Понимание Искусственного Интеллекта

3 Области применения Искусственного Интеллекта — Производственная сфера

Сделай это просто, но значимо!

Дон Дрейпер

Аннотация

В этой главе вы увидите, что Искусственный Интеллект может раскрыть свой всеобъемлющий эффект, особенно в области производства. Помимо снижения затрат за счет более эффективного использования производственных мощностей и процессов, может быть повышена гибкость производства. Важно внедрить цифровую цепочку создания стоимости для установки необходимых связей с вышестоящими и нижестоящими сервисными партнерами. При поддержке Искусственного Интеллекта могут быть достигнуты значительные улучшения соответствующих ключевых показателей эффективности на всех этапах цепочки создания стоимости.

3.1 Введение в области применения

Прежде чем мы обсудим большое количество областей применения ИИ, необходимо прояснить важный аспект. Современные системы ИИ всегда разрабатываются для конкретных задач. Это означает, что Искусственный Интеллект, который использовался для победы над чемпионом мира по Го, потерпел бы сокрушительное поражение в шахматах и также в Jeopardy. Таким образом, они далеки от всеобъемлющего человеческого интеллекта.

Эти ограничения необходимо учитывать при рассмотрении в следующих разделах, как возможные сценарии использования могут быть превращены в реальные бизнес-кейсы. Они должны быть не только инновационными, но и устойчиво способствовать успеху компании. При этом учитываются специфические требования различных отраслей. Это может дать важные импульсы для анализа собственных бизнес-процессов.

88 3 Области применения Искусственного Интеллекта — Производственная сфера

В дальнейшем станет ясно, что интеграция ИИ в продукты и услуги может осуществляться самостоятельно. Также процессы закупок, инноваций/создания, производства, распределения и коммуникаций и т. д. могут не только повысить эффективность за счет интеграции Искусственного Интеллекта, но и предоставить новые преимущества для клиентов.

Ящик памяти

Пределы будущего использования ИИ даже не начинают осознаваться сегодня. Следовательно, особенно важны ваша креативность и ответственность, чтобы рано распознать возникающие возможности и активно их использовать.

Ниже представлены захватывающие области применения Искусственного Интеллекта в различных отраслях и различных функциональных областях компаний. Поскольку Искусственный Интеллект является сквозной технологией, его приложения не ориентированы на классические отраслевые или функциональные границы. Скорее, они приводят к связанности между отраслями и функциональными границами. Тем не менее, мы постарались сделать осмысленное и удобное для читателя распределение как по отраслям, так и по предпринимательским функциям.

3.2 Значительные разработки в области производства

Прежде чем будет обсуждено использование Искусственного Интеллекта в производстве, сначала представлены центральные разработки в производстве (ср. рис. 3.1). Здесь становится ясно, что во многих областях Искусственного Интеллекта большое значение придается преодолению связанных с этим проблем.

В центре применения ИИ в производственной среде находится так называемая умная фабрика. В Германии для этого был придуман термин Индустрия 4.0. По сути, речь идет о связанных производственных технологиях.

Рисунок 3.1 Важные изменения в производстве. Источник: Адаптировано из IFR (2017, с. 19–24)

Ящик памяти

Оптимизация процессов сама по себе не является ядром Индустрии 4.0. Искусственный Интеллект открывает гораздо больше возможностей — далеко за пределами развития существующих процессов. Речь идет также о создании новых продуктов и услуг и разработке инновационных бизнес-моделей.

3.3 Умное производство

В умном производстве акцент делается на достижении следующих разработок:

• Границы между проектированием продукции, производственными процессами, цепочкой поставок и управлением спросом стираются.

• Становится возможным виртуальное отслеживание производственных мощностей, процессов, ресурсов и продукции.

• Релевантная информация — по всей цепочке поставок, от производственных площадок до развития спроса — доступна в реальном времени, визуально обрабатывается и дает импульсы к действию.

• Становится возможным рационализация бизнес-процессов, а также оптимизация спроса и предложения — с высокой гибкостью.

Ящик памяти

Умное производство преобразует бизнес в проактивные, автономные организации, которые предсказывают и устраняют потенциальные разрушительные проблемы, развивают операции и радуют клиентов, при этом увеличивая прибыль (O’Marah & Manenti, 2015, с. 3).

По крайней мере, так можно описать желаемый образ, достижение которого требует упорного труда и значительных инвестиций.

Рисунок 3.2 подчеркивает важность умного производства. Он показывает, что мировой рынок этой производственной концепции вырастет более чем в три раза за ближайшие шесть лет. Следовательно, стоит интенсивно изучить возможности умного производства для вашей компании.

Рисунок 3.3 показывает масштаб обсуждения умных фабрик. Были опрошены 200 менеджеров из промышленного сектора по всему миру, чтобы узнать, какое из следующих утверждений о цифровизации и цифровых фабриках лучше всего описывает ситуацию в их собственной компании. Точкой отсчета для ответов была наиболее продвинутая фабрика с соответствующим объемом производства.

ROI от цифровых фабрик и цифровых концепций, который ожидают опрошенные эксперты по всему миру, показан на рисунке 3.4. Соответствующий вопрос был: "Когда вы ожидаете окупаемости своих инвестиций в цифровые фабрики или цифровые концепции?". В то время как в краткосрочной перспективе ожидается доходность "всего лишь" 3–14%, в долгосрочной перспективе ожидания впечатляют — 26–48%. Только те эксперты были опрошены об этих ожиданиях, кто планировал или уже использовал соответствующие инвестиции. 9%

Рисунок 3.2 Размер рынка умного производства по всему миру в 2017 и 2023 годах (в миллиардах долларов США). Источник: На основе Zion Market Research (2017)

респондентов не указали временной горизонт для своих ожиданий ROI. Это ясно показывает, что использование ИИ в производстве требует настойчивости.

В идеальном проекте эти фабрики (производственные мощности, включая контроль качества и логистические системы) организуются самостоятельно, то есть без вмешательства человека. Решающей основой для этого являются так называемые киберфизические системы (CPS). Они соединяют информацию и механические компоненты через программное обеспечение. Обмен данными (включая управление) происходит через сеть (обычно через Интернет) в

Рисунок 3.3 Интенсивность всемирного вовлечения в умные фабрики. Источник: Адаптировано из PWC (2017)

реальном времени. Следующие компоненты обычно содержатся в киберфизических системах (ср. Bendel, 2019):

• Системы (например, для закупок, производства, логистики, связи) и связанные объекты и процессы (компоненты Интернета всего) для контроля и мониторинга процессов; при необходимости, использование облачных сервисов и Edge-AI

• Датчики и беспроводные коммуникационные технологии (такие как Bluetooth или RFID) для регистрации и обработки данных из физического мира

• Стационарное и мобильное оборудование, устройства и машины (например, роботы)

• Исполнительные механизмы (например, приводные элементы), которые воздействуют на физический мир (например, в контроле производственных процессов или как импульсы для роботов)

• Технологии для оценки больших данных, поскольку очень большие объемы данных часто генерируются в реальном времени, например, для поддержки контроля качества

• Модули кибербезопасности (для защиты процессов от внутренних и/или внешних кибератак)

В упомянутых выше сетях следует различать две характеристики. Внутренняя сеть связывает внутренние компоненты производственного процесса на одном месте. Внешняя сеть включает (независимую) связь с другими умными фабриками. Это позволяет — с поддержкой ИИ — учиться на успехах и неудачах других фабрик по производственным площадкам — в идеале даже в реальном времени.

Ящик памяти

Киберфизические системы — предпосылка для коммуникации между реальными и виртуальными компонентами. Следовательно, они образуют интерфейс между аппаратным обеспечением и интеллектом в умной фабрике.

Будущее таких систем обусловлено тем, что информация не только обменивается между системами. Заготовки и материалы, необходимые для их завершения, также могут самостоятельно обмениваться информацией друг с другом и с производственными системами. Поставляемая деталь или продукт в производстве

Рисунок 3.4 ROI инвестиций в цифровые фабрики и цифровые концепции. Источник: Адаптировано из PWC (2017, с. 16)

процесс может показать данные, необходимые для дальнейшей обработки в машиночитаемой форме (например, на RFID-чипе или QR-коде). На основе этой информации запускаются дальнейшие производственные этапы самостоятельно. Это позволяет достичь высокой степени гибкости в производстве, если производственные системы спроектированы соответствующим образом.

Эти разработки сопровождаются дальнейшей формой видимости. Ранее было возможно определить только на уровне партий, где это было произведено, когда и кем во многих производственных процессах. В будущем такое назначение будет возможно на уровне единицы. General Electric создала такую умную фабрику для производства батарей. Более 10 000 датчиков записывают температуру, влажность, давление воздуха и машинные данные в реальном времени. В то же время все потоки материалов записываются на уровне единицы. Производственные процессы также контролируются на уровне единицы. Необходимые корректировки, которые идентифицируются приложением ИИ, могут быть сделаны в реальном времени. Таким образом, производительность батарей в каждом отдельном случае может быть отслежена до конкретных условий на момент производства (ср. O’Marah & Manenti, 2015, с. 3).

Siemens также построила "цифровую фабрику" на заводе электроники в Амберге. Здесь ежегодно производится двенадцать миллионов программируемых логических контроллеров (PLCs) в более чем 1000 вариантах для управления машинами и системами. Продукция сама управляет своим производством. Для этого они информируют машины через код продукции о своих требованиях и о необходимых производственных этапах. Сегодня степень автоматизации в цепочке создания стоимости составляет 75% — в будущем фабрики будут контролировать и оптимизировать себя в значительной степени. Показатель качества составляет потрясающие 99,99885%. Кроме того, все рабочие станции — даже те, которые не автоматизированы — поддерживаются технологией данных (ср. Hochreiter, 2016).

Американская компания Cisco использует платформу виртуальной производственной исполнительной системы (VMES). Это обеспечивает видимость процессов в реальном времени в глобальной производственной сети. Благодаря использованию облачных вычислений, анализа больших данных и Интернета вещей, информация обо всех производственных мощностях связана друг с другом. Таким образом, глобальные производственные процессы и потоки материалов могут быть скоординированы друг с другом. Кроме того, возможен прогнозирующий контроль качества. Каждому объекту присваивается "цифровая идентичность", чтобы его можно было найти в любое время и в любом месте — по всей цепочке поставок (ср. O’Marah & Manenti, 2015, с. 4).

Машиностроительная компания Trumpf создала умную фабрику в Чикаго, чтобы продемонстрировать влияние полностью связанных производств заинтересованным сторонам. 15 используемых машин управляются двумя людьми с одного поста управления. Данные, поступающие от агрегатов, непрерывно используются для (независимой) оптимизации процессов. Функции предиктивного технического обслуживания также интегрированы. В будущем будут предлагаться дополнительные услуги через программное обеспечение, которое можно активировать по требованию. Принадлежащий Trumpf стартап разработал платформу Axoom для связи различных машин и процессов. Здесь также могут быть интегрированы машины и приложения от сторонних партнеров (ср. Mahler, 2018, с. 76f.).

Такие связанные и интеллектуальные фабрики создают возможность для высоко индивидуализированного производства. Благодаря интеллектуальной связанности производственных мощностей с высокой степенью самоорганизации, производственные процессы могут быть спроектированы намного более индивидуально и, таким образом, гибко. Это делает технически и экономически возможным производство небольших партий и отдельных изделий. Здесь мы можем говорить о массовой кастомизации — массовом производстве отдельных изделий, что ранее было противоречием в терминах. Интеллект производственной установки позволяет сочетать специфические для клиента решения с преимуществами оптимизированного массового производства. Для этого клиент может собрать желаемый продукт из модульной системы. На основе соответствующих требований клиента производственные процессы самостоятельно оптимизируются на основе целей по времени и затратам.

Если такие производственные системы связаны с клиентским интерфейсом, они могут изменять свои предпочтения непосредственно перед началом производства — или даже во время производственного процесса. Насколько быстро такие изменения могут быть сделаны, зависит от продолжительности необходимых процессов закупок и времени настройки используемого оборудования. Клиент получает здесь — в пределах — достаточно широкое вмешательство в производство. Это удовлетворит ожидания клиентов; в конце концов, в других областях у них также есть ощущение более полного действия в реальном времени — благодаря WhatsApp, а также множеству потоковых предложений! В то же время становится возможной новая форма клиентского опыта.

В модельной фабрике роботов в Аугсбурге производителя Kuka очень гибкое производство возможно благодаря использованию Автоматизированных управляемых транспортных средств (AGVs). Эти транспортные средства собирают необходимые для производства инструменты из инструментального склада и доставляют их на производственные площадки для переналадки. Кроме того, они управляют центральным складом материалов, который отделен от производства, чтобы забирать необходимые для дальнейшего производства компоненты и доставлять их на производственные мощности. Необходимое управление может быть достигнуто только с помощью алгоритмов ИИ. В то же время системы ИИ могут полностью использовать свои преимущества: сокращаются усилия по программированию, упрощается эксплуатация, а процессы очень гибкие. Это позволяет разрушить жесткие производственные цепочки, которые больше не соответствуют требованиям рынка из-за небольших размеров партий, высоких колебаний заказов и/или возрастающего разнообразия продукции. В Smart Production Center в модельной фабрике Kuka показывает, как может выглядеть гибкое матричное производство, в котором различные продукты могут быть изготовлены на одной системе (ср. н.а. 2018).

Ящик памяти

Умное производство — это меньше о "что" производится, а больше о "как"! Соответствующее "продукто-нейтральное" производство состоит из нескольких гибких и робото-основанных производственных единиц. Это называется матричным производством. Сердце системы — приложение ИИ, которое оптимизирует весь процесс, учитывая соответствующий цикл и сроки доставки в соответствии с предопределенными параметрами.

Описанные выше разработки поддерживают процесс, который можно описать как решоринг. В отличие от оффшоринга, это означает перемещение производственных процессов из-за рубежа обратно в страны с высокой заработной платой, такие как Германия или США. Gigaset Communications уже производит мобильный телефон снова в Германии. Мировой лидер по насосам, Wilo, выбрал Дортмунд в Германии в качестве места для своей умной фабрики. Также Adidas снова производит обувь в большом количестве в Германии на своей Speed factory. Индивидуально адаптированная обувь производится на 3D-принтерах — каждая уникальна. Bosch строит новый завод по производству чипов в Дрездене, Германия. Дочерняя компания Bosch BSH-Hausgeräte также расширяет свои производственные мощности в Германии — для поставки холодильников в Китай отсюда! Решоринг даже рассматривается в швейной промышленности — потому что во многих случаях страны с низкой заработной платой уже исчерпали свой потенциал снижения затрат в значительной степени (ср. Jung, 2018, с. 61; Fjellströ, Lui, & Caceres, 2017). Индекс решоринга A.T. Kearney показывает, что американские производители не возвращаются толпами. Фактически, Индекс решоринга 2018 года показывает, что импорт из традиционных оффшорных стран находится на рекордно высоком уровне (ср. Abraham, Levering, Bossche, & Gott, 2019).

Ящик памяти

Идея решоринга состоит в возвращении производственных рабочих мест в страны с высокой заработной платой. Это решение должно основываться на точном расчете общих затрат на оффшоринг.

Что делает возможным такие шаги по решорингу? В умных фабриках затраты на персонал составляют лишь очень небольшую долю производственных затрат. Часто это менее 5%. Это облегчает возвращение производства в страны с высокой заработной платой, которые обычно имеют хорошую жесткую и мягкую инфраструктуру (логистика, обучение, правовая система и т.д.). Разработки, связанные с умными фабриками, могут привести к снижению динамики глобального товарооборота и укреплению производства ближе к целевым рынкам.

Согласно опросу 1300 компаний в Германии, аргументы в пользу решоринга следующие (ср. Frauenhofer, 2015):

• 56%: гибкость

• 52%: качество

• 33%: использование мощностей

• 31%: транспортные расходы

• 15%: инфраструктура

• 11%: затраты на персонал

• 5%: близость к внутренним исследованиям и разработкам

Справедливо следующее: больше роботов в индустриально развитой стране ведет к меньшему оффшорингу и большему решорингу. Поэтому понятно, что этот решоринг не приведет к буму рабочих мест. Многие ручные производственные этапы, которые привели к оффшорингу много лет и десятилетий назад, в будущем будут выполняться роботами (ср. Jung, 2018, с. 61, 62).

Ящик памяти

Производственные компании уже генерируют всесторонние потоки данных во многих областях. Это не узкое место. Однако у нас есть проблема с внедрением — от возможностей и потенциалов к конкретным действиям. Именно на этом должна быть сфокусирована будущая деятельность!

Резюме

• Искусственный Интеллект может раскрыть свой всеобъемлющий эффект, особенно в области производства.

• Помимо снижения затрат за счет более эффективного использования производственных мощностей и процессов, также может быть повышена гибкость производства.

• Благодаря цифровой цепочке создания стоимости достигаются необходимые связи с вышестоящими и нижестоящими сервисными партнерами.

• Развитие системы цепочек создания стоимости может способствовать увеличению издержек перехода для деловых партнеров и одновременно дать импульс для новых бизнес-моделей.

• Использование ИИ может добиться значительных улучшений соответствующих ключевых показателей эффективности на всех этапах цепочки создания стоимости.

Библиография

Abraham, A., Levering, B., Bossche, van der P., & Gott, J. (2019). Решоринг в обратную сторону. https://www.atkearney.com/operations-performance-transformation/us-reshoring-index. Доступ 15 апреля 2019.

Bendel, O. (2019). Кибер-физические системы. https://wirtschaftslexikon.gabler.de/definition/cyber physische-systeme-54077. Доступ 10 апреля 2019.

Fjellström, D., Lui, L. Y., & Caceres, W. (2017). Transfer знаний в решоринге, Висбаден.

Frauenhofer. (2015). Erhebung Modernisierung der Produktion. https://www.isi.fraunhofer.de/de/ themen/industrielle-wettbewerbsfaehigkeit/erhebung-modernisierung-produktion. html#tabpanel-1191190252. Доступ 30 марта 2019.

Hochreiter, C. (2016). Bei Siemens in Amberg ist schon Zukunft. http://www.mittelbayerische.de/ region/amberg/gemeinden/amberg/bei-siemens-in-amberg-ist-schon-zukunft-22799- art1329465.html. Доступ 19 марта 2019.

IFR (International Federation of Robotics). (2017). How robots conquer industry worldwide, IFR Press Conference, 27 сентября 2017, Франкфурт.

IFR (International Federation of Robotics). (2018). Asien treibt automatisierung voran. https://de. statista.com/infografik/9080/weltweiter-absatz-von-mehrzweck-industrierobotern/. Доступ 2 апреля 2019.

Jung, A. (2018). Einmal China und zurück. In Der Spiegel (с. 60–62). 29 сентября 2018.

Kreutzer, R., Neugebauer, T., & Pattloch, A. (2018). Digital business leadership – Digitale Transformation – Geschäftsmodell-Innovation – agile Organisation – Change-Management, Висбаден.

Mahler, A. (2018). Die Reifeprüfung. In Der Spiegel (с. 74–78). 13 октября 2018.

McKinsey. (2017). Smartening up with Artificial Intelligence (AI)—Что это для Германии и ее промышленного сектора? Франкфурт.

McKinsey. (2018). Notes from the AI frontier, insights from hundreds of use cases, Сан-Франциско.

н.а. (2018). Die künstliche Intelligenz ist das Herzstück von Industrie 4.0. https://industrieanzeiger. industrie.de/technik/entwicklung/die-kuenstliche-intelligenz-ist-das-herzstueck-von-industrie 4-0/. Доступ 13 апреля 2019.

O’Marah, K., & Manenti, P. (2015). The Internet of Things will make manufacturing smarter. В http://www.Industryweek.com. Доступ 6 апреля 2019.

PWC. (2017). Цифровые фабрики. https://www.pwc.de/de/digitale-transformation/digital-factories 2020-shaping-the-future-of-manufacturing.pdf, с. 9. Доступ 13 апреля 2019.

Walter, G. (2018). Der Mensch als Dirigent und Problemlöser. В Trending Topics—Industrie 4.0 (с. 53–56).

Zion Market Research. (2017). Projected global smart manufacturing market size in 2017 and 2023. https://www-statista-com.ezproxy.hwr-berlin.de/statistics/738925/worldwide-smart-manufactu ring-market-size/. Доступ 24 апреля 2019.

Другие статьи по этой теме:

• 601 пример внедрения ИИ на производствах и преприятиях
• ИИ в корпоративном секторе
• Пособие по разработке стратегии ИИ