Sztuczna inteligencja zyskała uznanie w wielu branżach przemysłowych. Członkowie Związku Niemieckiego Przemysłu Części Tokarskich również coraz częściej zastanawiają się, w jaki sposób oparte na danych metody mogą wspierać procesy produkcyjne.
W produkcji części tokarskich sztuczna inteligencja (SI) spotyka się z ugruntowanymi strukturami, wąskimi tolerancjami i dużym udziałem doświadczenia. Jej potencjał polega na tym, że może uczynić procesy bardziej stabilnymi, przejrzystymi i efektywnymi, analizując dane i rozpoznając wzorce. Dzięki temu można odwzorować w obróbce skrawaniem procesy obróbcze, cechy jakościowe lub zależności między parametrami.
Również w Związku Niemieckiego Przemysłu Części Tokarskich producenci części tokarskich, budowniczowie maszyn i dostawcy oprogramowania dyskutują na temat konkretnych możliwości zastosowania, wymagań i ograniczeń. „Wszystkie te rozmowy prowadzą nas do tego samego wniosku”, podkreśla dyrektor zarządzający związku Werner Liebmann: „Aby sztuczna inteligencja mogła przynieść korzyści, odpowiedzialni muszą najpierw określić jasne cele, dokładnie opisać swoje procesy i przede wszystkim mieć dostęp do wiarygodnych danych.”
Mierzalna korzyść z AI jest w centrum uwagi.
Niektórzy członkowie stowarzyszenia już produktywnie wykorzystują sztuczną inteligencję, inni świadomie podchodzą do tematu stopniowo. Istnieje zgoda co do tego, że AI nie jest celem samym w sobie. Nie powinna digitalizować istniejących procesów dla samej idei, lecz wspierać tam, gdzie przynosi wymierne korzyści. Obejmuje to przede wszystkim obszary, w których dostępne są duże ilości danych, podejmowane są powtarzające się decyzje lub wiedza ekspercka jest trudna do zdobycia. Jednocześnie staje się jasne, że droga do AI pozostaje wymagająca. Wysiłek związany z strukturyzacją danych, dostosowaniem systemów i szkoleniem jest wysoki. Standardowe rozwiązania są rzadkie, wiele aplikacji wymaga indywidualnych modyfikacji. Dodatkowo pojawiają się ograniczone zasoby ludzkie oraz konieczność jasnego zdefiniowania bezpieczeństwa danych i wewnętrznych zasad firmy.
Wielu producentów części obrotowych nie postrzega wykorzystania AI jako wymiany personelu na maszyny, lecz jako przesunięcie zadań. Rutynowe czynności można wspierać automatycznie, podczas gdy pracownicy mogą bardziej angażować się w złożone zadania. Ważne jest, aby decyzje pozostały zrozumiałe, a odpowiedzialność spoczywała na ludziach. Akceptacja powstaje tam, gdzie osoby odpowiedzialne wcześnie angażują pracowników i przekazują korzyści dla codziennej pracy.
Z perspektywy dostawców oprogramowania, sztuczna inteligencja jest mniej radykalnym przełomem, a bardziej ewolucją istniejących systemów cyfrowych. Ustrukturyzowane dane dotyczące produkcji, jakości i procesów stanowią podstawę. Sztuczna inteligencja przyspiesza ich analizę i pomaga ujawniać zależności. Właściwy proces uczenia się odbywa się jednak w przedsiębiorstwie: firmy muszą dostosować swoje istniejące rozwiązania do rzeczywistych procesów i rozwijać je wraz z aplikacją.
Jest pewne: Wraz ze wzrostem zastosowania AI rośnie złożoność techniczna. Zależności od stabilnych systemów wzrastają, a możliwości interwencji się zmieniają.
Wiedza fachowa, doświadczenie i ludzki osąd nadal mają swoje znaczenie. Sztuczna inteligencja uzupełnia te kompetencje, ale ich nie zastępuje.
Od kalkulacji do produkcji
W praktycznej realizacji wielu producentów części obrotowych koncentruje się najpierw na wyraźnie określonych obszarach zastosowań. Często nie skupiają się na bezpośrednich procesach obróbczych, lecz na uzupełniających działaniach z dużą ilością danych i powtarzalnymi procesami. Na przykład w firmie Julius Klinke GmbH & Co. KG pierwsze podejścia do sztucznej inteligencji są stosowane m.in. w kalkulacji technicznej, planowaniu obłożenia maszyn oraz w zadaniach administracyjnych. Celem dyrektora zarządzającego Juliusza Klinke jest szybsze osiąganie wiarygodnych wyników i przygotowanie procesów decyzyjnych. Podkreśla przy tym wspierającą rolę technologii: „Ostateczna decyzja musi należeć do człowieka. AI ma nam dostarczyć solidnych wskazówek, a nie narzucać wytyczne.”
Krok dalej jest firma EZU-Metallwaren GmbH & Co. KG – tam sztuczna inteligencja jest już wykorzystywana w produkcji. Skupia się na uczeniu maszynowym i wirtualnej kontroli jakości. Systemy wspierane przez AI monitorują procesy, stabilizują produkcję seryjną i redukują odpady. Dyrektor zarządzający Andreas Zumkeller jasno opisuje korzyści: „Mamy mniej wadliwych części przy wyższych czasach pracy maszyn i niższych kosztach narzędzi oraz personelu.” Jednocześnie zwraca uwagę, że droga do tego była naznaczona fazami nauki, a jasne definiowanie celów decyduje o sukcesie.
W firmie Wilhelm Schauerte GmbH & Co. KG dotychczas skupiano się mniej na bezpośredniej produkcji. Stefan Schauerte opisuje konkretne efekty:
„Na przykład w procesie kosztorysowania po zakończeniu produkcji proces ten odbywa się dziś w pełni automatycznie“. Również w planowaniu kontroli, porównywaniu świadectw jakości z zakładów oraz w kontroli faktur przychodzących sztuczna inteligencja wspiera swoich pracowników. Celem dyrektora generalnego jest w pierwszym kroku zredukowanie rutynowych czynności, aby uwolnić zasoby na bardziej wymagające zadania.
Od zarządzania wiedzą po zapewnienie jakości
Jak dotąd Maier GmbH & Co. KG stosuje sztuczną inteligencję jedynie w wybranych obszarach. Pierwsze zastosowania dotyczą przygotowania maszyn oraz systematycznego rozwiązywania problemów. Dyrektor generalny Thomas Braun wiąże z tym przede wszystkim oczekiwania dotyczące zarządzania wiedzą. „Mam nadzieję, że będziemy mogli lepiej archiwizować odpowiednie informacje i szybciej je odnajdywać, gdy pojawią się problemy w procesach” – mówi. Jednocześnie Braun wskazuje na ograniczenia obecnych rozwiązań. Wiele aplikacji musi być dostosowywanych indywidualnie, co pochłania czas i zasoby. Jednak w dłuższej perspektywie dla Brauna nie ma alternatywy: „Automatyzacja i sztuczna inteligencja są kluczowymi warunkami, aby utrzymać przemysłową produkcję w Niemczech.”
Również firma Gewatec GmbH & Co. KG dostrzega zastosowania sztucznej inteligencji wzdłuż całego łańcucha wartości. Dostawca oprogramowania pracuje nad analizami wspieranymi przez AI w obszarach takich jak planowanie produkcji, zbieranie danych operacyjnych i zapewnienie jakości. Kierownik sprzedaży Peter Bauer widzi wartość dodaną przede wszystkim w łączeniu istniejących danych: „Sztuczna inteligencja otwiera nowe możliwości szybszej analizy wskaźników i wyciągania rekomendacji działań.” Kluczowy proces uczenia się odbywa się jednak w zakładzie. Systemy muszą być dostosowane do rzeczywistych procesów i rozwijają się z każdą aplikacją.
Ważny element konkurencyjności
Sztuczna inteligencja zmieni nie tylko produkcję, ale także warunki wytwarzania wartości przemysłowej. Cyfrowe modele detali i procesów produkcyjnych zyskują na znaczeniu i mogą być wykorzystywane wzdłuż łańcucha dostaw. Dla przemysłu części obrabianych mniej istotne jest pytanie o to, czy, a bardziej o to, kiedy i w jaki sposób to wdrożyć. Jednocześnie praktyka pokazuje, że AI nie jest narzędziem efektywnościowym na krótką metę. Wysiłek związany z strukturyzacją danych, dostosowaniem i szkoleniem pozostaje wysoki, szczególnie dla małych i średnich przedsiębiorstw. Brak standardów i ograniczone zasoby hamują wdrożenie, jednocześnie zwiększając presję na działanie.
Werner Liebmann, dyrektor generalny Związku Niemieckiego Przemysłu Części Tokarskich podsumowuje: „Sztuczna inteligencja nie jest celem samym w sobie.
Może jednak być ważnym elementem, aby prowadzić przemysłową produkcję w Niemczech w sposób opłacalny. Warunkiem są realistyczne cele, wykwalifikowani pracownicy i innowacyjne warunki ramowe.
Kontakt:
