Umělá inteligence lidem práci nebere, říkají její vývojáři

Řada lidí si pod pojmy umělá inteligence či Průmysl 4.0 představuje nahrazení lidí stroji. Podle Davida Řehoře z teamu CLEVER INDUSTRY společnosti Cleverlance a Hynka Cihláře ze společnosti AUTOCONT může být jejich smyslem naopak i zachování lidského know-how a lepší využití lidských dovedností. Hlavně ale musí ovlivnit ziskovost firmy.

Vaše skupina nedávno dokončila projekt použití umělé inteligence ve výrobním podniku Schwan Cosmetics CR. Co je vlastně cílem takových aktivit?

David Řehoř: Naše služby u průmyslových zákazníků, ať už je to Schwan Cometics CR nebo například BRANO, začínají od základních úloh, jako je sběr dat, a končí u komplexního řešení efektivity ve výrobě. Řada firem byla dříve přesvědčená, že začne sbírat data, a díky tomu řídit firmu digitálně. To je ovšem pouze začátek. Mít data je nutným předpokladem pro digitální transformaci fabriky mířící k Průmyslu 4.0. Sběr dat ale sám o sobě je pouze prvním krokem na této cestě.

Hynek Cihlář: Konkrétně v případě Schwan Cosmetics CR jsme se se zákazníkem, který má vyspělý sběr dat, pokročilé výrobní systémy a ERP technologie začali v roce 2015 bavit o společném vývojovém projektu „Použití umělé inteligence“ pro podporu řízení produktivity výroby. Vzhledem k osvíceným lidem z vedení společnosti, jako je například pan Martin Smolík, jsme přistoupili k realizaci projektu, s tím, že jeho nedílnou součástí bylo pokrytí celého výrobního procesu. Tedy od vzniku výrobní zakázky až po její dodání zákazníkovi a finální zaúčtování do ERP. Cílem tedy bylo najít a vytěžit potenciál oblasti umělé inteligence ve výrobě pro další zvýšení produktivity, kde už standardní postupy nestačí.

Co je tedy třeba?

David Řehoř: Abyste mohl společnost, výrobu nebo provoz řídit na základě pojmů a nikoliv dojmů, musíte vycházet z relevantních dat. Přičemž relevantnost dat přímo úměrně klesá počtu manuálních vstupů. Lidé jsou od přírody kreativní. Stroje, a tedy i data z nich nikoliv… Ani terabajty ani petabajty ukládaných dat ale ještě žádnou firmu samy o sobě neposunuly dále. To, čemu se věnujeme, je, že těmto datům dáváme souvislosti, tvoříme z nich informace a na základě nich se vytváří rozhodnuti.

Hynek Cihlář: Ve Schwan Cosmetics CR jsme vzali veškeré dostupné datové informace z firmy, ať už z výrobních zařízení či obchodního a dalších systémů. Uspořádali jsme je do jedné datové platformy a začali mezi nimi společně se zákazníkem hledat souvislosti.

Co to může ukázat?

David Řehoř: Například, že když nastane nějaká událost, tak se po určité době projeví zpožděním v zakázce. A naopak, když se objeví problém, můžeme hledat jeho příčiny i opatření, která jej příště eliminují. Tím pádem je celý provoz řízen algoritmem, umožňujícím nejen manažerům, ale i operátorům ve výrobě poradit, jak řídit celé procesy zakázek co nejefektivněji. Protože tento algoritmus umožňuje do budoucna provoz celého systému i na cloudu Microsoft Azure, nikdo se nemusí starat o modernizaci hardware, zabezpečení a podobně.

Co je podmínkou toho, aby podobný přístup přinesl efekt?

David Řehoř: Management musí vědět, co od toho očekává. Pokud se rozhodne pro digitalizaci jen proto, že je to moderní, nebo o tom slyšel na nějaké konferenci, tak to nebude k ničemu. Naší zásadní úlohou je i pomoci zákazníkovi identifikovat hodnotu, kterou mu změna přinese. Digitalizujeme proto, aby to mělo dopad do výsledovky firmy. nikoliv proto, že je to zrovna in.

Cítíte, že tlak na digitalizaci roste, nebo se nemění?

David Řehoř: Když odhlédneme od projektu ve Schwan Cosmetics CR, který kolegové realizovali ještě před COVIDem, jakkoli jsou koronakrize a její dopady strašlivé, jsou zároveň silným spouštěčem digitální transformace. Je to možná trochu z nouze ctnost. Představitelé firem, se kterými jsme v poslední době diskutovali nutnost digitální transformace si najednou ze dne na den uvědomili její nevyhnutelnost a důležitost jejích dopadů. Dá se říct, že koronakrize významně akcelerovala digitální revoluci, sběr dat a jejich vyhodnocování s použitím inteligentních algoritmů.

Co ono hledání problémů a jejich řešení?

Hynek Cihlář: Jak už jsem zmínil, cílem Schwan Cosmetics CR bylo prostřednictvím pokročilých algoritmů zrychlit výrobu. Tedy zvýšit efektivitu. Velmi si cením přístupu zákazníka. Projekty toho typu nejsou o dodávce krabice. Jedná se o projekty, kde je nutné zapojit expertízu lidí z výroby a vyžadující silnou podporu od vedení společnosti.

Mapovali jsme každý tento krok i časy mezikroků ve výrobě kosmetické tužky. Zároveň jsme se zákazníkem zmapovali proces a ze zdrojových dat definovali počet kvalitně vyrobených kusů, počet zmetků, dobu prostojů včetně jejich typu a délku čisté výroby dané zakázky. Z počtu kusů a časů jsme pak údaje převedli na peníze. Zákazník tak viděl, kolik ten či onen neplánovaný prostoj, zmetky, nadvýroba nebo delší doba zpracování zakázky stojí. Síla řešení je právě ve spojení dat z plánu, z realizace výrobní zakázky a z jejího zaúčtování do ERP systému v detailu na konkrétní výrobní operace. Díky pečlivému výběru detailních dat a zpracování celého životního cyklu výrobní zakázky můžeme v nalézání příčin odchylek zmetkovitosti, prostojů, délky výroby a počtu vyrobených kusů proti plánu být velmi konkrétní a přesně zacílit opatření.

Při hledání způsobu řešení je potřeba mimo jiného u tématu umělé inteligence sladit potřeby zákazníka, možnosti řešení a stávající technologické platformy. Bez této strategie je projekt rizikový. V tomto případě bylo nutno řešení sladit s již provozovanými systémy na platformě Microsoft a zároveň cíleně vybrat i způsob provozu. Řešení je tedy plně kompatibilní s již provozovanými systémy a splňuje požadavky i na provoz některých vybraných částí na cloudové platformě Microsoft Azure.

Můžete uvést příklady?

Hynek Cihlář: V datovém modelu jsme hledali podobnosti. Tedy podobné prostoje v konkrétní dílně, podobné zmetky a tak dále. Vytvořili jsme z nich shluky, kterým říkáme vlivy. Výsledkem byla informace: to, a to se stalo tolikrát a tolikrát. A stálo vás to tolik a tolik peněz. Takže zákazník mohl říct, u kterého vlivu jeho odstranění nejvíc pomůže z hlediska nákladů.

Jde tedy o jednorázové zlepšení?

Hynek Cihlář: Jde o vytvoření inteligentní znalostní databáze, která zahrnuje všechny tyto poznatky a návody, jak problémy řešit. Konkrétně rozepsané do kroků pro výrobního operátora: udělej to a ono a pak se obrať na svého dílenského kouče.

Důležité je, že pokrývá všechny úrovně ve firmě, které ovlivňují výsledek. Tedy vrstvu vedení společnosti, pracovníků kvality, technologů, dílenských koučů, kteří mají na starosti konkrétní dílnu, až po operátora u konkrétního stroje. Součástí řešení je plná integrace již používaných systémů. Tedy od ERP, přes výrobní systémy až po systém umělé inteligence.

Na základě popisu, co se stalo v minulosti, následně predikujeme, s jakou pravděpodobností, kde a jaký vliv té či oné zakázky a s jakým dopadem může znovu nastat.

Takže umělá inteligence nemá lidi nahrazovat, ale pomoci jim k vyšší efektivitě?

David Řehoř: Pokud se umělá inteligence používá správně, tak umožňuje přenášet know-how generace zkušených pracovníků k mladším kolegům. Obecným problémem českého průmyslu je odchod nejzkušenějších lidí do penze. Nahrazuje je nepříliš zkušená pracovní síla, které lze tyto zkušenosti zprostředkovat pomocí digitálního nástroje.

Hynek Cihlář: Cílem digitalizace není nahrazování lidí strojem. Nám jde o to, aby lidé nevěnovali 80 procent času hledání, jak situaci řešit, a jen 20 procent té samotné výrobě. Chceme to obrátit, a tím jejich um, který umělá inteligence nenahradí, maximálně využít. Jde nám o vytvoření digitálního asistenta pro všechny pozice ve firmě, které se podílejí na výrobě a dodání výrobku zákazníkovi, v požadované kvalitě, včas a v potřebném množství.

Lze kvantifikovat růst efektivity v důsledku takových opatření?

Hynek Cihlář: Ve Schwan Cosmetics CR meziroční úspora celkových nákladů dosahuje deseti procent, celkový potenciál je samozřejmě vyšší. A to se bavíme jen o vyčíslitelných úsporách. Dalším efektem projektu bylo ukázat jednotlivým lidem ve výrobě další pohled na produkt a zakázky a posunout jejich vnímání díky poskytnutí odpovídajících dat a předpovědí.