Jens Beck یکی از افراد با تجربه و کهنه‌کار در عرصه صنعت توضیح می‌دهد که چگونه ترکیب AI با IoT (AIoT) می‌تواند مسیری را به سمت تولید هوشمند ایجاد کند. پیش‌بینی می‌شود که درآمیختن هوش مصنوعی و رباتیک با صنعت در چند سال آینده شاهد رشد چشمگیری باشد. تولیدکنندگان در حال استقرار ربات‌هایی هستند تا نیازهای در حال تحول مشتری و تقاضاهای متغیر بازار را برآورده کنند. در عین اینکه تحول دیجیتال همچنان بر Industry 4.0 تاثیر می‌گذارد، ما شروع به مشاهده همگرایی اتوماسیون و اینترنت اشیا در قالب AIoT کردیم: هوش مصنوعی اشیا.
ما با Jens Beck، یکی از شرکا در سازمان مدیریت داده و نوآوری Syntax صحبت کردیم تا جزییاتی را در مورد اینکه چگونه AIoT می‌تواند سیستم‌های تولیدی را بهبود بخشد دریافت کنیم.
چه نوع هوش مصنوعی بر تولید تاثیر می‌گذارد؟ فراگیری ماشینی؟ آموزش؟ بازرسی کیفیت؟
Jens Beck: به‌طور کلی چهار نوع هوش مصنوعی در حال حاضر مورد بحث است. دو مورد اصلی که بر تولید تاثیر می‌گذارند، ماشین‌های واکنشی و حافظه محدود هستند. با یک ماشین واکنشی، هوش مصنوعی به ورودی واکنش نشان می‌دهد و خروجی تولید می‌کند، به‌عنوان مثال اگر دما بالاتر از یک آستانه است، یک هشدار بفرستید. در عمل، شما از این سیستم به‌عنوان نظارت بر وضعیت استفاده می‌کنید. این سیستم به‌طور گسترده در موارد بازرسی کیفیت یا به سادگی در سیستم‌های MES استفاده می‌شود. با این وجود، این اطلاعات ذخیره نمی‌شود. با تکنولوژی حافظه محدود، ورودی و خروجی با هم مرتبط و ذخیره می‌شوند تا موارد استفاده قابل پیش‌بینی یا بازرسی بصری امکان‌پذیر باشد. هنگامی که از تشخیص ناهنجاری برای شناسایی نقاط پرت صحبت می‌کنیم، یا زمانی که از سیستم‌های نوری برای بازرسی بصری استفاده می‌کنیم، در واقع از هوش مصنوعی حافظه محدود استفاده می‌کنیم.
در ساده‌ترین موارد، مدل‌های هوش مصنوعی ساده‌ای وجود دارند که براساس دانش اپراتورها یا بازرسان کیفیت آموزش دیده‌اند و در طول زمان نیاز به آموزش مجدد دارند. در این رویکرد، شما تصاویر خوب و بد را در اختیار «ماشین» قرار می‌دهید تا به آن بیاموزید که چه نتیجه‌ای خوب و چه نتیجه‌ای بد است. این امر به‌ویژه زمانی مهم است که می‌خواهید کیفیت مداوم را در طول دوره‌های مشخص در تولید بررسی کنید، به‌عنوان مثال کاتد برای باتری. در یک سناریوی پیچیده‌تر، شما شبکه‌های عصبی رقابتی را پیاده‌سازی می‌کنید که نه‌تنها داده‌ها را ذخیره می‌کنند، بلکه خودشان را برای اجرا آموزش می‌دهند.
با توجه به این تعاریف حالا کجا می‌توان از هوش مصنوعی در تولید استفاده کرد؟
Jens Beck: تعمیر و نگهداری پیشگیرانه (یعنی پیش‌بینی زمانی که یک ماشین نیاز به تعمیر و نگهداری دارد). نگاه پیش‌بینانه به کیفیت نمونه دیگری است که به ماشین‌ها اجازه می‌دهد تا یک نتیجه را پیش‌بینی کنند و براساس داده‌های حسی و محیطی مطابق با آن سازگار شوند.
بازرسی بصری یک مورد استفاده عالی هوش مصنوعی است زیرا می‌تواند کیفیت محصول را افزایش دهد، فرآیند را از بازرسی کیفیت انسانی بی‌نیاز کند، زمان تولید را کاهش دهد و در نتیجه توان عملیاتی را افزایش دهد. اما این پایان کاربردهای متعدد هوش مصنوعی در تولید نیست. تقویت واقعیت‌ها و پردازش زبان طبیعی با چت‌بات‌ها می‌تواند به اپراتورها هشدار دهد که چه زمانی ایمنی محل کار را افزایش دهند.
تعمیر و نگهداری پیشگیرانه (یعنی پیش‌بینی زمانی که یک ماشین نیاز به تعمیر و نگهداری دارد). نگاه پیش‌بینانه به کیفیت نمونه دیگری است که به ماشین‌ها اجازه می‌دهد تا یک نتیجه را پیش‌بینی کنند و براساس داده‌های حسی و محیطی مطابق با آن سازگار شوند.
بازرسی بصری یک مورد استفاده عالی هوش مصنوعی است زیرا می‌تواند کیفیت محصول را افزایش دهد، فرآیند را از بازرسی کیفیت انسانی بی‌نیاز کند، زمان تولید را کاهش دهد و در نتیجه توان عملیاتی را افزایش دهد. اما این پایان کاربردهای متعدد هوش مصنوعی در تولید نیست. تقویت واقعیت‌ها و پردازش زبان طبیعی با چت‌بات‌ها می‌تواند به اپراتورها هشدار دهد که چه زمانی ایمنی محل کار را افزایش دهند.
هوش مصنوعی چگونه در ربات‌های مشارکتی استفاده می‌شود؟ آیا ربات‌ها با یکدیگر ارتباط برقرار می‌کنند؟
Jens Beck: ربات‌های مشارکتی ربات‌هایی هستند که با انسان‌ها تعامل دارند و البته مساله ایمنی یک نگرانی اصلی چنین مواردی است. به همین دلیل است که ربات‌ها در سالن تولید، عمدتا در پشت نرده‌های محکم نگهداری می‌شوند و زمان گذاشتن برای تعامل با آنها همیشه به معنای توقف تولید است.
حالا تصور کنید سنسورهایی را در محیط ربات قرار می‌دهید که به آن اجازه می‌دهد آنچه را که در اطراف آنها اتفاق می‌افتد تشخیص دهد. در این سناریو به جای توقف، ربات می‌تواند به سادگی سرعت بازوی خود را کاهش دهد یا حرکت آن را تغییر دهد تا به همکار انسانی خود آسیبی نرساند. ربات‌ها همچنین می‌توانند با سرعت کار یا الگوی رفتاری همکار خود برای دستیابی به عملیات بهینه تنظیم شوند.
همه اینها به هوش مصنوعی در پس زمینه نیاز دارند. بنابراین، منصفانه است که بگوییم ربات‌های مشارکتی بدون هوش مصنوعی وجود ندارند. باز هم این نوع هوش مصنوعی مستقل عمل نمی‌کند، همچنان تحت کنترل انسان باقی می‌ماند و مرتبا برای اطمینان از حداکثر ایمنی برای همکاران آموزش‌های مجدد می‌گیرد. البته، یک همکار می‌تواند ربات دیگری نیز باشد و از این نظر هم این امر صدق می‌کند، اما با هدف کاهش تعمیر و نگهداری و بهینه‌سازی OEE.
نکته آخر اینکه، هوش مصنوعی می‌تواند برای آموزش ربات‌ها نیز مورد استفاده قرار گیرد. بیایید فرض کنیم ربات می‌تواند حرکات معمولی انسان را منعکس کند. سپس می‌توانید به سادگی یک انسان را در حال انجام این حرکت ضبط کنید و آن را بر روی ربات پخش کنید. این فناوری وجود دارد و از هوش مصنوعی در پس‌زمینه نیز استفاده می‌کند. البته، این بیشتر در مناطقی کاربرد دارد که چنین رفتاری مطلوب است، مانند مراقبت‌های بهداشتی، جایی که ربات‌های انسان نما روز به روز بیشتر مورد استفاده قرار می‌گیرند.
آیا به کار گیری هوش مصنوعی در تولید مستلزم این است که تجهیزات تولیدی باید «هوشمند» باشند؟
Jens Beck: اگر قصد دارید تعمیر و نگهداری یک ماشین، خروجی عملکرد آن یا OEE را بهینه کنید، ابتدا باید داده‌ها را از این دستگاه جمع‌آوری کنید. سپس آن را با داده‌های مرتبط از منابع دیگر مانند MES، ERP مرتبط کنید تا بینش‌ها و اقدامات مرتبط را به دست آورید.
بنابراین پاسخ ساده بله خواهد بود. با این وجود حوزه عرضه این ماشین‌ها دردنیا سه نسل مختلف را در خود جای می‌دهند. نسل ماشین‌های جوان – پرحرف، چند زبانه هستند و از آخرین زبان عامیانه (یا پروتکل‌ها به معنای اینترنت اشیا) استفاده می‌کنند. این نسل کاملا هوشمندانه ارایه می‌شود.
نسل ماشین‌های میانی – پرحرف است، کاملا چند زبانی نیست، و شاید از برخی اصطلاحات عامیانه قدیمی استفاده می‌کند. برای نسل متوسط، راه‌کارهای ترجمه ای وجود دارد که آنها را «کاملا» هوشمند می‌کند.
نسل آخر ماشین‌ها نسل «پدر بزرگ» است – ساکت است، زیاد یا اصلا حرف نمی‌زند و از هیچ اصطلاح عامیانه‌ای استفاده نمی‌کند. برای اینها می‌توانید از بهسازی برای هوشمند کردنشان استفاده کنید، یعنی سنسورهایی را روی آنها قرار دهید تا صحبت کنند. در تجربه من، این به خوبی کار می‌کند و جدا از استثناها، بینش‌هایی را در مورد «پدربزرگ» مورد نیاز شما ارایه می‌دهد.
بنابراین برای پاسخ به این سوال که آیا ماشین باید «هوشمند» باشد – بله، اما این بدان معنا نیست که برای رسیدن به این هدف باید سرمایه‌گذاری‌های عمده‌ای انجام دهید.
وقتی هوش مصنوعی در تعامل با تجهیزات کارخانه استفاده می‌شود، آیا سازندگانی که این تجهیزات را ایجاد کرده‌اند مهمند؟
Jens Beck: نه، اینطور نیست و نباید باشد. البته اگر یک دستگاه کاملا جدید خریداری کرده‌اید که دارای پورتال اینترنت اشیا به‌عنوان بخشی از پکیج است، دوست دارید برای تمام فعالیت‌های خود از آخرین برند دستگاه استفاده کنید. اما اگر همه ماشین‌های شما از یک برند و نسل باشند، ناگزیر با موانعی در اجرا مواجه می‌شوید.
با این حال، هنگامی که به پلتفرمهای IoT آگنوستیک نگاه می‌کنید، یعنی پلتفرمهای اینترنت اشیا که توسط یک سازنده ماشین ایجاد نشده‌اند، متوجه می‌شوید که این پلتفرم‌ها در مورد قابلیت‌های ورودی خود بسیار باز هستند. تمایز عمده آنها در خروجی و هزینه است.
تفاوت بین IoT و AIoT را توضیح دهید.
Jens Beck: اینترنت اشیا زمانی است که اشیا با یکدیگر ارتباط برقرار می‌کنند. به‌عنوان مثال ساعت زنگ‌دار من با دستگاه قهوه‌ساز من: بالا بردن زنگ هشدار آماده‌سازی دستگاه قهوه‌ساز را نشان می‌دهد. AIoT دنیایی است که در آن هوش مصنوعی کمک می‌کند تا چیزهای بیشتری با یکدیگر ارتباط برقرار کنند. به‌عنوان مثال هنگامی که خروجی یک چیز نیاز به تفسیر دارد تا بینشی ایجاد کند، که سپس به‌عنوان ورودی به چیز بعدی عمل می‌کند.
بنابراین، وقتی در مثال قهوه: ساعت زنگ‌دار من زنگ می‌زند، سپس دوربینی در آینه حمام از صورت من عکس می‌گیرد، نشان می‌دهد که من بسیار خسته به نظر می‌رسم، بنابراین قهوه من با یک اسپرسو دبل‌شات به جای یک لانگو معمولی آماده می‌شود.
