Chociaż sztuczna inteligencja zyskuje coraz większą popularność jako rozwiązanie problemów z jakością, wprowadza ona szereg nowych, czasami mylących, pojęć. Na początku wielu producentów zadaje sobie pytanie: „Czym jest sztuczna inteligencja?”.

Zrozumienie wizji maszynowej, a zastosowanie sztucznej inteligencji

Widzenie maszynowe jest podstawą w dzisiejszej produkcji, dzięki zdolności programistów do ciągłego szkolenia systemów kontroli w celu podejmowania zautomatyzowanych decyzji. Aby uzyskać dokładne wyniki, system widzenia maszynowego musi być wystarczająco inteligentny, aby porównywać dane szkoleniowe z rzeczywistymi obiektami. Dlatego dojrzałe firmy działające w sektorze przemysłowym stawiają na zastosowanie sztucznej inteligencji w swoich systemach produkcyjnych.

Algorytmy oparte na regułach wizji maszynowej doskonale sprawdzają się, gdy istnieje spójność, niezależnie od tego, czy chodzi o rodzaje defektów czy kontrolowany materiał. Jeśli parametry ulegają zmianie, algorytm musi być ręcznie aktualizowany. Programowanie oparte na regułach jest szczególnie trudne w przypadku inspekcji zmiennych powierzchni, takich jak szkło, metal lub materiał z teksturą. Zastosowanie sztucznej inteligencji w tego typu przypadkach może mieć kluczowe znaczenie dla optymalizacji procesów produkcyjnych.

Obietnicą sztucznej inteligencji jest usunięcie niektórych ograniczeń tradycyjnego programowania, dzięki czemu systemy inspekcji mogą być bardziej wszechstronne. Jest to szczególnie cenne, gdy preferencje konsumentów skłaniają się ku personalizacji, a organizacje wytwarzają produkty krótkoseryjne o różnych wymaganiach dotyczących opakowań i klasyfikacji. Innym kluczowym obszarem zastosowania sztucznej inteligencji jest możliwość zmniejszenia liczby wyników fałszywie pozytywnych i fałszywie negatywnych generowanych przez inspekcje oparte na regułach, które wymagają kosztownej i czasochłonnej weryfikacji wtórnej.

Definicja sztucznej inteligencji stosowanej w przemyśle

W szerokiej definicji AI to maszyna rozwiązująca problem w sposób, który uważamy za inteligentny. Uczenie maszynowe to gałąź sztucznej inteligencji, w której komputery otrzymują zestaw danych, aby nauczyć się, jak rozwiązać konkretny problem. Zamiast przekodowywania algorytmu, system AI może używać dobrych i złych obrazów, aby zasadniczo przekwalifikować wewnętrzne dane kodowania. Ważne jest, aby zauważyć, że ludzie nadal są zaangażowani w AI; musimy dostarczyć dane początkowe, aby algorytm AI mógł się na nich uczyć.

Głębokie uczenie rozszerza metody uczenia maszynowego na potężne sieci neuronowe, które są inspirowane sposobem funkcjonowania naszych mózgów. Dzięki treningowi i etykietowaniu użytkownik uczy system, jak podejmować decyzje na podstawie dobrych lub złych wyników. Sieć neuronowa zaczyna wtedy analizować dane i podejmować własne decyzje.

Zastosowanie sztucznej inteligencji w procesach produkcyjnych to zatem ogromne przedsięwzięcie pod względem technologicznym, wykorzystujące kosztowną infrastrukturę oraz specjalistyczną kadrę. Na dłuższą metę może jednak wspomóc działanie całego systemu produkcji i finalnie obniżyć koszty wytwarzania i/lub montażu produktów przy maksymalnej efektywności ze względu na ograniczenie problemów i błędów w produkcji.

Artykuł Zastosowanie sztucznej inteligencji w przemyśle pochodzi z serwisu QSense | Kontrola jakości, wsparcie produkcji oraz logistyki.

W międzyczasie trwająca pandemia COVID-19 rzuciła nowe spojrzenie na rolę automatyzacji i robotów – szczególnie w odniesieniu do niedoboru wykwalifikowanej siły roboczej. Według ostatnich badań przeprowadzonych przez rząd oraz ThomasNet, 30% producentów twierdzi, że poszukuje nowych pracowników. Jednocześnie jednak ogólna stopa zatrudnienia w przemyśle spadła gwałtownie o 19,1 procent od stycznia do kwietnia 2020 r. Producenci walczą o zatrudnienie nowych ludzi – ale co mogą z tym zrobić? Niedawny raport „COVID-19: Co to znaczy dla produkcji przemysłowej” przygotowany przez Pricewaterhouse Coopers (PwC) doradzał, że producenci powinni zwiększyć wykorzystanie automatyzacji w celu zmniejszenia liczby pracowników na hali produkcyjnej. Wydaje się, że firmy właśnie to robią, a jedna trzecia firm ankietowanych w ankiecie Euromonitor International Voice of the Industry 2020 twierdzi, że przyspieszy inwestycje w narzędzia do automatyzacji.

Ten scenariusz można łatwo zinterpretować jako „robot – jeden, człowiek -zero” – że pandemia COVID-19 plus niedobór wykwalifikowanej siły roboczej tworzą pustkę, którą roboty będą zajmować. Ale w rzeczywistości prawda jest o wiele bardziej interesująca. Automatyzacja wpływa na umiejętności pracowników na dwa sposoby. Po pierwsze, automatyzacja zwiększa wymagany poziom umiejętności. Prowadzi to do zmniejszenia liczby pracowników potrzebnych w danym obiekcie, ale pozostali pracownicy muszą być wysoko wykwalifikowani. Aby temu zaradzić, firmy muszą inwestować i szkolić swoich pracowników. Po drugie, chociaż automatyzacja wymaga od niektórych pracowników wyższego poziomu umiejętności, obniża poziom umiejętności wymaganych od innych. W przypadku pracowników o niższych kwalifikacjach może to oznaczać łatwiejsze udostępnianie danych dzięki dostosowanym raportom lub mniej wymagającą kontrolę za pomocą łatwych w obsłudze interfejsów. Mówiąc prościej, zautomatyzowana przyszłość ograniczy, ale także stworzy nowe możliwości dla pracowników o różnym poziomie umiejętności.

Uczenie maszynowe

Artykuł opublikowany na Uniwersytecie Columbia w Nowym Jorku „W kierunku zrozumienia wpływu sztucznej inteligencji na pracę” analizuje rolę uczenia maszynowego. „Uczenie maszynowe wydaje się zwiększać produktywność twórców oprogramowania”, mówi raport, „a jednocześnie stwarzając nowe możliwości inwestycyjne i produkcyjne (np. pojazdy autonomiczne)”. W artykule stwierdzono, że umiejętności pracowników ludzkich nie pozostają statyczne, ale ewoluują wraz z technologią.

Jeśli chodzi o wpływ COVID-19, przyjęcie sztucznej inteligencji i uczenia maszynowego przyspieszyło jeszcze przed kryzysem, zgodnie z badaniem Verizon „Przyszłość pracy”. Raport stwierdza, że ​​„umiejętności i atrybuty człowieka są jeszcze ważniejsze w wyniku pandemii”. Badania — oparte na dwóch ankietach wśród kadry kierowniczej wyższego szczebla z różnych branż i regionów, jednego przed pandemią, a drugiego podczas pandemii — wykazały, że inteligencja emocjonalna wśród pracowników zyskała na znaczeniu dla 69% respondentów w wyniku kryzysu.

Uczenie maszynowe może zastąpić pewne powtarzalne zadania i działać z szybkością nieosiągalną dla ludzi. Ale nic nie zastąpi ludzkich cech, takich jak empatia, które są równie nieosiągalne dla sztucznej inteligencji.

Dotyczy to również innowacji, takich jak systemy wizyjne; przykładem jest sytuacja, w której czujniki i sztuczna inteligencja są wykorzystywane do wykrywania wad produktu. Nic nie zastąpi wiedzy inżynierskiej człowieka — a ostateczna ocena danej osoby jest nadal wymagana w przypadku wszelkich ocen pozytywnych lub negatywnych w czasie rzeczywistym.

Lepsza kultura pracy

Jeśli chodzi o empatię, obawy Graya Scotta i Elona Muska pomijają znaczenie kultury pracy w każdej organizacji. Każda firma — zwłaszcza środowiska produkcyjne — potrzebuje pracowników, aby dobrze prosperować w swojej pracy i podejmować ciągłe doskonalenie.

Jak stwierdzono w „Czynnik ludzki w inteligentnym przemyśle: przegląd literatury” opublikowanym przez renomowany brazylijski Federalny Uniwersytet Technologiczny – Paraná (UTFPR): „Praca ludzka będzie niezbędna w inteligentnych branżach, zarówno dla rozwoju tej koncepcji, jak zarządzania i operacjonalizacji zaawansowanych systemów produkcyjnych, technologii i procesów.”

Chociaż pracownicy inteligentnych fabryk mogą być zobowiązani do wykonywania mniej fizycznych czynności, bardziej wydajna komunikacja AI będzie podkreślać znaczenie podejmowania decyzji przez ludzi „w oparciu o zestawy kryteriów, narzędzi i danych”, donosi UTFPR. Uwagi dotyczą „nie tylko operatora, ale techników, menedżerów i innych pracowników na poziomie operacyjnym, taktycznym i strategicznym”. Tak więc zarówno wysoko, jak i nisko wykwalifikowani pracownicy.

Producenci muszą wyjść poza błędne przekonanie, że Przemysł 4.0 wymaga znacznych inwestycji kapitałowych od firm. Nie musi tak być, a zamiast tego kluczem może być zaopatrzenie się w odpowiednie części automatyki przemysłowej, takie jak czujniki, i zastosowanie ich w ramach niskokosztowej strategii modernizacji cyfrowej.

Artykuł Czy sztuczna inteligencja pozbawi mnie pracy? pochodzi z serwisu QSense | Kontrola jakości, wsparcie produkcji oraz logistyki.