hirdetés
hirdetés

MI-t tanultunk a Kürt Akadémián

Hogy vezessük be a MI-t a gyártásba?

Gyárvezetőkkel, telekommunikációs hálózatot építőkkel és digitalizációs tanácsadókkal is találkoztunk azon a workshopon, ahol a mesterséges intelligencia (MI) alapjait ismerhettük meg, illetve azt, hogy a gyártásban hogyan használhatók a legújabb technológiák. 

hirdetés

A Kürt Akadémia workshop-sorozatában a Mesterséges intelligencia a gyártásban című soron következő előadás első néhány percében tisztázódott is, hogy a MI annyira nem új találmány, csak mostanra lett akkora a számítási kapacitás, hogy használni is lehessen. A mesterséges intelligencia utánozza az emberi gondolkodást, és különösen a gépi tanulás alkalmazásakor hatékony segítséget nyújt többek között a viselkedési minták felismerésében, a komplexitás kezelésében, valamint az ismétlődő, unalmas feladatok végrehajtásában. Az MI-workshopra változatos szektorokból érkeztek hallgatók, mint például a vasúti gyártás, a pénzügy, a telekommunikáció területéről, vagy épp az ipari automatizálás felől. Az MI alkalmazása csak annyiban kérdés, hogy egy-egy ágazatban konkrétan mire lehet használni. Hogy mennyire a gyakorlati tudás megszerzése volt a cél, és nem az üzleti kapcsolatok alakítása, mi sem mutatja jobban, mint hogy a jelenlévők között főként technológiai szakemberek voltak jelen, nem döntéshozók. A délelőtt három előadója Szabados Levente vezető MI szakértő és a Kürt Akadémia képzésvezetője – akivel nemrégiben készült interjúnkat a GyártásTrend magazin 2017. decemberi lapszámában olvashatják –, Szertics Gergely, a Digital Transformation Consulting alapítója és Kiss Ferenc, a Budapesti Metropolitan Egyetem tudományos rektorhelyettese volt.

Percepció – modell – predikció

Az első előadás során betekintést kaptunk az MI történetébe, hogy a világ működésére felállított szabályok összességéből fakadóan, az együtt járások megfigyeléséből, a különböző kondíciók és események bekövetkeztének függvényében hogyan működik a mesterséges intelligencia. Végigkövethettük, hogy hogyan fejlődött ki a klasszikus programozásból a számítási teljesítmény növekedésével az adattudomány (data science), illetve a modellezési szaktudás segítségével a deep learning. Az első látványos példa – amely nem kapcsolódott ugyan szorosan a gyártáshoz, de könnyű áthelyezni arra a területre – a paradicsomválogató gép volt, amely az érett paradicsomok közül, amikor azok beáramlanak a raktérbe, kilöki a zöld, még éretlen terményeket. Vizuális feldolgozás segítségével felfedezi a mintázatot, és ennek megfelelő műveletet visz véghez. Hasonló osztályozást végeznek az önvezető autók is, amikor különbséget tesznek fal, úttest és ember között.

Klasszikus programozásból adattudomány (forrás: 123rf)
Klasszikus programozásból adattudomány (forrás: 123rf)

IoT, MI, i 4.0

Az ipar 4.0 nem csupán a gyártást, hanem minden egyes gazdasági ágat – egészségügyet, pénzügyet, oktatást – érintő forradalom, az adott iparág felokosítása. Szertics Gergely előadásban gyártásdigitalizációs modellt, illetve az MI és a ipar 4.0 összefüggéseit mutatta be. Az ipar 4.0 elemeinek gyors áttekintését követően a jelenlévő érdeklődőknek kellett elmondaniuk, hogy szerintük az ő területükön hol lehetne használni MI-t. Voltak elképzelések telekommunikációs állomások optimalizálására, berendezések meghibásodásának előre jelzésére és forgalomjelzésre is. Az interaktív részt követte az ipar 4.0 integrációs irányainak bemutatása, amelynek során Szertics a digitalizáció azon pontjait is megjelölte a gyártásban, ahol jelentős megtakarításokat lehet elérni MI-vel, például az önszabályozás, a tárgyak manipulálása, a gépek karbantartásra, a termelés elosztása területén. Az adatvezéreltségből következő hatékonyságot emelte ki előadásában, amiért igazán megéri minden szektorban a digitalizációval érdemben foglalkozni. A gyártás különböző szintjein érhető el haszon, kezdve a karbantartás-visszajelzéstől a strukturált hibagyűjtésen át a termelési optimalizálásig, illetve megalapozottak lesznek a befektetések és erős tárgyalási alapokat képezhet egy digitalizált, MI-t használó vállalat.

Érted a leírónyelvem?

Hogy a hallgatóság a saját bőrén érezze, hogy egy modellt mennyire nehéz leírni és felépíteni, két-két papírlapot kellett mindenkinek magához vennie, az egyikre önállóan leírta mindenki a papírrepülő-hajtogatás lépéseit, ezeket összegyűjtötték, és újra kiosztották a hallgatók között, akiknek most a leírások alapján a másik lapból meg kellett hajtogatniuk a repülőt. Kiss Ferenc tanulságos előadásantréját követően – amely megmutatta, hogy milyen fontos a közös leíró nyelv –, tisztázta az adatok és a modellek hatását a döntési folyamatokra. Jelesül biztos a döntés, ha rendelkezésre állnak adatok és modellek, bizonytalan a döntés, ha csak adataink és feltételezéseink vannak, amelyekből lehet ugyan konfirmatív elemzéseket végezni, de a modell, hiányos adattal, csak szimulációra képes. A teljes adat birtokában, még ha nincsenek is modelljeink, képesek vagyunk big data elemzéseket végezni, illetve ha az adatainkból van hiány, akkor a tapasztalatmenedzsment tudja kiegészíteni a tudásunkat, hogy megfelelő döntéseket hozhassunk. Lényeges momentuma volt a délelőttnek a következő kijelentés, miszerint MI-módszer minden helyzetre rendelkezésre áll.

Optimális vagy ideális

Kiss már prosperáló példákon keresztül mutatta be az ipari MI jelentős szerepét. A Bang & Olufsen, az 1925-ben alapított, fogyasztói elektronikai cikkeket gyártó cég 1992-es gyártósori optimalizációját említette elsőként. A dán gyárban segítségül hívták a digitalizációt. A gyártósor mérési rendszeréből érkező adatok alapján megmondták, hogy várhatóan mikor fog selejtet gyártani a gép, és akkor leállították, hogy a szerszámokat újrakalibrálják. A gyártósori automatizálással elérték, hogy 0 százalék selejtet termeljenek.

„MI-módszer minden helyzetre rendelkezésre áll
„MI-módszer minden helyzetre rendelkezésre áll" (fotó: a szerző)

Kiss bemutatta a PEN (Productivity Effectiveness Navigator) döntéstámogató szoftvert, amelynek feladata olyan forgatókönyvek előállítása, amelyek egyes, a termelést érintő események – nagyjavítást igénylő berendezésmeghibásodás, beszállító kiesése, járványokból eredő munkaerő-kiesés, természeti katasztrófa okozta logisztikai problémák – bekövetkezésekor a helyzet hatékony kezelésére, a veszteség minimalizálására alkalmasak. A piaci mozgás élénkségéhez igazodva a cégeknek gyorsan kell választ adniuk a piaci igényekre, fenn kell tartani a változtatás rugalmasságát a környezet változásait illetően, továbbá ki kell alakítani egy optimális kockázatkezelési és költségfejlesztési stratégiát a forrásoknak megfelelően. Ezt olyan eszközökkel lehet elérni, amelyek azokkal az adatokkal képesek dolgozni, amelyeket a cég tud megadni projekt- és környezeti eredményei alapján (raktári, szállítói vagy kapacitásinformációk), és amelyekkel el lehet végezni a kísérleteket a lehetséges jövőbeli forgatókönyvek vizsgálatára. A piacon jelenleg eddig nem volt olyan termék, amely egyszerre rendelkezne megfelelő részletezettségi szinten minden funkcióval és igényelt matematikai módszerrel, modellekkel, mint a PEN.

KPI, tech és data

A workshop végén Szabados Levente összefoglalta, hogy egy gyárnak, vállalatnak honnan érdemes elkezdeni a MI használatát. Kiemelte, hogy bármivel elkezdhető a folyamat, akár az adatgyűjtéssel vagy a technológiai fejlesztéssel, de abszolút érdemes minden esetben az üzleti célokat meghatározni, hogy legyen mihez mérni az eredményt és a ráfordítást. A legújabb technológiák már olyan funkciókkal bővültek, mint az energiaoptimalizáció, a selejthányad drámai csökkenése, a prediktív gyártás, a készletezés és a karbantartás – egyre szélesedik tehát az a terület, ahol mesterséges intelligencia alkalmazható a gyártásban. Példáiban a vizuális képfeldolgozást említette, amellyel kevesebb selejt érhető el a gyártás során, ráadásul rengeteg adatot is gyűjt. Vagy az egymástól tanuló gépi rendszereket, amelyek eredményeként kevesebb manuális beállításra van szükség.

Azoknak, akik érdekeltek az automatizált gyártás területén, jó összefoglalót és érthető lehetőségeket mutatott a rövid képzés. A következő workshopok a logisztika, az ellátási lánc és a HR területén mutatják be a mesterséges intelligencia lehetőségeit.

Trapp Henci
a szerző cikkei

hirdetés
Ha hozzá kíván szólni, jelentkezzen be!
 
Cikk[216612] galéria
hirdetés
hirdetés
hirdetés
hirdetés