Sztuczna Inteligencja (SI) w Przemyśle. Skąd AI wie jak coś zrobić? Jak wdrożyć AI w firmie? Od czego zacząć? Ile to kosztuje?
Sztuczna Inteligencja (SI; ang. AI = Artificial Intelligence) czy Uczenie Maszynowe (ang. ML = Machine Learning) to frazy, które pojawiają się w prawie każdym artykule o nowych technologiach. Nie jest to oczywiście nic dziwnego gdyż owe AI/SI czy ML zadomowiły się już całkiem nieźle w produktach czy usługach, z których korzystamy na co dzień. Przykłady można mnożyć praktycznie z dowolnego obszaru życia. Ja wspomnę tylko o kilku: gdy piszemy SMS-a lub e-maila to SI podpowiada nam wyrazy, frazy, sprawdza pisownię, … gdy mówimy do tlewizora lub telefonu aby te włączyły naszą ulubioną piosenkę lub film albo by zapaliły światło w pokoju to również naszą mowę analizuje SI a następnie przetwarza ją na instrukcje. Gdy logujemy się do banku to znowu SI sprawdza czy nie robimy tego czasem z nietypowego dla nas miejsca i jeśli tak, to wówczas SI może uruchomić dodatkowe mechanizmy uwierzytelniające. Innymi słowy, już dzisiaj korzystamy z wielu usług tej tzw. sztucznej inteligencji.
Na co dzień bardzo często korzystamy z wielu usług sztucznej inteligencji. Jest ona obecna w produktach i usługach dookoła nas.
Czasami SI umożliwia nam wykonać pewne czynności szybciej (np. tłumacząc dokument na inny język albo przyjmując komendy głosowe zamiast pisanych), innym razem działa w tle (np. dopasowując parametry obrazu do otoczenia lub sceny w filmie). Innym razem SI działa na zasadzie asystenta, który może np. zoptymalizować zużycie prądu w gospodarstwie domowym.
Do przykładów jeszcze wrócimy. Zastanówmy się przez chwilę jak to się w ogóle dzieje, że SI potrafi coś zrobić. Otóż, każdy ze wspomnianych przeze mnie przykładów, aby zaistnieć, musi zostać poprzedzony etapem uczenia.
Skąd sztuczna inteligencja wie jak coś zrobić? Jak to się dzieje, że SI potrafi coś zrobić?
Z tą SI to jest trochę jak z dzieckiem. Na początku jest algorytm — zestaw instrukcji, równań matematycznych, sieci neuronowych. Aby ten algorytm coś umiał, musi zostać nauczony. Bez wchodzenia w szczegóły techniczne, uczenie odbywa się często poprzez wykorzystanie danych historycznych. Przykładowo, jeśli SI ma umieć wykrywać wady w produkcie będącym elementem silnika to najpierw musimy wykonać kilka zdjęć tego produktu np. w wersji bez wad. Następnie musimy ofotografować różne wady np. pęknięcia, wgniecenia, brakujące elementy, elementy składowe zamontowane w złej kolejności lub w złych miejscach, itp. itd. Oczywiście skupiamy się na takich wadach, które mają DLA NAS (a nie w ogóle) sens.
Z własnego doświadczenia dodam, że jeśli chodzi o gotowość firm do wdrożenia SI pod tym akurat względem to… różnie to bywa. Niektóre firmy już zbierają dane, które mogą być przydatne do uczenia a inne nie. Nie jest to jednak aspekt, którym należy się jakoś przesadnie przejmować. Jako współzałożyciel firmy, która specjalizuje się w budowaniu rozwiązań opartych na sztucznej inteligencji powiem, że z punktu widzenia technologii czy procesów związanych z jej wdrożeniem to w zasadzie nie można powiedzieć, że “firma jest gotowa na SI” lub “firma nie jest gotowa do na SI”. Bez względu na to czy te dane już zbieramy, czy też nie — wdrożenie SI w firmie to indywidualny projekt.
OK, wdrażamy SI w naszej firmie…ale… od czego zacząć? Gdzie jest początek?
Często myśląc o SI wychodzimy z założenia, że najpierw musimy zatrudnić zespoły konsultantów czy analityków, uruchomić lawinę spotkań na wszelkich szczeblach organizacji, zidentyfikować wąskie gardła w firmie i zaplanować wszystko by wdrożyć nowe technologie super optymalnie. To oczywiście prowadzi nas do niekończących się poszukiwań idealnego planu aż w końcu konsultant nam podpowiada, że potrzebujemy… “AI Journey” (inteligentnej transformacji? — różne widziałem tłumaczenia), czyli jeszcze bardziej złożonego planu i jeszcze większej ilości spotkań, decyzji, raportów, … czego dusza zapragnie. Do tego każdy taki element wiąże się z planowaniem budżetu i czekaniem na decyzje. Oczywiście to wszystko ma sens. Jednakże jeśli chodzi o SI to pamiętajmy, że na rynku jest już sporo tzw. gotowców i sprawdzonych rozwiązań. Oczywiście nie zawsze to co działa u kogoś musi się sprawdzić u nas. Niemniej jednak z mojego doświadczenia wynika, że czasem zamiast “myśleć, planować, planować, planować”, zdecydowanie lepiej jest “trochę pomyśleć, trochę zaplanować i relatywnie szybko przystąpić do działania” a następnie stopniowo korygować plan i przeplatać go z działaniem.
Zamiast ciągle planować, warto przejść do działania a jeśli chodzi o wdrożenie SI to strategia małych kroków bardzo fajnie się sprawdza w wielu przypadkach.
Wiele drzwi zostało już otwartych i warto skorzystać z doświadczeń innych. No dobrze, wiem, łatwo powiedzieć a trudniej zrobić…
No więc po kolei. Jak się okazuje i bazuję tutaj na moim wieloletnim doświadczeniu w temacie, warto zacząć od… rozmowy a nawet od dialogu wewnętrznego. Zachęcam wobec tego do prostego ćwiczenia. Zapomnijmy o technologii i naszych wyobrażeniach na temat tego co musimy mieć aby ją wdrożyć. Pomyślmy przez chwilę o procesach, zadaniach czy nawet samych urządzeniach, z których korzystamy na co dzień. Zróbmy listę nudnych prac (np. obserwowanie i czekanie na zdarzenie, przepisywanie dokumentów do systemu, sprawdzanie stanu kont i wpisywanie kwot do excela, itp.), wypunktujmy te elementy procesu, które są podatne na tzw. czynnik ludzki (np. coś ktoś przeoczy bądź czegoś nie zauważy, prace powtarzalne lub wymagające skupienia przez zbyt długi czas), wypiszmy zdarzenia potencjalnie niebezpieczne (np. pomiary w miejscach gdzie coś może się wydarzyć niebezpiecznego dla człowieka, wejście do strefy bez kasku itp.). Oprócz tego typu aspektów, spojrzmy na nasz łańcuch dostaw (coś się marnuje? czegoś brakuje? coś zbyt wolno działa?). Popytajmy pracowników i spiszmy ich pomysły na temat jak można pewne rzeczy zrobić lepiej albo których rzeczy nie lubią wykonywać. Poszukajmy i porozglądajmy się w poszukiwaniu również sytuacji kiedy coś nam sprawiło niemiłą niespodziankę np. “proces” wydał za dużo towaru lub za mało, coś się zepsuło a mogliśmy tego uniknąć. Zastanówmy się czy np. jakieś procesy nie trwają zbyt długo? Np. być może moglibyśmy przetestować różne konfiguracji na komputerze by później skrócić czas realizacji? Być może jakieś symulacje komputerowe trwają zbyt długo? To tylko przykładowe kwestie, które warto poddać pod rozwagę.
Proponuję aby podejść do tematu iteracyjnie. Zbierzmy wstępny materiał np. tyle ile uda nam się w ciągu najbliższych 2–3 dni. Pprzemyślmy to co mamy przez weekend i spróbujmy zderzyć nasze pomysły z innymi osobami w branży. Na tym etapie warto porozmawiać także z firmą, która tego typu wdrożenia już robiła. Ja ze swojej strony polecam oczywiście tą, której jestem współzałożycielem: https://www.bytelake.com/pl/zamow-usluge ALE na rynku jest wiele innych, które często mają już na swoim koncie fajne projekty. My oczywiście staramy się wyróżniać a że czas to pieniądz, postanowiliśmy zainwestować w stworzenie kilku produktów. Pozwala to nam znacznie skrócić czas wdrożenia SI oraz znacząco zoptymalizować koszt całego przedsięwzięcia. Poza tym działamy od lat z partnerami takimi jak np. Lenovo (przykładowy artykuł: Lenovo udostępnia narzędzia przyspieszające rozwój i wdrożenia technologii AI w środowiskach korporacyjnych i HPC — Computerworld) czy Intel (polecam artykuł Zwiększamy moc — Computerworld — Wiadomości IT, biznes IT, praca w IT, konferencje) co zapewnia, że nasze produkty są światowej klasy oraz przede wszystkim są dostosowane do powszechnie znanych i lubianych rozwiązań.
Produkty byteLAKE pozwalają skrócić czas wdrożenia SI w firmie oraz znacząco zoptymalizować koszt całego przedsięwzięcia.
Tyle jeśli chodzi o reklamę :) ale wracając do tematu. Konsultacje z firmą specjalizującą się w SI to często etap, na którym dokonamy przetłumaczenia naszych pomysłów we wstępny plan działania. Często już na tym etapie okazuje się, że to co mamy lub to co relatywnie szybko możemy zdobyć (np. wykonując kilka zdjęć, montując gdzieś kamerę do zebrania materiału foto/wideo, pobierając dane z czujników lub dodając kilka nowych, etc.) wystarcza do przeprowadzenia pierwszych testów. To z kolei pozwoli nam “poczuć” smak SI w naszej firmie.
Wrócę na chwilę jeszcze do kilku przykładów aby nieco szerzej opisac wdrożenia SI pod kątem… “jak to wyglądało u innych”. W tym celu pozwolę sobie pogrupować te historie na projekty dotyczące inspekcji wizualnej i te dotyczące analizy wszelkich innych rodzajów danych.
Inspekcja Wizualna, czyli tzw. Inteligentne Kamery
Kiedyś problemem jednego z naszych klientów było nudne zadanie polegające na obserwowaniu linii produkcyjnej i czekaniu na zdarzenie. Inni z kolei mieli problem polegający na zbyt wolnym lub podatnym na błędy ludzkie zliczaniu produktów na taśmie. Jeszcze inni chcieli znajdować w produktach różnego rodzaju wady: uszkodzenia na powierzchni produktu, źle naklejone etykiety, brak daty, źle docięty element, błędny kolor, itp. itd. Wdrożenie w tych przypadkach zaczynaliśmy od…jak napisałem… rozmowy tudzież konsultacji. Jedni mieli dane, na których mogliśmy zacząć pracować, innym trzeba było pomóc je zebrać. Oczywiście po drodze nic innego jak wiatr w oczy: a to oświetlenie nie takie, a to ograniczenia produkcyjne i np. kamera musi być pod kątem… Na szczęście tego typu problemy udaje się często szybko rozwiązać i można przystąpić do pracy z danymi, czyli uczenia. Definiujemy na tym etapie cel naszych działań i na tej podstawie konfigurujemy nasz produkt do analityki obrazu / wideo oraz zaczynamy jego uczenie. Zaczynamy “wychowywać” nasze SI i kolejne etapy to w zasadzie delektowanie się coraz lepszymi wynikami :)
Analityka Big Data — czyli co mówią nam czujniki?
Tutaj sytuacja wygląda analogicznie. Czasami pracujemy z mikrofonami i wtedy SI próbuje wyłapać te tzw. złowieszcze dźwięki np. niosące informację o wadzie. Bardzo ciekawe zagadnienie, które pokazuje jak inaczej niż w przypadku wizji komputerowej można analizować jakość produktu. Innym razem dźwięk to element kluczowy do identyfikacji np. pacjenta w urządzeniach medycznych (inteligentne urządzenie medyczne też budowaliśmy — bardzo ciekawy projekt). Oprócz dźwięków mamy strumienie danych z czujników mierzących wibracje, temperaturę, ciśnienie, etc. Znowu, przykłady można mnożyć ale podejście do rozwiązania będzie dość podobne. Zbieramy dane -> dobieramy algorytm(y) (czyt. produkt byteLAKE :) — zwnowu reklama się wkradła, ale krótka :)) -> uczymy i obserwujemy wyniki.
Każde z powyższych prowadzi nas do wdrożenia. Na początku nie są to wielkie wdrożenia wywracające procesy w całej firmie. Często wygląda to tak jak na poniższym obrazku:
Tłumacząc co się wydarzyło na obrazku… Montujemy lub wykorzystujemy istniejące kamery (lub inne czujniki). Często instalujemy mini komputer (taki wielkości DVD tzn. mniej więcej, jak ten ThinkCenter z obrazka), który pozyskuje dane z kamer / czujników. Na tym komputerze działa SI (czyli produkt byteLAKE, który nauczyliśmy coś rozpoznawać) i w zasadzie tyle wystarcza by “poczuć” jak SI będzie działać w naszej firmie. Zamiast czujników na tzw. “wejściu” do SI może być np. skaner przesyłający kolejne faktury. Wówczas SI będzie je czytać i wysyłać informacje w nich zawarte do innych systemów.
Poza ThinkCenter jest tzw. “Oprogramowanie w fabryce”. Ten element oznacza integrację i wtedy przechodzimy do etapu, w którym musimy podjąć decyzję o tym jak nasze SI ma się komunikować z resztą świata. Na obrazku widać też chmurkę i różne serwery. Nasze SI może działać zarówno z rozwiązaniami chmurowymi jak i z tymi wdrożonymi na lokalnych serwerach. Połączenie SI ze wspomnianą “resztą świata” to już pełna automatyzacja.
Reasumując, mamy kilka elementów:
Na początku mamy pomysł, który stopniowo tłumaczymy w pierwsze demo a następnie kontunuujemy naszą podróż (a jednak… AI Journey!) w kierunku pełnego rozwiązania. Ważne aby pamiętać, że jest to proces iteracyjny a nie jednorazowe wdrożenie typu: kupujemy pakiet Office i instalujemy na komputerze. Droga prowadzi nas przez składowe takie jak: zbieranie danych, praca z danymi, nauczenie SI, wdrożenie, ponowne uczenie, … integracja ze wspomnianą wcześniej “reztą świata”. Mamy też kilka wymiarów naszych działań. Wymiar oprogramowania: coś musi zbierać dane, gdzieś musimy je przechowywać, coś zarządza naszymi serwerami. Inny wymiar to człowiek: specjalista od SI, programiści i programistki od baz danych, aplikacji webowej, serwerów, etc. Oczywiście wymiar sprzętu: kamera, czujnik, mini-PC, serwer, etc. Być może wydaje się, że tak dużo elementów a nam chodzi tylko o zainstalowanie SI w firmie. W istocie tak to właśnie jest. Firma, która zajmie się wdrożeniem SI w naszej firmie dokładnie tak to właśnie zrobi — zainstaluje nam SI. Aby jednak to SI było dobrze dostosowane do naszych potrzeb, trzeba je najpierw nauczyć specyfiki naszej pracy. Większość elementów z obrazka w każdej firmie już się znajduje. Tak więc SI będzie tylko trzeba do nich popodpinać.
To czego nie ma na obrazku to multidyscyplinarny zespół. Jeśli chodzi o SI to tutaj wdrożenia są o tyle ciekawe i ekscytujące jednocześnie, że angażują ludzi, którzy przy innych projektach informatycznych często nie mieli ze sobą okazji współpracować. Przykładowo rozpoznanie wady w silniku wymaga wiedzy eksperckiej osoby, która te silniki konstruuje. To ta osoba musi powiedzieć SI co jest wadą a co nie. Jak ma to zrobić? To już wie ekspert od SI. Te osoby muszą ze sobą porozmawiać by człowiek od SI wiedział jak tłumaczyć wiedzę o wadach na sygnały przydatne dla SI. Tak po krótce wygląda wdrożenie SI.
Ile to kosztuje?
No dobrze, każde wdrożenie pociąga za sobą potrzebę zaplanowania odpowiedniego budżetu. Więc ile? Często na start wystarczy nam budżet na poziomie EUR 100 000. Jako byteLAKE mamy też za sobą projekty gdzie udawało się wykonać pierwsze wdrożenia w budżetach na poziomie EUR 20 000–30 000. Każdy z tych projektów kończył się dostarczeniem konkretnej wartości: zautomatyzowanie wybranego procesu, optymalizacja konkretnych działań, usprawnienie w kontroli jakości, włączając w to wstępne konsultacje, przygotowanie danych, uruchomienie systemu, etc. W wielu przypadkach koszt wdrożenia SI może być jeszcze niższy. Jako byteLAKE zainwestowaliśmy w stworzenie własnych produktów. Wówczas przy ich wykorzystaniu odpada nam koszt związany z tworzeniem oprogramowania od zera. Pozostaje jednorazowy koszt kalibracji produktu (o tym za chwilę) + koszt licencji na poziomie kilku tysięcy EUR rocznie (w zależności od wielkości wdrożenia, scenariuszy obsługiwanych, etc.). Jeśli chodzi o jednorazowy koszt kalibracji produktu to tutaj wpadają nam takie sprawy jak zakup sprzętu (jeśli jest taka potrzeba) np. kamery, mini komputer, czujniki, serwer itp. + kalibracja produktu pod scenariusz klienta. Szybko zobrazuję to przykładem. Np. jeden z naszych produktów o nazwie Cognitive Services posiada m. in. moduł do analizy i detekcji tzw. linii mokrej przy produkcji papieru. Model został nauczony by zapewnić dokładność na poziomie >95%. Każda fabryka ma jednak swoją specyfikę: inne oświetlenie, inaczej padające cienie, inna konfiguracja maszyn. Wówczas taki produkt musi być odpowiednio skalibrowany aby np. dobrze wyliczać rozmiar linii. Jeśli to wystarczy, to koszt kalibracji jest pomijalny. Czasami jednak zdarza się, że oprócz linii mokrej potrzebujemy dodatkowo np. uwzględnić dodatkowe elementy jak np. detekcja innego typu uszkodzeń, często charakterystycznych dla danego klienta czy wręcz unikalnego dla danego procesu produkcyjnego. Wówczas koszt takiej kalibracji będzie nieco wyższy. Można ten aspekt porównać do zakupu samochodu. Jednym wystarczy zmiana koloru czy lepsze audio a inni potrzebują niestandardowych rozwiązań typu inne zderzaki, niestandardowy kolor, zwiększona moc silnika, etc.
Wracając do planowanego budżetu… Pamiętajmy aby w rachunkach także uwzględnić koszt związany z nieposiadaniem SI. Często jest to wypadkowa utraconych korzyści, czasu i utraconych zysków. Dla przykładu, nie każdy musi posiadać samochód. Ja sam jestem fanem biegania, jazdy na rowerze, rolek, carpooling-u etc. Niemniej jednak czasami koszt związany z czasem (zbyt długa podróż, brak możliwości dotarcia na czas) i utraconymi korzyściami (nie dotrę w kilka miejsc na czas, konieczność rozłożenia zadań w czasie, ograniczone możliwości transportu) jest dla mnie zbyt duży by zrezygnować z samochodu. Tak samo jest z SI.
Analizując budżet związany z wdrożeniem SI w firmie pamiętajmy aby wziąć pod uwagę koszt związany z nieposiadaniem SI. Często jest to wypadkowa utraconych korzyści, czasu i strat związanych z nieplanowanym przestojem, obniżoną wydajnością lub rotacją pracowników wykonujących nudne i powtarzalne zadania.
Słowami moich klientów mogę powiedzieć, że SI jest bardzo wyczekiwanym rozwiązaniem wszędzie tam gdzie borykamy się z nudnymi i powtarzalnymi pracami, gdzie jest ryzyko zmęczenia rutynowymi zadaniami, zbyt częstej rotacji pracowników lub pojawiają się kwestie bezpieczeństwa (związane ze środowiskiem pracy ale nie tylko, np. bezpieczeństwo systemu jako takiego, autoryzacji i dostępów, etc.). Inne aspekty to kwestia lepszej jakości produktów, szukania odpowiedzi w danych, które już zbieramy lub możemy zbierać (obrazy z kamer, dane z czujników), budowanie systemów ostrzegających przed zbliżającymi się awariami lub jak w przypadku naszego produktu CFD Suite — SI pomaga skrócić czas złożonych symulacji komputerowych co nie tylko pozwala szybciej reagować czy zrobić więcej w tym samym czasie ale przede wszystkim sprawia, że praca z narzędziami komputerowymi staje się o wiele bardziej przyjemna.
Mam nadzieję, że jeśli dotarłaś/dotarłeś do tego momentu to lektura była ciekawa. Gdyby pojawiły się pytania to zapraszam do kontaktu: mrojek@byteLAKE.com / +48508091885. Sporo informacji na temat przykładowych wdrożeń można znaleźć na moim blogu (https://marcrojek.medium.com/) lub ma stronie byteLAKE.com. Prowadzimy też szeroko zakrojoną akcję edukacyjną na temat SI, zwłaszcza w przemyśle produkcyjnym, chemicznym i papierniczym. Jednym z elementów tej akcji są cykliczne szkolenia, na których dzielimy się wiedzą zdobytą podczas wdrożeń. Tym akcentem zakończę ten wpis i zostawię linka do nagrania z jednego z takich szkoleń. Miłego słuchania i być może spotkamy się przy kolejnym wdrożeniu!
Gdyby pojawiły się pytania to zapraszam do kontaktu: mrojek@byteLAKE.com / +48508091885
Powiązane artykuły:
- Sztuczna Inteligencja w Przemyśle: czym jest AI? Na czym polega uczenie a czym jest inferencja? Przykładowe zastosowania i opisy wdrożeń. AI + nauka = innowacje, badania, produkty. (link)
- Sztuczna Inteligencja w Przemyśle: skąd AI wie jak coś zrobić? jak wdrożyć AI w firmie? Od czego zacząć? Ile to kosztuje? (link)
(aktualnie wyświetlony artykuł) - Sztuczna Inteligencja w Biznesie — szkolenie byteLAKE
(link: https://youtu.be/B71qKdK18I0) - Zapisy na szkolenie o sztucznej inteligencji: link.
—
byteLAKE
Sztuczna inteligencja dla przemysłu (SI; ang. AI, Artificial Intelligence). Produkty SI dla przemysłu produkcyjnego, motoryzacyjnego, restauracyjnego, papierniczego i chemicznego.
Poznaj byteLAKE
Jesteśmy firmą programistyczną skoncentrowaną na tworzeniu produktów opartych na sztucznej inteligencji (SI; AI, ang. Artificial Intelligence) dla różnych branż. byteLAKE’s CFD Suite wykorzystuje SI, aby skrócić czas symulacji mieszania chemicznego CFD (ang. Computational Fluid Dynamics) z godzin do minut. byteLAKE’s Cognitive Services to szereg wstępnie wytrenowanych modeli SI dla przemysłu 4.0 oraz restauracji. W produkcji wykorzystywane są one do wizualnej inspekcji procesów, części, komponentów lub produktów. W motoryzacji Cognitive Services wykorzystują mikrofony w celu dokonania oceny jakości silników samochodowych. W przemyśle papierniczym Cognitive Services wykorzystują kamery do monitorowania procesu produkcji papieru oraz wykrywania, pomiaru i analizy linii mokrej. W restauracjach usługi Cognitive Services zazwyczaj działają jako dodatkowe oprogramowanie, które rozpoznaje posiłki i wysyła ich listę do kasjera, co pozwala zmniejszyć kolejki oraz ogólny czas oczekiwania. byteLAKE oferuje również tworzenie niestandardowego oprogramowania SI/AI do analizy w czasie rzeczywistym obrazów, filmów, dźwięków i danych z czujników. Aby dowiedzieć się więcej o innowacjach byteLAKE, zapraszamy do odwiedzenia naszych stron www.byteLAKE.pl oraz www.byteLAKE.com.
