Eksperci Siemensa opracowali system kontrolowania ruchu taśm transportowych z wykorzystaniem uczenia maszynowego. Pokazowa infrastruktura dba o równomierne ułożenie tabliczek czekolady na ostatniej taśmie transportowej, by w kolejnym etapie można było zautomatyzować ich pakowanie. Wyzwaniem w tym przypadku jest konieczność każdorazowego dostosowywania szybkości taśmy, która wynika z losowych odstępów umieszczenia tabliczek na pierwszym urządzeniu.
Trenowanie AI
Michel Tokic, ekspert sztucznej inteligencji, mówił o szkoleniu algorytmów:
– SI otrzymała specyfikację docelową, czyli w tym przypadku informację o umieszczeniu tabliczek na ostatniej taśmie i o konieczności wykonania zadania tak szybko, jak to możliwe. Następnie algorytmy podjęły, początkowo całkowicie losowe, próby sterowania cyfrowym modelem urządzenia, aby zrealizować zadanie. Informację zwrotną uzyskiwały dzięki sygnałowi z czujnika fotoelektrycznego i na jej podstawie stopniowo, w dużej liczbie cykli treningowych [w tym przypadku 3 mln – red.], stopniowo opracowywały zadowalające rozwiązanie – tłumaczył.
Cyfrowy bliźniak do szkolenia bez szkód
Do szkolenia algorytmów posłużył cyfrowy model infrastruktury. AI potrzebowała 3 dób treningu na komputerze, żeby kontrolować funkcjonowanie maszyn. Martin Bischoff, specjalista wirtualizacji w mechatronice, podkreśla, że ludzie pracowaliby nad programem dłużej. Z kolei Thomas Hennefelder, inżynier odpowiedzialny za maszyny, uzupełnia, że strategia SI, polegająca na jak najszybszym transporcie na początku i precyzyjnej kontroli szybkości na końcowej taśmie, tylko nieznacznie różni się od działań konwencjonalnego kontrolera.
Uczenie maszynowe ze wzmocnieniem
W szkoleniu algorytmów zarządzających przenośnikami inżynierowie wykorzystali uczenie ze wzmocnieniem, czyli typ treningu, w którym program uzyskuje zestaw reguł i dozwolonych działań, które analizuje i dostosowuje po każdym wykonaniu. Taki rodzaj machine learningu jest wykorzystywany do kontrolowania robotów czy podejmowania decyzji w czasie rzeczywistym. Poza nim wyróżnia się m.in. uczenie nadzorowane, gdzie algorytmy poszukują związków pomiędzy danymi wejściowymi i wyjściowymi, żeby następnie móc pracować wyłącznie z pierwszym zestawem informacji.
Sztuczna inteligencja w procesach produkcyjnych
Algorytmy są wykorzystywane przykładowo do zarządzania tzw. linią mokrą, która musi pozostać w określonym obszarze maszyny papierniczej, żeby nie powstały straty i opóźnienia. O wykorzystaniu sztucznej inteligencji w kontroli jakości mówiła Agata Chudzińska z firmy Apollogic podczas konferencji „Transformacja cyfrowa – nowe możliwości dla rozwoju firm w 2021 roku” realizowanej przez poznański Hub Innowacji Cyfrowych. Ilustracją takiego wykorzystania jest program Visual Inspection AI przygotowany przez Google. Za pomocą aplikacji da się weryfikować poprawność spawów, wykrywać zarysowania czy pęknięcia.