Umělá inteligence se etablovala v mnoha průmyslových odvětvích. Také členové Svazu německého průmyslu obráběných dílů se stále více zabývají otázkou, jak mohou datově založené postupy podporovat výrobní procesy.
Při výrobě součástí na soustruhu se umělá inteligence (AI) setkává s vyvinutými strukturami, úzkými tolerancemi a vysokým podílem zkušeností. Její potenciál spočívá v tom, že dokáže procesy učinit stabilnějšími, transparentnějšími a efektivnějšími tím, že vyhodnocuje data a rozpoznává vzory. Tím lze v obrábění zobrazit pracovní postupy, kvalitativní charakteristiky nebo souvislosti mezi parametry.
I v asociaci německého průmyslu točivých dílů diskutují výrobci točivých dílů, strojírenské firmy a dodavatelé softwaru o konkrétních možnostech využití, požadavcích a omezeních. „Při všech těchto rozhovorech se vždy dostáváme k stejnému závěru,“ zdůrazňuje výkonný ředitel asociace Werner Liebmann: „Aby umělá inteligence mohla naplnit svůj potenciál, musí nejprve odpovědní lidé jasně definovat cíle, přesně popsat své procesy a především mít přístup k spolehlivým datům.“
Měřitelný přínos AI je v centru pozornosti.
Někteří členové svazu již umělou inteligenci produktivně využívají, jiní se k tomuto tématu vědomě přibližují krok za krokem. Shoda panuje v tom, že AI není cílem sama o sobě. Neměla by digitalizovat stávající procesy jen pro její vlastní účel, ale měla by podporovat tam, kde přináší měřitelný přínos. To se týká zejména oblastí, kde jsou k dispozici velké objemy dat, kde se opakovaně činí rozhodnutí nebo kde je těžké získat zkušenostní znalosti. Zároveň je jasné, že cesta k AI zůstává náročná. Náklady na strukturování dat, přizpůsobení systémů a školení jsou vysoké. Standardní řešení jsou vzácná, mnoho aplikací vyžaduje individuální modifikace. K tomu se přidávají omezené personální zdroje a nutnost jasně definovat bezpečnost dat a interní pravidla společnosti.
Mnoho výrobců součástí na soustruzích nevidí v využívání AI výměnu personálu za stroje, ale posun úkolů. Rutinní činnosti lze automatizovaně podporovat, zatímco se zaměstnanci více zapojují do složitějších činností. Důležité je, aby rozhodnutí zůstala srozumitelná a odpovědnost ležela na lidech. Akceptace vzniká tam, kde odpovědní pracovníci včas zapojují zaměstnance a vysvětlují přínos pro každodenní práci.
I z pohledu dodavatelů softwaru je AI méně radikálním přelomem než spíše pokračováním stávajících digitálních systémů. Strukturovaná výrobní, kvalitativní a procesní data tvoří základ. AI urychluje jejich vyhodnocení a pomáhá zpřehlednit souvislosti. Skutečný proces učení se však odehrává v provozu: Firmy musí své stávající řešení přizpůsobit reálným postupům a dále je rozvíjet s aplikací.
Jisté je, že s rostoucím nasazením AI se zvyšuje technická složitost. Závislosti na stabilních systémech rostou, možnosti zásahu se mění.
Odborné znalosti, zkušenosti a lidské úsudky si přesto zachovávají svůj význam. Umělá inteligence tyto kompetence doplňuje, ale nenahrazuje je.
Od kalkulace po výrobu
V praktické realizaci se mnozí výrobci součástí soustředí nejprve na jasně vymezené oblasti použití. Často se přitom nezaměřují na přímé obráběcí procesy, ale na doplňkové činnosti s vysokým podílem dat a opakujícími se postupy. Například ve společnosti Julius Klinke GmbH & Co. KG se první přístupy k umělé inteligenci používají mimo jiné v technickém kalkulování, plánování obsazení strojů a při administrativních úlohách. Cílem ředitele Juliuse Klinkeho je dosáhnout rychlejších a spolehlivějších výsledků a připravit rozhodovací procesy. Zdůrazňuje přitom podpůrnou roli technologie: „Konečné rozhodnutí musí zůstat na člověku. Umělá inteligence nám má poskytnout fundované orientace, nikoli pokyny.“
O krok dále je EZU-Metallwaren GmbH & Co. KG – zde je umělá inteligence již nasazena ve výrobě. Důraz je kladen na strojové učení a virtuální kontrolu kvality. Systémy podporované AI monitorují procesy, stabilizují sériovou výrobu a snižují množství odpadu. Ředitel Andreas Zumkeller jasně popisuje přínos: „Máme méně vadných dílů při delších provozních časech strojů a nižších nákladech na nástroje a personál.“ Současně upozorňuje na to, že cesta k tomu byla poznamenána fázemi učení a jasné definice cílů rozhodují o úspěchu.
Ve společnosti Wilhelm Schauerte GmbH & Co. KG je dosud důraz kladen méně na přímou výrobu. Stefan Schauerte popisuje konkrétní efekty:
„Například v dodatečném kalkulování probíhá proces dnes plně automatizovaně.“ Také při plánování zkoušek, porovnávání certifikátů výrobních zkoušek a kontrole příchozích faktur podporuje AI své zaměstnance. Cílem ředitele je v prvním kroku snížit rutinní činnosti a uvolnit tak kapacity pro náročnější úkoly.
Od řízení znalostí po zajištění kvality
Dosud Maier GmbH & Co. KG využívá umělou inteligenci pouze v omezené míře. První aplikace se týkají nastavování zařízení a systematického odstraňování chyb. Ředitel Thomas Braun s tím spojuje především očekávání ohledně řízení znalostí. „Doufám, že budeme moci lépe archivovat správné informace a rychleji je znovu najít, když dojde k problémům v procesech,“ říká. Současně Braun upozorňuje na omezení aktuálních řešení. Mnoho aplikací je třeba individuálně přizpůsobit, což vyžaduje čas a zdroje. Dlouhodobě však pro Brauna neexistuje alternativa: „Automatizace a AI jsou klíčové předpoklady pro udržení průmyslové výroby v Německu.“
Také společnost Gewatec GmbH & Co. KG vidí díky AI aplikační oblasti podél celého hodnotového řetězce. Poskytovatel softwaru pracuje na analýzách podporovaných AI v oblastech jako je plánování výroby, sběr provozních dat a zajištění kvality. Ředitel prodeje Peter Bauer vidí přidanou hodnotu především v propojování existujících dat: „AI otevírá nové možnosti, jak rychleji vyhodnocovat ukazatele a odvozovat již doporučení k jednání.“ Rozhodující učební proces se však odehrává v provozu. Systémy se musí přizpůsobit reálným procesům a vyvíjejí se s každou aplikací.
Důležitý prvek pro konkurenceschopnost
Umělá inteligence změní nejen výrobu, ale také rámcové podmínky průmyslového vytváření hodnot. Digitální modely obrobků a výrobních procesů získávají na významu a lze je využívat podél dodavatelského řetězce. Pro průmysl obráběných dílů se tak méně jedná o otázku zda, ale spíše o otázku kdy a jakým způsobem. Současně praxe ukazuje, že AI není krátkodobým nástrojem pro zvyšování efektivity. Náklady na strukturování dat, přizpůsobení a školení zůstávají vysoké, zejména pro malé a střední podniky. Chybějící standardy a nedostatek zdrojů brzdí nasazení, ale zároveň zvyšují tlak na jednání.
Werner Liebmann, generální ředitel Svazu německého průmyslu součástí, shrnuje: „Umělá inteligence není cílem sama o sobě.
Může však být důležitým stavebním kamenem pro ekonomické provozování průmyslové výroby v Německu. Předpokladem jsou realistické cíle, kvalifikovaní zaměstnanci a inovacím přátelské rámcové podmínky.
Kontakt:
