Czat z danymi maszynowymi

Za pomocą generatywnej sztucznej inteligencji dane produkcyjne i maszynowe mają stać się łatwiej dostępne. © Uniwersytet w Stuttgarcie IFF/Fraunhofer IPA, zdjęcie: Rainer Bez

Dzięki sztucznej inteligencji dane maszynowe stają się dostępne dla wszystkich: Zespół badawczy w Fraunhofer IPA pracuje nad generatywną sztuczną inteligencją, która pozwala pracownikom na zapytania o dane produkcyjne i maszynowe za pomocą czatu. Ilustruje ona skomplikowane dane i ułatwia analizę w codziennej pracy.

W fabryce codziennie powstają duże ilości danych produkcyjnych i maszynowych. Jednak w wielu przypadkach pozostają one niewykorzystane. Wysiłek potrzebny do ich analizy jest szczególnie trudny do udźwignięcia dla małych i średnich przedsiębiorstw. Fachowy personel musi zebrać dane z wielu różnych źródeł, starannie je przygotować ręcznie i ostatecznie przedstawić na wykresach i diagramach.

»Dostęp do danych produkcyjnych i maszynowych oraz ich analiza muszą stać się prostsze«, mówi Matthias Schneider z zespołu badawczego IT-Architekturen für die Produktion w Fraunhofer-Institut für Produktionstechnik und Automatisierung IPA. Właśnie tutaj zaczyna się projekt badawczy »Visualisierung von Produktionsdaten als generativ interaktive Erweiterung« (ViPGeniE). We współpracy z trzema firmami z Badenii-Wirtembergii: ads-tec Industrial IT GmbH, Data Coffee GmbH i Ulrich GmbH & Co. KG, Fraunhofer IPA chce uczynić dane produkcyjne i maszynowe łatwiej dostępnymi dzięki generatywnej sztucznej inteligencji.

Analiza danych bez specjalistycznej wiedzy

Tak jak dziś wiele osób prywatnie korzysta z generatywnej sztucznej inteligencji, tak w przyszłości pracownicy będą mogli za pomocą czatu zapytać o konkretne dane — na przykład o stan maszyn czy przebieg temperatur — i otrzymać nie tylko tekst, ale także odpowiednie diagramy, które sztuczna inteligencja wygeneruje specjalnie dla rozmówcy.

Na tej podstawie pracownicy będą mogli zadawać kolejne pytania sztucznej inteligencji. Powstanie niejako dialog między człowiekiem a maszyną, w trakcie którego będą mogli zrozumieć powiązania lub przyczyny błędów. Umożliwi to współdziałanie kilku technologii: dane produkcyjne i sensoryczne są ciągle zbierane i opisywane w tzw. cyfrowym bliźniaku, czyli wirtualnym odwzorowaniu produkcji. Dostarcza on niezbędnych informacji kontekstowych, aby sztuczna inteligencja mogła poprawnie interpretować dane.

»W ten sposób znacznie obniża się bariera korzystania z danych produkcyjnych i maszynowych«, mówi Schneider, »ponieważ nie jest już potrzebna specjalistyczna wiedza, aby uzyskać dostęp do danych i je analizować.« Eliminowane są także czasy oczekiwania na dostosowanie istniejących statycznych wizualizacji lub tworzenie nowych. Nawet jeśli firma posiada własnych specjalistów od analizy danych, zwykle nie są oni od razu dostępni i mogą reagować na zapytania z opóźnieniem. Szczególnie małe i średnie przedsiębiorstwa z różnych branż skorzystałyby na ViPGeniE, ponieważ zazwyczaj nie mogą zatrudnić analityków danych.

Pierwsze wyniki od 2027 roku

Badacze z zespołu Schneidera z Fraunhofer IPA pełnią w projekcie ViPGeniE kilka kluczowych ról: rozwijają architekturę systemu, elastyczne środowisko, w którym mogą działać różne modele językowe, oraz cyfrowe bliźniaki, które strukturyzują dane i umożliwiają analizę przez generatywną sztuczną inteligencję.

W drugim kwartale 2027 roku planowane jest przedstawienie pierwszego demonstratora, który pokaże, jak za pomocą generatywnej sztucznej inteligencji można w ciągu sekund wizualizować skomplikowane dane produkcyjne i maszynowe pochodzące z różnych źródeł w sposób zrozumiały.