Deep Learning: „Gamechanger“ pro automatizaci a efektivitu výroby v průmyslu

Deep Learning změní průmysl. Stroje převezmou úkoly, které vyžadují lidskou inteligenci. Se zvyšující se mírou digitalizace procesů a sběru dat v podnicích se bude rovněž zvyšovat četnost používání Deep Learning a bude umožněna efektivnější kooperace člověka a stroje. To způsobí revoluci v automatizaci a ve výrobě a povede k efektivnějším a přesnějším rozhodovacím procesům a k vyšší produktivitě při současně výrazně nižších nákladech na vývoj.

V našem podcastu „SICKnificant“ jsme hovořili s dr. Christophem Eichhornem, strategickým produktovým managerem pro digitální služby a řešení, o možnostech technologie Deep Learning, o tom, jak zbavit člověka únavných a namáhavých úkolů a zvýšit kvalitu.

Deep Learning jako dílčí oblast umělé inteligence a strojního učení získává stále větší význam díky vzrůstající využitelnosti dat a výpočetního výkonu. Technologie přináší revoluci do automatizace výroby a jiných oblastí tím, že dává strojům schopnost plnit úkoly, které dosud vyžadovaly lidskou inteligenci. Dr. Christoph Eichhorn, odpovědný za řešení umělé inteligence u společnosti SICK to vysvětluje takto: „Deep Learning je dílčí oblastí strojního učení. Používají se k tomu umělé neuronové sítě, tzv. „deep neural networks“, které jsou schopné zvládnout i komplexní situace. Mohou převzít komplikované rozhodovací procesy, např. při kontrole kvality, a umožnit podnikům digitalizovat a automatizovat stále více procesů. Tím zvyšují efektivitu výroby na novou úroveň.“

Digitalizace a umělá inteligence

Koncepce digitalizace se v průmyslu vyvíjela v posledních letech enormní rychlostí. Data ze senzorů a jiných zdrojů, která se dosud využívala především k bezprostřednímu procesnímu řízení, se v průběhu digitalizace ukládají, a jsou tedy využitelná v abstraktní rovině. Sbírat data ale nestačí. Umělá inteligence hraje důležitou roli při extrakci těch podstatných informací z dat, které mohou vést k další optimalizaci.

Příkladem může být aplikace z dřevozpracujícího průmyslu, se kterou bylo možné s několika gigabyty dat provést učení neuronové sítě, která se pak uměla rozhodovat přesněji, rychleji a trvaleji, než dokázalo lidské oko. Tato síť je přitom menší než jeden megabyte, ale přesto disponuje obrovským množstvím „zkušeností“. Koncepce se dá aplikovat na libovolný počet případů použití.

Přidaná hodnota automatizace založené na umělé inteligenci

Ne vždy jsou ale nutná taková množství dat, aby umělá inteligence přinesla užitek. Realizace projektů Deep Learning může být velmi různorodá a závisí na individuálních požadavcích zákazníků. Formulovat tyto požadavky a očekávání není vždy snadné, ale vždy je to předpoklad úspěšného použití umělé inteligence. „Stručně řečeno: I s umělou inteligencí lze dosáhnout požadovaného výsledku pouze tehdy, pokud člověk ví, co chce. Jakmile se to vyjasní, mohou všichni zákazníci očekávat snadné a flexibilní řešení svého problému“, říká dr. Eichhorn.

„Díky umělé inteligenci mohou naši zákazníci sami automatizovat úkoly, které v minulosti bylo možné automatizovat jen velmi obtížně. Dobrými příklady jsou kontroly montáže a kvality reflexních dílů, kontrola letovaných spojů nebo třídění přírodních produktů. To jsou většinou namáhavé práce, které zabírají mnoho cenného času kvalifikovaného personálu, a proto se často provádějí jen namátkově.“

Učení umělých neuronových sítí

Použití Deep Learning změní pohled na automatizaci. Místo přemýšlení, které detaily jsou relevantní pro rozhodnutí o stanovení řady konkrétních pravidel, se použijí příklady. Algoritmus se sám učí přijímat rozhodnutí. „Řešení nemusíme programovat, ale můžeme je naučit, což je podstatně rychlejší a efektivnější. Důležité je ale zdůraznit, že Deep Learning není alternativou lidského úsudku. Ten je nadále nevyhnutelný pro úplné využití potenciálu technologie. Deep Learning podporuje a rozšiřuje lidské schopnosti“, vysvětluje dr. Eichhorn a uzavírá: „Díky našim snadno ovladatelným nástrojům Deep Learning mohou uživatelé, kteří znají své problémy, najít jejich řešení i bez hlubších znalostí programování. Protože jen oni vědí, co je při řešení důležité – a co ne – a mohou vyhledat vhodné příklady pro učení lépe než kdokoli jiný. S našimi nástroji můžete zahájit učení umělé inteligence zcela intuitivně, a tím vyřešit velmi specifický a individuální úkol.“

Přečtěte si více informací

Přečtěte si více informací

Přečtěte si více informací

Přečtěte si více informací