Podejście nastawione na ludzi pomaga budować zaufanie do sztucznej inteligencji w produkcji
Zwiększając automatyzację i inteligencję procesów produkcyjnych, sztuczna inteligencja (SI) może poprawić jakość produkcji przy jednoczesnym obniżeniu kosztów, wprowadzając Europę w erę Przemysłu 5.0. Algorytmy predykcyjne mogą wskazywać najlepszy czas na serwisowanie maszyn i identyfikować wady produktów, pomagając uniknąć kosztownych przestojów w produkcji. Sztuczna inteligencja może również optymalizować łańcuchy wartości, analizując duże zbiory danych w celu prognozowania podaży, popytu i poziomów zapasów, z korzyścią dla logistyki i harmonogramów produkcji. Jednak te postępy wiążą się również ze znaczącym ryzykiem, takim jak wprowadzenie stronniczych systemów z powodu niewystarczających danych szkoleniowych lub zwiększonej podatności na cyberataki. Prawdopodobnie największym problemem jest jednak brak zrozumienia i zaufania ze strony osób na linii produkcyjnej. „Jeśli Przemysł 5.0 ma wykorzystać swój potencjał, potrzebuje nie tylko wsparcia tych ludzi, ale także korzyści płynących z ich doświadczenia”, mówi John Soldatos, koordynator techniczny finansowanego przez UE projektu STAR (Safe and Trusted Human Centric Artificial Intelligence in Future Manufacturing Lines). Zespół projektu STAR współpracował z kluczowymi interesariuszami w celu opracowania różnych zaawansowanych technologii SI. W ramach trzech projektów pilotażowych zostały one ocenione i zweryfikowane pod kątem zarówno wydajności technicznej, jak i społecznej, a w szczególności ich wiarygodności.
Sprawdzanie sztucznej inteligencji w praktyce
Pilotażowy projekt Human-Robot Collaboration (cobotics) był realizowany w fabryce Philips (strona w języku niderlandzkim) w Niderlandach. W tym przypadku systemy aktywnego uczenia się rozwiązania STAR zostały przetestowane w ramach kontroli jakości opartej na sztucznej inteligencji i wykazały, że zwiększają wydajność procesu bez uszczerbku dla kosztów i przepływu pracy. „Sztuczna inteligencja konsultuje się z ludźmi, gdy nie ma pewności, unikając w ten sposób błędów i błędnych klasyfikacji, a jednocześnie pozwalając sztucznej inteligencji korzystać z ludzkiej wiedzy, znacznie poprawiając szybkość i jakość jej szkolenia”, wyjaśnia Babis Ipektsidis, kierownik projektu w firmie Netcompany-Intrasoft będącej gospodarzem projektu. W ramach pilotażu bezpieczeństwa SI zastosowano wyjaśnialne systemy sztucznej inteligencji do dostosowywania produktów w samochodowych nawiewach powietrza. Rozwiązanie to zostało zademonstrowane w zakładach produkcyjnych IBER-OLEFF w Portugalii. W tym przypadku wahania miesięcznych zamówień utrudniają optymalizację procesu produkcyjnego. „Wyjaśnialna sztuczna inteligencja pomogła operatorom zrozumieć, w jaki sposób automatyzacja może uczynić linie produkcyjne bardziej elastycznymi, jednocześnie dostosowując je do zmian, takich jak wprowadzenie nowych części lub produktów końcowych”, zauważa Ipektsidis. Wreszcie, w ramach pilotażowego projektu bezpieczeństwo z SI przetestowano operacje realizowane przez roboty współpracujące (coboty) w Niemieckim Centrum Badań nad Sztuczną Inteligencją (DFKI). Systemy symulacji rzeczywistości, oparte na uczeniu ze wzmocnieniem, wyszkoliły roboty do bezpiecznego poruszania się wokół ludzkich współpracowników podczas wykonywania zadań w hali produkcyjnej. Definiując dynamiczne strefy bezpieczeństwa dla robotów, sztuczna inteligencja zwiększyła bezpieczeństwo pracy cobotów przy braku kolizji. Zespół zastosował swoją nowatorską metodologię oceny zaufanych systemów sztucznej inteligencji, zarówno pod względem technicznym, jak i społecznym, do wszystkich pilotów. „Osiągi techniczne przekonały nas, że te zrobotyzowane rozwiązania mogą być wykorzystywane w rzeczywistych scenariuszach w celu usprawnienia procesów produkcyjnych”, wyjaśnia Soldatos. „Chociaż bezpieczeństwo ludzi może być zapewnione, kluczowe znaczenie będzie miało szkolenie pracowników, zwłaszcza w zakresie takich czynności jak czytanie wskaźników procesu i rozumienie danych”.
Poruszanie się w szerszym środowisku pracy
Jak podkreśla Soldatos, zademonstrowanie korzyści, jakie niosą budzące zaufanie systemy SI, nie obyło się bez pewnych trudności. „Ten sektor rozwija się szybko, więc przewidywanie regulacji jest trudne. Ustawa o sztucznej inteligencji pojawiła się w trakcie projektu, ale udało nam się dostosować do niej nasze rozwiązania”. Bieżąca współpraca w ramach projektu pomaga sprostać tym wyzwaniom. Badacze z projektu STAR prowadzą działania w ramach inicjatywy „Projekty SI w produkcji”, która ułatwia współpracę i dzielenie się wiedzą. Udostępniają ponadto zasoby, takie jak informacje o modelach SI aktywnego uczenia, na portalu AI4EU. Zespół projektu udostępnił niektóre ze swoich zasobów za pośrednictwem platformy rynkowej i opublikował swoje wyniki w wielu publikacjach, w tym w książce Open Access na temat zaufanych rozwiązań SI, która została już pobrana ponad 40 000 razy. Partnerzy projektu STAR pracują obecnie nad zwiększeniem dojrzałości swoich prototypów, mając na celu wprowadzenie produktów na rynek w ciągu kilku lat od zakończenia projektu. Podczas gdy kilka produktów jest obecnie chronionych zastrzeżonymi licencjami, partnerzy oferują wersje open-source wybranych wyników.
Słowa kluczowe
STAR, automatyzacja, produkcja, sztuczna inteligencja, człowiek, algorytm, zaufanie, cobot
