Odporna na błędy sztuczna inteligencja

2ndSCIN® jest osłoną ochronną dla robotów i innych komponentów automatyzacji, naśladującą ludzką skórę. © Fraunhofer IPA, zdjęcie: Rainer Bez

Zespół badawczy kierowany przez Brandona Sai (po prawej na zdjęciu) opracował narzędzie, które identyfikuje przyczyny spadków wydajności w połączonych liniach produkcyjnych i umożliwia szybkie usunięcie awarii. © Fraunhofer IPA, zdjęcie: Rainer Bez

Future Work Lab w Stuttgarcie mieści największą w Niemczech kolekcję demonstratorów, które pokazują, jak prawdopodobnie będzie wyglądała praca produkcyjna przyszłości. © Fraunhofer IPA, zdjęcie: Rainer Bez

sztuczna inteligencja (SI) optymalizuje procesy i sprawia, że cała produkcja jest bardziej niezawodna, elastyczna i odporna. Jak dokładnie to działa, pokazują naukowcy z Fraunhofer IPA od 12 do 16 kwietnia na targach Hannover Messe, które w tym roku odbywają się wirtualnie.

Od czasu kryzysu związanego z koronawirusem termin „odporność” zyskał na popularności. Pochodzi on pierwotnie z nauk o materiałach i opisuje właściwość ciała, które po odkształceniu samo wraca do swojego pierwotnego kształtu. Przeniesione na całe społeczeństwa, gospodarkę, poszczególne przedsiębiorstwa czy też ich linie produkcyjne i zakłady, odporność oznacza zdolność do pokonywania kryzysów i zakłóceń bez trwałych negatywnych skutków.

Jak SI może uczynić przemysłową produkcję bardziej odporną i zoptymalizować procesy, pokazują niektóre eksponaty, które naukowcy z Instytutu Fraunhofer ds. Technologii Produkcji i Automatyzacji IPA zaprezentują od 12 do 16 kwietnia 2021 na targach Hannover Messe, które w tym roku odbywają się wirtualnie.

Nazwa jest programem: Maximize Overall Equipment Effectiveness

Zespół badawczy pod kierownictwem Brandona Sai z działu Planowania Zakładów i Zarządzania Produkcją opracował narzędzie, które rozpoznaje przyczyny strat wydajności w połączonych liniach produkcyjnych i umożliwia szybkie usuwanie zakłóceń. W ramach „Maximize Overall Equipment Effectiveness” (MOEE) zaimplementowane algorytmy automatycznie analizują zachowanie maszyny i tworzą indywidualny model procesu. Wizualizowane i oceniane są różne kroki procesu w cyklu produkcyjnym.

„Algorytmy obliczają na przykład, które operacje odbywają się kiedy i w jakiej kolejności oraz jak długo trwają. Jeśli kroki procesu nie przebiegają z oczekiwaną prędkością i nie są optymalnie dopasowane do siebie, oznacza to coś o ich wydajności”, wyjaśnia Sai. Ponadto, samouczące się algorytmy dostarczają informacje o uzyskanej jakości. „Dzięki połączeniu automatycznego tworzenia modeli procesów i metod uczenia maszynowego rozpoznajemy straty wydajności w momencie ich wystąpienia i przyczyniamy się do szybkiego usunięcia zakłóceń”, dodaje Sai.

Wgląd w przyszłość: Future Work Lab

Podobne podejście mają elastyczne narzędzia do zbierania danych, które opracował zespół badawczy z działu Planowania Zakładów i Zarządzania Produkcją. Naukowcy łączą modułowy system czujników z algorytmami SI do rozpoznawania procesów, aby automatycznie wykrywać potencjały optymalizacyjne w produkcji. To tylko jeden z około 50 demonstratorów, które naukowcy z Fraunhofer IPA i sąsiedniego Instytutu Fraunhofer ds. Gospodarki i Organizacji (IAO) zbudowali w wspólnie prowadzonym Future Work Lab.

„W Future Work Lab pokazujemy potencjały systemów asystenckich opartych na kognitywnej technologii i metodach partycypacyjnych w zastosowaniach w systemach produkcyjnych przedsiębiorstw”, mówi Simon Schumacher, kierownik projektu Future Work Lab w Fraunhofer IPA. Teraz największa w Niemczech kolekcja demonstratorów, które pokazują, jak najprawdopodobniej będzie wyglądać praca produkcyjna przyszłości, jest dostępna na Hannover Messe.

Razem silniejsi: sieć AI4DT

Wirtualny odpowiednik to cyfrowy bliźniak – wirtualny obraz rzeczywistych maszyn, produktów lub systemów, takich jak fabryki czy organizacje, z ich właściwościami, stanem i zachowaniem. Służy jako model danych, który ocenia sztuczna inteligencja, wyciąga wnioski i formułuje zalecenia dotyczące działań. Jednak szczególnie małe i średnie przedsiębiorstwa (MŚP) stoją przed poważnymi wyzwaniami w zakresie koncepcji, zastosowania i użytkowania cyfrowych bliźniaków i SI.

Aby wspólnie sprostać tym wyzwaniom, land Badenia-Wirtembergia i prowincja Noord-Brabant połączyły się w styczniu 2021 roku w holendersko-niemieckie Fieldlab „Artificial Intelligence for Digital Twins (AI4DT)”. Ta sieć składa się z firm, ekspertów i dostawców technologii, którzy mają opracowywać, testować i wdrażać inteligentne rozwiązania przemysłowe. Kierownikiem projektu AI4DT jest profesor Daniel Palm z Fraunhofer IPA, który przedstawi go na Hannover Messe.

Rozmiar dla robotów: 2ndSCIN®

Nie tylko coraz bardziej autonomiczna i odporna, ale także ultra czysta produkcja staje się coraz ważniejsza: „Od produkcji baterii po biotechnologię – tylko czyste środowiska produkcyjne umożliwiają wysoką technologię przyszłości”, mówi Udo Gommel, kierownik działu Produkcji Czystej i Mikroprodukcji w Fraunhofer IPA. Jednak dla wielu producentów czyszczenie robotów i innych elementów automatyzacji w czystych pomieszczeniach jest procesem uciążliwym, czasochłonnym i kosztownym.

Dlatego Gommel wraz z kolegami opracowali 2ndSCIN®, czyli w pewnym sensie rozmiar dla robotów. Ta osłona ochronna składa się z przepuszczalnego, elastycznego i wielowarstwowego tekstylu, który naśladuje funkcjonowanie ludzkiej skóry. W zależności od zastosowania, na siebie mogą nakładać się dwie lub więcej warstw, które są oddzielone dystansami. W przestrzeniach między nimi można zasysać lub odprowadzać powietrze. W ten sposób można usunąć cząstki pochodzące z otoczenia lub samej automatyzacji. Warstwy tekstylne są także wyposażone w czujniki, które ciągle mierzą parametry takie jak ilość cząstek, ciśnienie czy wilgotność. Za pomocą algorytmów SI można te dane analizować i opracować strategię konserwacji przewidującej.