Fabryka przyszłości: dane i optymalizacja przez sztuczną inteligencję

Niektóre sektory gospodarki są gotowe do wczesnego przyjęcia technologii edge computing. Produkcja i szeroko pojęty przemysł jest jednym z nich. W wyniku stosowania w fabrykach rozwiązań takich jak czujniki IIot, PLC, roboty czy kamery przemysłowe generowane są ogromne ilości danych. Dotychczas zebrane tak informacje były stosowane głównie do bieżącego monitorowania i raportowania. Rozwiązania brzegowe i sztuczna inteligencja (AI) umożliwiają natomiast znacznie efektywniejsze ich wykorzystanie – nie tylko w celu monitorowania i wykrywania problemów, ale też optymalizacji całych procesów, zwiększania efektywności czy też redukcji nieplanowanych przestojów.

Przetwarzanie ogromnych ilości danych

Architektura edge daje możliwość zastosowania technologii znanych z data center i chmury – takich jak sztuczna inteligencja, zaawansowana analityka czy przetwarzanie strumieniowe – w lokalizacjach znacznie oddalonych od nich, a zarazem blisko miejsca, gdzie powstają informacje.

Pełniejsze i szybsze przetwarzanie informacji daje dużo lepszy wgląd nie tylko w aktualną sytuację, ale też przewidywanie ewentualnych problemów i podejmowanie lepszych decyzji opartych o analizę danych.

Jednak nawet taki pogłębiony wgląd już przy samej objętości danych, dostępnych na obrzeżach infrastruktury, może paradoksalnie stanowić przeszkodę dla realizacji transformacji. Ilość dostępnych informacji i ciągle rosnące strumienie nowych – związanych z wykorzystaniem kamer, termowizji, czujników akustycznych i danych środowiskowych – przekracza możliwości analizy przez człowieka.

– Rozwiązaniem w tej sytuacji jest wykorzystanie sztucznej inteligencji i uczenia maszynowego do przetwarzania ogromnych zbiorów i uzyskiwania informacji zwrotnej w czasie niemal rzeczywistym w punkcie tworzenia i wykorzystania zebranych danych. Najprawdopodobniej właśnie na tym będą się opierać fabryki przyszłości, co pozwoli przedsiębiorstwom uzyskać przewagę konkurencyjną – mówi Wojciech Janusz, EMEA Manufacturing Practice Lead For EMEA w Dell Technologies.

Według sprawozdania Fortune Business Insights wartość dużych ilości danych (big data) w branży produkcyjnej na całym świecie wyniosła 3,22 mld USD w 2018 r. i przewiduje się, że osiągnie 9,11 mld USD do 2026 r., przy skumulowanym rocznym wskaźniku wzrostu (compound annual growth rate, CAGR) na poziomie 14,0% w trakcie objętego prognozą okresu. Obecnie przedsiębiorstwa myślące przyszłościowo wzajemnie łączą technologie operacyjnej (OT) z IT – rozwiązania brzegowymi i sztuczną inteligencją, aby umożliwić swobodny przepływ informacji pomiędzy tymi oddzielonymi do dzisiaj światami i korzystać z nowych możliwości.

AI na obrzeżach sieci – sektor produkcyjny

– Sztuczna inteligencja może zwiększyć zdolność przedsiębiorstwa do zarządzania kadrami, poprawy jakości produkcji, unikania problemów z utrzymaniem ruchu i uzupełniania niedoborów umiejętności – co w efekcie prowadzi do zwiększenia konkurencyjności – wskazuje Wojciech Janusz.

Jej zastosowanie na obrzeżach sieci wiąże się z licznymi i bardzo znaczącymi korzyściami, które obejmują:

• Mniejsza liczba usterek – kontrola jakości wykorzystująca kamery przemysłowe wspierane sztuczną inteligencją pomaga przyspieszyć i zautomatyzować pracę w całym cyklu produkcyjnym. Usterki można identyfikować i oznaczać, a ich źródło prześledzić w czasie rzeczywistym aż do poziomu poszczególnych procesów albo podzespołów. W ten sposób natychmiastowo można wdrożyć środki zaradcze, a nie dopiero po odkryciu wadliwego produktu. Co ważniejsze, zbieranie tych informacji i ich analiza może doprowadzić do przyszłego usprawnienia procesu produkcyjnego, tak by w całości wyeliminować ten problem.
• Ograniczenie liczby awarii – systemy konserwacji predykcyjnej wykorzystują dane z czujników oraz wszelkie inne dostępne informacje, aby przewidzieć potencjalne problemy nim one wystąpią. Umożliwia to zaplanowanie odpowiednich akcji serwisowych, które ograniczą potencjalne przestoje. Proaktywne utrzymanie sprzętu i procesów na optymalnym poziomie wydajności pomoże przedsiębiorstwu chronić pracowników, unikać awarii i zmniejszyć koszty konserwacji.
• Rozwiązywanie problemu niedoborów umiejętności – systemy oparte na rzeczywistości rozszerzonej (augmented reality, AR) umożliwiają bezpieczne szkolenie pracowników przed wejściem na halę produkcyjną. Umożliwiają również przetestowanie stanowiska pracy pod względem ergonomii i bezpieczeństwa oraz wprowadzenie niezbędnych poprawek przed jego wdrożeniem w dużej skali. Wykorzystanie rozszerzonej rzeczywistości, wspartej sztuczną inteligencją pozwala pracownikowi zrozumieć dany proces, w tym automatycznie dostarczyć mu odpowiednie rozwiązania. Dzięki temu nawet niewykwalifikowani pracownicy mogą wykonywać skomplikowane zadania, jeżeli specjaliści są niedostępni.

AI na obrzeżach sieci – korzyści i wyzwania

Przeniesienie sztucznej inteligencji na obrzeża sieci w sektorze produkcyjnym wiąże się z wieloma korzyściami, ale stwarza również pewne wyzwania. Firmy muszą bowiem stworzyć solidny fundament infrastruktury IT oraz usługi doradcze, aby w pełni wykorzystać proces przetwarzania danych na brzegu sieci i osiągać pożądane wyniki biznesowe

– Skonfigurowane systemy zbudowane przez ekspertów ds. sztucznej inteligencji mogą skrócić czas osiągnięcia wartości dodanej dzięki rozwiązaniom opracowanym specjalnie z myślą o zastosowaniu w inteligentnej produkcji. Na bazie doświadczenia ze współpracy z różnymi przedsiębiorstwami wiemy, że wybór odpowiednio wyskalowanego i przetestowanego rozwiązania na potrzeby sztucznej inteligencji może pomóc pokonać przeszkody stojące na drodze wdrożenia – także brak specjalistycznego know-how w tym zakresie wewnątrz danej organizacji – podkreśla ekspert Dell Technologies.

Zastosowania w praktyce  

Przypadki użycia edge computingu są bardzo zróżnicowane, ale można w nich dostrzec pewne motywy przewodnie: wsparcie pracowników w miejscu wykonywania pracy poprzez dostarczenie im wartościowych informacji (connected worker), podniesienie efektywności produkcji, obniżenie kosztów związanych z przestojem, podniesienie jakości produktu, ograniczenie zużycia energii czy też ulepszona, bardziej przewidywalna logistyka.

Wszystkie wspomniane procesy wymagają analizowania ogromnych ilości wielowymiarowych danych, co prowadzi do zwiększenie produktywności i bezpieczeństwa pracownika na hali produkcyjnej. Wymaga to jednak stabilnej, bezpiecznej i szybkiej bezprzewodowej łączności – WiFi czy 5G. To samo dotyczy zbierania informacji z lokalizacji odległych od lokalnego centrum przetwarzania. Tutaj stosowanie prywatnych sieci 5G może okazać się koniecznością a nie tylko udogodnieniem.

Dzięki zastosowaniu edge computingu i AI producenci mogą oferować swoim klientom to, czego chcą i kiedy chcą – innowacyjne, wysokiej jakości produkty po konkurencyjnych cenach – osiągając przy tym coraz bardziej wyśrubowane cele w zakresie rentowności, zrównoważonego rozwoju i bezpieczeństwa. Nowoczesne przedsiębiorstwa osiągają więc bardzo namacalne i wymierne korzyści. Dotyczy to także podejmowania trafnych decyzji biznesowych opartych na danych, a przez to możliwość wyróżnienia się i efektywnego konkurowania na lokalnym, czy też globalnym rynku.