H τεχνητή νοημοσύνη (AI) μπορεί να αλλάξει το «παιχνίδι» της βιομηχανικής παραγωγής. Η συγκεκριμένη τεχνολογία δεν αφορά μόνο τις μεγάλες βιομηχανίες. Οι υψηλής αξίας, οικονομικά αποδοτικές λύσεις της είναι πιο προσιτές από ό,τι πολλές μικρότερες βιομηχανίες αντιλαμβάνονται.

Οι ιστορικοί παρακολουθούν την ανθρώπινη πρόοδο από την Εποχή του Λίθου μέχρι την Εποχή του Χαλκού, την Εποχή του Σιδήρου και ούτω καθεξής, μετρώντας την εξελικτική ανάπτυξη με βάση την ανθρώπινη κυριαρχία στο φυσικό περιβάλλον, τα υλικά, τα εργαλεία και τις τεχνολογίες. Η ανθρωπότητα βρίσκεται επί του παρόντος στην Εποχή της Πληροφορίας, γνωστή και ως Εποχή του Πυριτίου. Σε αυτήν την εποχή που βασίζεται στα ηλεκτρονικά μέσα, οι άνθρωποι βελτιώνονται συλλογικά μέσα από τους υπολογιστές, αξιοποιούν άνευ προηγουμένου τη δύναμη τους στον φυσικό κόσμο και έχουν μια ικανότητα να επιτύχουν πράγματα που ήταν ασύλληπτα πριν από μερικές γενιές.

Όσο κι αν φαίνεται παράξενο, η Τεχνητή Νοημοσύνη έχει απασχολήσει τους φιλοσόφους ήδη από το 400 π.Χ., μέσα από την παρομοίωση της νόησης με μηχανή που λειτουργεί πάνω στην κωδικοποιημένη γνώση, με συγκεκριμένη γλώσσα και σκέψη, ως όργανο για την επιλογή της ενέργειας που θα χρησιμοποιηθεί. Διανύουμε την εποχή της Τέταρτης Βιομηχανικής Επανάστασης, κατά την οποία, η Τεχνητή Νοημοσύνη δεν υπάρχει μόνο στα σχέδια και τους στόχους των επιστημόνων αλλά αποτελεί το κύριο συστατικό στοιχείο και την κινητήριο δύναμη των αλλαγών που εξελίσσονται στην ανθρωπότητα. Οι εφαρμογές της, σχεδόν σε όλους τους τομείς της ανθρώπινης δραστηριότητας, έχουν επηρεάσει το οικονομικό, κοινωνικό και πολιτικό γίγνεσθαι σε τεράστιο βαθμό.

Η τεχνητή νοημοσύνη στη Βιομηχανία
Καθώς η τεχνολογία των υπολογιστών εξελίσσεται ώστε να είναι πιο ικανή να εκτελεί εργασίες που παραδοσιακά έκαναν οι άνθρωποι, η τεχνητή νοημοσύνη έχει πρωταγωνιστικό ρόλο στην παραπάνω διαδικασία. Οι άνθρωποι έχουν επιλογές σχετικά με τον τρόπο εφαρμογής της μηχανικής μάθησης, του υποπεδίου δηλαδή της επιστήμης των υπολογιστών, που αναπτύχθηκε από τη μελέτη της αναγνώρισης προτύπων και της υπολογιστικής θεωρίας μάθησης στην τεχνητή νοημοσύνη. Οι ιδανικές εφαρμογές βοηθούν τους ανθρώπους να παράγουν μοναδικά πράγματα – στη βιομηχανία, θα μπορούσε να είναι για παράδειγμα η κατασκευή ενός εξαρτήματος στο εργοστάσιο ή ο σχεδιασμός ενός εξατομικευμένου προϊόντος ή εξαρτήματος. Η τεχνητή νοημοσύνη στη βιομηχανική παραγωγή είναι θα λέγαμε μεταφορικά η «ευφυΐα» των μηχανών για την εκτέλεση ορισμένων ανθρώπινων καθηκόντων -ανταποκρίνονται σε γεγονότα εσωτερικά και εξωτερικά, ακόμη και προβλέποντας γεγονότα- αυτόνομα. Έτσι, τα μηχανήματα μπορούν να ανιχνεύσουν ένα εργαλείο που φθείρεται ή κάτι απροσδόκητο -ίσως και κάτι που αναμένεται να συμβεί- και μπορούν να αντιδράσουν και να επιλύσουν το πρόβλημα.

Σήμερα, το μεγαλύτερο μέρος της τεχνητής νοημοσύνης στη μεταποιητική βιομηχανία χρησιμοποιείται για μετρήσεις, για δεδομένα συντήρησης, για μη καταστροφικές δοκιμές (NDT) και άλλες διαδικασίες. Αναντίρρητα, η τεχνητή νοημοσύνη βοηθά στο σχεδιασμό προϊόντων, αλλά σίγουρα η βιομηχανική παραγωγή βρίσκεται ακόμα στα πρώτα στάδια της υιοθέτησης της τεχνολογίας. Η τεχνητή νοημοσύνη στη βιομηχανική παραγωγή μοιάζει περισσότερο με μια συλλογή εφαρμογών για συμπαγή, διακριτά συστήματα που διαχειρίζονται συγκεκριμένες διαδικασίες της παραγωγής. Θα μπορούσαμε να πούμε ότι λειτουργούν περισσότερο ή λιγότερο αυτόνομα και ανταποκρίνονται σε εξωτερικά γεγονότα με ολοένα και πιο έξυπνους τρόπους – γεγονότα που κυμαίνονται από τη φθορά ενός εργαλείου, τη διακοπή συστήματος, την πυρκαγιά ή κάποια φυσική καταστροφή.

Η μεταποιητική βιομηχανία υπό την οπτική της αναδυόμενης ΑΙ
Αδιαμφισβήτητα, η τεχνητή νοημοσύνη θα επηρεάσει τη βιομηχανική παραγωγή με τρόπους που δεν είχαμε ακόμη προβλέψει. Ωστόσο, αξίζει να σημειωθούν μερικά σημαντικά παραδείγματα. Η συνεχής βελτίωση στην οπτικοποίηση υπολογιστή έχει χρησιμοποιηθεί από καιρό για τη διασφάλιση της ποιότητας με τον εντοπισμό ελαττωμάτων του προϊόντος σε πραγματικό χρόνο. Αλλά τώρα που η βιομηχανική παραγωγή περιλαμβάνει περισσότερες ενσωματωμένες πληροφορίες από ποτέ – η τεχνητή νοημοσύνη με υπολογιστική όραση μπορεί να εξορθολογίσει τον τρόπο με τον οποίο συλλαμβάνονται οι πληροφορίες. Ένας εργαζόμενος στο εργοστάσιο θα πρέπει να μπορεί να αποκτήσει απόθεμα πρώτων υλών από το ράφι και να δημιουργήσει αυτόματα τη συναλλαγή αποθεμάτων με βάση μια κάμερα που παρατηρεί τη διαδικασία. Αυτή θα είναι η φυσική διεπαφή χρήστη, απλώς θα φέρει σε πέρας την εργασία χωρίς να εισάγει ή να σαρώνει πράγματα σε ένα σύστημα.

Δεύτερον, η τεχνητή νοημοσύνη θα επηρεάσει το Internet of Things (IoT). Το IoT θα δώσει έναν τρόπο παροχής προμηθειών και υπηρεσιών σε πελάτες που μπορεί να μην κατανοούν ότι απαιτούνται και ότι είναι αναγκαίες. Επιπλέον, το IoT μπορεί να στείλει εις βάθος δεδομένα και πληροφορίες στους παραγωγούς και τους διανομείς για να ελέγξει εξονυχιστικά την ποιότητα και τους παράγοντες που μπορεί να οδηγήσουν σε αποτυχίες. Εν συντομία, το IoT είναι ένα εσωτερικό τσουνάμι πληροφοριών που η τεχνητή νοημοσύνη μπορεί να χρησιμοποιήσει για να εξελίξει και να ενισχύσει την παραγωγή. Αυτό θα διευκολύνει τις διαδικασίες επαυξημένης παραγωγικής σχεδίασης όπου τα προϊόντα επαναλαμβάνονται με τρόπους πιο παρόμοιους με την εξέλιξη.

Εφαρμογές τεχνητής νοημοσύνης
Πέντε τομείς όπου η τεχνητή νοημοσύνη δημιουργεί σημαντικό οικονομικό αντίκτυπο:
1. Προγνωστική συντήρηση. Λαμβάνοντας ιστορικά δεδομένα από αρχεία καταγραφής συντήρησης, είναι δυνατή η πρόβλεψη για το πώς θα συμπεριφέρεται ένα μηχάνημα κάτω από ένα μελλοντικό ωφέλιμο φορτίο, εάν θα χρειαστεί διόρθωση, πότε, γιατί και πώς – με βάση το τι επιλύθηκε από αυτό το πρόβλημα στο παρελθόν. Αυτό μπορεί να μειώσει σημαντικά το χρόνο διακοπής λειτουργίας.
2. Προγνωστική ποιότητα. Η πρόβλεψη και η μείωση των αστοχιών μπορεί να αποφέρει σημαντική εξοικονόμηση κόστους.
3. Μείωση σκραπ. Η χρήση μετρήσεων για την πρόβλεψη της συμπεριφοράς μεταξύ των προδιαγραφών προϊόντων μπορεί να ελαχιστοποιήσει το σκραπ και να μεγιστοποιήσει την ποιότητα του προϊόντος.
4. Αύξηση της πρόληψης/απόδοσης. Η πρόβλεψη εάν και πότε ένα μηχάνημα ή μια διεργασία δεν θα πληροί πλέον τις συγκεκριμένες προδιαγραφές, δίνει τη δυνατότητα να υλοποιηθεί προληπτικά ό,τι χρειάζεται έτσι ώστε να γίνει επαναφορά των προδιαγραφών, μειώνοντας τα ποιοτικά περάσματα.
5. Πρόβλεψη ζήτησης και αποθεμάτων. Με την πλήρη κατανόηση των λειτουργιών του εργοστασίου και των δεδομένων πίσω από την παραγωγή, είναι δυνατό να προβλεφθεί η ζήτηση και η κίνηση των κρίσιμων εξαρτημάτων, με αποτέλεσμα σημαντική εξοικονόμηση αποθεμάτων.

Από την έρευνα στα εργοστάσια του μέλλοντος
Η εποχή της τεχνητής νοημοσύνης είναι σχετικά πρόσφατη αλλά προηγμένη σε αντίκτυπο στη βιομηχανία και σε οφέλη. Οι εργασίες που απαιτούν ενδιάμεσες δεξιότητες, όπως τις γνωρίζουμε, εξαφανίζονται γρήγορα. Αντιθέτως πλέον οι εργασίες αυτοματοποιούνται συστηματικά και τα άτομα είναι όλο και πιο πιθανά να αξιοποίησουν την τεχνολογία AI στην καθημερινή τους ζωή. Στην πραγματικότητα, το 50% των οργανισμών παγκοσμίως αναφέρουν ότι χρησιμοποιούν κάποια μορφή τεχνητής νοημοσύνης στις δραστηριότητές τους. Είναι σαφές ότι η τεχνητή νοημοσύνη έχει ευρείες επιπτώσεις για ολόκληρη την ανθρωπότητα και ως εκ τούτου τα ιδρύματα εκπαίδευσης και κατάρτισης που εξοπλίζουν δια βίου μαθητές και φοιτητές με νέες δεξιότητες θα πρέπει να ενισχυθούν. Ένα μεγάλο εύρος από τα εκπαιδευτικά ιδρύματα προσφέρουν ερευνητικά και καινοτόμα προγράμματα, που ανοίγουν το δρόμο για καλύτερη κατανόηση των δυνατοτήτων του AI, αλλά και των παγίδων της χρήσης της.

Ο Σωτήρης Μακρής, υπεύθυνος των Προγραμμάτων Βιομηχανικής Έρευνας, Εργαστήριο Συστημάτων Παραγωγής και Αυτοματισμού αναφέρει ότι: «Στο Εργαστήριο συστημάτων παραγωγής και Αυτοματισμού (LMS), είχαμε την ευκαιρία να εργαστούμε στην έρευνα βιομηχανικών εφαρμογών του AI (Artificial Intelligence) σε ευρεία γκάμα περιπτώσεων τα τελευταία 25 χρόνια. Στα πλαίσια των ερευνών μας, έχουμε αναπτύξει λύσεις οι οποίες έχουν διατεθεί σε βιομηχανικές επιχειρήσεις, ενώ υπάρχει πληθώρα αποτελεσμάτων τα οποία μπορούμε και ενδιαφερόμαστε 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)».

Case study: Η ψηφιοποίηση στο BMW iFACTORY
Η BMW Group χρησιμοποιεί την εικονικοποίηση, την τεχνητή νοημοσύνη και την επιστήμη δεδομένων για τη δικτύωση όλων των σχετικών πτυχών της παραγωγής αυτοκινήτων. Αξίζει να σημειωθεί ότι η BMW Group βρίσκεται στη μέση του μεγαλύτερου μετασχηματισμού στην ιστορία της, που είναι ζωτικής σημασίας για τη συνεπή μελλοντική κατεύθυνση της εταιρείας. Η βιωσιμότητα, η ευελιξία και η ψηφιοποίηση βρίσκονται στο επίκεντρο στον δρόμο προς την ηλεκτροκίνηση. Το BMW iFACTORY αποτελεί εφαλτήριο, καθώς και ένα οραματικό γενικό σχέδιο που θα αλλάξει ριζικά την παραγωγή αυτοκινήτων στη BMW Group με μια παγκόσμια, ολοκληρωμένη προσέγγιση. Με αυτό, το BMW Group θέτει νέα πρότυπα όσον αφορά τη βιωσιμότητα και την ανταγωνιστικότητα: Λιτή Παραγωγή, Πράσινη Μετάβαση, Ψηφιακός Μετασχηματισμός.

Όσον αφορά στη χρήση τεχνητής νοημοσύνης, η BMW Group είναι ήδη πρωτοπόρος στην αυτοκινητοβιομηχανία. Η εταιρεία χρησιμοποιεί περισσότερες από 200 λύσεις τεχνητής νοημοσύνης στην παραγωγή. Η τεχνητή νοημοσύνη χρησιμοποιείται για την αυτοματοποίηση των διαδικασιών στην εφοδιαστική και τη βιομηχανική παραγωγή. Ένα τέτοιο παράδειγμα είναι η διασφάλιση ποιότητας που βασίζεται σε δεδομένα εικόνας. Στη γραμμή συναρμολόγησης έχει εγκατασταθεί μια κάμερα που φωτογραφίζει συνεχώς τα προϊόντα. Το έξυπνο σύστημα τα ελέγχει για σφάλματα, έτσι ώστε η ΑΙ να μπορεί να παρακολουθεί μόνιμα τη διαδικασία. Ταυτόχρονα, η τεχνολογία βελτιώνεται μαζί με τους εργαζόμενους. Αυτό διασφαλίζει την ποιότητα των προϊόντων και μειώνει τον φόρτο εργασίας των εργαζομένων.

Η επιστήμη των δεδομένων είναι ένα άλλο καυτό θέμα. Αυτό δημιουργεί τη βάση για τις αποφάσεις που βασίζονται σε γεγονότα, αριθμούς και δεδομένα σε πραγματικό χρόνο. Όπως για παράδειγμα τη συντήρηση του μηχανήματος. Τα δεδομένα κατάστασης που συλλέγονται μέσω αισθητήρων μπορούν να χρησιμοποιηθούν για την πρόβλεψη του πότε ένα σύστημα θα αποτύχει – πριν συμβεί πραγματικά. Ένα σημάδι ανάπτυξης φθοράς, για παράδειγμα, είναι η αυξημένη κατανάλωση ισχύος ενός συστήματος μεταφοράς. Αυτό επιτρέπει την έγκαιρη αντικατάσταση εξαρτημάτων – και μόνο εκείνων που έχουν πραγματικά φθαρεί.

H εξέλιξη φέρνει τα εργοστάσια του μέλλοντος
Δεδομένου ότι τόσο ο αυτοματισμός όσο και η μηχανική μάθηση υπάρχουν εδώ και δεκαετίες στον μεταποιητικό τομέα, αυτές οι αλλαγές θεωρούνται μια εξέλιξη, και όχι μια επανάσταση, για τη βιομηχανία. Οι επιχειρήσεις πρέπει να εξερευνήσουν τα πλεονεκτήματα και τις δυνατότητες που προσφέρουν τα συστήματα ΤΝ και να προχωρήσουν στις απαραίτητες επενδύσεις. Είναι σαφές ότι η μεγαλύτερη βιομηχανική συνδεσιμότητα, οι περισσότεροι αισθητήρες, τα ισχυρά αναλυτικά στοιχεία και τα ρομπότ φέρνουν ξεχωριστές προκλήσεις. Νέα έρευνα αναφέρει ότι το 85% των εταιρειών που ερεύνησαν την ΤΝ στοχεύουν να εφαρμόσουν τα διάφορα συστήματα στις διαδικασίες παραγωγής τους. Ωστόσο, λιγότερο από το 30% έχουν ένα σχέδιο ανάπτυξης ΤΝ. Ενώ πολλές βιομηχανίες έχουν φιλοδοξίες να εφαρμόσουν την τεχνητή νοημοσύνη σε λειτουργίες τους, απαιτείται εντούτοις μια διεξοδική έρευνα και εκπαίδευση εκ των προτέρων. Ο συνδυασμός AI/ML με άλλες τεχνολογίες όπως αισθητήρες, μηχανές και ανθρώπινες εισροές θα βελτιώσει δραματικά τις λειτουργίες και πιθανότατα θα οδηγήσει σε νέες μορφές καινοτομίας και παραγωγικότητας στον κλάδο.

Πλατφόρμα “Smart Cities”
Η Mytilineos δημιούργησε μία νέα πλατφόρμα για «έξυπνες» πόλεις, την πλατφόρμα “Smart Cities”. Με καινοτόμες υπηρεσίες, εφαρμογές, πρωτοποριακά εργαλεία και προϊόντα που απευθύνονται σε πόλεις, κοινότητες, οικισμούς, ακόμα και μεγάλους οργανισμούς που επιδιώκουν να δημιουργήσουν βιώσιμες, «έξυπνες» κοινωνίες. Πρόκειται για ένα ιδιαίτερα πρωτοποριακό project, που πραγματοποιείται για πρώτη φορά με την συνεργασία σχεδόν όλων των Τομέων Επιχειρηματικότητας: Μεταλλουργίας, Ηλεκτρικής Ενέργειας & Φυσικού Αερίου και Έργων Βιώσιμης Ανάπτυξης.

Αξιοποιώντας το «Θαυμαστό» καινούριο κόσμο της τεχνολογίας και του Industry 4.0
Με την χρήση της τεχνητής νοημοσύνης και cutting edge τεχνολογιών δημιουργούνται βιώσιμες και «έξυπνες» κοινωνίες με απεριόριστες δυνατότητες. Οι συγκεκριμένες υπηρεσίες δίνουν εύκολα λύσεις, αλληλοεπιδρούν σε όλα τα επίπεδα, προσφέρουν ευκαιρίες, μειώνουν κόστη, σέβονται το περιβάλλον, ενώ παραμένουν ταυτόχρονα και βιώσιμες.
Η πλατφόρμα Smart Cities θα περιλαμβάνει – μεταξύ άλλων – τις εξής υπηρεσίες και εφαρμογές:
• Ευέλικτες υπηρεσίες για την διαχείριση της ενέργειας
• Έξυπνη διαχείριση υδάτων
• Έξυπνη διαχείριση απορριμμάτων
• Υψηλή λειτουργικότητα στο δημόσιο χώρο (σημεία φόρτισης συσκευών, πρόσβαση στο Internet μέσω 5G / Wi-Fi, ηχοσυστήματα για την απευθείας επικοινωνία του πολίτη με τις δημόσιες υπηρεσίες, πληροφορίες για τον καιρό, πρόσβαση στις δυνατότητες φωτισμού)
• Διαχείριση κυκλοφορίας μέσω smart traffic εφαρμογών
• Συστήματα κεντρικού ελέγχου που θα παρέχουν άμεσα πληροφορία, για να μπορούν να επιλύονται σε σύντομο χρονικό διάστημα ζητήματα ακόμη και με απομακρυσμένη διαχείριση.

Αξίζει να σημειωθεί ότι η πλατφόρμα ΜΥΤΙLINEOS Smart Cities πραγματοποιείται στο πλαίσιο της μετεξέλιξης της εταιρείας σε έναν ολοκληρωμένο ενεργειακό πάροχο: που δεν προσφέρει υπηρεσίες μονοδιάσταστα, αλλά μέσω πλήθους εφαρμογών και υπηρεσιών για την ενέργεια του μέλλοντος. Η Γενική Διευθύντρια Επικοινωνίας & Στρατηγικής Marketing, Βίβιαν Μπουζάλη, στα πλαίσια της εκδήλωσης εγκαινίων, χαρακτήρισε την πλατφόρμα ως έναν «νέο κόσμο με ανεξάντλητες δυνατότητες, μέσα από την ψηφιοποίηση και την τεχνητή νοημοσύνη, με σεβασμό πάντα στην ατομικότητα και τα δικαιώματα κάθε πολίτη ξεχωριστά».

Η ΑΙ σε αριθμούς
Μερικές σημαντικές στατιστικές πληροφορίες για την τεχνητή νοημοσύνη σε διαφορετικούς τομείς.
• Μέχρι το 2035, οι τεχνολογίες τεχνητής νοημοσύνης αναμένεται να αυξηθούν στην παραγωγή κατά 40% ή περισσότερο.
• Η τεχνητή νοημοσύνη θα ενισχύσει την οικονομική ανάπτυξη κατά μέσο όρο 1,7% σε 16 κλάδους έως το 2035.
• Έως το 2024, το 20% των κορυφαίων βιομηχανιών θα βασιστεί στην ενσωματωμένη νοημοσύνη (χρησιμοποιώντας AI, Internet of Things και εφαρμογές blockchain) για να αυτοματοποιήσουν τις διαδικασίες και να επιταχύνουν τους χρόνους εκτέλεσης έως και 25%.