09.10.2024 by Dr. Marc Egelhofer
AI a laboratóriumban: Műanyag-recyclátumok optimalizált adatelemzése és minőségellenőrzése
A laboratóriumok gyakran szembesülnek a különböző forrásokból és műszerekből származó túláradó adatmennyiséggel. Ennek az adatmennyiségnek a kezelése, elemzése és hasznosítása kihívást jelent, különösen akkor, ha az adatok különböző rendszerekben vannak elszigetelve. Ez különösen igaz a műanyag-feldolgozás során a polimer-újrahasznosítottak minőségellenőrzésére. A DIN SPEC 91446 négy minőségi szintet határoz meg az újrahasznosítható anyagok számára, amelyek az adatok minőségétől függnek. Minél magasabb a minőségi szint, annál több minőséggel kapcsolatos adatot kell gyűjteni.
A laboratórium számára a maximális minőség ezért a napi gyakorlatban elemzendő és dokumentálandó adatpontok maximális számát is jelenti. A laboratóriumok számára ezért az egyik legfontosabb kérdés, hogy az adatminőség és a hatékonyság növelése érdekében hogyan lehet a modern technológiákat, például a mesterséges intelligenciát (AI) integrálni a meglévő folyamatokba.
AI - Egy polimer újrahasznosított felhasználási eset
Az egyik esettanulmány egy műanyag-feldolgozót érint, amely különböző beszállítóktól szerez be újrahasznosított keverékeket. A vállalat erősen széttagolt adatkezeléssel szembesült. A minőségellenőrzéshez szükséges mért értékek különböző Excel-táblázatokban voltak szétszórva, és ezen adatok manuális elemzése jelentős erőforrásokat vett igénybe.
Ilyen környezetben a mesterséges intelligencia alkalmazása nem jelenthet jelentős könnyebbséget. A műanyag-feldolgozó csak egy adatalapú platform bevezetésével és egy AI-támogatott digitális asszisztenssel kombinálva tudta jelentősen optimalizálni folyamatait. A platform integrálta az összes releváns eszközadatot, így teljes áttekintést nyújtott az elemzett anyagokról.
A mesterséges intelligenciával támogatott digitális asszisztens ezután teljes mértékben ki tudja bontakoztatni a benne rejlő lehetőségeket - az összetett adatelemzéstől és az összefüggések azonosításától az adatok vizualizálásáig és a jelentéskészítésig.
Beszállítói felügyeleti forgatókönyv
Egy különösen szemléletes forgatókönyv mutatja be, hogyan válik egyszerűbbé a beszállítói felügyelet a mesterséges intelligencia segítségével. Az esettanulmány például azt mutatja be, hogyan lehetett egy egyszerű lekérdezéssel három különböző beszállító adatait elemezni, és gyorsan azonosítani a szállított tételek eltéréseit. Az egyik esetben a mesterséges intelligencia azonosította, hogy az egyik beszállító a megállapodás szerinti viszkozitás háromszorosát tartalmazó tételt szállított. Ez a pontos adatelemzés lehetővé tette a vállalat számára, hogy jobban értékelje a beszállítók minőségét, és megalapozott döntéseket hozzon a jövőbeli beszállítókkal kapcsolatban.
Lehetőség nyílt arra is, hogy előre elkerüljék a túl magas viszkozitású anyag használatát, ami komoly feldolgozási problémákhoz és alacsonyabb termékminőséghez vezethetett volna.
Következtetés
Ez a példa egy esettanulmányból mutatja, hogy a mesterséges intelligencia már nem a jövő víziója, hanem már ma is használják a laboratóriumokban. Segít hatékonyan elemezni a large adatmennyiséget, ezáltal biztosítva az újrahasznosított műanyagok minőségét. Az AI-támogatott adatkezelési megoldásokra támaszkodó laboratóriumok nemcsak az adatminőség javulásából, hanem jelentős idő- és erőforrás-megtakarításból is profitálnak. Ez végső soron növeli a versenyképességet és segít jobb termékek kifejlesztésében.
A teljes esettanulmányban további példákat olvashat arról, hogyan támogathatja az AI a laboratóriumokat:
