Przejdź do artykułu
2020-07-14 | Kaizen&Lean

Inteligentny kamerdyner

Wykorzystanie metod sztucznej inteligencji (Artificial Intelligence – AI, SI) szczególnie w produkcji przemysłowej ma dzisiaj ogromny potencjał. To już nie tylko analiza danych na potrzeby prognozowania i raportowania, ale także rozwiązania w dziedzinie automatyzacji działań wykonywanych przez pracowników. Można się spodziewać, że w przyszłości AI zrewolucjonizuje całą branżę.

Sektor produkcyjny będzie jednym z większych beneficjentów rozwoju technologii sztucznej inteligencji – mówią o tym liczne źródła i potwierdzają to chociażby analitycy w badaniu „Artificial Intelligence Market by Technology, Infrastructure, Components, Devices, Solutions, and Industry Verticals 2020–2025”, według którego wartość rozwiązań z zakresu sztucznej inteligencji tylko dla przemysłu w 2025 r. wyniesie ponad 20 mld USD, ze średnim rocznym wzrostem wynoszącym więcej niż 35%. – Pole do popisu w kwestii zastosowania SI w produkcji przemysłowej jest ogromne – od predykcyjnego utrzymania ruchu, technologii rozpoznawania i przetwarzania obrazu dla kontroli jakości czy bezpieczeństwa pracy, poprzez autonomiczne pojazdy, optymalizację procesów produkcyjnych w czasie rzeczywistym, przetwarzanie języka naturalnego, na optymalizacji całego łańcucha dostaw kończąc – mówi Łukasz Pieśniak, Implementation Consultant w firmie BPSC.

Sztuczna inteligencja, a dokładniej mechanizmy uczenia maszynowego (Machine Learning, ML), mają bardzo duży potencjał zastosowania we wszystkich procesach zarządczych związanych z produkcją. Wynika to głównie z faktu, że większość procesów albo jest powtarzalna, albo posiada powtarzalne schematy działania, które są idealną pożywką dla sztucznej inteligencji. – Tyczy się to zarówno samego procesu wytwarzania, jak i procesów pomocniczych, takich jak logistyka czy zapewnienie jakości. Obecnie na rynku można spotkać całkiem sensowne rozwiązania, które opierają się głównie na predykcji danych związanych z działaniami prewencyjnymi dla służb utrzymania ruchu – mówi Krzysztof Orlicz, Członek Zarządu, Dyrektor ds. innowacji w firmie eq system. Wymagają one dużych pokładów danych, na których modele mogą się uczyć, a w przypadku małych próbek często nie zapewniają wystarczającej precyzji. Ekspert uważa, że automatyzacja procesów zarządczych będzie postępować coraz szybciej, ale będzie niewidoczna dla użytkowników narzędzi IT. – Uważam też, że głównym obszarem zainteresowania wszystkich procesów optymalizacyjnych będą wszystkie procesy, które nie przynoszą bezpośrednio wartości, a stanowią eliminowaną stratę. W krótkim czasie zaczną się pojawiać rozwiązania, które może nie będą podejmować decyzji za człowieka, ale sprawią, że podjęcie decyzji będzie skrajnie proste, a wręcz sprowadzą całą interakcję człowieka z maszyną do jednego kliknięcia – przewiduje Krzysztof Orlicz. Nad takim rozwiązaniem pracuje właśnie eq system. Będzie to rozwiązanie, które nie tylko pomoże użytkownikom w codziennej pracy, ale wykorzystując mechanizmy uczenia maszynowego, dopasuje się do jego potrzeb i preferencji.

Zastosowania sztucznej inteligencji i uczenia maszynowego w sektorach przemysłowych są dość szerokie i różnorodne, ale z behawioralnego punktu widzenia wszystkie one są zbieżne. – Podobnie jak ceniony kamerdyner, dobrze zastosowane AI lub ML służą pomocą, antycypują potrzeby, zarządzają zadaniami i udzielają rzetelnych porad (zaleceń). Najczęściej przywoływanym przemysłowym zastosowaniem AI jest konserwacja zapobiegawcza, zakładająca zdolność przewidywania momentu awarii sprzętu i w ten sposób zapobiegania wysokim kosztom przestoju – mówi Ireneusz Borowski, Country Manager na Polskę w firmie Dassault Systèmes i dodaje, że AI może być również w szerokim zakresie stosowana na różnych etapach procesów. Poza tym modele predyktywne można wykorzystywać do projektowania i skalowania korzyści płynących ze sztucznej inteligencji w ramach wsparcia technicznego.

Sztuczna inteligencja ma szerokie zastosowanie tak naprawdę bez względu na branżę. Typowo sprowadza się ona do wykorzystywania zaawansowanych algorytmów, które są w stanie adaptować się do zmiennych warunków, przewidywać możliwe scenariusze w przyszłości lub przeprowadzać zaawansowaną analizę. – Zastosowania te są uniwersalne, więc jest ogromny potencjał ich wykorzystania również w sektorze produkcyjnym. Uczenie maszynowe (jedna z form sztucznej inteligencji) sprawdza się bardzo dobrze w sytuacjach, w których mamy bardzo duże ilości danych cyfrowych – mówi Mateusz Migała, Manager Innovation w firmie Andea Solutions. Wraz z rozwojem rozwiązań IoT i migracją systemów informatycznych do chmury producenci zbierają coraz więcej danych, które mogą być wykorzystywane w inteligentnych algorytmach.

Przyszłość należy do AI

Jakich dalszych usprawnień w zarządzaniu produkcją opartych o sztuczną inteligencję można się spodziewać w przyszłości? – Aby móc odpowiedzieć na to pytanie, trzeba się przyjrzeć cyfrowej transformacji jako całości. W przyszłości spodziewany jest znaczny przyrost urządzeń Internetu Rzeczy, mówi się, że technologia 5G będzie katalizatorem dla digitalizacji zakładów produkcyjnych. Jednocześnie coraz więcej przedsiębiorstw próbuje swoich sił w realizacji idei Inteligentnej Fabryki (Smart Factory), kładąc nacisk na inteligentne mierzenie zużycia mediów czy segmentację sieci uwzględniającą infrastrukturę Internetu Rzeczy już na etapie projektu zakładu – mówi Łukasz Pieśniak z BPSC. Wszystko to w połączeniu z rozwiązaniami Big Data, Business Intelligence oraz systemami typu ERP czy MES powoduje lawinowy wzrost danych w przedsiębiorstwie. Tutaj zastosowanie znajdą technologie oparte o sztuczną inteligencję, która poprzez uczenie maszynowe będzie wspierała analizę danych, optymalizację procesów produkcyjnych i całego łańcucha dostaw. – Spodziewany jest również rozwój SI w kierunku prognozowania popytu na podstawie danych historycznych i makroekonomicznych oraz usprawnienia logistyki wewnątrzzakładowej z wykorzystaniem wózków samojezdnych – przewiduje Łukasz Pieśniak.

Wszelkiego rodzaju błędy w zarządzaniu produkcją generują ogromne koszty dla przedsiębiorstw. Wynika to głównie z często zmieniających się warunków. Konwencjonalne systemy IT bardzo dobrze obsługują konkretne zadania, do których zostały przygotowane. Jednak prawie zawsze problemy pojawiają się w przypadku zmian lub często skomplikowanych warunków brzegowych. – Elastyczność i adaptacyjność, którą jest w stanie zapewnić sztuczna inteligencja, to naturalny następny krok, żeby zmniejszyć koszty, poprawić jakość i terminowość produkcji. Sztuczna inteligencja będzie miała również zastosowanie jako uzupełnienie tradycyjnych produktów, które w przyszłości będą w stanie się komunikować i autonomicznie dostosowywać do potrzeb użytkownika – uważa Mateusz Migała z Andea Solutions. Ekspert przyznaje, że sztuczna inteligencja ma zastosowanie również w przetwarzaniu danych pochodzących od ludzi. W dzisiejszych czasach rotacja pracowników jest bardzo wysoka. Każde odejście wysoko wykwalifikowanego pracownika łączy się z utratą istotnych informacji z danego obszaru produkcji. Wyszkolenie nowego pracownika to ogromne obciążenie finansowe dla firmy. – Dlatego nasi klienci szukają rozwiązań pomagających zachować i skalować wiedzę ekspercką. Dotyczy to szczególnie firm globalnych, posiadających wiele fabryk w różnych częściach świata – dodaje nasz rozmówca. Możliwość kumulacji, strukturyzacji oraz udostępniania takiej wiedzy w skali globalnej jest kluczem do ciągłego udoskonalania procesów i produktów.

Michał Klecha


Zobacz także

Jak zwiększać elastyczność produkcji, wykorzystując IT w dynamicznie zmieniającym się środowisku?
Jak wygląda w praktyce współpraca człowieka z cobotem w przestrzeni przemysłowej?
SUR-FBD CMMS/EAM co nowego w 2020?
Wywiad z Tomaszem Nowakiem, dyrektorem KUKA Polska
REKLAMA

Zapisz się do naszego newslettera

Więcej na temat

10. edycja święta promującego francuską kulturę
Zaproszenie do rejestracji na webinar Sente

Nasze czasopisma

top logistyk 2020
mid 20202
Logo KAIZEN rgb
 

Aktualności

Biblioteka Tekstów