Bartosz Dudziński, Inżynier projektu / AS-i, IO-Link, RFID, ifm electronic:

Źródło: ifm electronic

Każda firma , niezależnie od jej wielkości , może czerpac korzyści z implementacji sztucznej inteligencji . Wymaga to jednak odpowiednich działań , takich jak ocena gotowości do implementacji AI, inwestycje w odpowiednią infrastrukturę i dane , szkolenie pracowników, a także nawiązywanie partnerstw z dostawcami technologii AI.

Fumio Adam Okazaki, Product Engineer ISC, Omron:

Sztuczna inteligencja nie śpi , nie męczy się , cały czas czuwa. I poprawnie zaimplementowana nieustannie się uczy. Tak jak niedoświadczony człowiek , AI na początku swojej drogi edukacyjnej może jeszcze „nie kojarzyc wszystkich faktów”, jednak z czasem jej trafnośc rośnie.

Shrikant Savant, SOLIDWORKS Data Analysis & Science Director, Dassault Systèmes:

Pojawienie się sztucznej inteligencji oznacza poważną zmianę paradygmatu w zakresie sposobu, w jaki rozwiązujemy aktualne i przyszłe problemy. Zdecydowanie zmienia też sposób, w jaki wykonujemy naszą pracę.

W jaki sposób sztuczna inteligencja zmieni oblicze przemysłu?

Bartosz Dudziński: Sztuczna inteligencja dynamicznie zmienia branżę przemysłową, przynosząc innowacje, które zwiększają efektywność, bezpieczeństwo i jakość produkcji. Umożliwia m.in. automatyzację złożonych procesów produkcyjnych, co przekłada się na zwiększenie wydajności i minimalizowanie błędów.

Systemy sztucznej inteligencji mogą przewidywać awarie i zapotrzebowanie na konserwację, co pozwala na optymalizację harmonogramów serwisowych i redukcję przestojów. Algorytmy AI analizują dane z różnych źródeł, pomagając w optymalizacji zapasów i logistyki. Sztuczna inteligencja poprawia też precyzję kontroli jakości poprzez automatyczne analizowanie i wykrywanie wad produktów na wczesnych etapach produkcji.

Źródło: Omron

Fumio Adam Okazaki: Sztuczna inteligencja już zmienia branżę przemysłową. Technologia AI pozwala np. wychwytywać sytuacje lub anomalie, których tradycyjna analiza (za pomocą ludzkiego oka) nie wychwytuje. Dzieje się tak głównie ze względu na zbyt dużą liczbę danych i zmiennych oraz z powodu zbyt zawiłych zależności między elementami procesu.

Sztuczna inteligencja potrafi wyciągnąć wnioski na podstawie danych statystycznych z przeszłości, które są trudne lub niemożliwe do przeanalizowania przez operatorów z wykorzystaniem tradycyjnych narzędzi informatycznych. Może wreszcie podjąć „inteligentną” reakcję w sytuacji, z którą się nikt jeszcze nie zetknął – opiera się wówczas na doświadczeniach i prawidłowościach obserwowanych w przeszłości.

Jakość takiej reakcji naturalnie zależy od jakości i niezawodności użytych algorytmów oraz od „doświadczenia” algorytmu (ilości danych statystycznych z przeszłości). Nie zawsze, w niespodziewanych sytuacjach można w pełni polegać na AI – tym bardziej, jeśli wcześniej nie było precedensu.

Sztuczna inteligencja nie śpi, nie męczy się, cały czas czuwa. I poprawnie zaimplementowana nieustannie się uczy. Tak jak niedoświadczony człowiek, AI na początku swojej drogi edukacyjnej może jeszcze „nie kojarzyć wszystkich faktów”, jednak z czasem jej trafność rośnie. Ma szansę sprawdzić się przede wszystkim w analizie stanu maszyn lub procesów, identyfikacji zużytych elementów. A także przy wychwytywaniu objawów nadchodzącej awarii (tzw. serwis predykcyjny), podczas kontroli jakości w produkcji elementów o niskiej powtarzalności (przy dużym rozrzucie parametrów produktów poprawnych) i w monitorowaniu procesu przetwarzania materiału (gdy występuje wiele odczytów temperatury, ciśnienia, itd.).

Źródło: Dassault Systèmes

Shrikant Savant: Pojawienie się sztucznej inteligencji oznacza poważną zmianę paradygmatu w zakresie sposobu, w jaki rozwiązujemy aktualne i przyszłe problemy. Zdecydowanie zmienia się też sposób, w jaki wykonujemy naszą pracę. Branżę produkcyjną przekształcały kolejno maszyny, komputeryzacja, a następnie automatyzacja. Teraz na czele transformacji branży stoi sztuczna inteligencja.

Zwiększenie roli technologii w procesach produkcyjnych może pomóc producentom działać wydajniej. Wirtualne mapowanie łańcuchów dostaw – od pozyskiwania zasobów po trasy wysyłki i koszty surowców – pozwala firmom zidentyfikować potencjalne słabości lub luki w całym procesie. Sztuczna inteligencja, wirtualne bliźniaki i inne narzędzia technologiczne mogą utrzymać tempo pracy maszyn oraz zapewnić maksymalną wydajność procesów bez poświęcania jakości.

Czy każda firma może czerpać korzyści ze sztucznej inteligencji?

Bartosz Dudziński: Każda firma, niezależnie od jej wielkości, może czerpać korzyści z implementacji sztucznej inteligencji. Wymaga to jednak odpowiednich działań, takich jak ocena gotowości do tej implementacji, inwestycje w odpowiednią infrastrukturę i dane, szkolenie pracowników, a także nawiązywanie partnerstw z dostawcami technologii AI. Takie strategiczne podejście umożliwia efektywne wykorzystanie AI do usprawnienia
operacji.

Fumio Adam Okazaki: W teorii tak. Konieczna jest jednak inwestycja w funkcjonalność uczenia maszynowego na poziomie układu sterowania, systemów pomiarowych lub kontroli jakości. Z reguły niezbędne jest dokładne oczujnikowanie elementów maszyny czy różnych etapów procesu, żeby zapewnić maksimum danych do analizy.

MOŻE ZAINTERESUJE CIĘ TAKŻE

Raporty

Sztuczna inteligencja kluczem do bezpiecznej i efektywnej modernizacji IT

Aż 58% przedsiębiorstw na świecie zwiększyło poziom swojego bezpieczeństwa dzięki modernizacji infrastruktury IT i aplikacji – wskazują wyniki raportu Red Hat.

Automatyzacja produkcji

Czy sztuczna inteligencja naprawdę zrewolucjonizuje automatyzację?

Według analiz Goldman Sachs firmy przeznaczą w nadchodzących latach ponad bilion dolarów na rozwój rozwiązań z zakresu sztucznej inteligencji. Tylko w obecnym roku wydatki przedsiębiorstw w Gen-AI wzrosną o 30% – wynika z analiz firmy Deloitte.

Z racji kosztów związanych z takim wdrożeniem, najbardziej efektywne jest zarządzanie kluczowymi procesami lub liniami w zakładzie. Mniejszy sens jest tam, gdzie krytyczność procesu/urządzeń jest niska. Duże koszty związane są też z procesem uczenia systemów AI na danych produkcyjnych – to często proces żmudny i czasochłonny, wymagający udziału wykwalifikowanych specjalistów z obszarów OT i IT. Wszystko po to, by tworzony model wnioskowania był jak najbardziej wiarygodny.

Shrikant Savant: Sztuczna inteligencja jest narzędziem pozwalającym na rozwiązywanie złożonych problemów, z którymi trudno sobie poradzić za pomocą dotychczasowych metod. Obecnie, dzięki rozwiązaniom chmurowym, sztuczna inteligencja jest dostępna dla każdej firmy. Chmura demokratyzuje technologie i czyni je dostępnymi dla firm każdej wielkości, ponieważ zmniejsza zapotrzebowanie na złożoną lub kosztowną infrastrukturę IT.

Jakie inteligentne rozwiązania (wykorzystu- jące algorytmy AI) oferuje Państwa firma?

Bartosz Dudziński: ifm electronic prężnie rozwija narzędzia, takie jak moneo RTM i moneo DataScience Toolbox, które są przykładem zaawansowanego wykorzystania AI w branży przemysłowej. moneo RTM to platforma do monitorowania stanu maszyn i instalacji, która pozwala użytkownikom tworzyć spersonalizowane pulpity nawigacyjne. Zapewniają one wgląd w aktualny stan urządzeń. Dzięki temu możliwe jest szybkie reagowanie na awarie oraz planowanie konserwacji, co minimalizuje przestoje i zwiększa efektywność produkcji. Dodatkowo RTM Advanced Vibration Analysis pozwala na szczegółową analizę drgań maszyn i jest to kluczowe dla wczesnego wykrywania uszkodzeń.

Z kolei moneo DataScience Toolbox wprowadza innowacje takie jak SmartLimitWatcher, który umożliwia dynamiczne monitorowanie krytycznych wartości procesowych przy użyciu mechanizmów uczenia maszynowego, a zatem jednego z procesów kojarzonych głównie z AI.

Narzędzie to uczy się na podstawie danych historycznych i umożliwia nie tylko wykrywanie anomalii, ale również dostosowanie wartości granicznych w zależności od aktualnego stanu procesowego maszyny. Taka analiza pozwala nie tylko na monitorowanie, ale także na optymalizację procesów produkcyjnych przez automatyczne wykrywanie i sygnalizowanie potencjalnych odchyleń od normy.

Fumio Adam Okazaki: Przykładów jest sporo. Algorytmy AI w sterownikach OMRON NX służą np. do analizy danych z czujników w celu wykrywania anomalii w obrębie całej maszyny/linii czy przewidywania problemów, zanim nastąpią.

Algorytmy AI w urządzeniach OMRON K6/K7 – dedykowanych do monitorowania silników, serwonapędów, grzałek, izolacji obwodów czy termowizyjnego monitorowania szafy sterowniczej – są wykorzystywane do realizacji serwisu predykcyjnego tych urządzeń (predictive maintenance). Algorytmy w regulatorach temperatury E5CD pozwalają inteligentnie sterować procesem grzania we wtryskarkach chłodzonych cieczą oraz w aplikacjach szybkiego zgrzewania opakowań w branży spożywczej.

Z kolei algorytmy AI w systemach wizyjnych OMRON FH pozwalają wykrywać realne defekty produktów, nawet w przypadku wysokiego zróżnicowania cech produktów poprawnych. Ponadto pozwalają wykrywać bardzo subtelne wady powierzchniowe na materiałach, które same z siebie mają złożoną i niepowtarzalną fakturę (np. szczotkowana stal).

Shrikant Savant: Rozwiązania Dassault Systèmes umożliwiają firmom wykorzystanie pełnego potencjału ich najcenniejszego zasobu korporacyjnego, czyli różnego rodzaju danych. Zaawansowana analityka wykorzystująca sztuczną inteligencję przyspiesza transformację biznesową, przekształcając dane w przydatne informacje. Dzięki temu pozwala ona na wzmocnienie innowacyjności i konkurencyjności firm. Wirtualne bliźniaki produktu, fabryki czy procesów, tworzone za pomocą rozwiązań dostępnych na platformie 3DEXPERIENCE i wykorzystujące rzeczywiste dane kontekstowe, zapewniają holistyczne podejście do optymalizacji biznesowej. Umożliwiają wszystkim zainteresowanym stronom uczenie się i podejmowanie bardziej świadomych decyzji w złożonych środowiskach.