Przemysłowe zastosowania sztucznej inteligencji

Przemysłowe zastosowania sztucznej inteligencji

Przemysł coraz chętniej sięga po rozwiązania wykorzystujące sztuczną inteligencję, widząc w niej narzędzie uwalniające olbrzymi potencjał transformacji cyfrowej, która zmienia tradycyjne procesy produkcyjne.

Mechanizmy AI w zakładach przemysłowych najczęściej stosuje się do analizowania w czasie rzeczywistym obrazu, przede wszystkim do wykrywania obiektów, określania ich stanu i szczegółowej lokalizacji, klasyfikowania i wyzwalania na tej podstawie odpowiednich działań. Przedsiębiorstwa mogą już wdrażać nawet bardzo skomplikowane rozwiązania sztucznej inteligencji, sięgając po gotowe narzędzia dostępne w chmurze. O tym, jak się przygotować, by osiągnąć największe korzyści z AI, dyskutowano podczas kolejnego wirtualnego spotkania z cyklu CIONET Vision, którego patronami były firmy Devoteam i Google. Dysponując zespołem 250 konsultantów i posiadając 200 różnych certyfikatów, Devoteam już od ponad dekady jest partnerem Google Cloud o statusie Premier.

AI można postrzegać jako „wisienkę na torcie”, jakim jest transformacja cyfrowa. I chociaż o cyfryzacji mówi się od paru dobrych lat, to musiało trochę czasu upłynąć, zanim zrozumiano, że to nie technologia jest w niej najważniejsza. Ponieważ transformacja cyfrowa dotyka każdego obszaru funkcjonowania organizacji, to nie kompetencje działu IT czy działu innowacji są jej istotą. Chodzi o zmianę kultury organizacyjnej we wszystkich aspektach. Puntem wyjścia dla tej zmiany jest zrozumienie, jak ważną rolę w organizacji pełni informacja. A ta jest zaszyta w działających u zakładzie przemysłowym systemach IT i OT, jest w posiadaniu pracowników i kadry zarządzającej, jej źródłem są także kontrahenci, podwykonawcy i dostawcy – po prostu cały łańcuch wartości.

- Jeśli kluczowy staje się płynny i bezpieczny obieg informacji, to inicjatywa transformacji cyfrowej bardzo często wychodzi nie od dyrektora IT, tylko od szefa działu HR albo dyrektora finansowego. Oni pierwsi dostrzegają w cyfryzacji olbrzymi potencjał – zauważył Jarosław Zarychta z Google.

AI potrzebuje chmury

Ponieważ fundamentem transformacji cyfrowej stała się chmura obliczeniowa, można zadać pytanie, czy cloud jest warunkiem koniecznym wdrożenia sztucznej inteligencji.

- Możliwe jest wykorzystanie AI poza chmurą. Wiele zakładów produkcyjnych wybudowano z dala od terenów miejskich, gdzie dostęp do internetu jest utrudniony, przepustowość łączy mała. Rozwiązaniem staje się edge computing - większość informacji można wtedy agregować i analizować na brzegu w czasie rzeczywistym. Do chmury wysyłane będą wtedy tylko dane już przefiltrowane, do ewentualnej dalszej analizy – tłumaczył Michał Żuralski z Devoteam.

Chmura ma jednak tę wielką przewagę, że na wyciągniecie ręki jest w niej wszystko, co możemy potrzebować - narzędzia, moc obliczeniową, pamięć masowa...

- Jeśli coś jest gotowe, to nie trzeba na nowo wymyślać koła. Przykładowo, stworzenie samemu algorytmów do detekcji obrazów może się okazać bardzo nieefektywne kosztowo. A wielu dostawców chmury oferuje takie rozwiązania w modelu Machine Learning as a Service – mówił Marcin Walczak z Devoteam.

Gorąca dyskusję o migracji do chmury obliczeniowej na rynku Europy Środkowo-Wschodniej mamy za sobą - dzisiaj jej temperatura jest wyraźnie niższa. Nie demonizuje się już chmury, bo wszyscy zrozumieli, że cloud jest po prostu technologią, na której buduje się konkretne aplikacje, procesy, rozwiązania czy usługi. Jest rodzajem infrastruktury, którą można wykorzystywać w przedsiębiorstwach. W pewnych zastosowaniach sprawdzi się doskonale, w innych będzie jedną z wielu opcji, a do jeszcze innych najzwyczajniej się nie nada.

- Gdy u Gartnera mówi się o nowych technologiach, to już w ogóle nie używa się pojęcia cloud computingu. Wymienia się za to bardzo wiele usług i technologii, które są zbudowane na chmurze obliczeniowej. Przykładowo Vision AI czy Predictive Maintenance, które są oparte na ML. Żeby wyuczyć zastosowane w nich algorytmy potrzeba środowiska o odpowiedniej skali, więc chmura staje się najlepszym wyborem – stwierdził Jarosław Zarychta.

Jak wiele korzyści może przynieść wykorzystanie chmury, przekonały się Toruńskie Zakłady Materiałów Opatrunkowych (TZMO) - firma, której produkty są sprzedawane na kilkudziesięciu rynkach, posiadająca wiele centrów produkcyjnych, nie tylko w Polsce. Chociaż jest firmą produkcyjną, to ma także bardzo rozbudowaną dystrybucję i struktury logistyczne.

- Chcemy z naszymi produktami docierać jak najbliżej klienta i potrzebujemy do tego różnych technologii, także tych, które są dostępne właśnie z chmury. Transformacja cyfrowa i przejście do chmury stworzyły nową jakość we współpracy naszych ludzi. Przykładowo, użycie Workspace było prawdziwą rewolucją, jeśli chodzi o przepływy pracy – stwierdził Piotr Kowalski z TZMO.

Wdrożenie chmury ruszyło jeszcze przed pandemią i kiedy ona nadeszła, okazało się dla firmy prawdziwym wybawieniem. Pozwoliło płynnie przejść na pracę zdalną, dużo łatwiej połączyć spółki znajdujące się w Polsce z tymi za granicą. Wdrożeniem, które zakończono już po 4 miesiącach, zajął się Devoteam. W tym czasie przeniesiono do Google Workspace i wyszkolono 3400 użytkowników. W bardzo krótkim czasie ponad 30 spółek na całym świecie rozpoczęło pracę, jakby działały obok siebie, w jednym budynku. Dzięki Workspace nie tylko odległość, ale nawet różne języki przestały być barierą.

- Chmura w TZMO wszystko bardzo przyśpieszyła. Skróciła czas otrzymywania informacji i usprawniła komunikację. Nie ma już sytuacji, że po wysłaniu maila czekamy na odpowiedź. Wszystko dzieje się online. Nierzadko pracujemy jednocześnie w kilkanaście osób na jednym dokumencie. W efekcie wzrosła nasza produktywność – wyjaśniał Rafał Budzyński z TZMO.

Po zadowalających rezultatach dokonanego przy udziale Devoteam wdrożenia Google Workspace, TZMO podjęło decyzję o wprowadzeniu także Google Cloud Platform. To narzędzie, które będzie rozwiązywać problem z brakiem skalowalności czy modernizacją infrastruktury.

W planach TZMO, które dotąd stosowały mniejsze, rozproszone rozwiązania analityczne do kontroli jakości wyrobów, jest także wykorzystanie analizy dużych zbiorów danych w celu udoskonalenia procesów produkcyjnych.

IT i OT - jak połączyć dwa światy?

Jak przekonywał Jarosław Zarychta, w przemyśle tkwi olbrzymi potencjał, gdy chodzi o informatyzację rozumiana jako integrację obszarów IT i OT oraz cyfryzację.

- Chcę rozróżnić te dwa pojęcia. Informatyzacja w polskich przedsiębiorstwach postępuje szybko i polega na wdrożeniach systemów klasy MES czy ERP. Cyfryzacja natomiast dotyczy wydobywania nieoczywistych korelacji z informacji posiadanych przez te systemy i w połączeniu z ludzka wiedzą zastosowania ich w konkretnych modelach uczących się, wspomagających operacje manualne, powtarzające się czy też wykonywane w strefach niebezpiecznych – tłumaczył ekspert Google

W przypadku tak rozumianej cyfryzacji polskie zakłady przemysłowe są na początku drogi. Dalszy rozwój wymaga znalezienia sposobu na zintegrowanie obszarów IT i OT.

- Możliwości integracji IT i OT często są przedstawiane jako góra lodowa, bo obecnie widzimy tylko jej czubek, którym jest IT. Schowany pod wodą jest ogromny potencjał, który zostanie odkryty, gdy połączy się dane generowane w czasie rzeczywistym przez maszyny, ludzi je obsługujących, pojazdy, budynki, kontrahentów i platformy biznesowe B2B. Szefowi ds. automatyki przemysłowej będzie bardzo trudno stworzyć takie rozwiązanie w modelu on-premise, które będzie zgodne z politykami bezpieczeństwa. Obszar OT nie jest przygotowany do tego, by funkcjonować w świecie, który jest skomunikowany poprzez sieć rozległą, jaką jest Internet – mówił Jarosław Zarychta.

Aby umożliwić analizę całej tej informacji potrzeba taniej i bezpiecznej technologii do zintegrowania obszaru OT, bo jest on często „galwanicznie” odseparowany od IT. I właśnie cloud jest takim rozwiązaniem. Można stworzyć kanał, którym określone informacje (historyczne, zagregowane, zanonimizowane) będą wysyłane do chmury w celu przeanalizowania ich. Na brzegu sieci natomiast, czyli w lokalnym data center, wykorzystywać algorytm wytrenowany w chmurze do analizy danych generowanych w czasie rzeczywistym.

- Scenariuszy wdrożenia chmury jest wiele, można postawić na chmurę publiczną, korzystać z hybrydowej, czy też wykorzystywać ich wiele (multicloud). Nie ma przeszkód, by u jednego operatora zbudować swoją infrastrukturę, a u innego dobrać potrzebne usługi, np. właśnie analitykę danych. W niedalekiej przyszłości środowiska multicloud staną się rozwiązaniem wybieranym przez większość organizacji. Vendor lock-in, do jakiego dochodziło na przełomie wieków, był nauczką. Dziś nikt już nie chce wpaść w uzależnienie od jednego dostawcy. Paradoksalnie chmura daje właśnie wolność wyboru – przekonywał Jarosław Zarychta.

Do odkrycia całego potencjał danych droga może być jednak długa. Jak zauważył podczas spotkania Bartosz Sornat z Aqua Solution, dużo firm nie ma obecnie uporządkowanych kwestii danych. Wiele rzeczy z tego obszaru leży tam odłogiem. Trudną do pokonania barierą może być brak kadry i wiedzy. Ostatecznie przedsiębiorstwa mogą po prostu nie mieć budżetu na wejście w AI. Zwłaszcza, że nierzadko z ich punktu widzenia to jest koszt, a nie inwestycja. Szczególnie w tych mniejszych firmach.

- Pracujemy z różnymi firmami i rzeczywiście często ich pierwszy projekt cloudowy - niezależnie czy dotyczy AI czy IoT - jest traktowany jako koszt, ponieważ dopiero się na nim uczą. Ale jeśli są wątpliwości, czy cloud może być inwestycją, to powinno się uczciwie zestawić koszty infrastruktury on-prem z chmurą. Obliczenie TCO w perspektywie np. 5 lat pokaże, jak mają się do siebie projekty realizowane w obu modelach. To najlepsza droga do budowania świadomości, jaki może być ROI z wejścia w chmurę, i zmiany podejścia firm. Trzeba przy tym uwzględnić sprawy bezpieczeństwa i zadać sobie pytanie, gdzie chce się być za 3-5 lat, jeśli chodzi o cyfryzację przedsiębiorstwa – odpowiedział na te wątpliwości Jarosław Zarychta.

Ponieważ nieustannie dąży się do wzrostu efektywności produkcji, trzeba sobie zdawać sprawę, że wszystkie manualne metody do tego prowadzące są na wyczerpaniu. Trzeba szukać innych sposobów, a cyfryzacja ma potencjał, który wciąż nie jest brany pod uwagę przez wiele polskich organizacji.

Na czym polega piękno AI?

Obok szczegółowych wyliczeń nastawienie firm do chmury i wykorzystania dostępnych w nich narzędzi AI może zmienić także studiowanie realnych wdrożeń i uzyskiwanych z nich korzyści. Podczas spotkania eksperci z Devoteam przedstawili projekt stworzony dla szwedzkiej firmy Sandvik. Głównym problemem do rozwiązania była kontrola jednorodności prętów stalowych oraz optymalizacja ich obróbki, w wyniku której powstają wiertnice. W procesie ich produkcji powstaje odpad - skrawki. Mogą one blokować maszynę, gdy materiał jest miękki i podczas skrawania powstają długie spirale. Gdy jest z kolei twardy, a skrawki są bardzo drobne, to dochodzi do zbyt dużych strat materiału.

- Zbudowaliśmy model wykorzystujący wzorzec skrawków. W tym celu użyliśmy wielu kamer zamontowanych na maszynach. Dzięki analizie materiału wideo wykorzystującej platformę uczenia maszynowego TensorFlow w Google Cloud osoba obsługująca obrabiarkę mogła odpowiednio ją programować. W efekcie zoptymalizowaliśmy parametry skrawania, co bardzo skróciło czas produkcji – tłumaczył Michał Żuralski.

Narzędzie TensorFlow zostało wykorzystane do oceny obrazu i porównywania go z wzorcem. Bez wykorzystania sztucznej inteligencji byłoby to bardzo czasochłonne i niezwykle trudne do zrealizowania.

- Co istotne, w stworzeniu modelu analitycznego wykorzystano doświadczenie pracownika, który przez 30 lat pracował przy skrawaniu i doskonale wiedział, co oznaczają jakie wióry. Wyniki analizy dawały już na bardzo wczesnym etapie produkcji wiedzę, jaka jest jednorodność prętów i jaki może powstać z nich produkt – dodał Marcin Walczak.

Analizę wizyjną w ramach wieloetapowej i zaawansowanej kontroli jakości wykorzystuje także TZMO.

Nawet, gdy wytwarza się miliony produktów, dąży się do tego, by każdy z nich mógł być skontrolowany. Chce się mieć pewność, że na rynek trafiają tylko sprawdzone wyroby, spełniające określone standardy. Wdrażamy sukcesywnie rozwiązania wykorzystujące układy wizyjne, które pozwalają na porównanie aktualnie produkowanego artykułu z zapisanym w pamięci komputera wzorcem. Na tej podstawie możemy określić, który z parametrów jest albo nie jest zachowany. Robimy to w czasie rzeczywistym i z dużą szybkością. Gdy jest już niebezpiecznie blisko warunków brzegowych operator może podjąć stosowne działania – mówił Rafał Budzyński.

Kontrola wizyjna wykorzystywana przez TZMO jest przeprowadzana i w świetle widzialnym, i w podczerwieni. Układy złożone są z wielu kamer, z których każda przeprowadza analizę wybranego parametru wyrobu. Celem do którego dąży producent jest to, żeby linia sama potrafiła reagować na wykrywane odchylania od normy.

- Takie coś można zrealizować dodając właśnie AI. Wielką wartością będzie zintegrowanie danych z obecnego procesu z innymi informacjami. Z danymi z systemów ERP i CRM, z informacjami z logistyki. Na pewno przyniesie to dużą wartość – podpowiadał Michał Żuralski.

- Piękno sztucznej inteligencji polega m.in. na tym, że do końca nie wiemy, co otrzymamy po zintegrowaniu informacji z różnych źródeł i wykorzystaniu wbudowanych w chmurę narzędzi. Mogą zostać ujawnione zależności, o których nie mieliśmy pojęcia, że istnieją. Ta dodatkowa wiedza pozwoli nam jeszcze lepiej modelować procesy – podsumował Marcin Walczak.

AI to tylko jeden z wielu obszarów, w których działa Devoteam G Cloud. Jako Managed Services Provider zdobył 7 specjalizacji Google Cloud: Infrastructure, Machine Learning, Work Transformation - Enterprise, Application Development, Training Infrastructure, Training Data, Location-Based Services. W kwietniu 2020 Devoteam został w regionie EMEA wyróżniony tytułem Google Cloud Reseller Partner of the Year.