كيف تحدد ما إذا كان مفهوم الصناعة 4.0 هو واجب الشركة تجاه اتجاه الموضة أو استمرار منطقي لأفكار تطوير الأعمال؟
المؤشر هو محاسبة الطقس في منظمة الأعمال. مع الطقس ، كل شيء بسيط: هناك العديد من أجهزة الاستشعار ومحطات المراقبة والتحليلات التنبؤية غير المضحكة في شكل تنبؤات لآفاق زمنية مختلفة. بالإضافة إلى ذلك ، هناك بيانات تاريخية يمكن من خلالها إبراز ارتباط المؤشرات الإنتاجية والتجارية لعمل الشركة بالطقس.
من الواضح أن 60-70٪ من الأعمال التجارية تعتمد على الطقس. إذا قمت بحساب الإجازة المرضية للعمال ورعاية الأطفال ، فستكون النسبة أعلى.
بالإضافة إلى اعتماد الأعمال على الطقس ، هناك أيضًا اعتماد على الطقس في استهلاك منتجات الأعمال.
بالنسبة للفحم ، هذه انحرافات في الحرارة والبرودة. لمنتجي الأسمدة ، الجفاف أو المطر. بالنسبة للقطاع الزراعي والمزارع ، يتطلب كل نوع من أحداث الطقس استجابة مناسبة.
إذا أرادت الشركات الصناعية أن تحاول عمليًا تحقيق الصناعة 4.0 بأدنى حد من الاستثمار ، فإن إدخال عامل الاعتماد على الطقس في الاعتبار هو الخيار الأفضل. الرهان على الاعتماد على الطقس بمستوى الكفاءة الحالي ليس هو الخيار الأفضل. هناك العديد من المجالات الأخرى التي تضمن وجود مكاسب أكبر بكثير في الكفاءة.
بالنسبة للمجمع والمزارع الزراعية ، على العكس من ذلك ، فإن الاعتماد على الطقس هو عامل تشكيل النظام. يبدو أنه مع اقترابنا من حد الفعالية المتاح لأساليب الإدارة التنظيمية التقليدية ، من الضروري إجراء تجربة مكثفة في أساليب الإدارة الرقمية.
1. الذكاء الاصطناعي في الممارسة
أعلاه كنا نشعر بالاضطراب. لا توجد معادلات تصف الاضطراب بعد. يتم إعطاء تنبؤ موثوق به إلى حد ما للطقس لمدة 3 أيام فقط ، وهو نتيجة لبطء السرعة والقصور الذاتي لتدفقات الهواء.
تقع محطات الطقس بعيدًا بما يكفي عن بعضها البعض. في الولايات المتحدة ، تم حل هذه المشكلة جزئيًا عن طريق توصيل أكثر من 40 ألف محطة طقس خاصة بالشبكة العامة.
يتجلى الاضطراب في الممارسة العملية في حقيقة أنه اعتمادًا على تكوين التضاريس وحركة تدفقات الهواء ، قد تختلف قيم المؤشرات على مسافة 100-200 متر.
بالنسبة لمحطات الطقس المرتبطة بالتضاريس ، هناك حل لزيادة دقة التنبؤ بناءً على التعلم الآلي (الذكاء الاصطناعي). بناءً على الإحصائيات التي تم جمعها في هذه المرحلة ، يتم إجراء تصحيحات على التوقعات الرسمية الحالية ، والتي تأخذ في الاعتبار تكوين المناظر الطبيعية في هذه المرحلة.
2. منذ الطبيعة - انتقل إلى التقويم القمري
فيما يلي بيانات محطة الأرصاد الجوية Maloe Sareevo. تقع معظم المحطات بعيدًا عن بعضها البعض - في دوائر متباعدة عن موسكو. الخيار الوحيد ، عندما تكون المحطات قريبة بدرجة كافية وتتوافق مع رؤوس مثلث بحواف 17-20 كم ، هو مطار Maloye Sareyevo و Nemchinovka و Vnukovo. في هذه الحالة ، يمكنك بطريقة ما إعادة التحقق من النتائج.
Maloe Sareevo: بيانات درجة الحرارة (جزء من البيانات من 2005 إلى 2017 ، خطوط النهار زرقاء ، خطوط الليل بنية):
تم تقسيم جميع القياسات ، أولاً ، إلى فترات تقابل الشهر القمري ونصف فترات نمو القمر وانخفاضه. ثانيًا ، خلال قياسات يوم واحد ، تم تجميع القياسات في الليل والنهار وفقًا لأوقات شروق الشمس وغروبها ، كما تمت إعادة تهيئتها إلى فترة وحدة.
تعد إعادة التطبيع إلى فاصل زمني للوحدة أمرًا ضروريًا نظرًا لحقيقة أن نصف الفترات يمكن أن تختلف من يوم إلى يومين وتتحرك حدود الليل والنهار باستمرار في اليوم.
3. البيانات الكبيرة ليست خطية
البيانات المستلمة هي BigData. وحتى يتم الكشف عن الأنماط المخفية في الظواهر غير الخطية ، فإن هذه البيانات ليس لها فائدة عملية. لأنه من المستحيل صياغة بيانات أو قواعد لتحديد الأهداف.
كل ما تبقى هو تجربة وتطوير الحدس.
تم تجانس البيانات الأصلية باستخدام المتوسط المتحرك. في إطار من 4 صور:
- الصف العلوي:
الصورة اليسرى: اليوم الأصلي (أزرق) - الليلة الأولى (بني) ،
الصورة اليمنى: يوم ناعم (أزرق) - ليل ناعم (بني) ؛
- الصف السفلي:
الشكل الأيسر: اليوم الأصلي (أزرق) - يوم ناعم (بني) ،
الشكل الأيمن: الليل الأصلي (أزرق) - الليل الناعم (بني).
إن الجمع بين النهار والليل يربك الصورة كثيرًا بسبب تعقيد الديناميكيات. يتيح لك الفصل بين النهار والليل (صعوبة الحدود العائمة لشروق الشمس وغروبها) رؤية نفس الملف الشخصي تقريبًا مع إزاحة طفيفة (الصف العلوي ، الشكل الأيمن).
4. إغلاق الملامح: الموسمية وخارج الموسم
يمكن مقارنة ملفات التعريف الناتجة. كمقياس ، نستخدم قيمة تكامل القيمة المطلقة لجميع أزواج الوظائف. بالنسبة إلى Maly Sareev ، لدينا 83 فترة نصف قمرية من 2012 إلى 2017. يتم عرض توزيعات القيم المترية المستديرة في الجداول.
التوزيع التالي يتوافق مع هذه القيم.
يوضح الشكل أدناه نمط التداخل الموسمي: لمدة 4 سنوات بالنسبة إلى Maly Sareev لملفات تعريف النهار. ماتريكس 83x83. في إطار المقياس المقدم ، يمكن تتبع دورية معينة.
يمكن التخلي عن الموسمية بالابتعاد عن قيم درجة الحرارة المطلقة ومقارنة ملفات التعريف التي لا أبعاد لها فقط.
لن تكون نفس الملفات الشخصية ذات درجات الحرارة المختلفة قريبة. سنستخدم مقياسًا آخر: تكامل القيمة المطلقة لفرق الوظائف مع الإزاحة بمسافة متوسط الفرق بين الدوال التي تزيد عن 10 نقاط. سوف نطلق على هذه الملفات الشخصية في غير موسمها.
أصبح التوزيع أكثر تحديدًا - الأول موسمي ، والثاني خارج الموسم.
نمط التداخل الثاني أوضح أيضًا.
5. ماذا حدث وماذا يعطي؟
من الواضح أنه بعد الخريف سيكون هناك شتاء ، وبعد الشتاء سيكون هناك ربيع. من الواضح أيضًا أن توقعات الطقس يمكن الاعتماد عليها لمدة 3 أيام.
ما هي النتائج الجديدة التي تم الحصول عليها من النتائج؟ بناءً عليها ، من الممكن تصنيف التوقعات وفهم الملفات الشخصية التي يمكن تطويرها ، وفي أي تطوير غير مرجح.
6. ضباب في المطارات
يوضح المثال التالي الفوائد الواضحة لكتابة ملفات التعريف.
الضباب في المطارات مشكلة كبيرة. في الوضع الطبيعي ، يجب أن تنخفض درجة الحرارة مع الارتفاع. ومع ذلك ، إذا ظهرت طبقات هواء أكثر دفئًا عند مستوى معين من تلك الموجودة في الأسفل (أقرب إلى الأرض) ، فسيتشكل الضباب. لا يمكن فعل أي شيء مع الضباب ، ولكن إذا كانت هناك معلومات حول ضباب محتمل ، فإن الإجراءات التنظيمية يمكن أن تقلل بشكل كبير من الضرر الناجم عنه.
هناك أجهزة تقيس بشكل دوري درجة الحرارة من ارتفاع 50 مترًا إلى 1000 متر (إجمالي 20 قياسًا).
بالطريقة نفسها كما في السابق ، حدد الملفات الشخصية النموذجية (جزء).
قد تختلف الملفات الشخصية الموضحة على اليمين في المظهر عن تلك الموجودة على اليسار نظرًا لاختلاف أبعاد المقياس.
للتنبؤ ، من المهم ربط بيانات الجهاز بالبيانات المنتظمة لمحطة الطقس بالمطار. الصورة أدناه تلخص البيانات من مصدرين.
نتيجة لذلك ، تظهر مجموعات من سلسلة من القياسات ، جنبًا إلى جنب مع الظواهر الطبيعية ، والتي يمكن استخدامها كأساس لنظام التعلم الآلي لاكتشاف الضباب.
7. استنتاجات
إذا أرادت الشركات الصناعية أن تحاول عمليًا تحقيق الصناعة 4.0 بأدنى حد من الاستثمار ، فإن إدخال عامل الاعتماد على الطقس في الاعتبار هو الخيار الأفضل. الرهان على الاعتماد على الطقس بمستوى الكفاءة الحالي ليس هو الخيار الأفضل. هناك العديد من المجالات الأخرى التي تضمن وجود مكاسب أكبر بكثير في الكفاءة.
بالنسبة للمجمع والمزارع الزراعية ، على العكس من ذلك ، فإن الاعتماد على الطقس هو عامل تشكيل النظام. يبدو أنه مع اقترابنا من حد الفعالية المتاح لأساليب الإدارة التنظيمية التقليدية ، من الضروري إجراء تجربة مكثفة في أساليب الإدارة الرقمية.