Изкуствен интелект в индустриалното производство

За да останат конкурентоспособни на съвременния глобален пазар, индустриалните производители са изправени пред предизвикателството да оптимизират всички възможни аспекти на своята дейност – от веригата на доставките, през управлението на ресурсите и поръчките, чак до продуктовия дизайн, логистиката и услугите.

Тази потребност, наред с настъпващата четвърта индустриална революция в производствените системи, налага тотално преосмисляне на бизнес целите и средствата за тяхното постигане. В помощ на промишлените предприятия се явяват големите обеми данни (big data), генерирани непрекъснато от свързаното заводско оборудване, както и революционни технологии като изкуствения интелект (AI) и машинното обучение, които спомагат за извличането на стойност от тези информационни масиви и постепенно стават неизменна част от производствените платформи за индустриална автоматизация.

Сред ползите от този нов технологичен ред са възможностите за прогнозна поддръжка, по-висока производствена ефективност, усъвършенстван качествен контрол, оптимизиран по характер и времетраене процес на проектиране и разработка, намаляване загубите на материали и ресурси и др.

Макар в теорията за изкуствения интелект да е заложена основно идеята за машинна симулация на човешкия разум, в по-общия си смисъл понятието (и особено по отношение на производствените приложения) обхваща всички софтуерни продукти, които са способни да се самообучават как да извършват дадена задача и да регистрират все по-добри резултати в течение на времето.

Технологията притежава сходни с човешката интелигентност характеристики като способности за разпознаване на език и общуване, обосноваване, обучение, решаване на проблеми и т. н. Това й придава фундаментално значение в контекста на Industry 4.0 и Internet of Things и я превръща в база за разработка на цяла нова генерация софтуерни продукти за автоматизация, планиране, изпълнение и управление на производството.

По данни на агенцията за маркетингови проучвания Allied Marked Research, глобалният пазар на AI решения за индустриалното производство е надхвърлил 513 млн. щатски долара през 2017 г. и се очаква да достигне внушителните 15 млрд. щ. д. до 2025 г. Ако тази прогноза се сбъдне, това би означавало експоненциален ръст на този пазар с комбиниран годишен темп на растеж от цели 55%.

Популярни приложения

Производственият сектор е идеално приложение за изкуствения интелект с все по-масовото възприемане на Industry 4.0 като стандарт. И макар процесът на дигитализация на глобалната индустрия да е все още на сравнително ранен етап, ползите от внедряването на AI решения вече дават доказани резултати. Базирани на изкуствен интелект системи могат да бъдат използвани в множество аспекти на промишленото производство и обработката на материали, включително във фазата на проектиране, в производствените етапи, по линия на веригата на доставките, а също и в администрацията и управлението.

Основен двигател на ръста в приложенията на изкуствения интелект в индустриалната автоматизация е нарастващата потребност от интеграция на технологии за обработка и анализ на големи масиви данни (big data). В допълнение, все по-масовото използване на камери за машинно зрение в различни производствени приложения, като визуална инспекция, транспорт на материали, полево обслужване на оборудването и качествен контрол, ускорява навлизането на изкуствения интелект в индустрията.

Интегрирането на AI технологии във веригите на доставките на производствените предприятия прави възможно идентифицирането на модели в търсенето на база времеви, социално-икономически и географски фактори. Изкуственият интелект е част и от много фирмени стратегии за повишаване удовлетвореността на клиентите.
Що се отнася до базовата технология, глобалният пазар на AI решения (по данни на Allied Marked Research) е подразделен на следните сегменти: машинно обучение, компютърно зрение, контекстна информираност и обработка на естествен език. През следващите години се очаква най-търсени да са решенията за прогнозна поддръжка и машинна инспекция, основани на изкуствен интелект.

Сред най-популярните клиентски индустрии, в които AI технологиите намират приложение, са електрониката и производството на полупроводникови прибори, енергетиката, фармацевтичната индустрия, автомобилостроенето, тежкото машиностроене и др. Автомобилният сектор понастоящем се отличава с най-широк набор от потенциални приложни задачи за изкуствения интелект, като се очаква тази тенденция да се запази и през следващите години, гласи още проучването на Allied Marked Research. Друг актуален доклад по темата, изготвен от агенция McKinsey & Company, откроява осем основни приложения на AI технологията в производството:

Прогнозна поддръжка - сред ключовите възможности за производствените предприятия, които изкуственият интелект и IoT опосредстват, е превантивният мониторинг, който позволява предварително идентифициране и предотвратяване на различни проблеми и неизправности в работата на производственото оборудване.

Основна цел на прогнозната поддръжка е да сведе до минимум прекъсванията и свързаните с тях неудобства и загуби, да предвиди и елиминира бъдещи аварии и да спомогне за своевременно разрешаване на вече възникналите ситуации. Ползите за индустриалните производители от инвестиция в такава технология могат да бъдат огромни. По данни на McKinsey & Company, AI-базираните системи за прогнозна поддръжка могат да повишат производителността на оборудването с до 20% и да намалят разходите за обслужване и ремонти с до 10%.

Подобрена производителност - с помощта на изкуствен интелект промишлените предприятия биха могли значително да намалят обемите на бракуваната продукция и да извлекат много повече стойност от материалите и ресурсите, използвани в производствения процес. Това става възможно благодарение на различни алгоритми за идентифициране на причини за загуби в производителността, които биха могли да бъдат елиминирани чрез промени в технологичните процеси или продуктовия дизайн.

Ефектът от подобни решения също би могъл да бъде значителен. Като пример от маркетинговата фирма посочват производството на полупроводникови прибори, където намаляването на количеството бракувана продукция и разходите за тестване може да смекчи негативния ефект върху производителността с до 30% от общите производствени разходи.

Контрол на качеството - изкуственият интелект създава възможности за разработване на нови процедури за тестване и контрол на качеството. С помощта на системи за машинно самообучение и усъвършенствано разпознаване на изображения индустриалните производители могат значително да повишат степента на автоматизация на визуалната инспекция и откриването на неизправности в продуктите. В допълнение, дефектните продукти биха могли напълно автоматизирано да бъдат извеждани от технологичната линия, което да спомогне за постигане на още по-висока производствена ефективност. AI-базираните процедури за контрол на качеството могат да повишат производителността с до 50% и да съдействат за до 90% по-прецизна идентификация на дефектни изделия в сравнение с конвенционалната визуална инспекция, извършвана с просто око.

Управление на веригата на доставките - повечето големи индустриални производители в наши дни имат сложни и дълги вериги на доставките, които включват хиляди различни продукти, компоненти и специални инструменти. Всяко закъснение, авария или грешка при изпълнение на дадена поръчка би могло да коства на предприятието много, както и да доведе до временно затваряне на отделни производствени станции.

С помощта на изкуствения интелект производителите биха могли много по-точно да предвиждат комплексните взаимодействия между отделните производствени единици и да автоматизират ефективно множество дейности. Една AI-базирана платформа за управление на веригата на доставките притежава потенциала да намали грешките вследствие на неправилно планиране с от 20 до 50% и да оптимизира процеса по попълване на запасите. В допълнение, неосъществените продажби в резултат на недостатъчна наличност биха могли да бъдат редуцирани с до 65%.

Научноизследователска и развойна дейност - на теория изкуственият интелект би могъл да подпомогне по-тясното коопериране между изследователските и развойните екипи и да ги асистира в избора на материали, проектирането, идентифицирането на рискови аспекти на дизайна и т. н. AI-базираните платформи за проектиране са предназначени да откриват различни категории несъответствия между целите и ограниченията на дизайна и да предлагат десетки или дори стотици възможни решения, някои от които – коренно различни от традиционните човешки подходи.

По данни на McKinsey & Company, потенциалът на изкуствения интелект и машинното обучение в областта на високотехнологичните научноизследователски и развойни проекти е огромен, като в резултат от внедряването им биха могли да бъдат постигнати икономии на разходи в размер на 10 до 15%, както и съкращаване на периода от проектирането до пазарната реализация с около една десета.

Контекстно-информирани (ориентирани) роботи - за разлика от конвенционалните си събратя, които могат да изпълняват фиксирани задачи в пространствено ограничени работни зони, т. нар. контекстно-информирани (context-aware) роботи използват компютърно зрение и изкуствен интелект и могат да функционират свободно в споделена работна среда с хора. Тези роботи могат да “усещат” и избягват хората и различни препятствия по траекторията си на движение, докато изпълняват задачи като откриване, повдигане и преместване на компоненти и изделия. Според изчисленията на пазарните анализатори, използването на колаборативни и контекстно-информирани роботи може да спомогне за увеличаване на производителността в редица промишлени приложения с до 20%.

Колаборация между хора и роботи - Международната федерация по роботика изчислява, че към края на 2018 г. над 1,3 млн. индустриални робота са били в експлоатация във фабрики по целия свят. Паралелно с роботизирането на все повече дейности в индустрията човешкият персонал бива преквалифициран и пренасочван към по-отговорни длъжности в областта на дизайна, поддръжката и програмирането.

С навлизането на все по-голям брой роботи в индустриалното производство са необходими и ефективни мерки за гарантиране на безопасната им работа и възможностите им за колаборация с работниците. Напредъкът в областта на изкуствения интелект е водещ в тази посока, тъй като позволява на роботите да се заемат с все по-деликатни и отговорни задачи, както и да вземат повече автономни решения, базирани на данни в реално време.

Без нужда от програмиране

Някои от водещите компании в областта на роботизацията и индустриалната автоматизация разработват прототипи на роботи, които са способни автоматично да разчитат и спазват инструкции от CAD програми в производството на различни компоненти и изделия и то без никакво програмиране.

Един такъв прототип, разполагащ с две полезни рамена, успява да си служи с тях “интелигентно” или подобно на човек, който изпълнява различни задачи приоритетно с дадена ръка. За разлика от конвенционалните роботи, които не разполагат с възможности да дешифрират CAD моделите, въпросният робот е способен да интерпретира различни такива модели, елиминирайки нуждата от предварително програмиране на действията и движенията му.

С помощта на изкуствен интелект голяма част от индустриалните роботи в бъдеще биха могли така да се самообучават и самопрограмират в движение, без нужда от времеемко и скъпо конфигуриране чрез въвеждане на цели масиви код, който да зададе стриктни процедури, например за асемблиране на части.

Тези интелигентни роботи от ново поколение биха могли автоматично да разчитат спецификациите на дадена работна задача и самостоятелно да ги превръщат в програми за изпълнение.
Интелигентното боравене с две ръце позволява приоритизирането и едновременното изпълнение на различни операции чрез събирането на информация от софтуера за разработване на продукти на семантично ниво.

Роботите от тази категория биха могли да произвеждат както единични изделия, така и цели прототипи с множество компоненти и настройки. На теория те са способни и да самокоригират действията си на базата на самостоятелни заключения за грешки или проблеми, формирани с помощта на изкуствения интелект.

При изпускането на дадена част, например, избраната ръка на робота ще я намери, стига да е в зрителното поле на камерата за машинно зрение. Тогава ръката ще я захване и повдигне, като самонастрои всичките си последващи движения така, че да я върне в правилна позиция. Роботът би могъл да прехвърли компонента от едната в другата си ръка, подобно на човек, ако това би спомогнало за по-лесното му по-нататъшно позициониране.

Интелигентна поддръжка

Регулярната поддръжка на една производствена линия и работещите в нея машини и оборудване е сериозно перо от бюджета на всяко индустриално предприятие. В допълнение, ефективността на обслужването има ключово значение и за производителността на всяка операция, изпълнявана посредством материалните активи.

Актуални проучвания в областта показват, че разходите, свързани с непланирани престои, костват на индустриалните производители около 50 млрд. щ. д. годишно, а авариите в производствените машини са причина за 42% от всички случаи на непредвидени прекъсвания. Ето защо интелигентната поддръжка на оборудването чрез превантивен мониторинг и диагностика се превръща в задължително условие за безпроблемното управление на интелигентните фабрики в епохата на четвъртата индустриална революция.

Системите за превантивна поддръжка, включващи усъвършенствани AI алгоритми, функции за машинно обучение и изкуствени невронни мрежи, са способни да извършват прецизни прогнози за предстоящи проблеми и неизправности с даден компонент, възел или система. Освен съкращаване на непланираните престои, интелигентната поддръжка спомага и за удължаване на оставащия полезен живот на машината или оборудването.

В случаи, в които инспекцията на място и ремонтните дейности са неизбежни, техническият екип получава предварително детайлна информация на кои машинни елементи да обърне по-подробно внимание, както и какви инструменти и методи да използва. Тези възможности позволяват осъществяване на целенасочена и прецизно планирана поддръжка, която не коства излишни разходи, а напротив – спомага за реализирането на значителни икономии на средства и ресурси.

Качество 4.0

Изключително кратките производствени срокове в съвременното индустриално производство, съчетани с драстичното нарастване в сложността на продуктите, превръщат качествения контрол и спазването на действащите регулации и стандарти за качество в трудна задача за много предприятия.

От друга страна, потребителите очакват безупречни продукти с постоянно високо качество, а в ерата на комуникациите и социалните мрежи всяка грешка би могла да се окаже фатална за имиджа на дадена марка. Сериозно негативно влияние върху производството могат да окажат както големите количества бракувана продукция, така и честите рекламации.

Концепцията за постигане на високо “Качество 4.0” в контекста на Industry 4.0 включва използването на алгоритми за изкуствен интелект с цел уведомяване на производствените екипи за предстоящи или вече възникнали проблеми, които биха могли да повлияят качеството на продукцията. Такива биха могли да бъдат отклонения от утвърдените рецепти или процедури, привидно незабележими аномалии в поведението на машините, промяна в качеството на суровините и т. н.
Ранното разрешаване на тези проблеми с помощта на AI-базирани технологии спомага за постигане и поддържане на високо “Качество 4.0”. Допълнителна възможност е събирането на подробни данни за използването и поведението на продукта по време на полевата му работа.

Генеративен дизайн

Изкуственият интелект трайно трансформира процеса на проектиране, като все по-популярен става т. нар. генеративен дизайн. Понятието описва намирането на оптимално конструктивно решение посредством софтуер с изкуствен интелект на базата на предварително зададени от проектанти и продуктови инженери параметри. Въвежданото в платформата първоначално “задание” може да включва данни за различни рестрикции, фактори и променливи, включително видове материал, налични производствени методи, бюджетни и времеви ограничения и др.

Алгоритъмът за генеративен дизайн изследва всяка възможна конфигурация и откроява най-добрите решения. Предложените варианти могат да бъдат предварително тествани посредством машинно обучение, осигурявайки допълнителна информация за това кой дизайн би бил рисков и кой – най-подходящ за различни сценарии. Процесът може да бъде повтарян достатъчен брой пъти до идентифициране на най-оптималното решение.

Сред основните предимства на този подход е фактът, че AI алгоритъмът е напълно обективен. Той не се придържа към никакви принципи, считани от хората за “логични” и тласкащи процеса на проектиране към сходни резултати. Софтуерът не прави предположения, а борави с доказани твърдения. Всяка стъпка от потенциалното решение се тества за приложимост в реални условия и спрямо множество производствени сценарии, фактори и условия.