Narzędzia sztucznej inteligencji (AI) są wdrażane wszędzie, w tym w sektorze utrzymania ruchu w przemyśle.
Podmioty przemysłowe od dawna starają się odejść od utrzymania ruchu o charakterze reaktywnym lub prewencyjnym (PM). Dzięki odpowiednim technologiom mogą one wdrażać strategie utrzymania ruchu predykcyjnego (PdM), które maksymalizują cykl życia aktywów i zmniejszają ryzyko nieplanowanych przestojów. Ale w jaki sposób AI może wspierać i wzmacniać to podejście?
Ogólnie rzecz biorąc, przyszłość AI w przemysłowym utrzymaniu ruchu jest obiecująca. Jednakże, aby w pełni wykorzystać potencjał technologii sztucznej inteligencji w utrzymaniu ruchu, konieczna jest kolejna zasadnicza zmiana. Przyjrzyjmy się, jak bardzo rozwinęły się te narzędzia, w jakim kierunku zmierzają oraz jak Państwa organizacja może wykorzystać sztuczną inteligencję, aby zyskać przewagę.
Rozwój AI w predykcyjnym utrzymaniu ruchu
Sztuczna inteligencja istnieje w tej czy innej formie od dziesięcioleci. Jednakże jej powszechne wykorzystanie ostatnio weszło na najwyższe obroty. Pytanie brzmi: dlaczego teraz?
Szybka adopcja AI w przemysłowym utrzymaniu ruchu i innych dziedzinach może być przypisana trzem kluczowym postępom:
- Moc obliczeniowa: Postęp jednostek przetwarzających umożliwił modelom AI wydajniej przetwarzać ogromne ilości danych.
- Dostępność danych: Internet i urządzenia IoT stworzyły eksplozję danych.
- Badania i Rozwój: Ciągłe inwestycje w AI doprowadziły do kaskady przełomów.
Sztuczna inteligencja nabiera impetu z każdym godnym uwagi nowym postępem. Obecnie AI jest praktycznym narzędziem do doskonalenia praktyk przemysłowego utrzymania ruchu. Jednakże podmioty przemysłowe ledwo drasnęły powierzchnię tego, do czego zdolne są predykcyjne narzędzia AI.
Jak sztuczna inteligencja stała się powszechna
Przez dziesięciolecia jedynie doktorzy (PhD) i naukowcy mieli dostęp do modeli sztucznej inteligencji. Te wczesne modele nie były szczególnie użyteczne w rzeczywistych zastosowaniach. Firma I-care i inni dostawcy rozwiązań pomogli to zmienić, opracowując niestandardowe, niszowe przypadki użycia, które odpowiadały na konkretne wyzwania biznesowe. Takie podejście doprowadziło do wdrożenia rozwiązań opartych na AI, które stały się dostępne dla ograniczonej liczby przemysłowych użytkowników końcowych, uważanych za wczesnych adaptorów w przemyśle. Rozwiązania te były w większości opracowywane we współpracy ze specjalistami wewnątrz organizacji. Chociaż zdecydowanie nie były one rozpowszechnione ani demokratycznie dostępne, niemniej jednak były cenne.
Generatywna sztuczna inteligencja (GenAI), taka jak ChatGPT, zmieniła wszystko. Nagle liderzy biznesu mogli naocznie zobaczyć potencjał AI, nie posiadając wcześniejszego szkolenia ani specjalistycznej wiedzy w tej dziedzinie. Mieli okazję eksperymentować z narzędziami sztucznej inteligencji i wykorzystywać je do ułatwiania codziennych, rutynowych zadań.
Jak AI wpisuje się w równanie optymalizacji procesów
Inne możliwe, bliskie znaczeniowo opcje, w zależności od interpretacji metafory „equation”:
- Analityka predykcyjna: Analizowanie danych z czujników w czasie rzeczywistym w celu wykrywania wzorców wskazujących na zbliżające się awarie.
- Optymalizacja wydajności procesów: Dostosowywanie parametrów operacyjnych w celu zmniejszenia zużycia energii i zwiększenia produkcji.
- Optymalizacja harmonogramowania utrzymania ruchu: Zapewnianie, że utrzymanie ruchu jest przeprowadzane z minimalnym wpływem na produkcję.
Chociaż tradycyjne AI z powodzeniem zoptymalizowała te i inne przepływy pracy, GenAI wprowadza nowy wymiar. GenAI może pomagać w pisaniu procedur utrzymania ruchu, analizowaniu logów historycznych oraz sugerowaniu rozwiązań złożonych problemów mechanicznych. GenAI może być również wykorzystywana do pisania konkretnego kodu programu w celu rozwiązywania ściśle określonych przypadków użycia.
Możliwości są warte tego, aby się nimi ekscytować. Jednakże te nowe przypadki użycia stwarzają również pewne wyjątkowe wyzwania.
Wyzwania AI w utrzymaniu ruchu
Wykorzystanie generatywnej sztucznej inteligencji do predykcyjnego utrzymania ruchu to ekscytująca perspektywa. Mimo to, podmioty przemysłowe będą musiały najpierw pokonać pewne poważne przeszkody.
W niedawnym wywiadzie Tom Rombouts, Dyrektor ds. Niezawodności i Rozwiązań Opartych na Danych w I-care, podsumował te wyzwania następująco:
Niezawodność
AI analizuje duże ilości danych, aby generować wyniki. Jeśli dane, na których jest trenowana, są stronnicze lub w inny sposób niewiarygodne, jakość wyników ucierpi. Dlatego też wszystkie wyniki AI muszą być starannie sprawdzane, aby zapewnić ich dokładność i wiarygodność.
Kontrola jakości
Zapewnienie, że treści generowane przez AI, takie jak instrukcje utrzymania ruchu, są rzetelne i bezpieczne, jest kluczowe. Nieprawidłowe procedury ustalone w wyniku halucynacji GenAI mogą prowadzić do poważnych zagrożeń bezpieczeństwa i dodatkowych nieplanowanych przestojów. Eksperci merytoryczni muszą sprawdzać wszystkie treści, aby zweryfikować ich dokładność i stosowalność, nie wpadając w pułapkę polegania na „pewnych siebie, lecz błędnych” wynikach GenAI.
Opór wobec zmian
Zespół I-care mocno wierzy, że transformacja cyfrowa nie może być tylko cyfrowa. Wdrażanie nowych technologii bez zapewnienia pracownikom szkolenia oraz pewności siebie, niezbędnej do korzystania z tych narzędzi, przyniesie jedynie rozczarowujące rezultaty.
Ale nie należy błędnie niedoceniać AI. To naprawdę jest „zmiana” naszego pokolenia!
Pracownicy, którzy zostaną zaskoczeni zmianami wprowadzanymi przez inicjatywy AI, mogą odczuwać silny opór. Prawdopodobnym skutkiem będzie zmniejszony ROI i wydłużony czas do uzyskania wartości, co jest sprzeczne z celami organizacji przemysłowej w zakresie utrzymania ruchu.
Co musi nastąpić dalej
Po zapoznaniu się z korzyściami płynącymi z efektywności sztucznej inteligencji możesz poczuć pokusę, aby dać AI wolną rękę i pozwolić jej rozwiązać wszystkie twoje problemy związane z utrzymaniem ruchu. Jednakże to przepis na katastrofę. Bez odpowiednich środków kontroli jakości generatywna AI może wyrządzić tyle samo szkód, co pożytku (jeśli nie więcej).
AI w przemysłowym utrzymaniu ruchu: Idealne rozwiązanie czy słoń w składzie porcelany
Podczas niedawnego wywiadu Rombouts określił zdolność GenAI do generowania wiarygodnie brzmiących, ale niepoprawnych informacji jako jedno z największych ryzyk związanych z adopcją AI. Porównał to zjawisko do pijanego wujka na rodzinnym spotkaniu.
Wyobraź sobie, że siedzisz przy stole, gdzie wszyscy dyskutują o inwestycjach. Jest wśród nich twój wujek, który wypił o jednego drinka za dużo. Pewny siebie udziela porad giełdowych. Ponieważ siedzisz z nim i rozmawiasz twarzą w twarz, łatwo możesz stwierdzić, że jest pod wpływem alkoholu. W rezultacie kwestionujesz wiarygodność jego rad.
A teraz wyobraź sobie, że czytasz tylko transkrypcję jego wypowiedzi. Jego dobór słów i składnia przekonują cię o jego znajomości rynku i wzbudzają zaufanie, że jego rekomendacje są mądre.
Przedsiębiorstwa mają podobne obawy związane z generatywną AI. Generuje ona treści, które wyglądają i brzmią poprawnie. Jednakże użytkownicy nieposiadający niezbędnej wiedzy specjalistycznej mogą mieć trudności z rozróżnieniem, czy są one naprawdę dokładne, czy to tylko elokwentnie sformułowany nonsens.
To krytyczny problem w przemysłowym utrzymaniu ruchu – niepoprawne wskazówki lub instrukcje od GenAI mogą prowadzić do awarii mechanicznych, a nawet śmiertelnych wypadków.
Rombouts proponuje testowanie zdolności modelu AI do „wykrywania bzdur”. Proces jest dość prosty: Sugeruje on celowe dostarczanie modelowi AI dezinformacji, aby sprawdzić, czy potrafi on odróżnić fakty od wadliwych danych. Zaleca również szkolenie specjalistów ds. utrzymania ruchu w zakresie wykrywania niewiarygodnych wyników AI.
Należy postrzegać te redundancje jako formę systemu kontroli i równowagi. Model został wytrenowany do „wywęszenia” niepoprawnych informacji i oznaczania ich. Personel utrzymania ruchu jest również szkolony w zakresie wykrywania bzdur, co pozwala im znajdować i korygować wszelkie błędy, które prześlizgną się przez model.
AI ajako narzędzie, a nie zamiennik
Sztuczna inteligencja nie jest magiczną pigułką, która może rozwiązać wszystkie twoje problemy związane z przemysłowym utrzymaniem ruchu. To potężne narzędzie, które już przyniosło ogromne postępy w prewencyjnym utrzymaniu ruchu. Jednakże jej pełny potencjał zostanie w pełni wykorzystany dopiero wtedy, gdy zaufanie, walidacja i nadzór ludzki zostaną potraktowane priorytetowo wraz z adopcją.
Artykuł autorstwa Toma Romboutsa, Dyrektora ds. Niezawodności.
