Sztuczna inteligencja jest na językach wszystkich, ale gdzie dokładnie leżą potencjały dla producentów maszyn narzędziowych? Zbadał to Eike Rodenbäck z Niemieckiego Centrum Badawczego Sztucznej Inteligencji GmbH (DFKI) w projekcie „Sztuczna inteligencja dla maszyn narzędziowych” (KI4WZM) – za co 17 września 2026 roku został uhonorowany nagrodą za Projekt Badawczy Roku przez VDW-Forschungsinstitut e.V. podczas targów AMB w Stuttgarcie. „Eike Rodenbäck posuwa branżę maszyn narzędziowych o krok naprzód na drodze cyfrowej transformacji” – mówi dr Alexander Broos, dyrektor zarządzający VDW-Forschungsinstitut. „Jego wyniki szczególnie pomagają naszym średnim członkom odpowiedzieć na pytanie, gdzie i jak mogą celowo wykorzystać sztuczną inteligencję – w przypadkach zastosowań, które przynoszą korzyści i z modelami AI, które są odpowiednie do tych zadań. Ponieważ doskonale to opracował, Eike Rodenbäck został ogłoszony laureatem nagrody.”
Pierwsze wskazówki dotyczące możliwych wyzwań podały same członkowie VDW. Na tej podstawie Rodenbäck zidentyfikował obszary zastosowań, w których sztuczna inteligencja mogłaby w ekonomicznie uzasadniony sposób wspierać przedsiębiorstwa z branży. Właściwa realizacja w konkretne projekty przedkonkurencyjne nastąpi w późniejszym czasie.
Zautomatyzowane zarządzanie wiedzą i diagnozowanie błędów
Do tego należy przede wszystkim obszar zarządzania wiedzą. Szczególnie w czasach, gdy wiele pracowników w niedalekiej przyszłości odejdzie z życia zawodowego, zautomatyzowana dokumentacja wiedzy procesowej jest ważna, aby zminimalizować utratę know-how. „Wciąż wiele firm z różnych branż gromadzi dane po prostu w arkuszach Excel, które są prowadzone ręcznie,” zwraca uwagę Eike Rodenbäck. „Są one kopiowane i przenoszone tam i z powrotem. Oczywiście otwiera to drzwi do błędów i utraty danych.”
Jednym z pomysłów projektowych opracowanych w ramach KI4WZM jest zautomatyzowana dokumentacja kodu oprogramowania. W tym przypadku analiza istniejących baz kodu wspierana przez AI oraz porównanie z dostępnymi dokumentacjami mogą przyczynić się do zabezpieczenia istniejącej wiedzy, nawet gdy doświadczeni pracownicy opuszczają firmę.
Sztuczna inteligencja może również wspierać w diagnozowaniu błędów. Rodenbäck w swojej pracy skupił się na przypadkach, w których problem już wystąpił. „Często zgłaszany jest błąd, ale nie zawsze od razu znajduje się przyczynę”, wyjaśnia 28-letni inżynier informatyki. W przypadku multimodalnego wsparcia diagnostycznego alarmy sterujące są powiązane z plikami dziennika, danymi o czasie pracy i dokumentacją maszynową, aby szybciej zidentyfikować przyczyny i od razu dostarczyć zalecenia dotyczące działań. „Dzięki temu można by skrócić czasy przestojów i zmniejszyć nakład pracy serwisowej.”
Optymalizacja procesów również bez chmury
Nie mniej ważne jest to, że procesy można automatycznie optymalizować – to również obszar, w którym producenci maszyn narzędziowych mogą zwiększać efektywność swojej produkcji dzięki sztucznej inteligencji. Aby uzyskać oparte na danych propozycje parametrów, takich jak prędkość obrotowa, posuw czy skok, z uwzględnieniem materiału, narzędzia, danych procesowych i celów jakościowych, nie zawsze konieczne są duże, energochłonne modele AI. Prostsze lub lokalnie wykonywane modele, które mogą być stosowane bez połączenia z zewnętrznymi serwerami chmurowymi, oszczędzają nie tylko pieniądze, ale także energię.
„Sztuczna inteligencja oferuje w branży maszyn narzędziowych ogromny potencjał – ale nie każde wyzwanie wymaga do tego skomplikowanego modelu“, podsumowuje Rodenbäck. „Kluczowe jest, aby skupić się tam, gdzie firmy mają konkretne potrzeby i dostępne są odpowiednie dane. Dokładnie to połączenie możliwości technologicznych i wymagań z praktyki było dla nas w KI4WZM szczególnie ważne.“
Transfer wiedzy w centrum uwagi
Wyniki projektu Rodenbäck podsumował w szczegółowym raporcie. Ponadto odbył się warsztat, w którym dotychczasowe wyniki zostały udostępnione szerszemu gronu w otoczeniu producentów maszyn narzędziowych zorganizowanych w VDW (Związek Niemieckich Producentów Maszyn Narzędziowych). Oprócz celu maksymalnego transferu wiedzy, 60 uczestników zebrało także inne pomysły projektowe, opracowało je i nadało im priorytet.
Cyfrowa transformacja branży jest w toku, wyjaśnia Broos. A Rodenbäck dodaje: „Nie bez znaczenia było dla nas uświadomienie firm o znaczeniu jakości danych, niezawodności, przejrzystości i lokalnego przetwarzania danych. Ponieważ tutaj zazwyczaj występują braki, które spowalniają dalsze działania.”
Autorzy: Gerda Kneifel, Dr. Alexander Broos
Kontakt:
