Sztuczna inteligencja: nadzieje, oczekiwania i FOMO
Opublikowano 22 Wrzesień 2022 w AI
Dziesięć lat temu, kiedy otrzymywaliśmy zapytania dotyczące projektów opartych na sztucznej inteligencji, motywowały je głównie ekscytacja lub FOMO (lęk przed wypadnięciem z obiegu). Kiedy pytałem o powód zainteresowania SI, odpowiedź najczęściej brzmiała „bo szef mi kazał”, „bo mamy dużo danych” lub „bo wydaje się to interesującym obszarem”. Żaden z tych powodów nie był szczególnie przekonujący i z pewnością nie uzasadniał ogromnych inwestycji, jakie w tamtym czasie wymagałyby zastosowania ze sztuczną inteligencją.
To się zmienia — motorem napędowym nie są już wysokie oczekiwania czy FOMO, jest nim nadzieja. Klienci nie pytają już, czy możemy pomóc im z SI. Pytają nas, czy możemy pomóc w serwisie predykcyjnym, kontroli jakości czy optymalizacji procesów. Przychodzą z problemem, który chcą rozwiązać wspólnie z nami. Wdrożenie sztucznej inteligencji nie jest już celem samym w sobie. Zamiast tego SI stała się „aktywatorem”.
Niezależnie od tego, czy jest to branża spożywcza, farmaceutyczna, elektroniczna czy motoryzacyjna — cel końcowy jest ten sam: wytwarzanie wysokiej jakości produktów pozbawionych wad przy niższych kosztach, mniejszym zużyciu energii i mniejszym nakładzie pracy. Sztuczna inteligencja może być jednym z rozwiązań umożliwiających osiągnięcie tych celów.
Przeszłość, teraźniejszość i przyszłość
Wraz ze zmianą postaw ewoluowała technologia. Chociaż koncepcja SI istniała już od roku 1957, wczesne zastosowania były niezwykle kosztowne i powolne: uzyskanie wyniku prostego obliczenia z powodu ograniczeń mocy zajmowało miesiąc. Dzięki postępom w zakresie technologii mobilnej, pamięci masowych i prędkości przetwarzania danych obliczenia można obecnie wykonywać w czasie liczonym w milisekundach, a koszty znacznie spadły.
Mimo że giganci technologii pokroju Amazona i Google od dawna korzystają z SI, sztuczna inteligencja nadal raczkuje w kontekście przemysłu oraz zakładów produkcyjnych. Porównałbym jej obecny etap rozwoju do stanu robotyki 15 lat temu, kiedy bez ukończenia studiów matematycznych niemożliwe było sterowanie robotem sześcioosiowym. Do wdrożenia systemów opartych na SI nadal potrzebni są eksperci. Wymagana jest specjalistyczna wiedza, a koszty wprowadzenia SI w życie są uzasadnione tylko w niszowych zastosowaniach, w których jej wykorzystanie przyniesie wymierne korzyści.
SI wykrywa niewidzialne problemy
Należy również pamiętać, że sztuczna inteligencja nie jest panaceum. Będąc konstruktorami maszyn, naukowcami zajmującymi się danymi i inżynierami miewamy skłonność do szukania odpowiedzi w złożonych technologiach, gdy często rozwiązaniem jest coś znacznie prostszego i mniej wyrafinowanego.Za przykład może służyć połamany i wygięty fragment przenośnika. Jest to problem inżynierski, który można zidentyfikować oraz rozwiązać za pomocą tradycyjnego rozwiązania mechanicznego. Jednak w przypadku tych mniej oczywistych, sporadycznych problemów — na przykład skutkujących mikroprzestojami — większą wartość dodaną może zapewnić sztuczna inteligencja.
Stosowanie SI do rozwiązywanie problemów w praktyce
Oto autentyczny przykład: zostaliśmy wezwani, aby pomóc klientowi z branży motoryzacyjnej, który miał problemy z mikroprzestojami. Po przeskanowaniu danych przeprowadziliśmy „kontrolę poprawności działania”. Wiązało się to z podłączeniem sond do maszyny w celu utworzenia obrazu generowanych sygnałów, aby ustalić, co się działo oraz co powinno się dziać. Następnie opracowaliśmy eksperyment, który miał na celu określenie przyczyn problemów. Dzięki temu mogliśmy zidentyfikować i rozwiązać około dziesięciu problemów. Szczególnie godnym zapamiętania była awaria czujnika: jeden z monitorowanych przez nas czujników wydawał się nie działać. Gdy poprosiliśmy klienta o kontrolę, odkryliśmy uszkodzone złącze. Zidentyfikowaliśmy również pewne problemy związane z programowaniem, w tym błąd logiczny, który występował w wielu maszynach pracujących w zakładzie. Klient mógł teraz naprawić te usterki. Dzięki temu udało się zaoszczędzić dziesiątki tysięcy euro poprzez ograniczenie złomowania nieudanych produktów i skrócenie czasu przestojów o 50%, co przełożyło się na dodatkowe cztery godziny produkcji miesięcznie.
Przykładem innego zastosowania jest nasza obecna współpraca z klientem z branży spożywczej mająca na celu poprawienie integralności uszczelnienia. Zastosowanie podejścia opartego na SI do procesu uszczelniania umożliwi zwiększenie okresu trwałości o kilka dni i ograniczenie wadliwych uszczelek, eliminując w ten sposób ryzyko odrzucenia całej partii produktu przez klientów detalicznych.
Gromadzenie, analizowanie i wykorzystanie
Większość dotychczasowych projektów wdrożyła sterownik SI firmy OMRON — pierwsze na świecie rozwiązanie z zakresu SI, które działa w roli urządzenia brzegowego (wykorzystujące Sysmac NY5 IPC i procesor NX7). Sterownik rozpoznaje wzorce na podstawie danych procesu gromadzonych bezpośrednio na linii produkcyjnej. Jest on zintegrowany z naszą fabryczną platformą sterowania Sysmac, co oznacza, że można go używać bezpośrednio w maszynie, aby zapobiec stratom wydajności.
W obliczu takich przykładów oraz faktu, że sztuczna inteligencja jest tak popularnym tematem w mediach, łatwo byłoby założyć chęć wszystkich firm produkcyjnych do korzystania ze sztucznej inteligencji, kiedy rzeczywistość jest inna. Przykłady zastosowań sztucznej inteligencji w fabrykach są nieliczne, a projekty — w dużym stopniu zależne od doświadczenia dostawcy technologii. Jednak w ciągu kolejnych dziesięciu lat sytuacja zmieni się diametralnie. Opracowane zostaną narzędzia, dzięki którym sztuczna inteligencja będzie o wiele bardziej dostępna i łatwa w obsłudze, co umożliwi producentom nieograniczone korzystanie z dobrodziejstw SI.
Dowiedz się więcej o usługach firmy OMRON w zakresie danetyki