Zarządzanie danymi i ich analiza w celu usprawnienia procesu decyzyjnego stanowi sedno każdej cyfrowej transformacji i opiera się na technologii serwerowej dostarczającej dane w czasie rzeczywistym, a sztuczna inteligencja (AI) może w tym pomóc.
Sztuczna inteligencja w skrócie
- Wraz z rozwojem sztucznej inteligencji, w szczególności dużych modeli językowych (LLM), takich jak ChatGPT, dyrektor ds. branży cyfrowej w Stratus Technologies przewiduje transformacyjne aplikacje, usprawniające procesy konserwacji, umożliwiające zdalną ocenę problemów i ułatwiające podejmowanie skutecznych decyzji dzięki możliwościom opartym na języku naturalnym.
- Sztuczna inteligencja, zwłaszcza generatywna, znacząco przyczynia się do realizacji celów zrównoważonego rozwoju w produkcji. Konserwacja predykcyjna nie tylko wydłuża żywotność i wydajność sprzętu, ale także zmniejsza zużycie zasobów. Ponadto sztuczna inteligencja odgrywa istotną rolę w transferze wiedzy, pomagając branży w utrzymaniu i przekazywaniu kluczowych umiejętności inżynieryjnych młodszym pracownikom.
Dla wielu inżynierów utrzymania ruchu i kontroli sztuczna inteligencja (AI) nie jest nową koncepcją. Ci bardziej zaawansowani w swoich podróżach związanych z transformacją cyfrową zapoznali się już na przykład z technologią uczenia maszynowego (ML), która pomaga w strategiach konserwacji predykcyjnej i zapobiegawczej, analizując duże zbiory danych z wielu źródeł, aby pomóc w podejmowaniu bardziej świadomych decyzji.
Podobnie, wykorzystanie dużych, kontekstowych zbiorów danych do szeregu zastosowań pomaga zaawansowanym cyfrowo organizacjom w rozwiązywaniu takich kwestii, jak redukcja zużycia energii, optymalizacja łańcucha dostaw, kontrola jakości i wiele innych działań optymalizacyjnych.
Zarządzanie danymi i ich analiza w celu usprawnienia procesu decyzyjnego leży u podstaw każdej cyfrowej transformacji i opiera się na technologii serwerowej, która dostarcza wiarygodne dane, często w czasie rzeczywistym. Dane muszą być nie tylko dostępne, ale także kompletne. Przestoje w dostępie do danych zasadniczo podważą wszelkie inicjatywy związane z cyfryzacją.
Jeśli chodzi o przyszłość sztucznej inteligencji w przemyśle (i całym społeczeństwie), Greg Hookings, dyrektor ds. branż cyfrowych w regionie EMEA w Stratus Technologies, uważa, że zbliżamy się do ekscytującego okresu wykładniczego wzrostu jej zastosowania wraz z niedawnym pojawieniem się wczesnych dużych modeli językowych (LLM) sztucznej inteligencji, takich jak ChatGPT.
“Ten rodzaj zdolności opartej na języku naturalnym do przesłuchiwania potencjalnie nieograniczonych i zróżnicowanych publicznych zbiorów danych będzie miał ogromne implikacje w przemyśle i społeczeństwie, z których większość jeszcze się nie rozwinęła, ale prawdopodobnie umożliwi ludziom w przemyśle dostęp do danych i ich obsługę w zupełnie inny sposób” – powiedział. “Wczesne przypadki zastosowań przemysłowych korzystających z LLM (lub generatywnej) sztucznej inteligencji w celu pomocy inżynierom utrzymania ruchu w ocenie problemów w odległych lokalizacjach są już bliskie. Tak więc operator z dostępem do oprogramowania warstwy kontrolnej dla danego zasobu może już zobaczyć, czy na przykład łożysko się nagrzewa, i może przygotować zespół konserwacyjny do jego wymiany, zanim spowoduje to problem dla produkcji”.
Jednak dzięki generatywnej sztucznej inteligencji pobierającej obszerne dodatkowe informacje z różnych publicznych i prywatnych (bezpiecznych, opartych na protokole IP) zasobów, inżynier mógłby skutecznie “rozmawiać” z systemem, pytając o prawdopodobne przyczyny i prawdopodobne konsekwencje, a także żądając odpowiednich stron instrukcji obsługi maszyn i danych historycznych z danej aplikacji, tak aby zespół konserwacyjny mógł przygotować się do wizyty nie tylko w celu wymiany wadliwej części , ale także w celu zrozumienia powiązanych kwestii i opracowania pełnego zestawienia prac (SOW).
“Jeśli, na przykład, obiekt znajdował się na platformie wiertniczej, może to pomóc w zaplanowaniu tego wszystkiego z uwzględnieniem wymaganej logistyki ładunków, pogody, personelu i wszelkich innych zmiennych” – powiedział Hookings. “Cały proces identyfikacji problemów, planowania rozwiązań i SOW, którego koordynacja normalnie zajęłaby kilku osobom godziny, dni lub nawet tygodnie, mógłby teoretycznie zostać ukończony przez jedną osobę w oknie czatu w ciągu kilku minut, znacznie skracając czas przestoju danego zasobu, a także ogólny koszt konserwacji”. Ten przykład daje tylko wskazówkę, co może być możliwe. Wskazuje również na znaczenie serwerów, które obsługują krytyczne informacje z systemu.
Wykorzystanie danych
Wskazując, że kluczową rolą sztucznej inteligencji w zastosowaniach przemysłowych jest obecnie analiza danych i przekształcanie ich w użyteczne informacje, Ed Goffin, wiceprezes ds. marketingu produktów w Pleora Technologies, wyjaśnił, że najczęściej Pleora jest wprowadzana do projektu, aby pomóc rozwiązać kwestię jakości produktu, przy użyciu narzędzi takich jak wizja i sztuczna inteligencja. “Produktem ubocznym rozwiązania tej kwestii jakości są dane, co jest szczególnie korzystne w ręcznych procesach produkcyjnych, w których jest mniej możliwości gromadzenia informacji” – powiedział. “Uzyskując te dane, producent może rozpocząć wdrażanie działań naprawczych wokół procesu lub zidentyfikować kwestię konserwacji”. Jako przykład Ed przytoczył pracę podjętą z producentem na rynku dóbr konsumpcyjnych. “Podczas gdy przeprowadzają oni kontrolę jakości opartą na sztucznej inteligencji w celu rozwiązania problemów związanych z jakością, dane pozwalają im również zacząć identyfikować problemy, które mogą wystąpić w ich zautomatyzowanych procesach, zanim będą miały znaczący wpływ na koszty”.
W najbliższej przyszłości Goffin spodziewa się coraz większego nacisku na wykorzystanie narzędzi programowych do opracowywania i dostosowywania przepływów pracy opartych na sztucznej inteligencji. “Te narzędzia programowe stają się coraz łatwiejsze w użyciu i oferują inżynierom kontroli możliwość obniżenia kosztów doradztwa zewnętrznego, ponieważ oprogramowanie zapewni im narzędzia potrzebne do zaprojektowania i wdrożenia własnych przepływów pracy opartych na sztucznej inteligencji”.
Zrównoważony rozwój
Saar Yoskovitz, CEO w Augury, twierdzi, że sztuczna inteligencja będzie odgrywać ważną rolę w pomaganiu inżynierom w osiąganiu ich celów w zakresie zrównoważonego rozwoju. “Technologia ta może nie tylko uwzględniać ogromne ilości danych i analizować wyniki procesów produkcyjnych, ale może również pomóc producentom wykorzystać nowe osiągnięcia, takie jak generatywna sztuczna inteligencja, która ułatwia działanie na podstawie spostrzeżeń dostarczanych przez technologię z danych”. Podając przykład, wskazał, że sztuczna inteligencja odgrywa kluczową rolę w konserwacji predykcyjnej, ostrzegając producentów o zbliżających się awariach lub usterkach, zanim staną się one krytyczne lub spowodują przestoje. Przyczynia się to do wydłużenia żywotności sprzętu, zwiększenia jego wydajności oraz zminimalizowania strat finansowych i zasobów spowodowanych przestojami.
Dodatkową korzyścią płynącą ze skrócenia przestojów i poprawy wydajności maszyn jest zmniejszenie zużycia zasobów, w tym co najmniej 20% redukcja zużycia energii , zmniejszenie zużycia wody i zmniejszenie ilości wytwarzanych odpadów. Technologia sztucznej inteligencji to zawsze włączony system, który może wspierać monitorowanie w czasie rzeczywistym przez całą dobę, aby zapewnić, że proces produkcji pozostaje zrównoważony.
Wreszcie, wiele sektorów przemysłowych ma trudności z rekrutacją nowych talentów inżynieryjnych, ponieważ ich dojrzali inżynierowie zbliżają się do emerytury. Ważne jest, aby zachować umiejętności inżynieryjne i jak najszybciej przekazać je młodszemu pokoleniu. Sztuczna inteligencja może tu również pomóc, ponieważ gromadzi wiedzę produkcyjną i wykorzystuje ją do tworzenia praktycznych spostrzeżeń, co pozwala nowym pracownikom na hali produkcyjnej szybko przyspieszyć i działać zgodnie z sugestiami dostarczanymi przez technologię.
