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
REKLAMA

Nasze czasopisma

top logistyk 2020
mid 20202
Logo KAIZEN rgb
 

Aktualności

Biblioteka Tekstów

REKLAMA