Az MI fogalmának 1956-os megjelenése után a szakértői jóslatok gyors eredményeket fogalmaztak meg a területtel kapcsolatban. Bár a technológia malmai kissé lassabban őröltek, 1982-ben már megjelent az első üzletileg sikeres szakértőrendszer, napjainkra pedig a mesterséges intelligencia új üzleti modellek és munkakörök létrehozását eredményezte. Az ipar világa korábban nem látott sebességgel alakul át, amiről Gáspár Sándor, a Stratis Vezetői és Informatikai Tanácsadó Kft. AI-kompetencia-központjának vezetője beszélt a TechMonitornak.
– Milyen mozgatórugói vannak a minőségellenőrzés térhódításának?
– A minőségellenőrzés célját és mozgatórugóit a gazdasági mutatók javításában vagy a termékkel kapcsolatosan előírt szabványok vagy a vevői elvárások teljesítésében célszerű meghatározni. Ez minden termékre és a gyártási folyamat minden pontján másként jelenik meg. A beérkező alapanyagok, gyártási segédanyagok, alkatrészek, félkész termékek és végtermékek minőségellenőrzési módszerét és az eredményességére vonatkozó elvárásokat más módon célszerű meghatározni. Minden esetben fontos ismerni az adott vizsgálati mód költségét és az eredményességét jellemző fő mutatókat – így például ciklusidő, részletezettség, pontosság, stabilitás. A minőségvizsgálat digitalizálása és az automatizálásra törekvés az előbbi szempontok figyelembevételével dönthető el, azaz minden esetben valamely paraméter mentén jobb értéket szeretnénk elérni.
A minőségvizsgálatnak ugyanakkor időigénye van, ami a gyártási folyamat teljes ciklusidejét növeli, ezért ennek beépítése a folyamatokba gondos tervezés alapján kell, hogy megtörténjen. Érdemes ismerni a gyártási folyamat költségmodelljét, mert ez nemcsak a gyártási technológia kiválasztását, hanem a minőségellenőrzés mutatóinak elvárt értékeit is befolyásolja. Mindenesetre a minőségvizsgálat eredményét, környezeti paramétereit érdemes digitálisan és idősorosan tárolni, mert ez teremti meg a lehetőséget a minőségi mutatók változásának vizsgálatára, amiből rengeteg hasznos információt szerezhetünk.
Ez ad lehetőséget a minőségi hibák gyökérokainak vizsgálatára, és ezen keresztül alakíthatunk ki a gyártási folyamatban a minőségi problémák felmerülésének megelőzésére irányuló beavatkozásokat is támogató monitoringrendszert. A hibás gyártás általában korrekciós vagy selejtkezelési műveletek elvégzését is igényli, aminek addicionális környezetterhelő hatása van, aminek csökkentésére egyre több vállalat helyez már kifejezetten nagy hangsúlyt.
– A félautomata vagy automata minőségellenőrző állomások megnövelik az üzem áteresztőképességét. Mire kell figyelni, hogy ne képezzen szűk keresztmetszetet semmi a gyártási folyamatban?
– Igen, a részbeni vagy teljes automatizálással szemben alapvető elvárás, hogy hatékonyság-, és ezáltal termelésnövekedést eredményezzen a kézi ellenőrzéshez viszonyítva. Az automatizálás a teljes gyártási mennyiségre kiterjedő minőségellenőrzés esetében merül fel a legtöbbször. A hatékonyságnövekedést ilyen esetben egy szintig a kézi munkavégzéssel történő minőségellenőrzés esetében is elérhetnénk, mivel annak a kapacitása létszámarányosan szintén növelhető. Az automatizálás azonban számos további előnyt is hoz. Az egyik ilyen a stabilitás: az automatizmus nem fárad, így a minőségvizsgálat pontossága nem romlik, a sebesség nem csökken, illetve az egyre inkább jellemző munkaerő-fluktuáció sem okoz fennakadást.
Az automatizált kontroll esetén a vizsgálati ciklusidőre és a kiesési idők elkerülésére kell a tervezés során a legnagyobb figyelmet fordítani, hogy az ne okozhasson szűk keresztmetszetet. Bár a gyártási folyamatközi minőségellenőrzés minden esetben csökkenti a teljes gyártási áteresztőképességet, a hibás félkész termékeken történő további gyártási lépések elvégzése felesleges többletköltségeket és időfelhasználást jelent, így összességében ezek kiszűrésével és helyes tervezés esetében az üzem áteresztőképessége nőni fog. A ciklusidő a gyártási folyamathoz történő megfelelő illesztése, a vizsgált paraméterek ellenőrzésének számossága és pontossága, az ehhez alkalmas technológia és módszer kiválasztása és ezek költsége ad egy döntési teret számunkra a minden szempontnak megfelelő megoldás kiválasztásához.
– Milyen szoftver- és hardvermegoldások jelentek meg az elmúlt évtizedben, amelyek elsősorban a minőségellenőrzés hatékonyságát célozták? Milyen mozgástér van még hardver- és szoftvertéren?
– A minőségvizsgálat fejlődését egyrészt a különböző fizikai jellemzők mérésének technológiai módszere lendítette előre. Ez rendkívül kiszélesítette a mérési lehetőségeket a mérési tartomány, a pontosság, a gyorsaság és a költségszintek terén. A mérési technológiák fejlődése mellett a mért eredmények digitális feldolgozása és kiértékelése lendített nagyot a minőség-ellenőrzés terén az elmúlt évtizedekben. A számítógép-architektúrák jelentős átalakulása, a számítási teljesítmények és tárolási kapacitások ugrásszerű növekedése, a felhőszolgáltatások elterjedése nagymértékben kiterjesztette az informatikai megoldások felhasználhatóságát a minőség-ellenőrzés terén. A korábbi minőségellenőrzési módszereket általában az egyes fizikai paraméterek önmagukban történő vizsgálata jellemezte, és ez is viszonylag egyszerűen meghatározható szabályoknak való megfelelés vizsgálatát jelentette.
A cloud computing, az edge computing fejlődése és széles körben elérhetővé válása megteremtette a feltételeket a komplex paraméterhalmaz együttes vizsgálatához, a szabályoknak való megfelelés mellett a mesterséges intelligenciára (MI) épülő rendszerek segítségével pedig a még nem ismert vagy rendkívül nehezen leírható minőségi eltérések beazonosításához is. A minták alapján előzetesen betanított MI modell az edge computing fejlett hardver- és szoftvermegoldásokkal együtt valós időben történő mérést és rendkívül gyors „adatgyűjtés-adatfeldolgozás-kiértékelés-beavatkozás" ciklust tesz lehetővé. Kiemelkedő lehetőségeket látunk például az MI-alapú gépi látást alkalmazó rendszerek minőség-ellenőrzési felhasználásában, amit számos példa bizonyít már általában és a cégünk praxisában is.
– Milyen kapcsolat van a mesterséges intelligencia és az Ipar 4.0 között? Az előbbit felfoghatjuk az utóbbi kikerülhetetlen részének is?
– Mind az MI, mind az Ipar 4.0 egy-egy ernyőfogalom. Hardver- és szoftvertechnológiák egymásra épüléséből – digitalizációból – áll, és az általános emberi teljesítőképesség határain általában túlnyúló feladatok elvégzésére célszerű alkalmazni ezeket. Lehet ez valamilyen egyszerű, ismétlődő művelet nagy számosságban történő elvégzése nagy sebességgel és megbízhatósággal, vagy nagy komplexitású feladat elvégzése, ahol az emberi átlátóképesség már elakad. Lényegében az emberi gondolkodás és cselekvés gépi helyettesítéséről beszélünk, azaz az emberek életének megkönnyítéséről van szó.
Az MI felhasználási területe nagyon szerteágazó, a gyártó vállalatok esetében történő felhasználását tekintjük az Ipar 4.0 egyik szegmensének. Ilyen pl. a gépi tanulás alkalmazása a minőség-ellenőrzés terén vagy a meghibásodásokra utaló jelek beazonosítása a működési paraméterek halmaza elemzésével. Az Ipar 4.0 emellett számos egyéb digitalizációra épülő megoldást magába foglal, ahol gép végzi el az ember helyett a cselekvéseket/döntéshozást. Ilyenek lehetnek a robotok alkalmazása, a digitális iker megoldások, az AR alkalmazása karbantartás támogatására, az IoT-eszközök széles körű elterjedése stb.
A megoldások alapmodellje itt is az „érzékelés-mérés-adatgyűjtés-adatfeldolgozás-kiértékelés-cselekvés". Azaz nem az MI a kikerülhetetlen része az Ipar 4.0 megoldásoknak, hanem az adatok felhasználása, amik a működési folyamatok során közvetlenül előállnak, vagy a környezeti állapotokat írják le. Ez minden automatizálás alapja. A cél pedig a vállalat eredményességének javítása.
