Tuotantolinjat ovat olleet varsin varhaisia tekoälyn käyttäjiä mm. laadunvalvonnassa ja ennakoivassa huollossa. Nyt generatiivinen AI luo entistä enemmän mahdollisuuksia teollisuuden prosessien kehittämiseen. Aloitimme teollisuuden tekoälytehostamisen vuonna 2018, ja emme ole koskaan aiemmin nähneet näin monia mahdollisuuksia kokonaistehokkuuden lisäämiseen. 

Teolliset agentit tuovat tekoälyn työntekijöiden käsiin

Agentit ovat oppivia, itsenäisesti toimivia sovelluksia, jotka toimivat ihmisten työn tukena. Ne osaavat yhdistää tehokkaasti datan, toimintakontekstin ja luonnollisen kielen. Teolliset agentit voivat esimerkiksi avustaa operaattoreita vikatilanteissa, tukea vuorojen välistä tiedonkulkua tai helpottaa huoltotilanteiden suunnittelua. 

Tuotanto-ongelmien juurisyiden selvittäminen AI-avusteisella analyysilla on hyvä esimerkki teollisesta agentista tehdasolosuhteissa. Laatuvirheiden ja komponenttivikojen taustojen tunnistaminen on työlästä ja hidasta, sillä se perustuu usein työntekijöiden tekemään manuaaliseen analyysiin. Tekoäly kykenee tulkitsemaan prosessiohjeita ja selvittämään tehokkaasti useista tietolähteistä, mikä meni pieleen. Teolliset huoltoagentit löytävät ongelmia ennakoivasti, myös sellaisia, jotka ihmisiltä jäisivät huomiotta. Operaattorit voivat näin reagoida nopeasti heti vikojen ilmentyessä, tai parhaimmillaan jo ennenkin. Näin tuotantokatkokset sekä lyhenevät että vähenevät. 

Toinen esimerkki tulee liikenneinfran maailmasta. Infrastruktuurin kriittisten komponenttien, kuten vaihteiden tai releiden, tarkastus on perinteisesti aikaa vievä ja manuaalinen prosessi. AI-agentteihin perustuvat ratkaisut voivat automatisoida tarkastuksen esimerkiksi kuvantamalla ja analysoimalla kohteet, jolloin huoltotarpeet tunnistetaan ennakoivasti. Tämä parantaa turvallisuutta, mahdollistaa huollon optimaalisen ajoituksen ja vähentää seisokkeja. Samalla tehtävät, jotka aiemmin veivät viikkoja, voidaan hoitaa muutamassa päivässä. 

Lisäksi agenttityövoima voi hyödyntää järjestämätöntä dataa, kuten eri paikoista löytyviä PDF-tiedostoja, sähköposteja, huoltolokeja ja koulutusmateriaalia. Aiemmin tällainen data on ollut vaikeasti hyödynnettävää, mutta nyt siitä saadaan käyttökelpoista: tekoäly voi koota hajanaisista datamassoista vaikkapa toimintaohjeita. Ne tarjoavat käyttäjälle täsmävastauksia tämän omalla kielellä lähdemateriaalin kielestä riippumatta. 

Generatiivinen tekoäly + koneoppiminen = joustava ohjaustehostin 

Koneoppimisessa (Machine Learning eli ML) tekoälymalli koulutetaan ratkaisemaan täsmällistä ongelmaa, vaikkapa paperikoneen huoltojen optimointia. Malli ratkaisee sen koulutusta vastaavan ongelman melko luotettavasti, mutta on avuton uusien haasteiden edessä. Jo liiketoimintasääntöjen olennainen muutoskin saattaa vaatia mallin uudelleenkouluttamisen, mikä tekee kokeilevasta liiketoimintakehittämisestä vaikeaa. 

Generatiivinen tekoäly, joka parhaiten tunnetaan kielimallien kautta, toimii päinvastoin. Mallin pohjakoulutus antaa sille eväät kielen tulkintaan ja peruspäättelyyn, mutta mitään matemaattisia ongelmia se ei osaa ratkaista. Paperikoneen huollonennustajana se on varsin epäluotettava.  

Avain piilee kuitenkin näiden yhdistämisessä – molempia nimittäin tarvitaan. Generatiivisella tekoälyllä (GenAI) tuettu agentti pystyy ymmärtämään luonnollista kieltä, jolloin se voi tulkita organisaation prosessiohjeita, toiveita huoltoaikatauluista, vikaraportteja ja muita epämääräisempiä tietolähteitä. Tätä tietoa käyttäen se voi toimia ikään kuin organisoijana koneoppimismallille, joka pystyy GenAI:n ruokkimana mukautumaan entistä paremmin toimintatapojen muutoksiin. Parhaimmillaan GenAI mahdollistaa myös sen, että esimerkiksi prosessi-insinööri voi kysellä mallilta luonnollisella kielellä asioita, joiden selvittäminen olisi aiemmin vaatinut erillistä data science -osaajaa. 

Kun generatiivinen tekoäly ja koneoppiminen yhdistetään, syntyy ohjaustehostin, joka ennakoi muutoksia ja mukautuu nopeasti organisaation tarpeisiin. Esimerkiksi eräässä tapauksessa yhdistimme GenAI-tulkitut organisaation prosessikäsikirjat sekä koneoppimismallin avulla tulkitut koneiden käyttöpäiväkirjat ja huoltolokit. Tämän pohjatiedon päälle syntyi AI-agentti. Agentin tuella työntekijöiden ongelmanratkaisukyky parani merkittävästi, kun tekoälyavustin kykeni selittämään esimerkiksi tuotantokatkon syitä ja seurannaisvaikutuksia suoraan suomenkielisessä keskustelussa. 

Vaatimuksena on laadukas tehdasdata 

Teollisuuden tekoäly on yksinkertaisimmillaan musta laatikko, esimerkiksi tuotantolinjastolle ostettu laite, joka konenäön avulla tunnistaa valmistusvirheitä. Laajempi, toimintaprosesseja kehittävä tekoäly rakennetaan kuitenkin yleensä tehtaaseen räätälöidysti, ja siinä lähtökohtana on yksittäistä prosessivaihetta ja -laitetta laajempi käsitys tehtaan toiminnasta. Muutoksen ytimessä on laadukkaan tehdasdatan kerääminen. 

Ilman yhtenäistä ja luotettavaa dataa AI-agentit eivät voi toimia tehokkaasti. Kyse ei ole vain teknisestä vaatimuksesta, vaan kilpailuedusta: laadukas data mahdollistaa prosessien reaaliaikaisen optimoinnin, automatisoidun reagoinnin poikkeamiin, operaattorien tilannekuvan ymmärtämisen ja paljon muuta.  

Tehdasdatan tuominen yhteen vaatii yleensä jonkinlaisen data-alustan. Siihen tuodaan tyypillisesti tietoa tuotantokuormista, vuorojärjestelyistä – ja tietenkin itse tehtaan toiminnasta. Järjestelyssä on usein mukana SCADA-järjestelmiä, OPC-integraatioita tai jopa koneoppimismalleja, jotka toimivat ns. soft sensoreina. Koostettu tietoalusta voi tukea niin valvomoraportointia, AI-agentteja kuin konsernitason tuotannon optimointiakin. 

AI-parannusten ytimessä on datan kehittäminen. Kun data on yhtenäistä, reaaliaikaista ja integroitua, agentit voivat parantaa kokonaistehokkuutta (Overall Equipment Effectiveness) monin tavoin. Laadukkaan datan päälle tekoälyparannuksissa voidaan edetä varsin ketterästi. Tämä on tärkeää, sillä AI-innovointi on kokeilukulttuuria parhaimmillaan: parhaat tulokset löytyvät kokeilemalla ja viemällä näistä onnistuneimmat kokeilut tuotantoon asti. 

Lue lisää Norrinin tekoälyratkaisuista

Voisimmeko olla avuksi teidän teollisuuden tekoälyratkaisuissa? Ota yhteyttä tai laita viestiä osoitteeseen: myynti@norrin.com