Sztuczna Inteligencja i Chat GPT w zarządzaniu produkcją
Sztuczna inteligencja w produkcji wydawała się do niedawna czystym science fiction. Jednak dynamiczny progres w technologii Machine Learning i LLM w ostatnim czasie przyniósł ogromne zmiany również w tym obszarze. Chat GPT oraz tak zwana “sztuczna inteligencja” (AI) trafiły pod strzechy w formie przyjaznego użytkownikom narzędzia, jakim jest Chat GPT, a wielu z nas poznało smak efektywniejszej pracy dzięki pomocy tego typu narzędzi. Również firmy produkcyjne testują nowoczesne technologie algorytmiczne i big data, by sprawniej planować produkcję, oraz symulować różne warianty planu produkcyjnego pod realizację wybranych celów biznesowych.
Spis treści:
- APS nowej generacji
- Sztuczna (nie)inteligencja w produkcji
- Gdzie w tym wszystkim jest AI? Sztuczna inteligencja w przemyśle
— Czy dzięki użyciu algorytmów “sztucznej inteligencji” w planowaniu produkcji uda się znacząco zwiększyć antykruchość firm produkcyjnych?
Antykruchość przedsiębiorstwa jest pojęciem, oznaczającym zdolność firmy do przetrwania i funkcjonowania w trudnych warunkach. Kryzysy gospodarcze, niestabilne rynki, niekorzystne zmiany regulacyjne. Konflikty zbrojne, a nawet tak egzotyczne do niedawna sytuacje jak globalne pandemie i związane z nimi przerwane łańcuchy dostaw i cyklów produkcyjnych, stały się codziennością.
W takich warunkach zdolność szybkiego reagowania na zmienność otoczenia rynkowego wydaje się być kluczowym czynnikiem wzmacniającym antykruchość przedsiębiorstwa produkcyjnego.
APS nowej generacji
W Nexelem podjęliśmy inicjatywę mającą na celu opracowanie innowacyjnego, lekkiego i szybkiego systemu optymalizacji kolejki produkcyjnej, który wspierałby antykruchość firm produkcyjnych.
Głównym celem naszego projektu jest zapewnienie elastyczności w reagowaniu na zmieniające się czynniki rynkowe, co umożliwia szybką zmianę parametrów funkcjonowania firmy, a tym samym przełoży się na stabilność przedsiębiorstwa w dłuższej perspektywie czasowej. Aby to osiągnąć, zastosowaliśmy architekturę cyfrowego bliźniaka przedsiębiorstwa.
Dzięki temu, korzystając z interfejsu API, gromadzimy i przetwarzamy ustalone sygnały płynące ze środowiska biznesowego. Mogą nimi być, stany magazynowe, forecasty zakupowe, nawet aktualna sytuacja giełdowa czy prognoza pogody. Słowem, wszystkie sygnały, które uznamy za kluczowe dla naszego biznesu produkcyjnego, możemy użyć do zasilenia tzw. “Konfiguratora firmy”. Na tej podstawie testujemy najbardziej efektywne modele optymalizacyjne dla konkretnych producentów/branż.
— Idealna wizja przyszłości?
-
-
- Awaria maszyny? Klik. Proszę nowy plan kolejki produkcyjnej.
- Epidemia grypy i związane z nią absencje? Klik. Kolejka produkcyjna przebudowana.
- Umocnienie się nowego trendu rynkowego? Klik. Budujemy zapasy magazynowe.
- Zwiększenie cen energii elektrycznej? Klik. Ustalamy nową kolejkę, aby zoptymalizować koszt energii.
- Co jeśli zwiększą się zamówienia o 20% Klik. Symulacja wydajności gotowa.
-
W architekturze cyfrowego bliźniaka szybkie symulowanie nowych kolejek produkcyjnych jest kolejnym atutem.
Planista otrzyma więc narzędzie umożliwiające optymalizację kolejki produkcyjnej i logistycznej w celu osiągnięcia zakładanych rezultatów, takich jak efektywniejsze wykorzystanie dostępnych zasobów np. surowce, energia czy nawet dostępność pracowników, lub określonych toolingów w danym czasie.
Dzięki naszej nowej technologii szybkie przebudowanie planu produkcji realizującego bardziej korzystne dla firmy cele jak np. produkcja pod czasy dostaw (ETA), budowę zapasów, a nawet zwiększenie OEE staje się proste do wykonania.
Sztuczna (nie)inteligencja w produkcji
Kluczowym elementem optymalizacji kolejki produkcyjnej są tzw. funkcje optymalizacyjne. To one determinują najlepszy sposób realizacji planu produkcji w celu osiągnięcia określonych celów, takich jak:
-
-
- minimalizacja czasu produkcji
- maksymalizacja wydajności
- czy minimalizacja kosztów
-
Funkcje optymalizacyjne uwzględniają wiele czynników, takich jak dostępność zasobów, wymagania klientów, ograniczenia produkcyjne czy wspomniane wcześniej sygnały z otoczenia rynkowego.
Następnie stosowane są algorytmy optymalizacji, aby znaleźć najlepsze rozwiązanie w ramach tych funkcji.
Naszym ostatecznym celem jest zapewnienie najlepszego możliwego wykorzystania zasobów i osiągnięcie określonych celów biznesowych.
Przez wiele miesięcy zespół Nexelem prowadził zamknięte konsultacje z kierownikami i szefami produkcji firm z różnych branż produkcyjnych. Celowo dobieraliśmy firmy zróżnicowane pod względem wielkości, poziomu automatyzacji oraz typu organizacji produkcji.
Ufamy, że dzięki takiemu podejściu będziemy mogli dostarczyć narzędzie optymalne dla turbulentnego otoczenia biznesowego, które realnie wspierać będzie antykruchość przedsiębiorstwa produkcyjnego. Podczas rozmów z szefami produkcji zgłębialiśmy specyfikę ich produkcji oraz wyzwania w poszczególnych branżach.
W wyniku przeprowadzonych wywiadów oraz uzyskanych danych mamy możliwość opracowania nowoczesnego systemu klasy APS optymalizującego kolejkę produkcyjną, odpowiadającego na rzeczywiste problemy wynikające z szybko zmieniających się potrzeb dzisiejszego rynku. Nowy APS, który jednocześnie jest przyjazny dla użytkowników, bardzo szybki i prezentując dane w koncepcji Industry 4.0, czyli w taki sposób, aby ilość danych nie przytłaczała, a była drogowskazem pomagającym podejmować decyzje.
Nasz system do planowania produkcji i jej harmonogramowania, Nexelem APS otrzymał nagrodę: Złoty Medal Grupy MTP na branżowych targach ITM Industry Europe w Poznaniu.
Jeżeli reprezentujesz firmę produkcyjną, to już teraz zapraszam do zapisania się na prezentację online możliwości omawianego systemu.
Gdzie w tym wszystkim jest AI? Sztuczna inteligencja w przemyśle
W ramach naszego R&D prowadzimy szereg badań mających na celu rozwój interfejsów użytkownika, które usprawnią interakcję człowiek-maszyna. Uważamy, że szczególnie w środowisku produkcyjnym, ma szansę przynieść to wymierne korzyści.
Sztuczna inteligencja w produkcji aka uczenie maszynowe (Machine Learning) i głębokie uczenie (Deep Learning) świetnie sprawdzają się w grupowaniu i analizie dużej ilości danych. Natomiast wielkie modele językowe (LLM) stosowane w Chat GPT, czy rozwiązaniach takich jak LLaMA od firmy Meta wspomagają komunikację z człowiekiem, procesując komunikację w natywnym i zrozumiałym dla niego języku.
Wyobraźmy sobie, że w wielokulturowym środowisku produkcyjnym (np. fabryka Gousto UK) terminale lub pulpity sterownicze komunikują się z pracownikami w ich rodzimym języku, nie tylko dostarczając informacji, ale również w pewnym sensie rozumiejąc operatora oraz kontekst sytuacyjny, w jakim się znajduje. To otwiera zupełnie nowe możliwości na polu wydajności, bezpieczeństwa oraz tzw. higieny pracy.
Dzięki temu, za pomocą nowego interfejsu komunikacyjnego opartego o AI, pracownik może lepiej wykorzystać potencjał maszyny, a kierownik generować użyteczne raporty bez konieczności znajomości skomplikowanych narzędzi analitycznych.
Innym, obiecującym rozwiązaniem użycia LLM jest też wyjaśnienie przez system planistyczny, dlaczego taka forma kolejki produkcyjnej jest najbardziej optymalna dla wybranej funkcji optymalizacyjnej.
Czy to oznacza, że planiści oraz analitycy nie będą już potrzebni?
Zupełnie nie. Na pewno ich praca zmieni swój charakter. Od bezpośredniego zanurzenia się w “chaosie” big data do bardziej wyrafinowanej formy obcowania z danymi.
Tomasz Flakiewicz — manager produkcji z dwudziestoletnim stażem w przemyśle — zwraca uwagę na swoim blogu, że posiadanie umiejętności kreatywnego i analitycznego myślenia wraz z umiejętnością świadomego używania narzędzi sztucznej inteligencji będzie powodowało wzrost wydajności pracy, ale też większe możliwości usprawniania organizacji produkcyjnych.
Wydaje się to rezonować z oczekiwaniami biznesu względem najbardziej pożądanych kompetencji pracowników, jakie wymienione są w raporcie World Economic Forum, na który powołuje się Tomasz, a są nimi:
- Analityczne myślenie
- Kreatywne myślenie
- Sztuczna Inteligencja i Big Data
- Przywództwo i wpływ społeczny
- Elastyczność i zwinność
- Ciekawość i kształcenie ustawiczne
- Znajomość technologii
- Design oraz UX
- Motywacja i samoświadomość
- Empatia i aktywne słuchanie
Liderzy przemysłu już teraz muszą umieć wykorzystywać narzędzia wspomagające zarządzanie produkcją, w tym planowanie produkcji.
Jeżeli sztuczna inteligencja w produkcji i inne podobne zagadnienia brzmią obiecująco i chcesz, aby Twoja firma brała udział w naszych programach R&D to zapraszam do kontaktu.