Технології

Чотири реальних прикладу, як штучний інтелект заощаджує багато грошей і часу

На конференції Цифрова індустрія промислової України) про штучний інтелект (ШІ) говорили скрізь. На стендах, з трибун, у внутрішніх чатах. Іноді здавалося, що говорять хочуть частим повторенням двох слів прискорити проникнення штучного інтелекту у виробничі процеси.

А робити щось дійсно потрібно, тому що сьогодні лише 11% виробництв у Росії як-то застосовують ІІ. Це вдвічі менше, ніж в середньому по світу (21%), і в рази менше, ніж у США (64%), ЄС (51%), Японії (51%) і Південної Кореї (39%).Але і це ще півбіди. Справа в тому, що Росія «лідирує» серед заперечувачів штучного інтелекту. У країнах з розвиненою промисловістю лише 15% підприємств не хоче впроваджувати ІІ, посилаючись головним чином на брак даних для впровадження в окремих конкретних завданнях і кадровий голод. У Росії ж заперечувачів цілих 46%.

Брак кадрів має місце, але куди неприємніше неможливість використання ІІ в межах наявної інфраструктури підприємств і банальна відсутність знань про те, яка від ШІ взагалі користь.Не будемо включати звинувачувальний тон. Штучний інтелект – штука дійсно багатошарова і складна. В ній дуже мало того, що ми пов’язуємо з натуральним органічним мисленням. І дуже-дуже багато штучного. Комп’ютер не думає, а зіставляє дані за певними моделями.

І якщо сам власник даних не дуже розуміє, чого хоче, то штучний інтелект сам не здогадається.Олексій Мяков, IntelАлексей Мяков, IntelНа однією з панельних дискусій ЦИПР-2021 генеральний директор з розробок Intel в Росії Олексій Мяков на ЦИПР 2021 розповів про чотирьох абсолютно зрозумілих випадках застосування ШІ на виробництві, дали помітний ефект.Поліпшити AudiЗавод Audi в німецькому Неккарзульме збирає до тисячі автомобілів на добу.

На заводі працює понад 2500 автономних роботів. 900 з них займаються точкової зварюванням. В кожному автомобілі Audi понад 5000 зварних швів. І за виробничий день роботи роблять понад п’яти мільйонів таких швів. Для контролю якості використовувався надійний, але досить дорогий і важкий підхід. Кожен день одна машина, яка вийшла з конвеєра, відбиралася випадковим чином.

Її відвозили в спеціальне приміщення, розбирали, і 18 інженерів зі спеціальними ультразвуковими інструментами перевіряли кожен шов і кожну точку на ньому.Якщо в одній машині виявлялися, скажімо так, системні недоліки, то інженери приступали до вибіркового вивчення всієї партії. Але, в будь-якому випадку, висновки робилися по одній машині з тисячі.

І, за законом підлості, вона якраз могла виявитися ідеальною, на відміну від інших 999, випущених протягом дня.Intel разом з інженерами Audi створила алгоритми потокової аналітики за допомогою програмного забезпечення Intel Industrial Edge Insights. Зіставляючи дані, отримані з контролерів зварювальних агрегатів, з накопиченими результатами фізично проведених інспекцій, можна відразу помітити неладне.

Серед аналізованих даних напруга на кожній газовій горілці, сила струму, конфігурація зварних швів, тип металу, рівень зносу електродів і т. д. Точно знаючи, яке поєднання факторів веде до проблем, можна в майбутньому його просто виключити.

У заводу є плани використовувати напрацювання в інших операціях. Зокрема, у встановленні заклепок, склеюванні елементів та фарбування.На заводі кажуть, що впровадження штучного інтелекту вже дозволило скоротити витрати на оплату праці з перевірки якості зварювання практично вдвічі. Це ні в якому разі не означає, що інженери вирушили на вулицю. При нинішньому голод на кадри вони просто перейшли на більш цікаву роботу. Дійсно більш цікаву: повірте, немає нічого захоплюючого в щоденному обстеженні зварювальних точок.

Ну і добре, звичайно, що тепер не треба щодня розкидати по шматочках новенької Audi.Підняти якість китайських автомобилейО китайських автомобілях кажуть, що з кожним роком вони стають краще. Розповідь Олексія Мякова розкрив деякі причини зростання якості. На одному з найбільших заводів в Піднебесній, що випускає автомобільні двигуни, при лиття деталей спостерігалися повторювані дефекти. Їх, звичайно, відловлювали наглядові співробітники. Але, на жаль, при існуючих обсягах виробництва очей замыливался навіть у самих уважних.

На заводі було запроваджено високочутливий алгоритм комп’ютерного зору на основі штучного інтелекту. По трьох з чотирьох дефектів вдалося досягти 100-відсоткового виявлення. Четвертий комп’ютерний очей засікав у 99. 6% випадків, а при постановці завдання обмовлялося, що хороший будь результат від 98%.Не менш важливо, що вдалося повністю виключити помилкове виявлення дефектів. Завод був би задоволений, якщо цей показник виявився нижче 5%, але його вдалося довести до 0.

І тепер для монотонного контролю якості литих деталей потрібно менше людей.Схоже рішення було впроваджено на іншому китайському заводі, що виробляє автомобільні шини. Там швидкість перевірки одного примірника вдалося збільшити в 10 разів при точності виявлення дефектів 99.

9%. Цікаво, що система контролю якості працює не на якомусь мегасервере, а на цілком звичайному промисловому комп’ютері з процесором Intel Core i7 всередині.Ткач з штучним интеллектомВряд я здивую вас інформацією про те, що процес виготовлення тканин давно автоматизований.

Полотна тчуть машини, причому з неймовірною швидкістю. Людям залишається тільки наглядати, щоб все йшло гладко.Але в автоматизації і швидкості є слабке місце. Процес ткацтва – многопереходный, і на кожному етапі може бути закладена «основа» для майбутнього шлюбу. Якщо раптом нитка «заблукала» і на тканини пішов дефект, це виявляється десятки і сотні метрів потому. Особливо важко буває помітити дефекти на тканини зі складним малюнком.

Іноді в ході відбракування, що є невід’ємною частиною ткацтва, вся партія йде під уцінку, а то й зовсім на викид.Рішення Intel з використанням комп’ютерного зору дозволило на одній з фабрик відстежувати дефекти в реальному часі. Ставилося завдання досягти 80-процентного виявлення, на практиці цей показник дорівнює 97%.

Жива людина просто фізично не може досягти таких показників. Та й шкода його.Тисяча джинсів в минутуАлексей Мяков розповів ще про одну неочевидною, на перший погляд, проблеми.

На фабриках, що виробляють одяг, є проблема з її урахуванням. Ні, справа не в тому, що співробітники намагаються забрати зшите додому. Просто у кожного найменування є кілька розмірів, плюс різні відтінки тканини, гудзики, нашивки і т.д. і т. п. На сортуванню та упаковці, звичайно, намагаються виключити невідповідності. Однак дуже часто клієнт виявляє при викладенні в магазині чоловічі джинси серед жіночих, не ті розміри і не збігаються кольори комплектів.Комп’ютерне зір, натренована на величезній кількості зразків, дозволило відрізняти моделі одягу з точністю 90%.

При гарному освітленні, в полусвернутом вигляді, в невдалому ракурсі – все це стало не дуже важливим. Тобто 9 з 10 помилок виправляються автоматично. На частку живих контролерів залишається виявлення 10% пересортиці, що істотно знижує навантаження.

Заодно розумна система веде облік виробленої одягу, і на складі готової продукції відчули себе впевненіше.І так, з цим теж справляється комп’ютер з Core i7 з розгорнутою З Intel Industrial Edge Insights.Підсумків свій час, коли на заводи стали приходити верстати і машини, робочі зустрічали їх без ентузіазму.

Дійсно, тих, хто звик до монотонного низкоквалифицированному праці, машини позбавляли робочих місць.При нинішньому кадровому голоді такий сценарій навряд чи можливий. Кількість бажаючих робити нудне задешево падає рік від року. Від більшості повторюваних механічних дій людини вже майже позбавили. Тепер приходить час позбавлення від нудної як би інтелектуальної роботи. Штучний інтелект не вигоряє і не сумує.
Він готовий взяти на себе відповідальні ділянки, де багато відповідальності, але немає місця озарениям.І це працює ось вже прямо зараз.

Related posts

Leave a Comment