„Įmonėje nuspręsta įdiegti mašininio mokymosi modelį, leidžiantį tiksliai analizuoti didelius duomenų srautus. Algoritmas renka informaciją apie įrangos veikimą, nusidėvėjimą ir gedimus, todėl atpažįsta dėsningumus ir informuoja apie tikėtina artėjančius nesklandumus. Šis sprendimas leidžia efektyviai išnaudoti gamybinius pajėgumus ir išvengti netikėtų prastovų“, – apie metodo veikimo principą kalba A. Patalauskas.
Kaštus įmonei taupantis algoritmas
Iki modelio įdiegimo įranga įmonėje būdavo prižiūrima pagal iš anksto nustatytą grafiką, todėl ne visada spėta išvengti gedimų. Naujasis modelis grįstas matematiniais skaičiavimais, o jo naudojimas didina gamybos efektyvumą ir padeda sumažinti priežiūros išlaidas, nes remiasi kasdien gaunamais duomenimis.
„Dažnai analizuojant nuotolinio matavimo duomenis ir atnaujinant modelį, užtikrinamas tikslumas keičiantis įrangos darbo sąlygoms. Šio modelio duomenis stebi už techniką atsakinga komanda. Gaudami duomenis darbuotojai gali atlikti prevencinę priežiūrą ir efektyviau išnaudoti gamybinius pajėgumus“, – priduria A. Patalauskas.
„XGBoost“ modelis įmonėje įdiegtas sudalyvavus KTU Palangoje organizuojamose Matematinių sprendimų verslui ir pramonei dirbtuvėse. Jis nuolat testuojamas, tikrinant prognozių tikslumą ir tobulinant algoritmą. A. Patalauskas pastebi, kad šiandien versle taikomų įrankių matematika dar niekada nebuvo taip lengvai pasiekiama.
„Verslas kaupia daugybę duomenų, bet tikrasis iššūkis – rasti tinkamus prognozavimo, klasifikavimo, optimizavimo metodus, kurie padėtų gauti realią naudą. Organizuojamų dirbtuvių metu suteikiamos kompetencijos ir įžvalgos, apie kuriuos, įsitraukę į kasdienę įmonės veiklą, kartais net nepagalvojame “, – sako A. Patalauskas.
Žinios kaip tarpusavio mainai
Kiekvienais metais KTU organizuojamos matematinės dirbtuvės suteikia unikalią galimybę įmonėms pristatyti realias verslo problemas ir kartu su mokslininkais atrasti inovatyvius sprendimus. Šiose dirbtuvėse „SBA grupė“ dalyvauja jau ne pirmą kartą.