Húsz hibátlan minta, 10-20 százalékos selejtcsökkenés, föld alatt elfolyó víz. A Jazzy Rádió FM90.9 Business Class műsorában Jeránek Tamás, a Siemens Zrt. vezérigazgatója azt járta körül, mire elég ma az ipari mesterséges intelligencia egy magyar gyárban, és hol marad a mérnök dolga.
„Egyes településeken és hálózati szakaszokon a betáplált víz 30-40 százaléka elfolyik anélkül, hogy a felszínen folt maradna.”
Az alábbi cikk AI összefoglaló a műsorban elhangzott beszélgetés alapján. Kövesd velünk a legújabb AI trendeket! De… Pontos információkért hallgasd a rádiót, vagy hallgasd/nézd újra a hang és videó anyagainkat!
Az ipari mesterséges intelligencia már gyári feladatként került elő.
A hétköznapi chatbot ablakában feltett kérdés és a gyártósorra kötött rendszer más működési feltételek között él. A gyárban a modell gépek közötti adatforgalmat rendez, ismétlődő műveleteket figyel, és ott erős, ahol a hiba nehezen látszik, a darabszám viszont nagy. A sor végén a készterméknek piacképesnek kell maradnia, a kapott információra a következő munkaállomás épül. A megbízhatóság itt belépési feltétel, a kimenetet a műszak tételenként újraellenőrzi csak akkor, ha a sor maga jelez eltérést.
A minőségellenőrzés az ipari mesterséges intelligencia leglátványosabb terepe a sor mellett.
A Siemens inspektorrendszere akár húsz hibátlan mintából is megtanulja, mit keressen a futó szalagon. A korábbi méréseket is beépíti, a minták számának növekedésével finomítja a határt, és olyan mennyiséget hasonlít össze, amit emberi memóriában naprakészen tartani lehetetlen. Egy-egy darabon az emberi szem finomabb részletet vehet észre, sorozatban viszont előbb fárad el, mint a kamera mögötti modell. Nagy adatbázis gyors összevetése ezért a gépi ellenőrzés mellett szól, amikor percenként több ezer termék halad el a lencse előtt.
A prediktív karbantartás jelei ma már a gépek saját adataiban is ott vannak.
Rezgés, energiafogyasztás vagy apró szivárgás mutathat olyan eltérést, ami az adott percben még tűrésen belül van, hosszabb távon viszont váratlan leállást hoz. A frissebb berendezésekhez könnyebb illeszteni az adatgyűjtést, a régebbi sorokon több előkészítés kell, mire a jel értelmezhetővé válik. Ugyanez a logika a termékméretre is kiterjed. Egy nagyobb gomba vagy eper külön válogatása piaci előny, ha a tétel méret szerint szétválik, és a vegyes ládában elvesző felár megmarad a termelőnél. A Siemens minőségellenőrző rendszerei közül több évtizede működő megoldásokra is épülnek mai fejlesztések.
A föld alatti vízszivárgás ott kezdődik, ahol az emberi szem már semmit sem lát.
A tócsát az aszfalton későn vesszük észre, addigra a vezeték alatt nagy mennyiség tűnik el nyomtalanul. Egyes településeken és hálózati szakaszokon a betáplált víz 30-40 százaléka elfolyik anélkül, hogy a felszínen folt maradna. A minimális eltérést kereső alkalmazás ebben ad támpontot a víziközműnek: hol és mikor érdemes bontani, mielőtt a veszteség hónapokig fut. Skandináviában a gyors hibakeresés és a javítás már bevett gyakorlat, a bevezetés viszont komoly beruházást kér a szolgáltatótól. A víz nyersanyag, a tisztítására és szállítására fordított energia a szivárgással együtt vész el.
A Procter & Gamble gyártásában a valós idejű vizsgálat egyes termékeknél 10-20 százalékkal vitte lejjebb a selejtarányt.
A pénzügyi hatás két helyen jelenik meg a gyárban. Az energia a legnagyobb, könnyen megfogható tétel: villamos energia, gáz és gőz követése háztartási léptékben is ismert logika, üzemi mennyiségben viszont forintban mérhető tétel. A gyártósor bonyolultabb terep, mert a pályát szakemberek tervezték, mégis marad rajta javítanivaló. Szállítópályák rövidítése kilométeres nagyságrendben, sorozatok átrendezése, alapanyag és félkész termék készletezése multinacionális példákban 20-30 százalékos hatékonysági mozgásteret mutatott. A produktivitás a sor végén jelenik meg, amikor kevesebb selejt és kevesebb üresjárat marad a műszakban.
A mérnökhiány a kiinduló helyzet, a képzés tempója elmarad az automatizálási piac növekedésétől.
Az ismétlődő adatelemzés, a nagy Excel-állományok és a belőlük készülő grafikonok ma már rábízhatók a modellre, mert nagy táblán az emberi szem hamar hibázik az egyenletben és a protokollban. A mérnök ideje a kreatív programozásra, a végeredmény értékelésére és a javaslat megfogalmazására marad. Találmányra, rendszerek egy megbízható egésszé kötésére az emberi munka továbbra is kell a gyárban. A Siemens Industrial Copilot kódot generál, hibát keres, mérnöki és karbantartási feladatot támogat, a jóváhagyás a szakembernél marad. A favágó jellegű adatmozgatás kikerül a műszakból, a döntés súlya megmarad.
Egy gyárban a téves döntés biztonsági és termelési kárt okoz, ezért a rendszert kiadás előtt szimulálják.
A chatbot egy születési dátumot napokkal eltéveszthet, a visszajelzés utólag érkezik. Ipari környezetben a tervezés, a szimuláció és a piacra engedés előtti ellenőrzés kap súlyt, mert a megrendelő hibátlan működést vár a soron. Magyar gyárvezetőnek az első visszakérdezés a célra vonatkozik: energia, selejt vagy hiányzó adat jelöli a szűk keresztmetszetet. Adat nélkül nincs mire modellt húzni, adat birtokában a magyar műszak kreatív és kíváncsi. Húsz-harminc év múlva egyes alkalmazások egy-egy mérnöki munkakört lefedhetnek, a gyárban a feladat ettől még megmarad az embernek.
Miben tér el az ipari mesterséges intelligencia a hétköznapi chatbottól? A gyári rendszer gépek közötti adatot rendez, ismétlődő, nehezen látható hibákat keres nagy sorozatban, és a kimenetére a következő munkaállomás épül, ezért a megbízhatóság belépési feltétel.
Hol jelenik meg a megtakarítás a gyártásban? Energiafelhasználásban, selejtarányban és a gyártósor szervezésében. A Procter & Gamble sorain a valós idejű vizsgálat egyes termékeknél 10-20 százalékkal vitte lejjebb a selejtet, a pályarövidítés és a készletezés multinacionális példákban 20-30 százalékos mozgásteret mutatott.
Kiváltja a mérnököt az ipari mesterséges intelligencia? Az automatizálási piac gyorsabban nő, mint a mérnökképzés. Az ismétlődő adatelemzést és a rutinkódot a modell átveheti, a találmány, a rendszerek összekötése és a jóváhagyás a mérnöknél marad.
A várpalotai Draconic Technology természetes talajeredetű alapanyagból von ki humin- és fulvosavakat, élelmiszeripari tisztaságban. A technológia nemzetközi PCT-szabadalmat kapott, a csapat pedig az anyatej micellás szerkezetét is porformában tudja reprodukálni. "A csapat eljárása élelmiszeripari tisztaságú végterméket ad, a technológiára pedig nemzetközi PCT-szabadalom, vagyis világszabadalom született." https://lmzem.hu/playaudio.mp3?path=2%2Fpublic%2Fpodcast%2F1ed8b41b-3d20-6d10-b4d2-d1aee33598f9%2Fepisode%2F1f1c2e44-9d51-69aa-95c6-53671fc7aaf9%2Fdownload Goda Gábor, vegyészmérnök MSc, étrend-kiegészítő specialista a várpalotai Draconic Technology fejlesztéséről beszélt, amellyel természetes talajeredetű alapanyagból humin- és fulvosavak nyerhetők ki. A csapat eljárása […]
