Как искусственный интеллект повышает производительность труда
Уделяя огромное внимание Индустрии 4.0 и Интернету вещей (IoT), производители остро осознают необходимость использования автоматизации, машинного обучения и больших данных для повышения качества своих операций. Однако применение технологий Индустрии 4.0 для оценки и повышения производительности труда людей, которые выполняют около 75 процентов задач в производственных цехах, ограничено. Инструменты, которые в настоящее время используются для измерения производительности человека, крайне неадекватны, часто неточны и обычно выполняются вручную.
Недавний опрос A.T. Кирни и Дришти из 100 руководителей производства сосредоточились на усилиях производителей по измерению задач, выполняемых его сотрудниками, а также на проблемах, с которыми они столкнулись при сборе надежных показателей. Опрос показал, что:
- Около 72 процентов всех производственных задач выполняются людьми.
- Люди создают 71 процент стоимости операции по сравнению с роботами.
Производительность человека представляет собой большое количество оперативного влияния, которое для большинства производителей не было эффективно проанализировано. Существует очень мало цифровых методов для сбора больших объемов данных, отражающих эти действия человека, а отсутствие точной аналитики затрудняет принятие полностью обоснованных решений менеджерами.
«Без достаточной аналитики задач, выполняемых людьми, экспоненциально сложнее смягчить изменчивость и отследить дефекты до источника», — говорится в отчете Kearney. Поскольку 73 процента изменчивости в производственном цеху исходит от людей, а не от машин, разработка улучшенной аналитики имеет решающее значение для максимизации операционной эффективности, производительности и качества.
К сожалению, большинство производителей по-прежнему полагаются на устаревшие и неточные методы измерения.Согласно отчету, 71 процент респондентов назвали исследования времени и движения важными (хотя и часто ошибочными) данными; однако на проведение этих исследований уходит почти 40 процентов рабочего времени инженера. Анализ первопричин (RCA) — еще один трудоемкий процесс, который занимает почти такое же количество времени сотрудников, что составляет более 60 часов в месяц.
«Значительная часть времени наших инженеров-технологов тратится на работу, не добавляющую ценности, в частности на сбор и анализ данных вручную», — отмечает Раджа Шембекар, директор по развитию процессов и исследований в Denso, мировом производителе автомобильных компонентов. «Это накладные расходы и не добавляет ценности».
Подход Индустрии 4.0
Искусственный интеллект (ИИ) и машинное обучение могут генерировать ценные данные о производительности человека, что особенно важно для выявления и устранения причин изменчивости выполняемых человеком задач. Эти данные генерируются гораздо более подробно, за гораздо меньшее время и без человеческого фактора, по сравнению с ручными методами, предоставляя HR и руководителям цехов быстрый доступ к ценной и систематизированной информации. ИИ позволяет отслеживать вовлеченность сотрудников и анализировать успех выполнения ими годовых или ежемесячных целей. Например, британская компания WorkCompass утверждает, что ИИ может повысить производительность сотрудников на 10 и более процентов, отслеживая производительность в течение года, а не полагаясь на два шестимесячных обзора производительности.
ИИ также может ускорить исследования RCA, которые до сих пор часто выполняются вручную инженерами по процессам, качеству и техническому обслуживанию, что отнимает драгоценное время. Еще одним недостатком ручного RCA является то, что выводы, как правило, «не распределяются между производственными площадками, в результате чего фабрики/заводы одной компании повторяют ошибки друг друга, что приводит к незапланированным простоям, которые можно было бы предотвратить», — говорит Лиор Китаин, менеджер по маркетингу Seebo. , поставщик промышленных платформ IoT.
Автоматизированные методы искусственного интеллекта и машин для проведения RCA беспристрастны и основаны на исторических данных и данных в реальном времени из производственного цеха. «Способность ИИ формулировать прогнозы, касающиеся производительности и состояния машины, вместо того, чтобы ждать катастрофы, дает целый ряд преимуществ, влияющих на итоговую прибыль», — продолжает Китэйн. «Управляемая данными автоматизированная система RCA, которая является точной и прогнозирующей, а также предлагает полезную информацию, может использоваться совместно сотрудничающими объектами».
В строительной отрасли ИИ используется для улучшения эргономики рабочих. Недавнее исследование, проведенное Университетом Ватерлоо, показывает, что датчики движения и искусственный интеллект могут определить наиболее безопасные и продуктивные эргономические условия для кладки кирпича. Например, мастера-каменщики используют такие движения, как раскачивание блоков, а не их подъем, что позволяет им работать в два раза быстрее с вдвое меньшим усилием и гораздо меньшим риском получения травмы. «Наша команда продолжает искать способы, с помощью которых ИИ может извлекать безопасные позы, которые опытные работники используют для безопасного и эффективного выполнения работы, в качестве первого шага к созданию учебного пособия для начинающих работников», — говорит руководитель исследования Абдуллатиф Альвасель, профессиональный инженер с Специалист по кинематике человека.
Движение вперед
В конечном счете, искусственный интеллект может помочь HR-персоналу и руководителям цехов оптимизировать задачи и получить беспрецедентное представление о реальном потенциале производительности сотрудников, отмечает Джереми Нанн, основатель и директор Workmetrics, поставщика программного обеспечения для управления персоналом. «Все это делается без ограничений человеческой предвзятости и способности к ошибкам, что делает ИИ инструментом управления персоналом будущего, преимущества которого уже созрели для использования», — говорит он.
