Ознакомительная версия. Доступно 12 страниц из 58
Сегодня бруксовская трактовка искусственного интеллекта актуальна как в исследовательской, так и в производственной сфере. Rethink Robotics продемонстрировала возможности манипулятора, оснащенного встроенными датчиками и алгоритмами контроля движения, которые помогают роботу «ощущать» свои действия и корректировать их в режиме реального времени. В манипуляторе есть эластичные приводы и сочленения, способные возвращаться в исходное положение; таким образом, он может отклоняться при контакте, гася энергию. Следовательно, даже если он столкнется с объектом (или человеком), удар будет заметно слабее (по сравнению с обычным роботизированным манипулятором).
Что произойдет, когда «железные руки» смогут самостоятельно учиться, как, например, в Fanuc? Либо если манипулятор будет действовать аккуратнее и точнее, как в машинах Rethink? Рабочие на сборочных линиях смогут трудиться вместе с самообучающимися роботизированными манипуляторами. Допустим, человек занят сборкой автомобиля и ему нужно закрепить приборную панель. Робот может поднять ее и установить, а рабочий подкорректирует его действия и закрепит панель, не опасаясь, что громоздкая машина ударит его по голове. Искусственный интеллект помогает как роботам, так и людям проявлять свои сильные стороны, так что весь рабочий процесс на сборочной линии преображается.
Две зимы искусственного интеллекта
Взаимодействие человека и машины — важнейший аспект третьей волны трансформации бизнес-процессов — оказалось тернистым. Изначально искусственный интеллект встречали с большим энтузиазмом, но ожидания не оправдались: за разочарованием вскоре последовал заметный прогресс, что привело ко второй волне ажиотажа и новым разочарованиям. Два этих спада стали называть двумя «зимами» искусственного интеллекта.
Работы в области искусственного интеллекта начались в 1950-е годы, и в последующие десятилетия исследовательский прогресс шел крайне неравномерно. К 1970-м годам финансирование было почти свернуто, тот период называют «первой зимой» искусственного интеллекта. Затем, в течение нескольких лет в 1980-х годах, исследователям удалось добиться отличных результатов в разработке так называемых экспертных систем — компьютерных программ, способных анализировать и делать выводы. Они позволили машине выносить простейшие суждения, а не работать по строгому, заранее предопределенному алгоритму. В то же время набирала обороты революция персональных компьютеров, все внимание переключилось на них, они становились все более доступными для простого человека. Финансирование искусственного интеллекта вновь сократилось, настала «вторая зима» искусственного интеллекта. Такая ситуация сохранялась до начала 2000-х годов.
Появление искусственного интеллекта способствовало трансформации сборочных линий. Инженеры из Фраунгоферовского института логистики (Fraunhofer IML) давно испытывают встраиваемые датчики для создания самонастраиваемых сборочных линий на автомобильных заводах. В сущности, сам конвейер может модифицировать отдельные операции технологического процесса, меняя дополнительные модули и комплектацию для создания автомобилей под заказ. Таким образом, инженеры проектируют не просто конвейер, на котором собирается одна стандартная модель, а конвейер, способный самостоятельно перенастраиваться. Андреас Неттштретер, занимающийся координацией стратегических инициатив в IML, отмечает: «Если одна рабочая станция откажет или сломается, ее функции легко можно будет перекинуть на другие станции конвейера»[12].
Рабочие на сборочной линии решают более сложные задачи, недоступные роботам, а инженерам-технологам не требуется перенастраивать линию при каждом изменении характеристик или поломке. Они могут уделить время более творческим задачам — например, как сделать машины еще эффективнее.
Мониторинг данных
То, что начинается с умных манипуляторов, распространяется по всему заводу и даже за его пределами. Технологии на основе искусственного интеллекта на производстве и, шире, в промышленности освобождают человека. Так, искусственный интеллект изменил сферу технического обслуживания. Сложные ИИ-системы заранее прогнозируют грядущую поломку, а значит, персонал тратит меньше времени на плановые проверки и диагностику и больше — на непосредственно ремонт.
Искусственный интеллект для ускоренного внедрения машин
Sight Machine, стартап из Сан-Франциско, использует аналитику и машинное обучение, помогая клиентам сокращать простои при запуске нового оборудования в цехах. Так, в одном случае удалось сократить время простоя, неизбежное при внедрении новых роботизированных систем, на 50%. Когда все основные средства были введены в эксплуатацию, производительность возросла на 25%. Благодаря новой технологии выросла эффективность производства, а инженеры и специалисты по техобслуживанию смогли сосредоточиться на других, более существенных задачах[13].
Компания General Electric отслеживает работу поставленного клиентам оборудования. Для этого применяется платформа Predix, оснащенная искусственным интеллектом. В ее основе лежит концепция «цифрового двойника», согласно которой все основные средства на заводе и за его пределами — от болта до ленты конвейера и турбинной лопасти — моделируются и отслеживаются на компьютере. Predix собирает и анализирует огромный объем данных; эти данные можно использовать для переосмысления бизнес-процессов по трем фундаментальным направлениям:
• Переосмысление технического обслуживания. General Electric собирает статистические данные со всех точек, где установлено ее оборудование, и использует технологию машинного обучения для прогнозирования сроков отказа тех или иных деталей (в зависимости от их текущего состояния).
Ранее специалисты по техническому обслуживанию заменяли детали в соответствии с рекомендациями производителя. Так, автомобильные свечи требовалось менять после 120 000 километров пробега. Теперь же заменять их можно по мере износа. Прогнозирование на основе искусственного интеллекта позволяет экономить время и деньги, одновременно повышая заинтересованность ремонтников в своей работе[14].
• Переосмысление разработки продукта. Дополнительные данные облегчают проведение НИОКР. General Electric устанавливает датчики на деталях турбин, испытывающих наибольшую нагрузку, чтобы отслеживать происходящие в них изменения. В диапазоне рабочих температур датчики буквально сгорают, однако успевают собрать информацию о разогреве турбины. Это помогает лучше понять термодинамику материалов, используемых при изготовлении турбин, и оптимизировать условия эксплуатации. Благодаря датчикам, в распоряжении инженеров оказывается подробнейшая информация, проливающая свет на работу тех или иных систем[15].
Ознакомительная версия. Доступно 12 страниц из 58
