Zraportu opracowanego przez Deloitte we współpracy z Singularity University – pt. „Exponential technologies in manufacturing” – wynika, że sztuczna inteligencja jest jedną z technologii, które w najbliższych latach dokonają znaczącej transformacji w globalnym przemyśle. Analitycy przewidują, że jej rynek będzie rósł w tempie 55,1% r/r, aby w 2021 r. osiągnąć wartość 72 mld dolarów.

Powiązane firmy

Jak tłumaczy Jędrzej Kowalczyk, prezes zarządu Fanuc Polska, sztuczna inteligencja w przemyśle to przede wszystkim wysoka moc obliczeniowa w zakresie obróbki ogromnych ilości danych, umiejętność logicznego wykorzystania pozyskanych informacji do optymalizacji procesów wytwórczych, coraz większa precyzja i powtarzalność wykonywania zadań i – co najważniejsze – zdolność uczenia się maszyn.

– Twórcy technologii od lat inspirują się ludzkim organizmem, by tworzyć maszyny zdolne do przejmowania coraz szerszego zakresu operacji, a w efekcie jak najpełniejszego wspierania ludziw realizacji procesów produkcyjnych – mówi Jędrzej Kowalczyk.

Jak wyjaśnia, sztuczna inteligencja w fabrykach jest realizowana przede wszystkim poprzez algorytmy uczenia maszynowego. W praktyce jest ona wykorzystywana do tworzenia automatycznych systemów, które potrafią doskonalić się na podstawie zgromadzonego doświadczenia (czyli danych) i nabywać wiedzę pozwalającą na coraz lepsze wykonywanie zadań produkcyjnych.

– Ciekawą podkategorią uczenia maszynowego jest deep learning. Za jej pomocą komputer może uczyć się wykonywania zadań naturalnych dla ludzkiego mózgu, takich jak identyfikowanie obrazów lub tworzenie prognoz. To nowe podejście do analityki pozwala na sprawniejsze wprowadzanie innowacji – podkreśla prezes zarządu Fanuc Polska. – Sztuczna inteligencja przejawia się także w pracy coraz bardziej inteligentnych maszyn, a szczególnie robotów, które mają zdolność sprawowania kontroli w całym procesie wytwórczym, wychwytywania wadliwych detali i zapobiegania błędom w przyszłości. Już dziś skutkuje to znacznym obniżeniem liczby takich detali i zminimalizowaniem ryzyka, że trafią do odbiorców finalnych – kontynuuje.

Korzyści jest wiele

Zastosowania sztucznej inteligencji (artificial intelligence, AI) i uczenia maszynowego (machine learning, ML) w sektorach przemysłowych są – jak zauważa Ireneusz Borowski, country manager Poland w Dassault Systèmes – dość szerokie i różnorodne, ale z behawioralnego punktu widzenia wszystkie one są zbieżne.

– Dobrze zastosowane AI lub ML służą pomocą, antycypują potrzeby, zarządzają zadaniami i udzielają rzetelnych porad. Najczęściej przywoływanym przemysłowym zastosowaniem AI jest konserwacja zapobiegawcza, zakładająca zdolność przewidywania momentu awarii sprzętu i w ten sposób zapobiegania wysokim kosztom przestoju. Sztuczna inteligencja może być w szerokim zakresie stosowana na różnych etapach procesów. Poza tym modele predyktywne można wykorzystywać do projektowania i skalowania korzyści płynących z AI w ramach wsparcia technicznego – wyjaśnia Ireneusz Borowski.

Benefitów jakie niesie ze sobą zastosowanie sztucznej inteligencji w fabrykach, jest wiele.

– Sztuczna inteligencja pozwala podejmować bardziej przemyślane decyzje biznesowe i szybko reagować w przypadku problemów. Dzięki elastycznemu podejściu do produkcji istnieje możliwość lepszego dostosowania się do aktualnych potrzeb odbiorców, świadomego zarządzania zasobami i optymalizowania efektywności kosztowej poszczególnych procesów. Wiedza, którą zapewnia sztuczna inteligencja, przydaje się na każdym etapie i na każdym poziomie struktury zarządzania produkcją. Grunt to pozyskać i umiejętnie wykorzystać dane – mówi Jędrzej Kowalczyk z Fanuc. Polska.

Zastosowanie AI oraz ML w sektorach przemysłowych przynosi – na co zwraca uwagę Ireneusz Borowski z Dassault Systèmes – przede wszystkim wyższy poziom innowacyjności, pozwala optymalizować i uprzemysłowić procesy, wprowadzić ich automatyzację i poprawiać jakość, która przynosi najszybszy zwrot.

– Systemy monitorowania w czasie rzeczywistym do wczesnego wykrywania problemów, zaawansowane systemy poznawcze do weryfikacji błędów, systemy konserwacji prognostycznej oraz informacja zwrotna dla zespołów projektowych wspierają podnoszenie jakości oraz ograniczanie bezpośrednich i pośrednich kosztów powtarzania wykonania zadań, odpadów, reklamacji i wycofanych z rynku produktów – wylicza Ireneusz Borowski.

AI zmieni oblicze przemysłu

Jak wskazują analizy, sztuczna inteligencja może w znaczący sposób zmienić przemysł przyszłości, ale także postawi przed nim nowe wyzwania.

– Sztuczna inteligencja już dziś zmienia oblicze przemysłu – twierdzi Jędrzej Kowalczyk. – W przyszłości przyniesie wydajność na niespotykanym dotychczas poziomie i nowy wymiar współpracy pomiędzy ludźmi a maszynami – dodaje.

Zdaniem prezesa zarządu Fanuc Polska największym wyzwaniem rynku, szczególnie polskiego, jest osiągnięcie dojrzałości cyfrowej: – W pierwszej kolejności firmy muszą stworzyć możliwości pozyskiwania danych (inwestować w maszyny zdolne do dwustronnej komunikacji), dostrzec potencjał tkwiący w analizie danych, a następnie zacząć to wykorzystywać w produkcji – wylicza Kowalczyk i dodaje. – Firma konsultingowa Capgemini przewiduje, że dzięki zakładom produkcyjnym, którym uda się osiągnąć cyfrową dojrzałość, w najbliższych latach produktywność rosnąć będzie 7 razy szybciej niż w latach 90. XX w., a jakość produktów – 12 razy szybciej.

Ireneusz Borowski z Dassault Systèmes uważa, że zanim będzie można w pełni skorzystać z efektów płynących z poprawy jakości i innych potencjalnych dobrodziejstw sztucznej inteligencji i uczenia maszynowego, należy stawić czoła szeregowi istotnych wyzwań. – Skalowanie AI i ML na całą organizację wymaga nie tylko odpowiedniej ilości danych i właściwej infrastruktury. Do skalowania ML niezbędna jest współpraca. Jednym z głównych wyzwań przy stosowaniu uczenia maszynowego pozostaje dostarczenie procesowi odpowiedniego paliwa w postaci odpowiednich danych. Zazwyczaj wymaga to likwidacji funkcjonujących w przedsiębiorstwie silosów, w tym silosów danych, analityków i narzędzi analitycznych – opowiada Borowski.

Jak podkreśla, tak samo ważne jest wdrażanie wartościowych rezultatów działania ML. Oznacza to integrację na platformie, gdzie możliwe będzie ich udostępnienie do wielu zastosowań w całym przedsiębiorstwie, we wszystkich zespołach i na każdym etapie procesów.

– Strategia platformowa pozwala na wyjście poza logikę analizy silosowej i zapewnia zarządzanie produktami ML poprzez standaryzację, certyfikację, ochronę własności intelektualnej, szkolenia personelu i możliwość śledzenia. Dzięki odpowiedniemu systemowi zarządzania i wdrożeniu technologie ML będą realnym wsparciem ciągłości procesów, innowacyjności i rozwoju produktów – wyjaśnia Borowski.

Jego zdaniem przy odpowiednim zdyscyplinowaniu i technologii te wyzwania są do przezwyciężenia: – Kluczowy jest wybór odpowiedniej cyfrowej platformy biznesowej, która będzie otwierała możliwości współpracy w całej organizacji i wprowadzi firmę na ścieżkę maksymalizacji korzyści AI i ML w drodze ku cyfrowej transformacji. Istotna jest ocena wewnętrznych kompetencji oraz potrzeb zewnętrznych w każdym z obszarów współpracy oraz plan wykorzystania tych wewnętrznych i zewnętrznych zasobów. Efektywna współpraca to konieczność w obliczu wysokiego popytu na inżynierów danych.

Czeka nas rewolucja?

Wiodący wytwórcy przemysłowi z całego świata już od dłuższego czasu dążą do integracji świata fizycznego z cyfrowym poprzez nowoczesny sprzęt, czujniki, internet rzeczy, zaawansowane oprogramowanie i analitykę wielkich zbiorów danych.

– Wszystko po to, by stworzyć inteligentne fabryki, zoptymalizować procesy i poprawić komunikację pomiędzy konsumentami, dostawcami i producentami. Kierunek Przemysł 4.0 obrali wszyscy najwięksi producenci dóbr konsumpcyjnych, a dzięki temu już dziś zwiększają swoją konkurencyjność i ekonomiczny dobrobyt – tłumaczy Jędrzej Kowalczyk.

Zdaniem Ireneusza Borowskiego człowiek jest w centrum rewolucji przemysłowej i nowe technologie nie wyręczą go w opracowaniu nowych modeli biznesowych oraz innowacyjnych produktów i usług, bo nie są zdolne zastąpić go w tym, co jest jego niezbywalną domeną. – Sztuczna inteligencja nie zastąpi ludzkiego umysłu, ale ułatwi dostęp do wiedzy i know-how. Aby zatem sprostać potrzebom pracowników przyszłości, nacisk powinien być położony na cyfrowe platformy, które w efektywny sposób łączą wiedzę podręcznikową i laboratoryjną z „cyfrowym doświadczaniem świata”.

W Polsce z opóźnieniem

Na wdrożeniu i rozwoju sztucznej inteligencji skorzystają przed wszystkim firmy otwarte i zdecydowane na produkowanie w nowoczesny sposób.

– Nasze doświadczenia pokazują, że nowe technologie mają spore grono entuzjastów, ale także sceptyków, którzy z reguły nie widzą potrzeby inwestowania w innowacje. Co ciekawe, w sondażach nie wskazują oni np. na ograniczenia finansowe, tylko na brak pomysłu na wykorzystanie nowych rozwiązań – zwraca uwagę Jędrzej Kowalczyk.

Polskie firmy pozostają w tyle w dziedzinie przetwarzania cyfrowych informacji. Raport opublikowany niedawno przez ASD Consulting przedstawia smutny obraz polskiego przemysłu – aż 84% producentów gromadzi dane ręcznie, a co czwarty przetwarza je analogowo w formie papierowej. Systemami skanowania i kodami kreskowymi wspomaga się jedynie 16% badanych, a zautomatyzowane procesy gromadzenia cyfrowych informacji z cyklu produkcyjnego wykorzystuje niespełna 12%.

– Taki stan rzeczy nie napawa optymizmem. Bez dobrej jakości danych gromadzonych przez dłuższy czas algorytmy sztucznej inteligencji nie dadzą dobrych odpowiedzi. Musimy mieć czym je zasilić, tylko wtedy odpłacą się nam wartościowymi wnioskami do wykorzystania w produkcji – podsumowuje Jędrzej Kowalczyk.