2021.04.24.

Mesterséges intelligencia-alapú selejtazonosítás Ipar 4.0 környezetben

Viktória Kerek

Mi a mesterséges intelligencia?

A mesterséges intelligencia (artificial intelligence, AI) egy olyan mesterségesen létrehozott tudat, szoftvertechnika, mely folyamatos emberi beavatkozás nélkül képes reagálni környezeti behatásokra és fejleszteni önmagát.

A klasszikus ipari forradalomtól napjainkig számtalan meghatározó technikai fejlesztés született, melyek hatására a gőzgépektől, a sorozatgyártáson át egészen a számítógépekkel automatizált gyártási folyamatokig jutottunk. Az ipar 4.0 lehetővé teszi, hogy a különböző gyártógépek, gyártósorok és az ezeket vezérlő rendszerek kommunikálhassanak egymással. A hálózatba kötött, intelligens rendszereknek köszönhetően a gyártási folyamatok optimalizálhatók, a hatékonyság pedig növelhető.
A gyakorlatban több technológia együttes alkalmazására van szükség a fent említett célok eléréséhez.

Selejtdetektáló rendszer

A rendszer alapját a machine to machine kommunikáció (emberi közreműködést nem igénylő adatáramlás) képezi, mely az IoT technológiákra, például az 5G mobilhálózatra támaszkodik.
Nagy mennyiségben gyűjt be adatot, melynek tárolása kiemelt fontosságú. Az adatfeldolgozás big data és gépi tanulási technológiák felhasználásával zajlik. Azaz a rendszer fejlett, jelen esetben képalkotói technológia alapján képes elemezni és szortírozni az adatállományt.


Fogalmi kitekintő:

Big data és gépi tanulás

A big data egy komplex technológiai környezet, amely támogatja a nagy mennyiségű, összetett és változatos adatállományok hatékony feldolgozását. Ma már számos big data technológia teszi lehetővé a közel valós idejű kiértékeléseket is.
Gépi tanulásnak nevezünk olyan szoftvereket, rendszereket vagy algoritmusokat, melyek egy adatmintán feltanítva képesek szabályokat megtalálni az adott adathalmazon. A gépi tanulást alkalmazó rendszerek általánosítani tudják ezen szabályokat, valamint képesek ismeretlen adathalmazokon is alkalmazni, valamint ismereteikre alapozva döntéseket hozni.

Az ipar 4.0 számos területén segítséget nyújt a gépi tanulás technológiája:

  • gyártásoptimalizálás,
  • befektetési vagy gyártás szervezési döntéstámogatás
  • gyártásszervezési döntések támogatása.

Esetünkben a gépi tanulás technológiáin belül a neurális hálózatok (biológiai ihletésű szimuláció), főként a deep learning érvényesül.
A neurális háló egy olyan gépi tanulási modell, ami az emberi agy neuronjainak működését másolva valósítja meg tanulást és az intelligenciát. A gyakorlatban a folyamat első lépéseként data scientist-ek megalkotják a gépi tanulási modellt, ezt követi egy feature extraction vagy feature engineering fázis, amely során a bemenő adathalmaz tisztítása zajlik: kiválasztásra kerülnek azon paramétereket, amelyek relevánsak lehetnek az eredmény szempontjából, így a gép csak ezen adatokkal dolgozik tovább.

A Deep learning technológia a többrétegű neurális hálókra épül, ezek összetettebbek, valamint képesek a feature extraction (adattisztítás) fázist magukba foglalni.
A deep learning háló felépítéséhez kevesebb domain -és szakmai tudás szükséges, a háló képes eldönteni, hogy mely paraméterekre lesz szükségük a továbbiakban.

A deep learning megoldások elterjedtek a képfeldolgozás és természetes nyelvfeldolgozás területén is.

A gépi látás területénél fut össze a képfeldolgozás és a gépi tanulás. A deep learning algoritmus lehetővé teszi az objektumok detektálásat, felismerését. Az objektumokat lehet osztályozni, kategorizálni, szegmentálni, valamit lekövetni a mozgásukat.
Egy megfelelő kamerarendszerrel és a mesterséges intelligencia felhasználásával több területen is növelhető a hatékonyság.

  • gyártási minőségbiztosítás
  • idősoros elemzés
  • csalásdetektálás

A képfeldolgozó algoritmusok is fontos szerepet töltenek be az ipari környezetben. A prediktív modellezéssel adatbányászati módszereket alkalmazva tehetők előrejelzések, felhasználva a gyártósori környezetben termelt nagymennyiségű adatot. A gyártósori alkatrész karbantartási és/vagy csere igény idejének determinálása hozzájárul a hatékonyság növeléséhez, valamint meghatározó gyártósori leállástól óvja a termelést.


Ipar 4.0 Zero Point termelésfelügyeleti rendszer gyártó KKV-knak
Az Ipar 4.0 Zero Point alacsony bevezetési költséggel járó termelésfelügyeleti rendszer. Belépés a digitális ipar világába a magyar KKV-k számára.

Bevezetési költségek

A bevezetési, illetve induló költségek magasabbak, hiszen a rendszer kialakítása nagy hozzáadott értékkel bír, melyet gépi tanulási szakértők és data scientist-ek végeznek. A szoftver- és hardverköltség mértéke függ a kezelni kívánt adatok mennyiségétől, emellett üzemeltetési, karbantartási ráfordítások is felmerülnek.

Milyen kockázatai lehetnek egy ilyen projektnek?

A kockázatok három területen figyelhetők meg.

  • Adat; egy sikeres gépi tanulási projekt alapja a megfelelő mennyiségű és minőségű adat. Minél több és változatosabb adat áll rendelkezésre, annál pontosabban fog dolgozni a rendszer. Remek példa erre a Tesla, ahol évek óta folyamatosan gyűjtik a vezetési információkat, és ennek megfelelően fejlesztik az autók önvezető képességét és minőségét.
  • Üzleti probléma kiválasztása; az elvárt eredményt és a munkafolyamatokat specifikálni szükséges.
  • Kompetencia; A megfelelő szakemberek hiánya mind fejlesztői, mind domain oldalról kiemelt kockázati tényezőnek számítanak a projekt sikeressége szempontjából.

Mely területeken térül meg leginkább egy ehhez hasonló befektetés?

Az ilyen típusú, gépi látást alkalmazó befektetések hosszútávon térülnek meg. A projekt bevezetésének eredménye a munkaerő területén, valamint a hatékonyság növekedésében kiemelten megmutatkozik.

Ma Magyarországon a gyártás területén munkaerőhiány van. A selejt- és objektumdetektálás azonban olyan feladat, amely könnyen, jó minőségben automatizálható és modernizálható. Egy ilyen rendszer bevezetésével átcsoportosítható a munkaerő, így a gyártás optimalizálható.

Egy gépi látást alkalmazó rendszer pontosabb, gyorsabb, kisebb hibaszázalékkal dolgozik, így hatékonyan váltja ki az emberi munkaerőt a selejtdetektálás során.
A hatékonysági mutatók emelkedése mellett a rendszer bevezetése segítséget nyújthat üzleti döntések meghozatala során, valamint a gyártásoptimalizálás, gyártósorok és gyár átszervezések alakalmával.

Ipar 4.0 Zero Point - AutSoft
Versenyelőny növelés. Belépő a digitális ipar világába.

Ipar 4.0 Zero Point - Belépő a digitális ipar világába

Az ipar 4.0 szerves része lett az gyártási szektor mindennapjainak, így a termelésfelügyeleti rendszerek hatalmas versenyelőnyt jelenthetnek a vállalkozásoknak. Ezzel a megoldással csökkenthetik a működési költségeiket, fokozhatják a termelékenységet, növelhetik versenyképességüket, illetve megfelelhetnek a beszállítói minősítéseknek.

Az AutSoft Ipar 4.0 Zero Point terméke azokat a gyártó KKV-kat célozza, melyek a digitalizáció kezdeti szintjén állnak. Ez egy egyszerű, könnyen átlátható, alacsony költségekkel bevezethető Ipar 4.0 megoldás, amely belépőpont lehet egyes magyar KKV-k számára a digitális ipar világába.

A partnereinkkel közösen fejlesztett rendszer képes a gyártósorok és rajtuk található gyártógépek produktivitásának mérésére, az elkészült munkadarabok számának és selejtarányának figyelésére, selejtes termékek kategorizálására, regisztrációjára. A rendszerben menedzselhető a gyár digitális képmása, a gyártott termékek, a vezetők és művezetők pedig grafikonokon tekinthetik át a mért adatokat. A rendszer olyan modulokkal bővíthető, mint a munkatárs azonosítás modul, gyártmánylap modul, környezeti szenzorok, értesítési/karbantartói modul.

További információkat olvashat Ipar 4.0 Zero Point megoldásról, a technológiáról, valamint ajánlatunkról.

Follow us on social media

Ezek is érdekelhetnek

Kapcsolat

Elérhetőségeink
+36 70 907 3300
Gábor Dénes utca 4, Infopark C épület, I. emelet,
1117 Budapest, Magyarország
Hírlevél
Ne maradj le a legfrissebb innovációs trendekről.
Szakmai tartalmak elsőkézből.
AutSoft
AutSoft © 2021 Minden jog fenntartva
magnifiercross linkedin facebook pinterest youtube rss twitter instagram facebook-blank rss-blank linkedin-blank pinterest youtube twitter instagram