Procter & Gamble از هوش مصنوعی برای ساختن آینده تولید دیجیتال استفاده می کند

طی 184 سال گذشته، Procter & Gamble (P&G) با درآمد جهانی بیش از 76 میلیارد دلار در سال 2021 و استخدام بیش از 100000 نفر به یکی از بزرگترین شرکت های کالاهای مصرفی در جهان تبدیل شده است. برندهای آن نام های معروفی از جمله Charmin، Crest، Dawn، Febreze، Gillette، Olay، Pampers و Tide هستند.
در تابستان 2022، P&G وارد یک شراکت چند ساله با مایکروسافت شد تا پلتفرم تولید دیجیتال P&G را متحول کند. شرکا گفتند که از اینترنت صنعتی اشیا (IIoT)، دوقلوهای دیجیتال، داده ها و هوش مصنوعی برای ایجاد آینده تولید دیجیتال، ارائه سریعتر محصولات به مصرف کنندگان و بهبود رضایت مشتری و در عین حال افزایش بهره وری و کاهش هزینه ها استفاده خواهند کرد.
ویتوریو کرتلا، مدیر ارشد اطلاعات P&G گفت: «هدف اصلی تحول دیجیتال ما کمک به یافتن راه‌حل‌های استثنایی برای مشکلات روزمره میلیون‌ها مصرف‌کننده در سراسر جهان است، در حالی که ایجاد رشد و ارزش برای همه سهامداران می‌کند.» برای دستیابی به این هدف، کسب و کار از داده ها، هوش مصنوعی و اتوماسیون برای ارائه چابکی و مقیاس، سرعت بخشیدن به نوآوری و بهبود بهره وری در هر کاری که انجام می دهیم استفاده می کند.
دگرگونی دیجیتالی پلتفرم تولید P&G به شرکت اجازه می‌دهد تا کیفیت محصول را در زمان واقعی مستقیماً در خط تولید تأیید کند، انعطاف‌پذیری تجهیزات را در عین اجتناب از اتلاف به حداکثر برساند و استفاده از انرژی و آب را در کارخانه‌های تولیدی بهینه کند. کرتلا گفت P&G با ارائه کیفیت پیش‌بینی مقیاس‌پذیر، تعمیر و نگهداری پیش‌بینی‌شده، انتشار کنترل‌شده، عملیات بدون لمس و پایداری تولید بهینه، تولید را هوشمندتر خواهد کرد. به گفته وی، تا به امروز چنین کارهایی در این مقیاس در تولید انجام نشده است.
این شرکت آزمایش‌هایی را در مصر، هند، ژاپن و ایالات متحده با استفاده از Azure IoT Hub و IoT Edge راه‌اندازی کرده است تا به تکنسین‌های تولید کمک کند تا داده‌ها را برای بهبود تولید محصولات مراقبت از کودک و کاغذ تجزیه و تحلیل کنند.
به عنوان مثال، تولید پوشک شامل مونتاژ چندین لایه مواد با سرعت و دقت بالا برای اطمینان از جذب مطلوب، مقاومت در برابر نشت و راحتی است. پلتفرم های جدید اینترنت اشیا صنعتی از تله متری ماشینی و تجزیه و تحلیل با سرعت بالا برای نظارت مستمر خطوط تولید برای تشخیص زودهنگام و جلوگیری از مشکلات احتمالی در جریان مواد استفاده می کنند. این به نوبه خود زمان چرخه را کاهش می دهد، تلفات شبکه را کاهش می دهد و کیفیت را تضمین می کند و در عین حال بهره وری اپراتور را افزایش می دهد.
P&G همچنین در حال آزمایش با استفاده از اینترنت صنعتی اشیا، الگوریتم های پیشرفته، یادگیری ماشین (ML) و تجزیه و تحلیل پیش بینی برای بهبود کارایی در تولید محصولات بهداشتی است. P&G اکنون بهتر می تواند طول ورقه های بافت تمام شده را پیش بینی کند.
تولید هوشمند در مقیاس چالش برانگیز است. این امر مستلزم جمع‌آوری داده‌ها از حسگرهای دستگاه، استفاده از تجزیه و تحلیل پیشرفته برای ارائه اطلاعات توصیفی و پیش‌بینی‌کننده و خودکار کردن اقدامات اصلاحی است. فرآیند انتها به انتها به چندین مرحله از جمله یکپارچه سازی داده ها و توسعه الگوریتم، آموزش و استقرار نیاز دارد. همچنین شامل حجم زیادی از داده ها و پردازش در زمان واقعی است.
کرتلا می‌گوید: «راز مقیاس‌پذیری کاهش پیچیدگی با ارائه اجزای مشترک در لبه و در ابر مایکروسافت است که مهندسان می‌توانند از آنها برای استقرار موارد استفاده مختلف در محیط‌های تولیدی خاص بدون نیاز به ساختن همه چیز از ابتدا استفاده کنند.»
کرتلا گفت که با ساخت مایکروسافت آژور، P&G اکنون می تواند داده های بیش از 100 سایت تولیدی در سراسر جهان را دیجیتالی و یکپارچه کند و هوش مصنوعی، یادگیری ماشین و خدمات محاسبات لبه را برای دستیابی به دید در زمان واقعی افزایش دهد. این به نوبه خود به کارکنان P&G اجازه می‌دهد تا داده‌های تولید را تجزیه و تحلیل کنند و از هوش مصنوعی برای تصمیم‌گیری استفاده کنند که باعث بهبود و تأثیر تصاعدی شود.
کرتلا گفت: «دسترسی به این سطح از داده ها در مقیاس در صنعت محصولات مصرفی نادر است.
پنج سال پیش، Procter & Gamble اولین گام را برای توسعه هوش مصنوعی برداشت. آن چیزی را که کرتلا «مرحله آزمایشی» می‌نامد را پشت سر گذاشته است، جایی که راه‌حل‌ها در مقیاس رشد می‌کنند و کاربردهای هوش مصنوعی پیچیده‌تر می‌شوند. از آن زمان، داده ها و هوش مصنوعی به عناصر اصلی استراتژی دیجیتال این شرکت تبدیل شده اند.
کرتلا گفت: «ما از هوش مصنوعی در همه جنبه‌های کسب‌وکارمان برای پیش‌بینی نتایج و به‌طور فزاینده‌ای از طریق اتوماسیون برای اطلاع‌رسانی اقدامات استفاده می‌کنیم». ما برنامه هایی برای نوآوری محصول داریم که از طریق مدل سازی و شبیه سازی، می توانیم چرخه توسعه فرمول های جدید را از ماه ها به هفته ها کاهش دهیم. راه های تعامل و ارتباط با مصرف کنندگان، استفاده از هوش مصنوعی برای ایجاد دستور العمل های جدید در زمان مناسب. کانال ها و محتوای مناسب پیام برند را به هر یک از آنها منتقل می کند.
کرتلا گفت، P&G همچنین از تجزیه و تحلیل پیش‌بینی‌کننده استفاده می‌کند تا اطمینان حاصل کند که محصولات این شرکت در میان شرکای خرده‌فروشی «مصرف‌کنندگان از کجا، چه زمانی و چگونه خرید می‌کنند» در دسترس هستند. مهندسان P&G همچنین از هوش مصنوعی Azure برای ارائه کنترل کیفیت و انعطاف‌پذیری تجهیزات در طول تولید استفاده می‌کنند.
در حالی که راز مقیاس‌پذیری P&G مبتنی بر فناوری است، از جمله سرمایه‌گذاری در داده‌های مقیاس‌پذیر و محیط‌های هوش مصنوعی ساخته شده بر روی دریاچه‌های داده‌ای متقابل، کرتلا گفت که سس مخفی P&G در مهارت‌های صدها دانشمند و مهندس داده با استعداد است که تجارت شرکت را درک می‌کنند. . برای این منظور، آینده P&G در اتخاذ اتوماسیون هوش مصنوعی نهفته است، که به مهندسان، دانشمندان داده و مهندسان یادگیری ماشین این امکان را می‌دهد که زمان کمتری را صرف کارهای دستی وقت‌گیر و تمرکز بر حوزه‌هایی کنند که ارزش افزوده دارند.
او گفت: «اتوماسیون هوش مصنوعی همچنین به ما اجازه می‌دهد تا محصولات با کیفیت ثابت ارائه کنیم و سوگیری و ریسک را مدیریت کنیم. صنعت.” ”
یکی دیگر از عناصر دستیابی به چابکی در مقیاس، رویکرد "ترکیبی" P&G برای ایجاد تیم در سازمان فناوری اطلاعات آن است. P&G سازمان خود را بین تیم های مرکزی و تیم های تعبیه شده در دسته ها و بازارهای خود متعادل می کند. تیم‌های مرکزی پلتفرم‌های سازمانی و پایه‌های فناوری را می‌سازند و تیم‌های تعبیه‌شده از این پلت‌فرم‌ها و پایه‌ها برای ساخت راه‌حل‌های دیجیتالی استفاده می‌کنند که به قابلیت‌های تجاری خاص بخش خود می‌پردازد. Cretella همچنین خاطرنشان کرد که این شرکت جذب استعدادها را به ویژه در زمینه هایی مانند علم داده، مدیریت ابر، امنیت سایبری، توسعه نرم افزار و DevOps در اولویت قرار داده است.
برای تسریع در تحول P&G، مایکروسافت و P&G یک دفتر عملیات دیجیتال (DEO) متشکل از کارشناسان هر دو سازمان ایجاد کردند. DEO به عنوان یک انکوباتور برای ایجاد موارد تجاری با اولویت بالا در زمینه های تولید محصول و فرآیندهای بسته بندی عمل می کند که P&G می تواند در سراسر شرکت پیاده سازی کند. Cretella آن را بیشتر به عنوان یک دفتر مدیریت پروژه می بیند تا یک مرکز برتر.
او گفت: «او همه تلاش‌های تیم‌های نوآوری مختلف را که روی موارد استفاده تجاری کار می‌کنند هماهنگ می‌کند و اطمینان می‌دهد که راه‌حل‌های اثبات‌شده توسعه‌یافته به‌طور مؤثر در مقیاس اجرا می‌شوند.
Cretella توصیه هایی برای مدیران ارشد فناوری اطلاعات دارد که سعی در ایجاد تحول دیجیتال در سازمان خود دارند: «ابتدا، از علاقه خود به کسب و کار و اینکه چگونه می توانید از فناوری برای ایجاد ارزش استفاده کنید، انگیزه و انرژی بگیرید. دوم، برای انعطاف پذیری و یادگیری واقعی تلاش کنید. کنجکاوی در نهایت، روی افراد سرمایه‌گذاری کنید - تیمتان، همکارانتان، رئیس‌تان - زیرا فناوری به تنهایی همه چیز را تغییر نمی‌دهد، مردم این کار را می‌کنند.»
Tor Olavsrud تجزیه و تحلیل داده، هوش تجاری و علم داده را برای CIO.com پوشش می دهد. او در نیویورک زندگی می کند.