Kako digitalizacija i automatizacija napreduju, integracija umjetne inteligencije (AI) postaje važan korak za industriju ravnog stakla kako bi optimizirala procese, smanjila potrošnju energije i emisiju CO2 te povećala međunarodnu konkurentnost. Kada se analiziraju greške u proizvodnim procesima, upotreba AI, a posebno tehnologija dubokog učenja, omogućava brzu i preciznu analizu i interpretaciju sve složenijih i opsežnijih skupova podataka. Ciljevi su manje grešaka i manje zastoja, kao i proizvodnja istog proizvoda za kraće vrijeme uz manju potrošnju energije i resursa. Tema „AI u strojarstvu“ također je važna tema na Glasstec 2024, vodećem sajmu ne samo za proizvođače stakla već i za proizvođače strojeva koji su uključeni u industriju. U ime Messe Düsseldorfa, autor je razgovarao s VDMA-ovim Forumom za tehnologiju stakla i poznatim igračima u industriji uoči sajma.
VDMA također istražuje temu umjetne inteligencije u okviru upravljanja inovacijama. Gesine Bergmann (voditeljica VDMA Foruma za tehnologiju stakla) navodi:
„Prilagodljivost proizvođača strojeva i opreme potiče inovacije i omogućava našoj industriji da ostane konkurentna. U tom kontekstu zajedničko istraživanje za naše članice igra ključnu ulogu.“
Umjetna inteligencija općenito označava sposobnost stroja ili računalnog sustava da obavlja zadatke koji bi obično zahtijevali ljudsku inteligenciju kao što su učenje i rješavanje problema, prepoznavanje i reprodukcija jezika, prepoznavanje slika i, u budućnosti, možda čak i nešto poput „intuicije“ iz iskustva. Kako je moguće dodijeliti ovu vrstu inteligencije stroju već je istraživao britanski matematičar i IT stručnjak Alan Turing još 1950-ih godina. Njegov „Turingov test“ ima za cilj procijeniti sposobnost stroja da pokaže ponašanje nalik ljudskom ili da demonstrira ljudsku inteligenciju. Osnovna ideja je interakcija između čovjeka i stroja putem teksta iz odvojenih prostorija, a čovjek ne zna komunicira li sa strojem ili s drugom ljudskom osobom. Ako čovjek ne može pouzdano odlučiti, Turingov test se smatra uspješno položenim. Ovaj test i danas služi kao stvarni kriterij za procjenu interakcije strojeva nalik ljudskoj, i kao osnova za brojne rasprave o razvoju AI sustava i njihovim etičkim implikacijama.
Upotreba AI u industriji ravnog stakla
Suvremeni AI algoritmi često se temelje na strojnim učenjima ili takozvanom dubokom učenju. Strojno učenje, kao podsegment umjetne inteligencije, fokusira se na razvoj algoritama koji mogu učiti iz podataka bez da su eksplicitno programirani za to. Ovi algoritmi identificiraju obrasce i odnose između podataka, prave prognoze ili donose odluke na temelju njih. Duboko učenje, s druge strane, je metoda strojnog učenja koja koristi višeslojne, duboke neuronske mreže. Ove mreže su izuzetno učinkovite u obradi podataka jer prepoznaju složene strukture u velikim količinama podataka i sposobne su izvoditi apstraktne karakteristike iz njih.
„Ovo je upravo ‘veliki potencijal koji industrija ravnog stakla još uvijek može iskoristiti”
, navodi Peter Seidl, voditelj odjela za upravljanje proizvodima u proizvođaču strojeva Grenzebach.
Ovaj tehnološki inovator pruža industriji ravnog stakla prilagođena rješenja za automatizaciju u proizvodnji i obradi industrijskog ravnog stakla. Seidl kaže:
“Za mnoge procese u tim visoko automatiziranim tvornicama iskustvo pokazuje da ništa nije važnije od prisutnosti iskusnog operatera na svim ključnim pozicijama, od jedinice za taljenje pa do nadzora svih procesa u IT centrima. Ovdje su industrija i moderni pogoni već vrlo napredni i učinkovitost proizvodnje stakla i kvaliteta stakla korištenjem konvencionalnih metoda su skoro dostigli granice optimizacije. Upotreba AI s dubokim učenjem još uvijek nudi mnogo potencijala, naročito za detekciju i procjenu grešaka.”
Oni koji promatraju napredak postignut u industriji ravnog stakla bit će iznenađeni:
“Dok su prije nekoliko desetljeća kamere korištene u proizvodnji mogle samo razlikovati dobre od loših staklenih ploča, današnji sustavi su toliko učinkoviti da je stalno dostupno mnoštvo podataka za analizu grešaka.”
Seidl objašnjava:
„Zahvaljujući analizi slika i informacijama prikupljenim pomoću senzora, modeli dubokog učenja mogu brzo i precizno identificirati najmanje greške, kompletne obrasce grešaka ili nepravilnosti u proizvodnom procesu, prepoznati obrasce u podacima i iz njih izvući potencijalne uzroke. AI može zatim pretvoriti ove procjene u preporučene akcije za odgovarajućeg operatera kako bi se optimizirala proizvodnja ‘u hodu’. AI ne može zamijeniti iskusne članove osoblja, ali može pružiti i podržati ih sve boljim informacijama.“
Slično tome, složenost cjelokupnog procesa proizvodnje stakla, od vrućeg do hladnog kraja, predstavlja idealno polje primjene AI: serija, taljenje stakla, grijanje, hlađenje, oblikovanje, složena interakcija mnogih dijelova proizvodne linije i stotina parametara i stanja koji često međusobno utječu. Ovo je teško razumjeti i teško upravljati čak i za najiskusnije operatere. Poremećaji se javljaju iznenada ili se već pojavljuju kao trendovi. Međutim, sustavi koji koriste AI mogu ih predvidjeti na temelju najmanjih indikatora i spriječiti ih ako se pojave putem ranih upozorenja. Seidl objašnjava:
„To podrazumijeva da je znanje o svim procesnim koracima digitalizirano i prethodno obrađeno kako bi se obučio AI da identificira korelacije na kraju. U tom procesu, AI stalno uči o promjenama debljine, klimatskim uvjetima, svim čimbenicima utjecaja i prije ili kasnije, AI će biti sposoban prikupiti i procijeniti sve čimbenike.“
ISRA Vision GmbH već koristi AI sustave. Kompanija nudi rješenja za inspekciju u industriji stakla, koja, prema njihovim tvrdnjama, detektiraju 100% grešaka u ravnom staklu i obrađenim proizvodima, pri punoj brzini proizvodnje i s pouzdanim klasifikacijama u stvarnom vremenu. ISRA sustavi nadgledaju cijeli proces kako bi optimizirali prinos stakla na način koji štedi resurse i energiju. Konkretan primjer upotrebe AI je rješenje EPROMI, kako zna Florian Sterzing, vođa tima za istraživanje i razvoj u području analitike podataka u ISRA Surface Vision.
„Ovo rješenje čini potencijal skriven u proizvodnim podacima vidljivim i pomaže u donošenju odluka duž lanca vrijednosti. U tu svrhu, prikuplja podatke iz sustava za inspekciju i drugih dostupnih izvora, obrađuje ih i prikazuje u intuitivnim kontrolnim pločama. Najvažnije i najviše raspravljana oblast razvoja trenutno je prediktivna analitika, gdje sustavi podržani AI analiziraju povijesne trendove, identificiraju obrasce i predviđaju uska grla i neučinkovitosti u proizvodnom procesu. Dakle, operateri mogu djelovati na vrijeme kako bi izbjegli gubitke i smanjili troškove. To je osnovno načelo koje koriste i mnogi drugi pružatelji usluga.“
U početku, ovi sustavi uče na temelju zadanih podataka, a zatim i iz svakog stečenog iskustva. Specijalizirani AI sustavi za donošenje odluka mogu se obučiti za svaku primjenu i svaki proizvodni dio koji generira podatke. To pomaže u skraćivanju vremena održavanja, izbjegavanju zastoja i, stoga, smanjenju emisije CO2: isti proizvod, proizveden u kraćem vremenu uz manju potrošnju resursa i energije.
Učenje s digitalnim proizvodnim blizancima
Tobias Wachtmann, voditelj odjela za vertikalno staklo i solarne tehnologije u Siemens Digital Industries, bavi se digitalizacijom duž cijelog lanca vrijednosti proizvodnje stakla. Kada su ga pitali o mogućnostima umjetne inteligencije u ovom području, odgovorio je protupitanjem:
„Za koji cilj? Za dekarbonizaciju? Za štednju resursa? Za poboljšanje radnih uvjeta? Za povećanje energetske učinkovitosti?“
Mnoga Siemensova rješenja, koja se koriste i u proizvodnji ravnog stakla, već koriste umjetnu inteligenciju, ugrađenu u sustave i usluge, često u suradnji s partnerima poput Grenzebach-a. Prema Wachtmannu, jedan od problema je:
„Povezivanje različitih sustava međusobno: podaci o seriji, topljenju i o cijelom ‘putovanju’ stakla od vrućeg do hladnog kraja proizvodnih procesa. Cilj je i dalje stabilan proizvodni proces s najvećim prinosom, dok se identificiraju i realiziraju potencijali za daljnju optimizaciju.“
Zbog toga Wachtmann smatra da su digitalni blizanci pametno dugoročno rješenje za testiranje i optimizaciju AI rješenja:
„Točan digitalni blizanac cijelih proizvodnih linija i uvjeta može nam omogućiti da simuliramo, izračunamo i ponovno opt imiziramo rješenja s AI virtualno. Uvidi i pristupi koji se pronađu mogu se zatim primijeniti u stvarnosti, kako bi se kontinuirano smanjio otpad ili optimizirala potrošnja energije. Na ovoj osnovi, čak se i strojevi mogu prvotno izgraditi virtualno, a AI se može obučiti za razne modele.“
Etičke posljedice disruptivnih tehnologija
Svaka disruptivna tehnologija nosi sa sobom etičke posljedice: željeznice, automobili, Internet, mobilna komunikacija. Gdje god se pojave nove tehnologije, uvijek postoji nesigurnost hoće li poznate strukture pasti u zaborav. Stoga se čini ključnim da se AI sustavi razvijaju i koriste na fer, transparentan i etički odgovoran način, uz procjenu posljedica na svijet rada u ranoj fazi, s ciljem da se on preoblikuje na duže staze i s pažnjom u interesu čovjeka. Možete se radovati ovogodišnjem Glasstec-u, gdje će tema umjetne inteligencije također biti raspravljana kao jedna od glavnih tema na pozornicama Glasstec konferencije.
O autoru
Marc Everling studirao je medijsku edukaciju na Tehničkom sveučilištu u Brunswicku, radio je kao konzultant u PR i marketinškim agencijama 14 godina, a zatim kao direktor marketinga u jednom od globalnih proizvođača ravnog stakla šest godina. U veljači 2021. godine osnovao je svoju agenciju za umrežavanje specijaliziranu za komunikacijsko savjetovanje i odnose s javnošću za proizvođače građevinskih materijala, inicijative, asocijacije, sajmove i arhitekte koji rade i proizvode na održiv način u interesu ekološke transformacije građevinskog sektora.Izvor:
Autor originalnog članka: Marc Everling, Nachhaltige Kommunikation
Izvor: www.glasstec-online.com
