CP v2

Tag: Pramonės skaitmenizacija

  • KGHM investuoja į vietinį valdymo centrą: nauja sistema turi pagreitinti pramonės logistiką

    Kas pasikeitė KGHM geležinkeliuose?

    KGHM grupės bendrovė KGHM Linie Kolejowe pranešė pradėjusi eksploatuoti vietinį eismo valdymo centrą, kuris skirtas pramoninės geležinkelio infrastruktūros valdymui. Bendrovė akcentuoja, kad tai vienas moderniausių tokio tipo objektų Lenkijoje, turintis sustiprinti transporto valdymo efektyvumą ir saugą.

    Projektas pristatomas kaip dalis geležinkelio infrastruktūros modernizavimo programos, susietos su viso KGHM technologinio proceso grandine. Pramoninė geležinkelio logistika šiai grupei svarbi dėl žaliavų, koncentrato ir kitų medžiagų judėjimo tarp kasybos, perdirbimo ir lydyklų padalinių.

    Skaitmenizacija, sauga ir pralaidumas

    KGHM teigimu, naujasis centras reiškia pažangių skaitmeninių sprendimų įdiegimą, kurie leidžia tiksliau koordinuoti eismą ir greičiau reaguoti į sutrikimus. Tokie sprendimai pramonėje dažniausiai siejami su didesniu sistemos atsparumu, kai transporto grandinėje svarbus ne tik greitis, bet ir nepertraukiamas veikimas.

    Įmonė nurodo, kad modernizuota infrastruktūra sudaro sąlygas aptarnauti iki 600 metrų ilgio sąstatus ir leidžia didinti pervežimų efektyvumą. Pramoninėje logistikoje tai paprastai reiškia mažesnį reisų skaičių tam pačiam krovinių kiekiui ir stabilesnį tiekimą į gamybos padalinius.

    Kaip veiks naujasis valdymas?

    Pasak KGHM, vietiniame valdymo centre integruotas valdymas apima 7 valdymo zonas, 177 iešmų pavaras ir 11 pervažų sistemų. Tokia konsolidacija leidžia centralizuoti eismo kontrolę ir sumažinti priklausomybę nuo atskirų, tarpusavyje silpnai susietų valdymo taškų.

    Bendrovė taip pat pabrėžia, kad modernizavimas turi tiesioginę reikšmę visos gamybos tęstinumui, nes pramoninės geležinkelio atšakos aptarnauja pagrindinę KGHM tiekimo grandinę. Tokiose sistemose didžiausią riziką kelia ne vien avarijos, bet ir trumpi, tačiau dažni sutrikimai, kurie gali sukelti grandininį poveikį gamybai.

    „Šis projektas yra svarbus žingsnis skaitmeninant pramonės logistiką ir gerinant geležinkelio transporto saugą“, – sakoma KGHM pranešime.

    Projektą įgyvendino Lenkijos įmonės Torpol ir Kombud. KGHM nurodo, kad įdiegta infrastruktūra ir skaitmeninis geležinkelio eismo valdymas turėtų tapti pagrindu tolesniam logistikos procesų automatizavimui artimiausiais metais.

  • „Mistral“ įsigijo Austrijos „Emmi AI“: taikosi į pramonę ir žada plėtrą Vokietijoje bei Lietuvoje

    „Mistral“ įsigijo Austrijos „Emmi AI“: taikosi į pramonę ir žada plėtrą Vokietijoje bei Lietuvoje

    Prancūzijos dirbtinio intelekto modelių kūrėja „Mistral“ įsigijo Austrijoje įkurtą startuolį „Emmi AI“. Sandorio vertė neatskleidžiama, tačiau tai jau antrasis „Mistral“ įsigijimas, rodantis ambiciją sparčiai plėsti paslaugas Europos pramonės įmonėms.

    „Emmi AI“, įkurta 2024 metais, kuria dirbtinio intelekto sprendimus, padedančius gamintojams greitinti inžinerinius procesus ir trumpinti produktų kūrimo ciklus. Bendrovė specializuojasi vadinamojoje fizikos DI kryptyje, kai modeliai pritaikomi realių procesų ir reiškinių skaitmeninėms simuliacijoms.

    Kam pramonėje reikalingas fizikos DI?

    Tokie sprendimai dažniausiai taikomi užduotims, kurios tradiciškai reikalauja daug skaičiavimo išteklių ir laiko, pavyzdžiui, skysčių dinamikai, šilumos sklaidai ar medžiagų įtempimų analizei. Šios sritys ypač svarbios aviacijos, automobilių, energetikos ir puslaidininkių pramonėje, kur klaidos kaina gali būti itin didelė.

    „Mistral“ pabrėžia, kad tikslas yra tapti pagrindiniu DI partneriu gamybos ir aukštos rizikos sektoriams Europoje. Rinkoje tai vertinama ir kaip platesnė pastanga stiprinti europinių technologijų ekosistemą, kurioje vietiniai kūrėjai siekia konkuruoti su didžiaisiais JAV kalbos modelių tiekėjais.

    Komanda persikelia į „Mistral“

    Pasak „Mistral“, „Emmi AI“ bendraįkūrėjai ir daugiau nei 30 tyrėjų bei inžinierių prisijungs prie „Mistral“ Mokslo ir taikomojo DI komandų vėliau šiais metais. Tokie įsigijimai dažnai daromi ne tik dėl technologijos, bet ir dėl specializuotos komandos, galinčios sparčiai integruoti sprendimus į didesnę platformą.

    „Šis strateginis įsigijimas įtvirtina „Mistral“ lyderystę pramonės dirbtinio intelekto srityje ir leidžia mums tapti pasirinktu partneriu gamintojams aviacijos, automobilių ar puslaidininkių sektoriuose“, – sakė „Mistral“ bendraįkūrėjas ir vadovas Arthur Mensch.

    „Emmi AI“ bendraįkūrėjas ir mokslo vadovas Johannes Brandstetter teigė, kad komanda dirbo su aukštos svarbos fizikiniais iššūkiais – nuo realaus laiko elektros tinklų stabilizavimo iki liejimo procesų simuliacijų ir automobilių saugos bandymų. Pasak jo, integracija į „Mistral“ ekosistemą turėtų pagreitinti šių sprendimų taikymą pramonėje.

    Investicijos ir plėtra regione

    „Emmi AI“ pernai pritraukė apie 15 000 000 eurų pradinės stadijos investiciją, kuri buvo įvardyta kaip viena didžiausių tokio tipo investicijų Austrijos startuolių rinkoje. Šis etapas dažnai laikomas signalu, kad technologija turi komercinį potencialą, o komanda sugeba greitai auginti produktą.

    „Mistral“ taip pat nurodo, kad sandoris reiškia didesnes investicijas Europoje, ypač Austrijoje, Vokietijoje ir Lietuvoje, kur yra dalis „Emmi AI“ komandos. Bendrovė teigia planuojanti tęsti vietinę atranką ir samdyti specialistus, kad sustiprintų taikomųjų sprendimų kūrimą pramonės klientams.

  • Europa DI lenktynes pralaimėjo, bet Lietuvai ir Lenkijai atsiveria nišos: pramonė ir gynyba

    Didžiųjų modelių lenktynės

    Diskusijose apie dirbtinį intelektą Europoje vis dažniau skamba realistinis vertinimas: varžytis su pasauliniais lyderiais kuriant didžiausius generatyvinius modelius būtų itin sunku. Tam reikia milžiniškų duomenų, lustų, kapitalo ir ekosistemų, kurios JAV ir Kinijoje formuotos ne vienus metus.

    Tačiau tai nereiškia, kad regionas pasmerktas vien importuoti technologijas. Ekspertai vis aiškiau akcentuoja kitą kryptį: laimėti galima ten, kur DI susijungia su pramoniniais procesais, saugumu, reguliuojamomis sritimis ir specifinėmis žiniomis.

    Nišos, kuriose DI atsiperka

    Pramonė, energetika, sveikatos apsauga ir gynyba išlieka sritys, kuriose svarbiausia ne didžiausias bendros paskirties modelis, o tiksliai konkrečiam darbui pritaikytos sistemos. Tokiose srityse vertė kuriama ne vien teksto generavimu, bet ir gebėjimu prognozuoti gedimus, optimizuoti gamybą, aptikti anomalijas, valdyti tiekimo grandines.

    Europos pranašumas čia siejamas su dideliu gamybos ir inžinerijos sektorių svoriu, aukštais saugos standartais bei aiškesniu reguliavimu. Įmonėms dažnai pakanka mažesnių, domenui pritaikytų modelių ir lokalesnės infrastruktūros, jei tik duomenys kokybiški, o procesai aprašyti.

    „Mūsų šansas yra nišose: mažesni, konkrečiai sričiai pritaikyti sprendimai, kuriems nereikia didžiausių pasaulyje skaičiavimo pajėgumų“, – sakė skaitmeninės ekonomikos ekosistemoje dirbantis ekspertas.

    Kas stabdo verslą ir valstybę?

    Vienas dažniausių nusivylimų šaltinių – bandymas diegti DI neparuošus organizacijos pagrindų. Jei įmonėje nėra aiškių procesų, duomenys išmėtyti per sistemas, o atsakomybės ir sprendimų grandinės nesutvarkytos, DI dažnai tik pagreitina klaidas ir padidina chaosą.

    Praktikoje tai reiškia, kad sėkmingas diegimas turi prasidėti nuo duomenų valdymo, procesų standartizavimo ir aiškaus verslo tikslo. DI taip pat neturėtų būti vien IT skyriaus projektas: reikalinga visos organizacijos transformacija, įtraukiant vadovybę, teisininkus, saugos ir rizikų valdymo komandas.

    Viešajame sektoriuje kritiškai svarbi koordinacija, nes be ilgalaikių prioritetų ir pirkimų logikos sunku sukurti paklausą vietiniams sprendimams. Gynybos ir civilinės saugos srityse tai ypač aktualu dėl testavimo, sertifikavimo ir atsakomybės klausimų.

    Mokslas, verslas ir finansavimo spragos

    Kita dažnai minima problema – atotrūkis tarp mokslinių tyrimų ir realių diegimų. Tyrimai gali būti stiprūs, tačiau kelias iki produkto ilgas: reikia bandomųjų aplinkų, užsakovo, duomenų, o svarbiausia – tarpinio finansavimo etapui, kai technologija dar rizikinga, bet jau reikalauja investicijų.

    Ekspertai pabrėžia, kad bendradarbiavimą silpnina instituciniai „silosai“ ir trumpalaikės paskatos. Jei vertinama tik publikacijų gausa, o ne komercinimo rezultatai, mokslininkams sunkiau skirti laiką prototipams, patentams ar darbui su įmonėmis.

    Vis daugiau kalbama ir apie atviresnės mokslo ekosistemos svarbą, kai barjerai tarp disciplinų ir institucijų mažėja, o komandos telkiamos pagal problemą, o ne pagal formalų pavaldumą. Tokia praktika ypač reikalinga kuriant domeninius DI modelius, kur svarbi ir informatika, ir konkreti sritis.

    Ką reikėtų daryti artimiausiu metu?

    Norint realios pažangos, prioritetu turėtų tapti mažų ir vidutinių įmonių įgalinimas: jos sudaro didelę ekonomikos dalį, tačiau dažnai neturi kompetencijų ir resursų pradėti DI projektų. Efektyviausios priemonės paprastai yra praktinė pagalba duomenų paruošimui, bandomieji projektai ir aiškios paskatos pereiti nuo eksperimento prie diegimo mastu.

    Lygiagrečiai būtina investuoti į kokybiškus duomenis ir žmones, kurie moka juos tvarkyti bei supranta konkrečios srities procesus. Be to, pramonės ir gynybos nišose lemiamas tampa patikimumas, saugumas ir atsekamumas, todėl DI sprendimai turi būti kuriami kartu su rizikų valdymu, kibernetinio saugumo praktikomis ir aiškia atsakomybe.

    Europos ir regiono šalis į priekį stumia ne pažadai apie universalius proveržius, o konkretūs, pamatuojami rezultatai gamyboje, logistikoje, energetikos balansavime, medicinos srautų valdyme ir saugumo srityse. Ten DI gali tapti ne mada, o įrankiu, kuris atsiperka.

  • DI agentai pramonėje: kaip mažinti konfabulacijas, saugoti įmonės duomenis ir procesus

    Pramonėje dirbtinis intelektas vis dažniau diegiamas ne kaip vienas universalus pokalbių įrankis, o kaip specializuoti DI agentai, kurie padeda darbuotojams analizuoti duomenis ir priimti sprendimus. Toks modelis skirtas ne pakeisti žmogų, o suteikti jam greitesnę prieigą prie informacijos ir aiškesnį kontekstą.

    Šis požiūris ypač svarbus gamyboje, kur DI tenka dirbti su jautriais įmonės duomenimis: technologinėmis kortelėmis, įrangos parametrais, kokybės rodikliais, tiekimo grandinės informacija. Dėl to vienas svarbiausių reikalavimų tampa duomenų kontrolė ir aiški riba, kas gali būti apdorojama įmonės viduje, o kas apskritai neturi palikti organizacijos.

    Kaip mažinamos DI konfabulacijos?

    Viena didžiausių generatyvinio DI rizikų yra vadinamosios konfabulacijos, kai sistema pateikia įtikinamai skambančius, bet netikslius ar išgalvotus teiginius. Pramonėje tokia klaida gali reikšti ne tik neteisingą ataskaitą, bet ir brangiai kainuojančius gamybos sprendimus, broką ar prastovas.

    Specializuoti DI agentai paprastai kuriami taip, kad jų veikimo laukas būtų susiaurintas iki konkrečios užduoties ir patikimų šaltinių įmonės viduje. Tai reiškia, kad atsakymai grindžiami „kietais“ duomenimis, o ne bendromis interneto žiniomis, todėl klaidų tikimybė mažėja.

    „Agentas supranta kontekstą ir mato, kuriame proceso taške esame, todėl siauriname paieškos lauką ir mažiname konfabulacijų riziką“, – sakė Ireneuszas Borowskis, Dassault Systemes vadovas Lenkijoje.

    Praktikoje tai dažnai įgyvendinama per skirtingų agentų vaidmenis: vienas pateikia teorinę, patikrintą informaciją, kitas analizuoja konkrečius gamybos parametrus, trečias padeda sprendimų priėmimui ir fiksuoja, kodėl buvo pasiūlytas vienas ar kitas veiksmas. Esminė sąlyga išlieka žmogaus priežiūra ir atsekamumas, kad būtų aišku, kuo remiantis DI pateikė išvadą.

    Duomenų apsauga ir atskyrimas

    Pramonės įmonėms kritiškai svarbu, kad jautrūs duomenys nebūtų naudojami už įmonės ribų ir netaptų prieinami trečiosioms šalims. Todėl dažnai akcentuojamas fizinis arba logiškas duomenų atskyrimas, kai konfidencialūs rinkiniai lieka tik įmonės valdomoje infrastruktūroje.

    Toks atskyrimas ypač aktualus, kai įmonė dirba su rangovais ir tiekėjais, kuriems reikia dalies informacijos darbams atlikti. Tuomet kuriamas atskiras sluoksnis duomenų, kurie gali būti dalijami saugiai, išlaikant ribas tarp to, kas būtina bendradarbiavimui, ir to, kas yra įmonės komercinė paslaptis.

    DI agentai gamyboje: nuo įžvalgų iki veiksmų

    Specializuoti agentai pramonėje dažnai integruojami į skaitmeninius gamybos modelius ir inžinerines aplinkas, įskaitant 3D projektavimo bei skaitmeninių dvynių scenarijus. Tai leidžia ne tik apibendrinti duomenis, bet ir matyti procesus erdviniame kontekste, greičiau aptikti nukrypimus bei jų priežastis.

    Vienas dažnesnių taikymo pavyzdžių yra kokybės ir našumo problemų paieška, kai DI agentas identifikuoja neoptimalius etapus, pažymi rizikingas vietas ir pasiūlo tolesnius žingsnius. Kai kuriais atvejais agentas gali inicijuoti proceso sustabdymą tolimesnei analizei ir informuoti atsakingus asmenis, tačiau sprendimo teisė paliekama žmogui.

    Augant reguliavimo ir kibernetinio saugumo reikalavimams, įmonės vis labiau vertina sprendimus, kurie užtikrina skaidrumą, audituojamumą ir aiškias prieigos teises. Dėl to DI agentų diegimas pramonėje vis dažniau siejamas ne su madinga technologija, o su konkrečia nauda ir valdomomis rizikomis: mažiau klaidų, tikslesnės įžvalgos ir geriau apsaugoti duomenys.