Primena veštačke inteligencije u fabrikama

Getty Images

Dok se Doritos, Walkers i Wotsits kreću trakom na fabrici PepsiCo u Kovenrtri – gde se prave neki od najpopularnijih čipsova u Velikoj Britaniji – buka šumirajućih mašina gotovo je nepodnošljiva.

Ali ovde nisu samo ljudski radnici koji pokušavaju da čuju znakove kvarova mašina iznad buke fabrike. Senzori prikačeni na opremu takođe slušaju i prepoznaju zvukove umornih mašina koje prete da zaustave proizvodnju. Ovi senzori, koje je kreirala kompanija Augury, koriste veštačku inteligenciju (VI) kako bi prepoznali zvukove kvarova, i u fabrici PepisCo su postavljeni nakon uspešnog testiranja u SAD-u.

PepsiCo je jedna od mnogih kompanija koje istražuju kako VI može povećati efikasnost fabrika, smanjiti otpad i brže dostaviti proizvode na police.

Analiza brojeva – Od rane faze dizajna do isporuke, VI ima ključnu ulogu u novoj generaciji proizvodnje. Njegova sposobnost obrade i analize velikih količina podataka već pomaže proizvođačima da predvide i pripreme se za moguća ometanja u proizvodnji.

Minut zastoja u fabrici može koštati kompanije hiljade funti, a povećane kašnjenja znače da se može propustiti tražnja potrošača u ključnim trenucima kao što su praznici ili Crni petak.

Alatke koje mogu proveravati i analizirati procese u realnom vremenu, upozoriti na probleme koji se naziru i koristiti istorijske podatke za preporučivanje rešenja postaju sve poznatiji prizori na fabričkim podovima.

Senzori koje koristi PepsiCo fabrika su obučeni na ogromnim količinama audio podataka kako bi prepoznali kvarove, kao što su oštećenja na trakama i ležajevima, dok istovremeno analiziraju vibracije mašina.

,,Danas analiziramo i nadgledamo preko 300 miliona radnih sati mašina i tim podacima možemo stvoriti algoritme koji znaju kako prepoznati specifične šablone različitih kvarova.“, rekao je izvršni direktor kompanije Augury, Sar Joskovits.

Prikupljanje informacija i uvida u celokupno zdravlje opreme, kao što je identifikacija kada bi mašina mogla ponovo da otkazuje u budućnosti, omogućava radnicima da planiraju održavanje unapred i izbegnu reakciju na greške mašina dok se one događaju.

Korišćenje senzora napajanih VI takođe kompaniji pruža mogućnost smanjenja otpada u svojim operacijama.

„Ako mašina radi na najoptimalniji način, može da se smanji potrošnja energije te mašine“, rekao je gospodin Joskovitz.

Kompjuterska vizija, koja uključuje obučavanje mašina da prepoznaju objekte na slikama i video snimcima, je još jedan vid VI koji se koristi u fabrikama širom sveta za otkrivanje defekata proizvoda.

Brzi tok predmeta koji se kreću trakama i kroz sortirne mašine u fabrikama često dovode do toga da se mikroskopski defekti na proizvodima lako previde.

Ovo je posebno tačno kod čipsa i pločica sa komponentama i dizajnom. Greške koje bi ranije mogle proći nezapaženo ljudskim okom, sada mogu biti primetne za mašinsku kameru i hvataju se algoritmima obučenim da prepoznaju specifične površinske anomalije.

Profesorka digitalne proizvodnje Aleksandra Brintrup, sa Instituta za proizvodnju Univerziteta u Kembridžu, kaže za BBC da se korišćenje VI radi poboljšavanja efikasnosti u industriji, uključujući prediktivno održavanje i kontrolu kvaliteta, sada može smatrati standardnim aplikacijama ove tehnologije. „Imam utisak da ćemo najuzbudljivije mogućnosti VI u proizvodnji videti u stvarima koje ranije nismo mogli ni pokušati, kao što su deljenje kapaciteta između proizvođača, poboljšanje vidljivosti u lancima snabdevanja pa čak i deljenje kamiona u logističkom lancu“, kaže ona.

Kompleksna priroda mreže snabdevanja i nerado davanje informacija o snabdevačima do sada su držali mnoge aspekte proizvodnje obavijene misterijom, ali VI se može koristiti za analizu i predviđanja o tome ko i sa kojih lokacija snabdeva određeni proizvod. To daje kompanijama uvid u gde se pojavljuju zastoji u proizvodnji, a potrošačima pruža uvid u poreklo proizvoda i korišćene materijale.