Sztuczna inteligencja - najważniejszy trend technologiczny tego roku
Według Instytutu Gertnera obecny rok upłynie pod hasłem sztucznej inteligencji i uczenia maszynowego. Jak ten strategiczny trend wpływa na przemysł i w jaki sposób może wyznaczyć dalsze kierunki jego rozwoju?
Podstawę Przemysłu 4.0 stanowi zaawansowana cyfryzacja oraz wykorzystywanie oprogramowania uczącego się. Nic więc dziwnego, że sztuczna inteligencja i związane z nią uczenie maszynowe ma szerokie zastosowanie również w przemyśle. W jakim kierunku będzie się rozwijać czwarta rewolucja przemysłowa?
Większość zakładów przemysłowych z góry ustala harmonogram konserwacji prewencyjnej. Z jednej strony takie działania pozwalają zapobiegać dodatkowym kosztom, wynikającym z nieplanowanych przestojów maszyn. Z drugiej - mogą generować spore straty finansowe, związane z prewencyjną wymianę części.
Dzięki technologiom wykorzystującym rozwiązania z zakresu sztucznej inteligencji, miejsce prewencji zaczyna zajmować predykcja. Jej zastosowanie pozwala na stały monitoring pracy maszyn i reagowanie tylko po otrzymaniu wcześniej wygenerowanego komunikatu. Wyodrębnione wskaźniki diagnostyczne umożliwiają ciągle śledzenie anomalii i diagnozowania sytuacji awaryjnych.
Predykcję wspierają rozwiązania z zakresu Edge Computing, czyli implementowane na urządzeniach brzegowych algorytmy. Pozwalają one na detekcję odstępstw od "normalnej" pracy maszyny w oparciu o automatycznie wyuczony profil pracy.
Według przewidywań Instytutu Gartnera do 2021 połowa dużych przedsiębiorstw przemysłowych będzie korzystała z rozwiązań oferowanych w ramach “digital twins", czyli tzn. cyfrowych bliźniaków. Są one wiernymi, wirtualnymi kopiami fizycznych modeli, systemów czy urządzeń. W teorii oznacza to, że wirtualne symulacje będą zachowywać się tak samo i ulegać awariom w tym samym czasie, co fizycznie istniejący model. Główną zaletą wdrażania cyfrowych bliźniaków w przemyśle jest generowanie wysokich oszczędności. Według prognoz Gartnera ich zastosowanie pozwoli na zwiększenie wydajności maszyn nawet do 10 proc.
Sztuczna inteligencja znalazła również zastosowanie w produkcji przemysłowej. W tradycyjnym modelu kontrola jakości opiera się na eliminacji wadliwej sztuki, bez kompleksowej analizy przyczyn zaistniałego defektu. SI pozwala na płynną kontrolę jakości w całym procesie produkcyjnym. Umożliwi to dokładną analizę i wyciągnięcie wniosków, prowadzących do ulepszania całych partii wybrakowanych produktów. W ten sposób możliwa będzie redukcja kosztów, wynikających m.in. z opóźnień, strat produkcyjnych czy nadmiernego angażowania zespołu specjalistów.
Według raportu Międzynarodowej Federacji Robotyki w ciągu najbliższych 3 lat liczba robotów przemysłowych będzie wzrastać średnio o 15 proc. w skali roku. Tym samym szacuje się, że do 2020 roku w fabrykach na całym świecie zostanie zainstalowanych ponad 1,7 miliona nowych robotów przemysłowych. Dzięki sztucznej inteligencji nie będą to jednak nieme, skupione na powtarzalnych czynnościach automaty. Roboty będą inteligentniejsze, a kooperacja z nimi łatwiejsza, efektywniejsza i znacznie bezpieczniejsza dla pracujących z nimi osób. Dodatkowo dzięki uczeniu maszynowemu będą w stanie pracować nie tylko według schematów, ale też dostosowywać się do sytuacji.
W kontekście diagnostyki maszyn, wykorzystanie najnowszych technik SI będzie pozwalało na coraz skuteczniejsze diagnozy oraz predykcję możliwych awarii. - Dostępność zweryfikowanych metod, mocy obliczeniowej i danych - zarówno pomiarowych, jak i kontekstowych - pozwoli na zasilanie autonomicznych systemów wnioskujących, działających bez nadzoru inżyniera w stopniu znacznie przewyższającym dzisiejsze rozwiązania. Wymagane będzie jedynie dostarczenie źródła danych, które nie będą nawet wymagały wstępnego przetwarzania lub potwierdzania przez człowieka. Nowe rozwiązania nie oznaczają jednak, że tradycyjne podejście nie jest uwzględniane. Wręcz przeciwnie, część logiki realizowana będzie w oparciu o klasyczne analizy inżynierskie z zakresu diagnostyki maszyn - powiedział Wojciech Czuba - R&D Division Manager w Elmodis.
Według amerykańskiej firmy analitycznej International Data Corporation (IDC) w latach 2016-2020 roku wydatki, związane z wdrażaniem rozwiązań z zakresu sztucznej inteligencji i uczenia maszynowego wzrosną z 8 do 47 mld dol., przy ponad 50 proc. rocznej stopie wzrostu, co pokazuje, że trendy te zdominują najbliższe kilka lat.
