Dirbtinis intelektas pramonėje vis dažniau vertinamas ne kaip madinga naujovė, o kaip konkretus įrankis aiškioms problemoms spręsti. Gamybos įmonės DI taiko anomalijų aptikimui, prognozinei kokybės kontrolei ir įrenginių būklės stebėsenai, kai tai tiesiogiai mažina nuostolius ir prastovas.
Praktika rodo, kad didžiausią grąžą DI duoda ten, kur procesai generuoja daug patikimų matavimų, o sprendimo sėkmę galima pamatuoti eurais, laiku ar broko sumažėjimu. Tokiais atvejais DI padeda greičiau pastebėti nukrypimus, sumažinti energijos švaistymą ir tiksliau prognozuoti, kada įrenginiui reikės priežiūros.
Trys ramsčiai: duomenys, žmonės, technologija
Efektyvų DI diegimą dažniausiai nulemia trys dalykai: duomenys, žmonės ir tinkamai parinkta technologija. Jei duomenys renkami nenuosekliai, jutikliai nesukalibruoti, o istorijoje daug spragų, net ir pažangiausias modelis duos abejotinus rezultatus.
Pramonės skaitmenizacijos tyrimuose dažnai kartojasi ta pati problema: įmonės panaudoja tik dalį turimų duomenų, nes jie būna išbarstyti skirtingose sistemose arba netinkami analizei. Todėl dar prieš DI projektą neretai tenka sutvarkyti duomenų srautus, susitarti dėl rodiklių apibrėžimų ir užtikrinti kokybės kontrolę.
„Dirbtinis intelektas yra toks geras, kokie geri yra duomenys, kuriais jis remiasi“, – sakė Marek Zamojski.
Ne mažiau svarbus ir žmonių vaidmuo. Patyrę operatoriai bei procesų inžinieriai dažnai pastebi artėjančius gedimus iš garso, vibracijos ar darbo ritmo dar prieš tai, kai tai aiškiai užfiksuoja rodikliai, o DI sprendimams jų žinios reikalingos interpretacijai ir teisingam sprendimų priėmimui.
Kada prognozinė priežiūra atsiperka?
Prognozinė priežiūra dažnai įvardijama kaip vienas patraukliausių DI scenarijų, tačiau ji ne visada ekonomiškai pagrįsta. Jei įranga paprasta, o gedimų kaina maža, užtenka būkle paremto aptarnavimo arba įprastų planinių patikrų be sudėtingų modelių.
Kai kuriuose projektuose didžiausia kliūtis yra ne programinė įranga, o matavimo infrastruktūros kaina. Jei norint sukurti patikimą prognozę reikia brangiai apmatuoti visą mazgą, investicija gali prilygti alternatyvai, pavyzdžiui, atsarginės įrangos įsigijimui ar kritinių dalių sandėliavimui.
„DI diegimas nėra principas pirkau ir jis išspręs visas problemas. Reikia scenarijaus ir aiškaus klausimo, į kurį norime atsakyti“, – sakė Marek Zamojski.
Darbuotojų baimės ir pokyčių valdymas
Diegiant DI pramonėje dažnai išryškėja ir žmogiškasis faktorius: dalis darbuotojų nerimauja, kad sprendimai nuvertins jų patirtį arba ilgainiui pakeis jų vaidmenį. Todėl įmonėms svarbu nuo pradžių aiškiai komunikuoti, kad DI yra pagalbinė priemonė, o ne automatinis darbo vietų mažinimo planas.
Praktiniai pavyzdžiai rodo, kad geriausiai veikia projektai, kuriuose operatoriai ir inžinieriai įtraukiami į problemos formulavimą. Kartais būtent cecho darbuotojai pirmieji įvardija paprastus, bet lemiamus parametrus, pavyzdžiui, drėgmę ar temperatūrą, o DI vėliau padeda šią patirtį paversti skaičiais ir taisyklėmis, tinkančiomis visai gamybai.
Galiausiai DI pramonėje tampa brandesnis tada, kai jis vertinamas pragmatiškai: ne pagal pažadus, o pagal matuojamą efektą. Jei tikslas aiškus, duomenys patikimi, o komanda supranta procesą, DI gali tapti konkurencinio pranašumo dalimi, tačiau kai kuriais atvejais racionaliausias sprendimas yra jo atsisakyti.

