{"id":7631,"date":"2024-08-26T09:32:22","date_gmt":"2024-08-26T08:32:22","guid":{"rendered":"https:\/\/www.prozorivrata.com\/hr\/?p=7631"},"modified":"2024-08-26T09:32:26","modified_gmt":"2024-08-26T08:32:26","slug":"umjetna-inteligencija-u-strojarstvu-ravnog-stakla","status":"publish","type":"post","link":"https:\/\/www.prozorivrata.com\/hr\/umjetna-inteligencija-u-strojarstvu-ravnog-stakla\/","title":{"rendered":"AI Umjetna inteligencija u strojarstvu industrije ravnog stakla"},"content":{"rendered":"\n

<\/p>\n\n\n\n

Kako digitalizacija i automatizacija napreduju, integracija umjetne inteligencije (AI) <\/strong>postaje va\u017ean korak za industriju ravnog stakla<\/strong> kako bi optimizirala procese, smanjila potro\u0161nju energije i emisiju CO2 te pove\u0107ala me\u0111unarodnu konkurentnost. Kada se analiziraju gre\u0161ke u proizvodnim procesima, upotreba AI, a posebno tehnologija dubokog u\u010denja, omogu\u0107ava brzu i preciznu analizu i interpretaciju sve slo\u017eenijih i opse\u017enijih skupova podataka. Ciljevi su manje gre\u0161aka i manje zastoja, kao i proizvodnja istog proizvoda za kra\u0107e vrijeme uz manju potro\u0161nju energije i resursa.<\/strong> Tema \u201eAI u strojarstvu\u201c <\/strong>tako\u0111er je va\u017ena tema na Glasstec<\/a> 2024<\/strong>, vode\u0107em sajmu ne samo za proizvo\u0111a\u010de stakla ve\u0107 i za proizvo\u0111a\u010de strojeva koji su uklju\u010deni u industriju. U ime Messe D\u00fcsseldorfa, autor je razgovarao s VDMA-ovim Forumom za tehnologiju stakla i poznatim igra\u010dima u industriji uo\u010di sajma.<\/strong><\/p>\n\n\n\n

VDMA tako\u0111er istra\u017euje temu umjetne inteligencije u okviru upravljanja inovacijama. Gesine Bergmann (voditeljica VDMA Foruma za tehnologiju stakla) navodi:<\/strong><\/p>\n\n\n\n

\n

\u201ePrilagodljivost proizvo\u0111a\u010da strojeva i opreme poti\u010de inovacije i omogu\u0107ava na\u0161oj industriji da ostane konkurentna. U tom kontekstu zajedni\u010dko istra\u017eivanje za na\u0161e \u010dlanice igra klju\u010dnu ulogu.\u201c<\/p>\n<\/blockquote>\n\n\n\n

Umjetna inteligencija op\u0107enito ozna\u010dava sposobnost stroja ili ra\u010dunalnog sustava da obavlja zadatke koji bi obi\u010dno zahtijevali ljudsku inteligenciju kao \u0161to su u\u010denje i rje\u0161avanje problema, prepoznavanje i reprodukcija jezika, prepoznavanje slika i, u budu\u0107nosti, mo\u017eda \u010dak i ne\u0161to poput \u201eintuicije\u201c iz iskustva. Kako je mogu\u0107e dodijeliti ovu vrstu inteligencije stroju ve\u0107 je istra\u017eivao britanski matemati\u010dar i IT stru\u010dnjak Alan Turing jo\u0161 1950-ih godina.<\/strong> Njegov \u201eTuringov test\u201c ima za cilj procijeniti sposobnost stroja da poka\u017ee pona\u0161anje nalik ljudskom ili da demonstrira ljudsku inteligenciju.<\/strong> Osnovna ideja je interakcija izme\u0111u \u010dovjeka i stroja putem teksta iz odvojenih prostorija,<\/strong> a \u010dovjek ne zna komunicira li sa strojem ili s drugom ljudskom osobom. Ako \u010dovjek ne mo\u017ee pouzdano odlu\u010diti, Turingov test se smatra uspje\u0161no polo\u017eenim.<\/strong> Ovaj test i danas slu\u017ei kao stvarni kriterij za procjenu interakcije strojeva nalik ljudskoj, i kao osnova za brojne rasprave o razvoju AI sustava i njihovim eti\u010dkim implikacijama.<\/p>\n\n\n\n

Upotreba AI u industriji ravnog stakla<\/h2>\n\n\n\n

Suvremeni AI algoritmi<\/strong> \u010desto se temelje na strojnim u\u010denjima ili takozvanom dubokom u\u010denju.<\/strong> Strojno u\u010denje<\/strong>, kao podsegment umjetne inteligencije, fokusira se na razvoj algoritama koji mogu u\u010diti iz podataka bez da su eksplicitno programirani za to. <\/strong>Ovi algoritmi identificiraju obrasce i odnose izme\u0111u podataka, prave prognoze ili donose odluke na temelju njih. Duboko u\u010denje, s druge strane, je metoda strojnog u\u010denja koja koristi vi\u0161eslojne, duboke neuronske mre\u017ee. Ove mre\u017ee su izuzetno u\u010dinkovite u obradi podataka jer prepoznaju slo\u017eene strukture u velikim koli\u010dinama podataka i sposobne su izvoditi apstraktne karakteristike iz njih.<\/p>\n\n\n\n

\n

\u201eOvo je upravo ‘veliki potencijal koji industrija ravnog stakla jo\u0161 uvijek mo\u017ee iskoristiti” <\/p>\n<\/blockquote>\n\n\n\n

, navodi Peter Seidl, voditelj odjela za upravljanje proizvodima u proizvo\u0111a\u010du strojeva Grenzebach.<\/p>\n\n\n

\n
\"tablica
Pregled gre\u0161aka identificiranih po vrstama i klasama koriste\u0107i sustav za inspekciju ravnog stakla kao primjer omogu\u0107ava dono\u0161enje zaklju\u010daka o stanju sustava. Grafikon: ISRA VISION GmbH<\/figcaption><\/figure>\n<\/div>\n\n\n

Ovaj tehnolo\u0161ki inovator pru\u017ea industriji ravnog stakla prilago\u0111ena rje\u0161enja za automatizaciju u proizvodnji i obradi industrijskog ravnog stakla. Seidl ka\u017ee: <\/strong><\/p>\n\n\n\n

\n

\u201cZa mnoge procese u tim visoko automatiziranim tvornicama iskustvo pokazuje da ni\u0161ta nije va\u017enije od prisutnosti iskusnog operatera na svim klju\u010dnim pozicijama, od jedinice za taljenje pa do nadzora svih procesa u IT centrima. Ovdje su industrija i moderni pogoni ve\u0107 vrlo napredni i u\u010dinkovitost proizvodnje stakla i kvaliteta stakla kori\u0161tenjem konvencionalnih metoda su skoro dostigli granice optimizacije. Upotreba AI s dubokim u\u010denjem jo\u0161 uvijek nudi mnogo potencijala, naro\u010dito za detekciju i procjenu gre\u0161aka.\u201d <\/p>\n<\/blockquote>\n\n\n\n

Oni koji promatraju napredak postignut u industriji ravnog stakla bit \u0107e iznena\u0111eni:<\/p>\n\n\n\n

\n

“Dok su prije nekoliko desetlje\u0107a kamere kori\u0161tene u proizvodnji mogle samo razlikovati dobre od lo\u0161ih staklenih plo\u010da, dana\u0161nji sustavi su toliko u\u010dinkoviti da je stalno dostupno mno\u0161tvo podataka za analizu gre\u0161aka.\u201d<\/p>\n<\/blockquote>\n\n\n\n

Seidl obja\u0161njava:<\/strong><\/p>\n\n\n\n

\n

\u201eZahvaljuju\u0107i analizi slika i informacijama prikupljenim pomo\u0107u senzora, modeli dubokog u\u010denja mogu brzo i precizno identificirati najmanje gre\u0161ke, kompletne obrasce gre\u0161aka ili nepravilnosti u proizvodnom procesu, prepoznati obrasce u podacima i iz njih izvu\u0107i potencijalne uzroke. AI mo\u017ee zatim pretvoriti ove procjene u preporu\u010dene akcije za odgovaraju\u0107eg operatera kako bi se optimizirala proizvodnja ‘u hodu’. AI ne mo\u017ee zamijeniti iskusne \u010dlanove osoblja, ali mo\u017ee pru\u017eiti i podr\u017eati ih sve boljim informacijama.\u201c<\/p>\n<\/blockquote>\n\n\n\n

Sli\u010dno tome, slo\u017eenost cjelokupnog procesa proizvodnje stakla, od vru\u0107eg do hladnog kraja, predstavlja idealno polje primjene AI: serija, taljenje stakla, grijanje, hla\u0111enje, oblikovanje, slo\u017eena interakcija mnogih dijelova proizvodne linije i stotina parametara i stanja koji \u010desto me\u0111usobno utje\u010du.<\/strong> Ovo je te\u0161ko razumjeti i te\u0161ko upravljati \u010dak i za najiskusnije operatere. Poreme\u0107aji se javljaju iznenada ili se ve\u0107 pojavljuju kao trendovi. Me\u0111utim, sustavi koji koriste AI mogu ih predvidjeti na temelju najmanjih indikatora i sprije\u010diti ih ako se pojave putem ranih upozorenja. Seidl obja\u0161njava: <\/strong><\/p>\n\n\n\n

\n

\u201eTo podrazumijeva da je znanje o svim procesnim koracima digitalizirano i prethodno obra\u0111eno kako bi se obu\u010dio AI da identificira korelacije na kraju. U tom procesu, AI stalno u\u010di o promjenama debljine, klimatskim uvjetima, svim \u010dimbenicima utjecaja i prije ili kasnije, AI \u0107e biti sposoban prikupiti i procijeniti sve \u010dimbenike.\u201c<\/p>\n<\/blockquote>\n\n\n\n

ISRA Vision GmbH ve\u0107 koristi AI sustave.<\/strong> Kompanija nudi rje\u0161enja za inspekciju u industriji stakla, koja, prema njihovim tvrdnjama, detektiraju 100% gre\u0161aka u ravnom staklu i obra\u0111enim proizvodima, pri punoj brzini proizvodnje i s pouzdanim klasifikacijama u stvarnom vremenu. ISRA sustavi nadgledaju cijeli proces<\/strong> kako bi optimizirali prinos stakla na na\u010din koji \u0161tedi resurse i energiju. Konkretan primjer upotrebe AI je rje\u0161enje EPROMI,<\/strong> kako zna Florian Sterzing, vo\u0111a tima za istra\u017eivanje i razvoj u podru\u010dju analitike podataka u ISRA Surface Vision.<\/strong> <\/p>\n\n\n\n

\n

\u201eOvo rje\u0161enje \u010dini potencijal skriven u proizvodnim podacima vidljivim i poma\u017ee u dono\u0161enju odluka du\u017e lanca vrijednosti. U tu svrhu, prikuplja podatke iz sustava za inspekciju i drugih dostupnih izvora, obra\u0111uje ih i prikazuje u intuitivnim kontrolnim plo\u010dama. Najva\u017enije i najvi\u0161e raspravljana oblast razvoja trenutno je prediktivna analitika, gdje sustavi podr\u017eani AI analiziraju povijesne trendove, identificiraju obrasce i predvi\u0111aju uska grla i neu\u010dinkovitosti u proizvodnom procesu. Dakle, operateri mogu djelovati na vrijeme kako bi izbjegli gubitke i smanjili tro\u0161kove. To je osnovno na\u010delo koje koriste i mnogi drugi pru\u017eatelji usluga.\u201c<\/p>\n<\/blockquote>\n\n\n

\n
\"statisti\u010dka
Statisti\u010dka analiza gre\u0161aka koriste\u0107i sustav za inspekciju proizvodnje solarnih stakala kao primjer, uklju\u010duju\u0107i raspodjelu gre\u0161aka i\/ili grupiranje vrsta gre\u0161aka na trakama solarnih stakala. Grafikon: ISRA VISION GmbH<\/figcaption><\/figure>\n<\/div>\n\n\n

U po\u010detku, ovi sustavi u\u010de na temelju zadanih podataka, a zatim i iz svakog ste\u010denog iskustva. Specijalizirani AI sustavi za dono\u0161enje odluka mogu se obu\u010diti za svaku primjenu i svaki proizvodni dio koji generira podatke. To poma\u017ee u skra\u0107ivanju vremena odr\u017eavanja, izbjegavanju zastoja i, stoga, smanjenju emisije CO2: isti proizvod, proizveden u kra\u0107em vremenu uz manju potro\u0161nju resursa i energije.<\/p>\n\n\n\n

U\u010denje s digitalnim proizvodnim blizancima<\/h2>\n\n\n\n

Tobias Wachtmann<\/strong>, voditelj odjela<\/strong> za vertikalno staklo i solarne tehnologije u Siemens Digital Industries, bavi se digitalizacijom du\u017e cijelog lanca vrijednosti proizvodnje stakla.<\/strong> Kada su ga pitali o mogu\u0107nostima umjetne inteligencije u ovom podru\u010dju, odgovorio je protupitanjem:<\/p>\n\n\n\n

\n

\u201eZa koji cilj? Za dekarbonizaciju? Za \u0161tednju resursa? Za pobolj\u0161anje radnih uvjeta? Za pove\u0107anje energetske u\u010dinkovitosti?\u201c <\/p>\n<\/blockquote>\n\n\n\n

Mnoga Siemensova rje\u0161enja,<\/strong> koja se koriste i u proizvodnji ravnog stakla, ve\u0107 koriste umjetnu inteligenciju, ugra\u0111enu u sustave i usluge, \u010desto u suradnji s partnerima poput Grenzebach-a.<\/strong> Prema Wachtmannu, jedan od problema je:<\/p>\n\n\n\n

\n

\u201ePovezivanje razli\u010ditih sustava me\u0111usobno: podaci o seriji, topljenju i o cijelom ‘putovanju’ stakla od vru\u0107eg do hladnog kraja proizvodnih procesa. Cilj je i dalje stabilan proizvodni proces s najve\u0107im prinosom, dok se identificiraju i realiziraju potencijali za daljnju optimizaciju.\u201c <\/p>\n<\/blockquote>\n\n\n\n

Zbog toga Wachtmann smatra<\/strong> da su digitalni blizanci pametno dugoro\u010dno rje\u0161enje za testiranje i optimizaciju AI rje\u0161enja:<\/p>\n\n\n\n

\n

\u201eTo\u010dan digitalni blizanac cijelih proizvodnih linija i uvjeta mo\u017ee nam omogu\u0107iti da simuliramo, izra\u010dunamo i ponovno opt imiziramo rje\u0161enja s AI virtualno. Uvidi i pristupi koji se prona\u0111u mogu se zatim primijeniti u stvarnosti, kako bi se kontinuirano smanjio otpad ili optimizirala potro\u0161nja energije. Na ovoj osnovi, \u010dak se i strojevi mogu prvotno izgraditi virtualno, a AI se mo\u017ee obu\u010diti za razne modele.\u201c<\/p>\n<\/blockquote>\n\n\n

\n
\"aplikacije
\nDigitalizacija omogu\u0107ava proizvodnju stakla s potpunom transparentno\u0161\u0107u. Grafikon: Siemens AG<\/figcaption><\/figure>\n<\/div>\n\n\n

Eti\u010dke posljedice disruptivnih tehnologija<\/h2>\n\n\n\n

Svaka disruptivna tehnologija nosi sa sobom eti\u010dke posljedice: \u017eeljeznice, automobili, Internet, mobilna komunikacija.<\/strong> Gdje god se pojave nove tehnologije, uvijek postoji nesigurnost ho\u0107e li poznate strukture pasti u zaborav. Stoga se \u010dini klju\u010dnim da se AI sustavi razvijaju i koriste na fer, transparentan i eti\u010dki odgovoran na\u010din, uz procjenu posljedica na svijet rada u ranoj fazi, s ciljem da se on preoblikuje na du\u017ee staze i s pa\u017enjom u interesu \u010dovjeka. <\/strong>Mo\u017eete se radovati ovogodi\u0161njem Glasstec-u, gdje \u0107e tema umjetne inteligencije tako\u0111er biti raspravljana kao jedna od glavnih tema na pozornicama Glasstec konferencije.<\/p>\n\n\n\n

O autoru<\/h2>\n\n\n\n

Marc Everling<\/strong> studirao je medijsku edukaciju na Tehni\u010dkom sveu\u010dili\u0161tu u Brunswicku, radio je kao konzultant u PR i marketin\u0161kim agencijama 14 godina, a zatim kao direktor marketinga u jednom od globalnih proizvo\u0111a\u010da ravnog stakla \u0161est godina. U velja\u010di 2021. godine osnovao je svoju agenciju za umre\u017eavanje specijaliziranu za komunikacijsko savjetovanje i odnose s javno\u0161\u0107u za proizvo\u0111a\u010de gra\u0111evinskih materijala, inicijative, asocijacije, sajmove i arhitekte koji rade i proizvode na odr\u017eiv na\u010din u interesu ekolo\u0161ke transformacije gra\u0111evinskog sektora.Izvor: <\/p>\n\n\n\n

Autor originalnog \u010dlanka: Marc Everling, Nachhaltige Kommunikation<\/em><\/p>\n\n\n\n

Izvor: www.glasstec-online.com<\/a><\/p>\n\n\n\n

\"\"<\/figure>\n\n\n\n

www.glasstec-online.com<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"

Kako digitalizacija i automatizacija napreduju, integracija umjetne inteligencije (AI) postaje va\u017ean korak za industriju ravnog stakla kako bi optimizirala procese, smanjila potro\u0161nju energije i emisiju CO2 te pove\u0107ala me\u0111unarodnu konkurentnost. Kada se analiziraju gre\u0161ke u proizvodnim procesima, upotreba AI, a posebno tehnologija dubokog u\u010denja, omogu\u0107ava brzu i preciznu analizu i interpretaciju sve slo\u017eenijih i opse\u017enijih […]<\/p>\n","protected":false},"author":120,"featured_media":7644,"comment_status":"closed","ping_status":"closed","sticky":false,"template":"","format":"standard","meta":{"_FSMCFIC_featured_image_caption":"","_FSMCFIC_featured_image_nocaption":"","_FSMCFIC_featured_image_hide":"","footnotes":""},"categories":[22],"tags":[896,485,763,895,898,897,894],"class_list":["post-7631","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-staklo","tag-ai","tag-glasstec","tag-inovacije","tag-ravno-staklo","tag-strojarstvo","tag-tehnologija-stakla","tag-umjetna-inteligencija"],"_links":{"self":[{"href":"https:\/\/www.prozorivrata.com\/hr\/wp-json\/wp\/v2\/posts\/7631","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/www.prozorivrata.com\/hr\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/www.prozorivrata.com\/hr\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/www.prozorivrata.com\/hr\/wp-json\/wp\/v2\/users\/120"}],"replies":[{"embeddable":true,"href":"https:\/\/www.prozorivrata.com\/hr\/wp-json\/wp\/v2\/comments?post=7631"}],"version-history":[{"count":11,"href":"https:\/\/www.prozorivrata.com\/hr\/wp-json\/wp\/v2\/posts\/7631\/revisions"}],"predecessor-version":[{"id":7648,"href":"https:\/\/www.prozorivrata.com\/hr\/wp-json\/wp\/v2\/posts\/7631\/revisions\/7648"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/www.prozorivrata.com\/hr\/wp-json\/wp\/v2\/media\/7644"}],"wp:attachment":[{"href":"https:\/\/www.prozorivrata.com\/hr\/wp-json\/wp\/v2\/media?parent=7631"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/www.prozorivrata.com\/hr\/wp-json\/wp\/v2\/categories?post=7631"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/www.prozorivrata.com\/hr\/wp-json\/wp\/v2\/tags?post=7631"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}