Roboty s AI přinášejí do průmyslu revoluci

S umělou inteligencí založenou na strojovém učení má většina výrobních podniků v Česku už zkušenost, jak vědomou, tak často i nevědomou. Firmy vědomě testují aplikace AI v řízení kvality, automatizaci nebo údržbě. Nevědomé využití AI se často týká funkcí integrovaných do již existujících řešení, kdy jejich dodavatelé přidávají funkcionality na bázi umělé inteligence například do modulů pro řízení kvality, logistiky či skladových operací.

Využití umělé inteligence v průmyslu přináší jasné benefity zejména v produktivitě práce. Přitom nízká produktivita patří k nejčastěji zmiňovaným důvodům, proč Česko zaostává za západními zeměmi, potažmo Evropa za Amerikou.

„Naším cílem je demokratizovat umělou inteligenci. Chceme dosáhnout toho, aby tuto technologii mohl použít každý. Naše produkty a řešení vyvíjíme tak, aby jejich nasazení v průmyslu bylo co nejjednodušší, a to i bez expertních znalostí. A také aby s nimi bylo snadné pracovat po celou dobu životního cyklu,“ říká Tomáš Froněk, vedoucí oddělení průmyslové automatizace a partnerské sítě z českého Siemensu.

Kromě zvýšení produktivity přináší AI i významné energetické úspory. Například stroje vybavené vizuální inteligencí mohou výrazně pomoci nejen ve výrobě, ale třeba také ve skladech. „Jeden z našich zákazníků dosáhl úspory 30 procent spotřeby elektrické energie robotů jen díky tomu, že nechal umělou inteligenci nastavit optimální dráhy jejich pohybu v prostoru. Požadoval, aby jezdily rychle a zároveň šetřily energii. Klíčové je správné zadání – pokud firma ví, co chce získat, a umí to nadefinovat, dosáhne překvapivých výsledků,“ uvádí konkrétní příklad z praxe Tomáš Froněk.

Robot, který vidí

Další možností je využití umělé inteligence při vychystávacích operacích. Siemens pro tyto účely vyvinul software Simatic Robot Pick AI, který je ideální pro řízení uchopování a vychystávání předmětů nepravidelných tvarů nebo nepravidelně ložených. Systém se učil na velkém množství předmětů a díky tomu se dokáže velmi rychle přizpůsobit konkrétnímu výrobku nebo operaci. Jeho kamera se umí flexibilně adaptovat na změny – například světelných podmínek nebo velikosti krabic.

„Simatic Robot Pick AI dělá až 1200 pohybů za hodinu, tedy dvacet pohybů za minutu. Jeho nasazení je vhodné nejen tam, kde umí být rychlejší než člověk. Hodí se především pro nudnou a rutinní práci, která lidi nebaví. Ideální je využití pro vychystávací práce v hlučném prostředí nebo při nízkých teplotách. Zároveň pomáhá snížit chybovost při vychystávání,“ uvádí Tomáš Froněk.

Vhodný je jak do výroby, tak do skladů všech velikostí, od e‑shopů po zásobování. Díky jednoduchosti instalace a zprovoznění může být nasazen i v prostředí malých a středních podniků.

Spolehlivost dnes dosahuje 98 procent. Siemens přitom pracuje na dalších vylepšeních. „Aktuálně zkoušíme s firmou Blumenbecker, která dodává zákazníkům automatizační řešení, funkci optimálního skládání předmětů do krabice. V prvním kroku si 3D skener vyfotí krabici, do které bude skládat, v druhém si pak prohlédne krabičky, které tam má vložit. Sám vyhodnotí postup tak, aby optimálně využil prostor krabice. Jde o pilotní projekt, který běží v Česku,“ konstatuje Froněk.

Odhalení vadných výrobků

Další technologií, která stojí na vizuální umělé inteligenci, je robot Inspekto. Ten byl vyvinut za účelem odhalení zmetků ve výrobě. Hodí se například pro kontrolu odlitků, potisků lahví nebo tištěných spojů. Podmínkou je, že chyba je opticky vidět.

I zde je největším přínosem jednoduchost. Kamera dokáže zaostřit a nastavit expozici tak, aby fotka nebyla rozmazaná. Ostří na celý produkt bez ohledu na to, jak je na pásu umístěný – zorné pole se automaticky přenastaví.

„Pro nastavení systému mu stačí ukázat dvacet bezvadných a deset chybných produktů. Poté je možné ho uvést do provozu. Instalaci zvládne firemní IT technik nebo ten, kdo se stará o stroje ve výrobě, není k tomu potřeba mít specialistu na umělou inteligenci. Celé řešení je velké zhruba jako kávovar a je možné ho přivézt do firmy na zkoušku, zda by se v konkrétním provozu uplatnilo,“ říká Tomáš Froněk.

Optimalizace ve výrobě

Tato konkrétní využití jsou součástí širší optimalizace, kterou AI přináší do průmyslového prostředí. Využití umělé inteligence ve výrobě zahrnuje širokou škálu aplikací – od inženýrinku přes zlepšení provozní efektivity až po kyberbezpečnost. Rozhodující je vůle lidí otevřít se novým řešením a ochota učit se. Tu Froněk vnímá jako zatím největší překážku: „Zatímco na Západě nebo v Americe se lidi snaží nové technologie využít co nejdříve, v Česku je takový přístup spíš výjimečný. Češi potřebují do svého života přijmout větší flexibilitu.“

Jeho slova potvrzuje i Jan Burian, globální analytik digitalizace průmyslu: „České prostředí zavádění AI není v zásadě odlišné od zahraničních podniků. Klíčovou roli hraje neznalost problematiky tvorby modelů, nákladů na zavedení, udržování a škálování. A tedy následná nerealistická očekávání zejména ze strany managementu.“

Burian vnímá slabinu i ve schopnosti pracovat na rozvoji AI s dodavateli technologií: „Firmy často upřednostňují cestu ‚hlavně ať je to levné‘ nebo ‚pojďme to prostě jen zkusit‘, a podcení tak definování interních kapacit i výběr technologického dodavatele řešení.“

Základem je práce s daty

Technologické překážky vyplývají zejména z nedostatku dat, respektive firmám chybí základ v datové infrastruktuře. Data buď nejsou k dispozici, nebo jsou „schována“ v datových silech či mají různé formáty. To má za následek zejména nespolehlivost výstupů z AI modelů, obtížné škálování aplikací ve výrobním prostředí a následnou frustraci uživatelů.

„Obecně v českém výrobním prostředí je práce s daty notorickou slabinou a příchod umělé inteligence a nyní i generativní AI nutí firmy na zlepšení datové kultury intenzivně pracovat,“ říká Jan Burian.

Hlavním přínosem AI v průmyslu je jednoznačně zvýšení produktivity díky optimálnímu využití zdrojů, synchronizaci hodnotových řetězců, identifikaci a řízení rizik. Klíčové je i zvýšení konkurenceschopnosti firem, zejména v oblasti vývoje výrobků a služeb a jejich rychlého uvádění na trh díky využití digitálních nástrojů s podporou AI pro návrh a testování jejich charakteristik.

Návratnost investice

„Pokud má firma postaveny datové základy, tak jednotlivá řešení například v oblasti kvality mají návratnost v řádu měsíců. Podobně i v rámci řízení údržby strojů či řízení spotřeby energií,“ míní Jan Burian. Firma, která začíná s implementací AI „od nuly“, bude mít nepochybně výrazně kratší návratnost než firma, která ladí desetiny procent celkové efektivnosti zařízení či minuty prostojů technologií.

„S AI je však nutné si uvědomit, že jde o investici do budoucího udržitelného rozvoje a konkurenceschopnosti, tedy návratnost je třeba zohlednit i optikou budoucích nákladů na pracovní sílu, investic do průběžné obnovy IT infrastruktury a požadavků zákazníků,“ konstatuje Burian.

Návratnost investice se zkracuje také díky tomu, že robot může pracovat ve třech směnách a nahradit tři pracovníky, které je dnes obtížné najít. Navíc může pracovat v náročných podmínkách, jako je extrémní hluk, ostré světlo nebo nízká teplota prostředí. V případě řešení Simatic Robot Pick AI a Inspekto odhaduje Froněk návratnost v nižších jednotkách let, vždy však záleží na individuálních podmínkách.