- 性能
- 施行
- 个人
- 相
- 的
- 管道
- Plants
- 平台
- 柏拉图
- 柏拉图数据智能
- 柏拉图数据
- 播放机
- 点
- 贫困
- 定位的
- 可能
- 帖子
- 潜力
- 功率
- 强大
- 恰恰
- 预测
- 都曾预测
- 预测
- 预测
- 呈现
- 压力
- 预防
- 校长
- 问题
- 过程
- 过程
- 处理
- 生产
- 生成
- 制片人
- 产品
- 产品质量
- 生产
- 生产率
- 核心产品
- 曲目
- 训练课程
- 项目
- 项目
- 原型
- 提供
- 提供
- 拉
- 质量
- 有疑问吗?
- 很快
- 提高
- 随机
- 范围
- 行列
- 快
- 急速
- 原
- 真实
- 实时的
- 实现
- 承认
- 建议
- 推荐
- 记录
- 了解
- 减少
- 减少
- 关系
- 相对
- 代表
- 必须
- 岗位要求
- 需要
- 抵制
- 资源
- REST的
- 导致
- 导致
- 成果
- 揭示
- 机器人
- 角色
- 运行
- sagemaker
- SageMaker 自动模型调整
- 同
- 满意
- 保存
- 储
- 可扩展性
- 鳞片
- 缩放
- 学校
- 科学
- 科学家
- 作用域
- 搜索
- 其次
- 扇形
- 安全
- 段
- 选
- 选择
- 传感器
- 系列
- 无服务器
- 特色服务
- 服务
- 集
- 几个
- Share
- 共用的,
- 转移
- 显著
- 自
- Since2016
- 单
- 尺寸
- 歪斜
- 技能
- 放慢
- So
- 方案,
- 解决方案
- 一些
- 来源
- 太空
- 专家
- 专家
- 其他
- 开始
- 启动
- 启动
- 国家的最先进的
- 步
- 策略
- 流
- 实力
- 补贴
- 这样
- 套房
- SUPPORT
- 支持
- 磁化面
- 永续发展
- 产品
- 采取
- 需要
- 任务
- 团队
- 队
- 文案
- 技术
- 技术专家
- 模板
- test
- 测试
- 测试
- 这
- 世界
- 其
- 他们
- 博曼
- 事
- 数千
- 门槛
- 通过
- 次
- 时间序列
- 耗时的
- 时
- 至
- 今晚
- 音
- 工具
- 最佳
- 合计
- 向
- 跟踪时
- 交通
- 培训
- 熟练
- 产品培训
- 转型
- 转型策略
- 土耳其
- 土耳其语
- 类型
- 普遍
- 独特
- 大学
- 用法
- 使用
- 用例
- 平时
- 价值观
- 各个
- 版本
- 通过
- 体积
- 通缉
- 废物回收
- 水
- 卷筒纸
- Web服务
- 井
- 而
- 宽
- 大范围
- 将
- 劳动力
- 加工
- 世界
- 世界
- 全世界
- 写
- 年
- 年
- 完全
- 您一站式解决方案
- 和风网