Εκεί που χτυπάει ο σφυγμός των καινοτόμων βιομηχανικών ερευνητικών έργων,
στο εργαστήριο συστημάτων παραγωγής και αυτοματισμού (lms), του τμήματος μηχανολόγων μηχανικών και αεροναυπηγών του Πανεπιστημίου Πατρών, η Τεχνητή Νοημοσύνη εξελίσσει την βιομηχανική παραγωγή.

Ο Δρ. Σωτήρης Μακρής, υπεύθυνος των Προγραμμάτων Βιομηχανικής Έρευνας, Εργαστήριο Συστημάτων Παραγωγής και Αυτοματισμού (LMS), παρουσίασε τις καλές πρακτικές των βιομηχανικών εφαρμογών του Artificial Intelligence, οι οποίες υπόσχονται να επιφέρουν σημαντικές αλλαγές στη γραμμή της βιομηχανικής παραγωγής, κυρίως μέσα από τον συγκερασμό έρευνας και βιομηχανίας.

Πώς και πότε θα είναι διαθέσιμες οι συγκεκριμένες τεχνολογίες στην αγορά;
Στο Εργαστήριό συστημάτων παραγωγής και Αυτοματισμού (LMS), εργαζόμαστε στην έρευνα βιομηχανικών εφαρμογών του AI (Artificial Intelligence) σε ευρεία γκάμα περιπτώσεων τα τελευταία 25 χρόνια. Στα πλαίσια των ερευνών μας, έχουμε αναπτύξει λύσεις που έχουν διατεθεί σε βιομηχανικές επιχειρήσεις, ενώ υπάρχει πληθώρα αποτελεσμάτων, τα οποία μπορούμε να μεταφέρουμε στις ενδιαφερόμενες επιχειρήσεις. Σχετικά με τον τρόπο που αυτό μπορεί να πραγματοποιηθεί, θα πρέπει κανείς να λάβει υπόψιν και τη διάσταση της κατάρτισης του προσωπικού και κυρίως τη συνεργασία με έμπειρες ερευνητικές ομάδες, που ειδικεύονται στο αντικείμενο. Υπό αυτό το πρίσμα, η διάθεση της τεχνολογίας αυτής είναι εφικτή και αποτελεσματική μέσω της στενής συνεργασίας της ενδιαφερόμενης επιχείρησης με το εργαστήριο (LMS).

Ποιες είναι οι καλές πρακτικές που αναπτύσσετε αυτή τη στιγμή στο τμήμα σας;
Στο εργαστήριό μας έχουμε αναπτύξει πληθώρα συστημάτων AI και τις έχουμε κατατάξει σε τέσσερις κύριες κατηγορίες.
• Λύσεις ελέγχου μηχανουργικών κατεργασιών. Πιο συγκεκριμένα η ανάπτυξη αλγορίθμων υπολογισμού των παραμέτρων με τις οποίες θα πρέπει να πραγματοποιηθεί κάποια κατεργασία προκειμένου να βελτιστοποιηθεί ένα σύνολο κριτηρίων, όπως η ποιότητα κατεργασίας, η κατανάλωση ενέργειας, ο χρόνος κατεργασίας, η φθορά του κοπτικού εργαλείου.
• Προηγμένα ρομποτικά συστήματα, τα οποία λειτουργούν αυτόνομα, σε συνεργασία με ανθρώπους (ή συνεργαζόμενα μεταξύ τους) και έχουν τη δυνατότητα να μεταβάλουν τη συμπεριφορά τους, χωρίς να ακολουθούν αναγκαστικά ένα περιορισμένο σύνολο κινήσεων. Κλειδί αποτελεί η χρήση αισθητήρων για την αντίληψη του περιβάλλοντος καθώς και η διασύνδεση και επικοινωνία με τους ανθρώπους.
• Λύσεις αυτόνομου και ευφυούς προγραμματισμού παραγωγής, οι οποίες στοχεύουν στη δημιουργία χρονοπρογραμμάτων και ελέγχου παραγωγής, χρονοπρογραμματισμού διακίνησης υλικών, προγραμματισμού και συντονισμού δικτύων παραγωγής.
• Συστήματα διαδικτυακών υπηρεσιών, τα οποία διασυνδέουν μηχανές, λογισμικά συστήματα και ανθρώπους μέσω του διαδικτύου αξιοποιώντας την πληθώρα των διαθέσιμων δεδομένων με στόχο την επιτάχυνση των διαδικασιών σχεδιασμού προϊόντων, γραμμών παραγωγής και υλοποιώντας λύσεις στις προκλήσεις της κυβερνοασφάλειας (cybersecurity).

Ποιες είναι οι κατηγορίες συστημάτων AI και πόσο εύκολα είναι στη χρήση τους;
Ένας τρόπος ταξινόμησης των συστημάτων AI αφορά στη διαδικασία που αυτά επεξεργάζονται τα δεδομένα με στόχο την λήψη αποφάσεων.
• Μια πρώτη κατηγορία συστημάτων βασίζεται στις λεγόμενες μεθόδους αναζήτησης (Search methods), σύμφωνα με τις οποίες το σύστημα AI αναπτύσσει μεγάλο αριθμό εναλλακτικών λύσεων και τελικά επιλέγει την λύση που ικανοποιεί τα κριτήρια λήψης απόφασης όπως το κόστος, το χρόνο, την εργονομία κ.λπ.
• Η δεύτερη κατηγορία βασίζεται στη χρήση Νευρωνικών δικτύων (Neural networks), τα οποία βασίζονται στη σύναψη των μεγάλου αριθμού νευρώνων, κατ’ αναλογία με τον τρόπο οργάνωσης πληροφοριών στον ανθρώπινο εγκέφαλο. Η συγκεκριμένη τεχνολογία αναπτύχθηκε ιδιαίτερα τη δεκαετία του 1980, υποχώρησε προσωρινά και επανήλθε δριμύτερα σήμερα, κυρίως λόγω της διαθεσιμότητας μεγάλου όγκου δεδομένων, τα οποία είναι προσβάσιμα μέσω του Internet καθώς και της διαθεσιμότητας ισχυρών υπολογιστών.
• Τέλος, τα rule based systems βασίζονται στην ύπαρξη απλών ή και πιο σύνθετων κανόνων για τη λήψη της απόφασης. Τα συγκεκριμένα συστήματα είναι εξαιρετικά ακριβή εφόσον έχουν αναπτυχθεί οι απαιτούμενοι κανόνες.

Αυτά τα συστήματα είναι εφικτό να χρησιμοποιηθούν σε πληθώρα καταστάσεων στο εργοστάσιο όπως π.χ. για την ανάπτυξη συστημάτων τεχνητής όρασης, προγραμματισμού παραγωγής, βελτιστοποίησης παραμέτρων μηχανουργικών κατεργασιών κ.λπ.

Ποια είναι τα πλεονεκτήματα που απορρέουν από τη χρήση τέτοιων συστημάτων;
Έχουν πραγματοποιηθεί πολλές μελέτες οφέλους των συστημάτων AI τόσο στο πλαίσιο ερευνητικών προγραμμάτων όσο και στη βάση αναλύσεων αλλά και τάσεων με διεθνείς εταιρείες συμβούλων. Τα συστήματα AI είναι ικανά να επιφέρουν μεταξύ άλλων: μείωση κόστους, αύξηση παραγωγικότητας, αύξηση της ποιότητας προϊόντων. Για παράδειγμα, η χρήση αισθητήρων για συλλογή δεδομένων από μηχανές, μπορεί να οδηγήσει σε έγκαιρη διάγνωση μελλοντικών βλαβών, καθοδηγώντας τη διαδικασία συντήρησης του εξοπλισμού και επιτυγχάνοντας μείωση χρόνου διακοπής λειτουργίας (downtime) σε επίπεδα του 20%, αλλά και μείωση χρόνου επιθεώρησης και ελέγχου κατάστασης μηχανών επίσης, σε επίπεδο του 20%. Η συνεργασία ανθρώπου και ρομπότ με τη χρήση τεχνικών AI είναι ικανή να οδηγήσει σε αύξηση του αριθμού μοντέλων που μπορεί να παράξει μια αύξηση της γραμμής παραγωγής κατά 50%, καθώς και σε αύξηση του βαθμού αξιοποίησης των παραγωγικών πόρων κατά 25% .

Ποιος είναι ο ρόλος του ανθρώπινου κεφαλαίου στον αυτοματοποιημένο κόσμο της βιομηχανίας;
Ο ρόλος του ανθρώπινου κεφαλαίου μπορεί να γίνει κατανοητός αν συλλογιστούμε με γνώμονα ορισμένα παραδείγματα, προερχόμενων από την βιομηχανική καθημερινότητα.
Το εργοστάσιο του μέλλοντος θα είναι ικανό να ξεπεράσει τους περιορισμούς που υπάρχουν στα σημερινά συστήματα παραγωγής, αξιοποιώντας τις τεχνικές του AI. Η συγκεκριμένη τεχνολογία θα είναι διαθέσιμη μέσω διαφορετικών μορφών σε διαφορετικά τμήματα του εργοστασίου. Έτσι, οι σχεδιαστές προϊόντων θα έχουν τη δυνατότητα να επιταχύνουν τη διαδικασία σχεδιασμού με τη βοήθεια τέτοιων μεθόδων και εν τέλει να εισάγουν νέα προϊόντα πιο γρήγορα. Εν συνεχεία, οι σχεδιαστές των γραμμών παραγωγής θα έχουν τη δυνατότητα να προγραμματίζουν τις μεθόδους παραγωγής με μεγαλύτερη ακρίβεια και να αποκτούν με αυτόν τον τρόπο έγκαιρη πρόγνωση αναμενόμενων προβλημάτων.

Με τη σειρά τους, οι υπεύθυνοι παραγωγής θα έχουν την δυνατότητα να προγραμματίζουν πιο αποτελεσματικά τις εργασίες παραγωγής. Τέλος, ο χειριστής στη γραμμή παραγωγής θα μπορεί πλέον να απασχολείται λιγότερο με τις αυτοματοποιημένες εργασίες και να εστιάζει εξ ολοκλήρου στην διαδικασία παραγωγής. Πιο συγκεκριμένα, θα είναι σε θέση να δίνει έμφαση σε εργασίες υψηλής προστιθέμενης αξίας, καθώς αυτές δεν θα είναι εφικτό να αυτοματοποιηθούν, καθώς μόνο ο άνθρωπος μπορεί να τις εκτελέσει με ακρίβεια και υψηλή ποιότητα. Συνεπώς, ο ρόλος του ανθρώπινου παράγοντα αναμένεται να είναι καθοριστικός για την επιτυχία του εγχειρήματος.

Πώς μπορεί να ενισχυθεί περισσότερο η συνεργασία μεταξύ του ερευνητικού πεδίου και των βιομηχανικών επιχειρήσεων;
Για να πραγματοποιηθεί η επόμενη κίνηση που αφορά στη χρήση του AI, απαιτείται στενότερη συνεργασία της βιομηχανίας με την ερευνητική κοινότητα. Το εργαστήριό μας έχει ήδη εφαρμόσει τεχνικές, οι οποίες διευκολύνουν τη συνεργασία με βιομηχανικές επιχειρήσεις, κυρίως σε Ευρωπαϊκό επίπεδο. Έχουμε εφαρμόσει μεθόδους, που επιτρέπουν ερευνητές της ομάδας μας να επιλύσουν προκλήσεις, οι οποίες ετέθησαν από επιχειρήσεις με τις οποίες συνεργαζόμαστε κυρίως στην Βόρεια Ευρώπη.

Προς αυτή την κατεύθυνση, υπάρχουν δύο κύριες συνιστώσες, πρώτον η βιομηχανία να ορίζει ένα πρόβλημα, το οποίο έπειτα αντιμετωπίζει και επιλύει η ομάδα ενώ σε δεύτερο χρόνο, τα αποτελέσματα που έχουν αναπτυχθεί στο εργαστήριο να είναι εφικτό να μεταφερθούν στην βιομηχανία. Το σύνολο των μεθόδων, που έχουμε αναπτύξει περιλαμβάνεται στην ομπρέλα του Teaching Factory, το οποίο έχουμε υλοποιήσει και θεωρούμε ότι είναι ένας αποτελεσματικός τρόπος για να ενισχυθεί η συνεργασία έρευνας-βιομηχανίας.