– Oczekiwania wobec sztucznej inteligencji jako jednej z technologii Przemys?u 4.0 s? bardzo wysokie. Wszyscy w przemy?le poznali ju? i najpewniej stosuj? inne technologie takie jak robotyka, automatyzacja produkcji, blockchain czy przemys?owy internet rzeczy. Na produkcji s? ju? one widoczne. Samo AI dopiero jednak powoli znajduje zastosowanie, przede wszystkim w analityce danych i systemach optymalizacji produkcji – zwraca uwag? Tomasz Haiduk, wyk?adowca w Szkole Biznesu Politechniki Warszawskiej i Prezes Forum Automatyki i Robotyki Polskiej.
Analityka danych jest kluczowa do uzyskania odpowiedniej bazy dla podejmowania decyzji w szybko zmieniaj?cym si? ?wiecie. Musimy stworzy? podstawy, aby szybciej prognozowa? i podejmowa? w?a?ciwe decyzje. Obecnie ten proces jest bardzo d?ugi, szczególnie w obszarze produkcyjnym. Jeste?my w takiej sytuacji, ?e dane, które otrzymujemy do analiz, s? danymi wy??cznie historycznymi. Wynika to z wielu rzeczy, przede wszystkim z tego, ?e linie technologiczne nie s? w odpowiedni sposób opomiarowane. Tak?e monitoring mediów w wi?kszo?ci firm w Polsce nie jest wystarczaj?cy.
Konsolidacja danych jest kluczowa
Dopiero w ostatnim czasie, po fali podwy?ek cen energii, zacz?to przywi?zywa? w?a?ciw? wag? do opomiarowania produkcji i mediów tak, aby odpowiedzie? na pytanie – czy op?aca mi si? w ogóle produkowa?, a je?li tak – to za jak? cen??
Obszar produkcyjny moim zdaniem jest jeszcze bardzo zaniedbany i pierwszym krokiem do wykonania jest oczywi?cie pozyskanie rzetelnych danych. Trafiamy tutaj na pierwsz? barier? – cz??? zak?adów ju? dysponuje czujnikami zainstalowanymi w obszarach produkcyjnych, ale obecnie ka?dy z systemów typu SCADA, MES czy ERP jest systemem izolowanym, pracuj?cym na w?asnym opomiarowaniu i w?asnej bazie danych. Jako rozwi?zania wyspowe rzadko wspó?pracuj? ze sob?, co prowadzi do tego, ?e raporty z ró?nych systemów s? ze sob? niespójne. Pierwszym krokiem do optymalizacji jest konsolidacja danych w jednym miejscu.
Jezioro danych
Tu z pomoc? przychodzi przemys?owy internet rzeczy jako jedna z technologii Przemys?u 4.0. Ze wzgl?du na ograniczenia w infrastrukturze oraz czas potrzebny do instalacji, do opomiarowania produkcji coraz cz??ciej wykorzystuje si? inteligentne, bezprzewodowe czujniki pomiarowe. Przesy?aj? one wst?pnie przetworzone dane (edge computing – przetwarzanie brzegowe) do jednego miejsca, jednej bazy danych. Nazywana jest ona data lake (jezioro danych) i stanowi uwspólnion? baz? informacyjn? dla wszystkich systemów produkcyjnych.
Je?eli stworzymy wspólne jezioro danych, takie miejsce, w którym b?dziemy mieli do dyspozycji wszystkie dane z obszaru produkcyjnego, to ka?dy systemów b?dzie je pobiera? do swoich potrzeb. Wyeliminuje to ryzyko rozbie?no?ci zarówno dla systemów wizualizacji typu SCADA, systemów sterowania produkcj? typu MES czy systemów zarz?dzania produkcj? typu ERP. Wej?cie do produkcji algorytmów sztucznej inteligencji odbywa si? g?ównie przez przemys?owy IoT.
Od danych do informacji
Mamy ju? dane – tylko co dalej nimi mo?emy zrobi?? Jak szybciej przetwarza? dane w informacje?
Jak spowodowa?, aby raporty nie odnosi?y si? do sytuacji historycznych tylko wspar?by zarz?dzanie w krótszym horyzoncie czasowym?
Niestety budowa klasycznych algorytmów typu Business Intelligence trafia na barier? znalezienia w?a?ciwej korelacji mi?dzy danymi, ich przygotowaniem, filtracj? i konsolidacj?. Przej?cie od danych do u?ytecznej informacji jest kluczowym problemem stoj?cym przed systemami informatycznymi wsparcia biznesowego. Tu z pomoc? id? algorytmy oparte o sztuczn? inteligencj?. Przej?cie z klasycznego Business Intelligence na modele oparte na AI b?d? stanowi? dobr? podstaw? do nowoczesnej analityki biznesowej, optymalizacji procesów produkcyjnych i podejmowania decyzji w czasie rzeczywistym. Korelacje pomi?dzy poszczególnymi danymi b?d? analizowane w trybie online w nowych algorytmach wspieranych przez sztuczn? inteligencj?. Przemys? 4 0 zak?ada interakcje pomi?dzy lud?mi, maszynami i systemami IT i to w oparciu o dane aktualizowane online. Algorytmy optymalizuj?ce znajduj? albo wskazuj? optymaln? metod? prowadzenia procesu produkcyjnego, ukierunkowan? na za?o?on? ?cie?k? docelow? oraz na okre?lone scenariusze sytuacji zewn?trznej. Na przyk?ad pozwalaj? na modelowanie produkcji przy szybko zmiennym otoczeniu przy dynamicznych zmianach cen energii czy przy ograniczeniach w ?a?cuchu dostaw, dost?pie do personelu czy komponentów niezb?dnych w produkcji. Dzi?ki temu odpowiadaj? na pytanie – w jaki sposób, kiedy i co nale?y produkowa? tak, aby by?o to optymalne dla przedsi?biorstwa przy okre?lonych za?o?eniach brzegowych.
Sztuczna inteligencja – skazani na w?asne do?wiadczenie i wykszta?cenie
Oczywi?cie obecnie tego typu pytania to g?ównie zmartwienie kadry zarz?dzaj?cej. Na razie jest ona skazana na w?asne do?wiadczenie i wykszta?cenie. Systemy decyzyjnego wsparcia produkcji i jej optymalizacji, oparte o AI pozwol? na prowadzenie procesu online tak, aby wybra? optymalne rozwi?zanie dla zak?adu.
Nast?pnym krokiem jest przej?cie od systemów wsparcia decyzyjnego do w pe?ni zautomatyzowanego sterowania produkcj?. W takim modelu system zarz?dzania oparty o sztuczna inteligencje, maj?c dane z procesu oraz oczekiwane za?o?enia biznesowe steruje procesem technologicznym bezpo?rednio komunikuj?c si? z maszynami i zmieniaj?c ich nastawy on-line. To w?a?nie prawdziwe sedno Przemys?u 4.0, w którym systemy cyberfizyczne komunikuj? si? ze sob? i lud?mi w czasie rzeczywistym i steruj? produkcj? w cyfrowym ?wiecie.
To przysz?o?? i g?ówna koncepcja zastosowania algorytmów AI w przemy?le. Mo?na to porówna? do zaawansowanych algorytmów regulacyjnych, które w oparciu o dane pozyskiwane z produkcji potrafi? odpowiedzie? na pytanie – co, kiedy i jak produkowa?, jak sterowa? lini? technologiczn?, w jaki sposób dostosowa? jej obci??enie i jak zmieni? dynamicznie layout produkcyjny przy okre?lonych za?o?eniach wyj?ciowych.
