I omegnen af 100 branchefolk var onsdag den 5. december samlet i Malmø til en Omron-konference om kunstig intelligens i fremstillingsindustrien. Konferencen understregede, at teknologierne er til stede – det er forretningsplanerne, der skal finpudses.
Hvad hvis man kunne udvikle en maskinlæringsmodel, der kunne forudse, at en bestemt komponent i noget kritisk produktionsudstyr er i farezonen for at gå i stykker lillejuleaften, så man kan bestille reservedele hjem i god tid inden juleferien?
Eller hvad hvis man havde en industriel controller med indbygget kunstig intelligens, der ud fra mønstergenkendelse kan forudsige, at ens fyldelinje kører med en uønsket variation, som det blotte øje aldrig ville kunne opfange?
Det kan lyde som ønsketænkning. Men det er to eksempler på konkrete anvendelser af kunstig intelligens på et fabriksgulv, som cirka 100 branchefolk blev præsenteret for på Omrons konference om kunstig intelligens i fremstillingsindustrien den 5. december i Malmø.
Maskinlæring øger kvaliteten og minimerer nedetider
Kunstig intelligens – også kaldet AI, artificial intelligence – er en flere årtier gammel forskningsdisciplin, som takket være den eksponentielle teknologiske udvikling og et øget fokus på data er på vej til at blive en af den fjerde industrielle revolutions mest løfterige teknologier.
I den brede offentlighed forbindes AI måske mest med selvkørende biler og skakcomputere, men Omron-konferencen understregede, at AI og beslægtede begreber som maskinlæring og avanceret dataanalyse også er ved at finde rodfæste i industrien.
Tag den globale kuglelejeproducent SKF, der er anerkendt som en af industriens AI-pionerer, og som er i gang med at ensrette samtlige produktionsdata fra samtlige sine fabrikker for bedre at kunne høste gevinsterne ved dataopsamling og -analyse. Et af SKF’s første AI-projekter består således i at udvikle en maskinlæringsmodel, der kan kende forskel på brændemærker og oliepletter på kuglelejerne og derigennem højne kvaliteten af produktet.
Eller tag Novo Nordisk, der stadig er i gang med de indledende AI-øvelser. Men som er på vej med sin første deciderede AI-model, der ud fra en række forskellige parametre kan fortælle operatøren af en bestemt produktionslinje, hvor meget det bør være muligt at producere den pågældende dag.
Første controller med indbygget kunstig intelligens
Løsningerne er der med andre ord. Det er Omrons nyligt lancerede controller med indbygget kunstig intelligens – den første af sin art i verden – et eksempel på. Men konferencens forskellige oplæg viste også, at det som produktionsvirksomhed er vigtigt at begynde med et hvorfor.
-AI har brug for en businesscase, som Kasper Malthe Larsen, chief technology architect i Novo Nordisk globale it-afdeling, udtrykte det fra scenen.
-Det helt grundlæggende spørgsmål, man bør stille sig selv, er: Hvilke informationer kan signikant forbedre mine processer? supplerede Finn Hunneche, stifter af virksomheden Emendo, der blandt andet har udviklet dataopsamlingsenheden Blackbird.
Mennesker er virkelig dårlige til tal
Som med mange andre hypede begreber lider AI også under begrebsforvirring. For hvad er kunstig intelligens egentlig? Hvornår er en maskine intelligent? Og hvor går sondringen mellem avanceret dataanalyse og AI?
Alt sammen mere eller mindre akademiske sondringer, der langsomt vil erodere væk i takt med, at vi får udviklet mere komplette AI-løsninger til industrien, lød det fra en af konferencens hovedtalere, den danske AI-ekspert Thomas Terney:
-Vi kalder det heller ikke intelligente biler, men selvkørende biler. Ligesom vi heller ikke kalder det et intelligent e-mail-filter, men et spamfilter. Når først noget fungerer, holder vi op med at kalde det kunstig intelligens.
I stedet vil Thomas Terney – der har en ph.d. i kunstig intelligens og er manden bag den første bog på dansk om kunstig intelligens – hellere fokusere på de muligheder, som AI giver fremstillingsindustrien.
-Vi mennesker er virkelig dårlige til tal. Det er derfor, vi altid visualiserer ting. Her har vi en fremadstormende teknologi, som er virkelig, virkelig god til at deciffrere datasæt og tal. Men vi bruger for meget tid på at diskutere, om det er kunstig intelligens eller ej.