Praktické využití umělé inteligence v průmyslu a výrobě

O umělé inteligenci se mluví již velmi dlouho, ale teprve v posledních zhruba dvou letech můžeme pozorovat skutečně zajímavý růst potenciálu jejího použití v průmyslu. Opravdu jde zatím pouze o potenciál, protože drtivá většina firem včetně těch největších podniků možnosti umělé inteligence nevyužívá naplno, některé ji dokonce nevyužívají vůbec. Jaké tedy jsou reálné možnosti umělé inteligence v průmyslu a výrobě a co by její vhodná aplikace firmám přinesla?

V tomto textu se zaměřím na tři oblasti, které jsou podle mě při aplikování umělé inteligence v průmyslu nejslibnější a také jsou nejsnáze realizovatelné. Jde o prediktivní údržbu, procesní řízení výroby a počítačové vidění.

Prediktivní údržba

První z nich, prediktivní údržba, má podle mého názoru obrovskou budoucnost. Ze všech nástrojů umělé inteligence je také v průmyslu a výrobě nejsnáze realizovatelná. V českých továrnách zatím ale na moc příkladů její úspěšné aplikace nenarazíme. Výjimkou jsou některé velké automobilky, které prediktivní údržbu začaly zavádět zhruba před dvěma lety ve svých lisovnách a lakovnách.

Co to prediktivní údržba je a jak přesně funguje? V každém větším průmyslovém podniku se nachází řada přístrojů, motorů strojů, výtahů a podobně. Každý mívá svou servisní knihu, kde je přesně určeno, kdy doplňovat olej, kdy promazávat řetězy, kdy měnit uhlíky, vyfoukat z motoru prach a podobně. Tyto intervaly místní údržbáři a techničtí pracovníci pravidelně dodržují, často se ale zjistí, že povinná výměna ložisek či uhlíků byla v daném čase zbytečná a předčasná, protože motor ještě vypadá prakticky jako nový. Například je u něj nastavený šestiměsíční servisní interval, jenže do toho přišlo období dovolených a ještě omezení daná covidem, a tak výkonnost dané linky spadla o 30 nebo 50 procent. Motor se tedy tolik neopotřeboval.

Jak pomáhají speciální senzory?

Tuto a podobné situace pomáhá řešit právě prediktivní údržba. Na motory strojů a další zařízení se umístí speciální senzory. Ty vyhodnocují otáčky motoru, rezonanci, teplotu a další veličiny. Senzory vám pomohou naměřit individuálně na každém motoru motohodiny, a tedy jeho reálné opotřebení. Není pak například potřeba měnit uhlíky podle intervalu daného v servisní knize, protože v danou dobu jsou spálené jenom z poloviny.

Do systému také vždy zaznamenáte každý servisní zásah a stav jednotlivých dílů v daný okamžik. Umělá inteligence potom umí tato data vyhodnotit a porovnat s údaji indikujícími, jaké bylo v daném období vytížení příslušné linky. Výsledek pak aplikuje na všechna ostatní obdobná zařízení v továrně. Z dat je například zjevné, že v motoru, který byl o něco hlučnější a měl větší rezonanci, došlo po třech týdnech k prasknutí klíčového dílu a k poruše. Když se pak u některého ze stovek obdobných motorů strojů začnou objevovat podobné problémy, systém umělé inteligence vás na to upozorní a vy můžete udělat příslušný servisní zásah včas, než dojde k drahé poruše a dalším navazujícím problémům.

Prediktivní údržba tak pomáhá podniku šetřit zdroje několika různými způsoby. Díky umělé inteligenci můžete prodloužit servisní intervaly a vyhnout se zbytečnému plýtvání náhradními díly a dalším materiálem. Když máte v továrně například tisíc motorů, jde už o obrovské ušetřené částky. Dále prediktivní údržba včas upozorní na možnou poruchu. A pomáhá šetřit skladové prostory, protože nemusíte mít tak velké skladové zásoby, respektive díky systému umělé inteligence daleko lépe odhadnete jejich nutné množství.

Procesní řízení výroby pomocí umělé inteligence

Druhou oblastí, kde lze v průmyslu a výrobě brilantně využít umělou inteligenci, je procesní řízení výroby. Nejnovější softwarové technologie zde mohou zajistit inteligentní vyhodnocování toku celého procesu výroby. Tato oblast je polem ještě více neoraným než výše zmíněná prediktivní údržba, pokulhávají v ní i mamutí výrobní podniky včetně automobilek. Jde totiž o dosti novou záležitost, navíc tento systém potřebujete nasadit komplexně na celou výrobu, což nemusí být jednoduchá záležitost.

A jak to celé může vypadat v praxi? Ve většině průmyslových podniků funguje výroba po úsecích, kde se provádějí jednotlivé úkony, jak to ostatně vymyslel už Henry Ford blahé paměti. Jenže každý úsek vykonává svou činnost rozdílnou rychlostí. Ideální by bylo naplánovat tok produktu celou výrobou od začátku až do konce rovnoměrně.

To je ovšem složité, protože například vysušit lak na autě trvá jiný čas než tam namontovat sedačku nebo do něj na konci nahrát software. A tak jednotlivé části linky jedou různými rychlostmi, což řeší zásobníky mezi jednotlivými úseky, v nichž se hromadí polotovary zpracované předchozím výrobním úsekem. Zásobníky také pomáhají se situacemi, kdy se v průběhu výroby nějaký úsek zpomalí nebo úplně zastaví. Například když dojde k nehodě, úrazu, rozbije se motor a podobně.

Lepší koordinace toku výroby

Velmi náročné ale je vyhodnotit správně momenty, kdy hrozí přeplnění jednotlivých zásobníků nebo naopak jejich úplné vyprázdnění. V praxi se to řeší koordinačními telefonáty mezi jednotlivými vedoucími výrobních úseků, respektive dispečery. Když máte plné linky a skoro plný zásobník, zavoláte například na lisovnu, ať si přehodí pauzu, aby se problém nekumuloval a neposílal se dál do výroby. Funguje to tak všude ve složitějších výrobních procesech, kde existuje více výrobních kroků, ať už jde o produkci ledniček nebo automobilů. A právě tady vám umělá inteligence může výrazně pomoci!

Udělá totiž příslušné vyhodnocení a rozhodnutí ovlivňující plynulý tok výroby za vás. Systém umělé inteligence má perfektní přehled o stavu celého výrobního procesu v daný okamžik, ne pouze o jednotlivém výrobním úseku a maximálně jeho dvou sousedech, jako tomu je u vedoucích úseků či dispečerů. Ví, kolik je kde výrobků na lince, kolik přesně je kusů v zásobníku a jak zpomalení nebo zrychlení linky v některém z úseků ovlivní situaci. Takový systém tedy pak může dát pokyn příslušným úsekům, zda mají zpomalit či zrychlit, aby se tok výroby stabilizoval.

Řešení absence zaměstnanců

Umělá inteligence si také poradí se situacemi, kdy v některém úseku nepřijde do práce několik zaměstnanců. Díky elektronickým hodinám a dalším nástrojům má přesný přehled o počtu lidí na daném úseku v konkrétní okamžik a jednotlivé pokyny tomu pak přizpůsobuje. Ve velkých továrnách se může nacházet například až 900 pracovních stanic a k efektivnímu uřízení tak monstrózního systému může umělá inteligence velmi významně přispět.

Nejlepší je nasadit toto inteligentní softwarové řízení výroby skutečně na celý výrobní proces, od navážení surovin na vstupu, až po finální výstupní kontrolu. Pak budete mít k dispozici skutečně komplexní data a tomu budou odpovídat i přesvědčivé výsledky.   

Počítačové vidění

Poslední oblastí využití umělé inteligence v průmyslu, kterou zde zmíním, je počítačové vidění spojené s používáním takzvaných inteligentních kamer a softwarovým vyhodnocováním obrazu.

Velmi využívaná je tato technologie typicky při kontrole kvality, například v potravinářství při kontrole samolepek či etiket na sklenicích a lahvích, zda nejsou nakřivo. Nebo v jiných odvětvích průmyslu ke kontrole laku, identifikaci vad povrchů a podobně.

Funkční technologie počítačového vidění se v průmyslu používá delší dobu než ostatní dvě oblasti popisované výše, ale dlouho fungovala podobně jako řada jiných systémů umělé inteligence izolovaně, ostrovně. Až v poslední době vznikají větší propojené systémy, což je ostatně trend vlastní umělé inteligenci v průmyslu jako takové.

Kromě kontroly kvality lze počítačové vidění využít například i k určování množství nějakého produktu či suroviny. Například lze jeho prostřednictvím snadno a rychle spočítat počet klád na pile či korbě nákladního automobilu. A příslušná technologie nalezne využití i při analýze využití servisních linek či skladů.

Možnosti využití umělé inteligence v průmyslu a výrobě se tedy před námi otevírají obrovské. Prakticky každý větší přístroj v továrně dnes generuje nějaká data. A totéž platí o tak triviálních nástrojích, jako jsou pily pro truhláře. Nebo třeba o kombajnech. I ty dokážou produkovat data o své činnosti. Ze všech těchto zařízení můžeme získávat skutečně obrovské množství dat, jen málokterý podnik je ale umí efektivně využít. Pokud přemýšlíte, jak začít, zkuste začít rozvíjet jednu ze tří oblastí popsaných v tomto článku. A nebudete litovat.