AI: 後ろに

ビジョン システムに組み込まれた人工知能は、ピック アンド プレイスおよび充填アプリケーションにおけるロボット工学の意思決定を導き、同時に製品の品質チェックを実行できます。画像提供：Festo North America

ARC Advisory Group Web サイトの論説記事の中で、研究ディレクターのマリアンヌ・ダキーラ氏は、「なぜ人工知能の実装は失敗するのでしょうか?」と尋ねています。 彼女は、「製造業への AI の導入は、ビジネス目標の理解と AI と既存のプロセスやシステムの統合が必要なため、困難ではないにしても、困難な場合があります。」と答えています。

D'Aquila 氏は続けて、「AI の実装を含むデジタル変革プロジェクトの効果的な開始点を決定するのは通常、非常に困難です」と述べています。 彼女は、強力な分析デジタル能力を開発する方法についての明確なアイデアがなければ、企業は AI のパイロットやプロジェクトの崩壊を経験することが多く、これらのプロジェクトは無駄な投資であるという社内認識につながると述べています。1

これらの失敗の一部は、噛み切れないほど噛み切ったことが原因であった可能性がありますか? たとえば、AI は、原料の入荷から加工、包装、そして出荷に至るまで、すべてのプラントの運用にまたがる、失敗する運命にあるすべてを一度に実装する必要はありません。これでは、期待される結果が得られない可能性があります。 おそらく、価値のある代替案は、エネルギー使用量の監視、製品品質の視覚的検査、機械の故障の予測など、組み込み AI を備えたアプリケーションを探すことです。 ソフトウェアおよび自動化ベンダーはすでにこれらのアプリケーションに AI を組み込んでおり、それらが機能することが証明されています。

この概念は、独立したアプリケーションとして、または Adob​​e Photoshop や Affinity Photo へのプラグインとして機能する、一部の新しい AI ベースのグラフィック ソフトウェアに似ています。 現在使用している AI ベースのプラグインを使用すると、作業をより迅速、正確、効率的に実行できるようになり、AI プログラミングやホスト アプリケーションの変更について心配する必要がなくなります。 プラグイン アプリケーション開発者は、面倒な作業をすでに行っています。 AI ベースのソフトウェアは、以前の非 AI ベースのソフトウェアよりも優れた機能を発揮することがわかりました。

そこで、AI ベースの ChatGPT に「人工知能は、アプリケーションが AI を使用していることをユーザーが気づかないようなソフトウェア アプリケーションの一部になるのでしょうか?」と尋ねてみようと思いました。 結局のところ、このテーマに関して AI システムが「どう考えているか」を尋ねるのは自然なことのように思えます。

ChatGPTは、「はい、ユーザーがその使用に気づかないような方法で、人工知能がソフトウェアアプリケーションの不可欠な部分になる可能性は非常に高いです。なぜなら、AIにはソフトウェアアプリケーションのさまざまなタスクを強化および自動化する可能性があるからです」と答えた。 、より効率的かつ効果的になります。

「たとえば、AI をアプリケーションで使用して、ユーザー インターフェイスやエクスペリエンスを改善し、パーソナライズされた推奨事項を提供し、日常的なタスクを自動化することができます。これらの機能がソフトウェア アプリケーションに統合されるにつれて、ユーザーは AI が使用されていることさえ気づかなくなる可能性があります。

「実際、これは、仮想アシスタント、チャットボット、レコメンデーション エンジンなど、舞台裏で AI を使用する多くのアプリケーションですでに起こっています。これらのアプリケーションは、AI を使用して、ユーザーに対話していることをユーザーに明らかにさせずに機能を向上させています。 AIシステムです。」

では、開発者が AI を組み込んだアプリケーションを利用して、プラントの一部をより効率的かつスムーズに稼働させてみてはいかがでしょうか?

質問に対して、ARC Advisory Group の D'Aquila 氏は、AI アプリケーションの一般的なカテゴリを 4 つ挙げました。4 番目は、皆さんが考慮していなかったかもしれませんが、同様に重要です。

Peak Technologies/Peak Analytics の社長である John Dwinell 氏は、「食品および飲料の加工業者は、販売および業務計画を改善するために AI ベースのソリューションをますます求めています」と述べています。 食品および飲料業界における AI の潜在的な利点についての認識が高まっており、多くの加工業者が業務の最適化に役立つ AI ベースのソリューションを積極的に模索しています。 ただし、特定の分野における AI の有効性と適用可能性については、依然として懐疑的または不確実性が存在する可能性があります。

AI は時として威圧的な場合があり、だからこそ、自社のビジネスを理解し、新しいテクノロジーの採用を民主化し、それを重要なビジネス プロセスや KPI に結び付ける能力を備えた人物と提携することが重要であると Dwinell 氏は付け加えます。

Festo North America は、あらゆる種類のプロセス機器の制御に使用される空圧および電気オートメーション用のスマート デバイスを製造しています。これらのデバイスには豊富なデータがあり、データ分析に使用できます。 「当社には、サードパーティのハードウェア/ソースおよびスマート デバイスからデータ モデルを抽出するゲートウェイ (ハードウェアとソフトウェア) があり、MQTT と Node-RED を利用してデータをコンテキスト化し、MQTT ブローカーで利用できるようにしています」と Frank Latino 氏は述べています。製品管理の電気オートメーション。 「当社には、予知保全、品質、持続可能性アプリケーションのデータを分析するための AI/ML ソフトウェア ツールがあります。」

「当社のソフトウェア ソリューションである Festo AX は、どのハードウェア メーカーからも、Festo コンポーネントからも独立しています」と、デジタル セールスの専門家である Lea Bayer 氏は述べています。 「リアルタイム データだけでなくオフライン データも分析でき、生産の OEE の向上に役立ちます。」

「一般に、食品や飲料のアプリケーションに AI/ML を適用して、機器の機械的故障、品質の低下、異常なエネルギー消費を予測します」と Latino 氏は言います。 「たとえば、鶏肉の加工には、プロセスのすべての段階に機構が組み込まれています。AI は、空気圧シリンダー内のプロセスの乱れを検出するために使用されます。充填用途では、AI は、液体やアイスクリームなどを制御するためのノズルやバルブの変化を検出するために使用されます。」

「IIoT を通じて収集されたプロセス データは、重要業績評価指標 (KPI) を構築するために集約できます」と、シーメンス デジタル インダストリーズ ソフトウェアのプロセス産業における製造運用管理の業界マネージャー、ジャン パオロ デ サルボ氏は述べています。 OEE KPI には、機械のダウンタイムと各障害発生の理由、機械が低速で動作していた期間、およびスクラップの割合が表示されます。 さらに、これらのプロセスの問題に関する生産状況、つまり、ある時点で包装機械がどのタイプの包装を扱っていたか、または充填業者がどの製品を消費者ユニットに充填していたかなど、生産状況を提供することが重要です。 「当社の製造オペレーション管理 (MOM) ソリューションは、これらすべての可視性を提供し、プロセスと生産上の問題の根本原因分析を掘り下げることをサポートします」と Di Salvo 氏は付け加えます。

AI は、OEE の KPI を分析して継続的改善をサポートする上で重要な役割を果たします。たとえば、自動アラートを設定して装置の動作や製品のスクラップ率の逸脱をオペレーターに通知したり、プロセス、生産、品質などのさまざまなドメイン間の動作と相関関係を特定したりできます。 。

Control System Integrators Association の会員である Gray Solutions のクールスタッフ担当副社長である Greg Powers 氏によると、Grey Solutions は主に品質検査の分野で高度なビジョン システムに注力してきました。 「視覚検査自動化 (VIA) ソフトウェアは、製品に自然なばらつきがある場合でも、異常や欠陥を検出するという従来のマシン ビジョンの機能を超えています。実証済みのビジョン AI テクノロジーを使用することで、メーカーは生産を拡大し、無駄を削減し、従業員の変化に適応しながら、均一な製品を達成することができます。」これに加えて、当社ではビジョン システムを使用して、食品の加熱過多または加熱不足に基づいてベルトの速度やオーブンの温度などの制御パラメータを変更する機会を特定しています。

「私たちが注力してきた分野のほとんどは処理中です」とパワーズ氏は付け加えた。 「AI/ML を備えたビジョン システムは、梱包分野ではすでに確立されています。これと同じテクノロジーを処理に使用することは、より多くの無駄やスクラップを排除することで一般的になってきています。私たちが注力してきたアプリケーションのほとんどは品質指向であり、分類、グレーディング、検査が含まれます。高度なデータ アルゴリズムを使用して、過去の傾向に基づいてダウンタイムがいつ発生するかを予測するために、これらと同じソリューションが使用されます。」

「AI は、生産バッチ全体の廃棄を避けるために取るべき修正措置を提案するのに役立ちます」と、シーメンス デジタル インダストリーズ ソフトウェアのデジタル マニュファクチャリング業界マネージャー CP&R のケビン ホーン氏は述べています。 ラボから得られるバッチの品質パラメータ結果に基づいて、AI は、そのバッチの品質パラメータ結果を仕様内に戻すために取るべき修正措置を提案することで、効率を高め、バッチの損失を防ぐことができます。 同様に、すべての品質パラメータが仕様内にある高品質のバッチであっても、AI は作業現場から得られるコンテキスト化されたデータを分析し、これを品質パラメータにリンクして、将来の生産に向けて機械パラメータを最適化できます。 そうすることで、最終的に標準となるまで、生産される各バッチをゴールデン バッチに近づけることができます。

「同様に、シーメンスでは、初期のアイデア生成と製造における最終的な実現を結びつけることによってのみ、真の品質を実現できると信じています」とホールン氏は付け加えます。 「これは、当社が食品および飲料の初期の製品開発中に AI の使用に取り組んできた場所でもあります。配合製品を扱う場合、美味しさや滑らかさなどの定量化が難しいパラメーターに合わせて配合を最適化するために取るべきアクションは、それほど単純ではありません。そこで私たちは、AI を活用してそれを効率的な方法で可能にし、時間とコストを節約し、企業が改良された製品をいち早く市場に投入できるようにする成功したユースケースを設定しました。」

シーメンス デジタル インダストリーズ ソフトウェアの IIoT 産業ソリューション責任者、アレクサンダー エプル氏は、高スループットによる品質の維持は困難になる可能性があると述べています。 「当社のソリューション品質予測ハブは、機械およびプロセスデータの機械学習を利用して包装プロセスに沿った品質問題を予測し、品質検査プロセスを自動化し、問題をできるだけ早期に検出し、品質問題の要因を示す情報を提供することでこれをサポートします。オペレータはライン設定を最適化するために利用できます。」

食品加工業者は OEE の向上を期待しており、AI/ML はこれらのアプリケーションに役立ちます。 「機械学習/AI ソフトウェアを使用する主な動機は、生産プロセスと OEE を改善することです」と Festo の Bayer 氏は言います。 「当社の顧客は生産において問題点を抱えていることが多く、状態監視などの従来のソリューションでは役に立ちません。顧客は障害検出に加えて、既存のアーキテクチャとプロセスに簡単かつシームレスに統合できるソリューションを期待しています。Festo AX は必見です」日々の仕事の一環として。」

「機器プロバイダーには、さらに多くの機能が組み込まれることを期待しています」と Gray's Powers 氏は言います。 「下流で収集されたデータに基づいて調整できるスマートマシン。より高度なアルゴリズムを使用してこれらの調整を行います。私たちは現在これを実行していますが、機器プロバイダーから正しいデータを取得し、どのようなパラメーターを調整できるかは常に課題です。」

なぜチャレンジなのか？ 「彼ら（機器プロバイダー）は、ソリューションや競争上の優位性（IP）に対するコントロールをある程度失うリスクがあるため、この（データ）を製造会社に提供することに躊躇しています」とパワーズ氏は言う。 「これらのハードルを乗り越えることができた食品加工会社は、廃棄物の削減、品質の向上、設備のダウンタイムの減少を実現しています。」

AI がプロセッサーをどこで支援できるかは、優先順位の設定によって異なります。 「注力分野は常に顧客の最も差し迫った課題によって決まりますが、それは企業によって大きく異なる可能性があります」とシーメンスのエップル氏は述べています。 「たとえば、予知保全は、新品の機械を使用している企業よりも、古い機器を使用している企業の方が重要である可能性があります。同様に、電力消費のピークを予測して回避することの重要性は、エネルギー強度や地域のエネルギーコストなどによって異なります。したがって、私たちは以下のことを提供します。最も一般的な課題に対する予測ソリューションのポートフォリオと、顧客が生産データに基づいて異常を検出したり予測を行ったりするための使いやすいツールです。」

プロセッサーは AI ベースのツールにどれくらいの費用を費やすべきでしょうか? 「製品の観点から見ると、それはブランドと市場での位置付けに大きく依存します」とホールン氏は言います。 「これは、AI ベンダーの次の言葉のようなものです。『当社は、2 番目ではなく最初に市場に投入することに数百万ドルの価値がある企業向けのソリューションを用意しています。』 一部の日用品メーカーと、そのメーカーが市場に投入する革新的な製品にはこれが当てはまりますが、他のメーカーにとっては、市場で早い段階で 2 番目に参入するだけで十分です。」

したがって、AI が価値をもたらす可能性のある注力領域を決定するのはプロセッサの義務である、と Hoorne 氏は付け加えます。

AI は期待されていることを「学習」する必要があるため、期待に応えるには忍耐が必要です。 場合によっては、メーカーはこれらのソリューションですぐに利益が得られることを期待していますが、常にそうとは限りません、と Gray's Powers 氏は言います。

「AI/ML の分析には大量のデータが必要です。これには、アルゴリズムを更新できるように、これらの初期パターンを収集して特定するのに時間がかかります。最終的には、システムを調整することができ、メリットがすぐに得られ、追加の時間はほとんどまたはまったく必要ありません」利益のほとんどは、廃棄物の削減、ダウンタイムの減少、さらには労働力の削減にあります」とパワーズ氏は言います。

「AI/ML で行われている作業の多くは、特に品質検査において、作業者が行っていた作業を置き換えるものです」と Powers 氏は付け加えます。 「多くの場合、システムは予想よりも多くの欠陥を検出し、製造プロセス中に製品の全体的な品質を向上させることができました。収集する必要があるデータを理解し、収集を開始することが非常に重要です。データが収集されたら、が収集されているので、これを使用して初期学習を行います。これにより、プロジェクト全体の時間を節約できます。」

Festo が実行した OEE アプリケーションでは、改善が認められました。 「当社のソリューションにより、計画外のダウンタイムが削減され、可用性が向上し、手戻りや無駄が削減されました」と Latino 氏は言います。 「誤検知を減らすためにデータ モデルを改善するには、数回の反復が必要になる場合があります。これが、経験豊富なチームを使用することが価値を高める理由です。彼らの経験は、試運転段階でできるだけ早くモデルを適切なものにするのに役立ちます。」

AI は幼児の段階に達しましたか、それとも歩いたり走ったりしているでしょうか? 「プロセスを制御するデバイスに AI を直接導入することで、AI の導入が容易になると考えています」とラテンアメリカ人は言います。

「当社は、お客様の生産プロセスと OEE の改善を支援することで、当社のソフトウェアを長年にわたって証明してきました」と Festo の Bayer 氏は述べています。 「当社は食品業界の多くの企業と協力しており、パレタイザーや充填機などの標準化された AI ソリューションを提供しています。当社のソフトウェア ソリューションはとうの昔によちよち歩きの段階を過ぎたと自信を持って言えます。」

「マシン ビジョンのタスクでは、従来のビジョン システムの範囲を超えた非常に複雑な分析が必要になりました」と Gray's Powers 氏は言います。 「その結果、食品製造分野における高品質の検査作業の需要が飛躍的に増大しました。製造された食品の品質を保証する必要性の高まりにより、従来の視覚システム技術の範囲を超えています。従来の視覚システム技術では、人間の能力ではほとんど実行できませんでした」検査タスクのようなビジョン システムは AI において大きな進歩を遂げており、AI ツールを提供する企業が増えたことで、市場は爆発的に拡大しました。予知保全などの他の分野でより多くのテクノロジーを実装するにつれて、AI はより具体的なものになりました。AI 企業は次の分野で成長しています。この地域は今後10年以内に爆発するでしょう。」

ARC Advisory Group の D'Aquila 氏は、AI の 3 つの成長分野を挙げています。

「パターンとアルゴリズムはクラウドに常駐し、オンプレミスの受信システムにプッシュダウンされて、アクションを実行したり、より多くの操作アルゴリズムを提供したりできます」と Powers 氏は言います。 「データをクラウドに転送する際に、インフラストラクチャに実際の課題がいくつか存在する可能性があります。サイバーセキュリティは多くの企業にとって大きな懸念事項であるため、工場からクラウドにデータを転送することはさらに困難になっています。IT グループは、データを転送するためのポート チャネルを開くことに躊躇しています。機器から収集されます。」

「処理業界の多くは、クラウドのセキュリティ上の懸念に苦しんでいます」と D'Aquila 氏は付け加えます。 「皮肉なことに、工場現場でのデジタル変革を考えるとき、クラウドの安全性が最も重要な課題として最上位に浮上しています。ARC の主な調査での会話により、クラウドに移行した人々が実際により安心感を感じていることが明らかになりました。

「彼らはまた、クラウドへの移行による利点としてスケーラビリティを挙げています。これにより、オンプレミスの高価なハードウェアに投資することなく、必要に応じて処理能力とストレージをスケールアップまたはスケールダウンできるようになります」と D'Aquila 氏は言います。 「クラウドは時間の経過とともにコスト効率が大幅に向上し、サイトでの定期的なメンテナンスを必要としません。」

「一般に、クラウド ソリューションはベンダーから簡単に更新できるため、ユーザーは常に最新バージョンを利用できます」と Latino 氏は言います。 「ホスティング サービスは通常、最新のセキュリティ保護を提供します。リアルタイムでの実行はアプリケーションによって異なります。必要に応じて、エッジ コントローラーでの実行も可能です。ただし、ソフトウェアはエッジでの異常検出やモデル定義を行うのに十分な柔軟性を備えている可能性があります。データベースなどは、より多くのリソース (メモリなど) が利用できるクラウド上に置くことができます。」

[1] 「なぜ人工知能の実装は失敗するのか?」 Marianne D'Aquila、ARC Advisory Group、www.arcweb.com、2023 年 5 月 1 日にアクセス

「人工知能/機械学習は間違いと無駄を減らす、FE、2022 年 5 月 9 日」

「AI は温室自動化システムの制御に役立ちます」エンジニアリング R&D、FE、2022 年 6 月 3 日

「AI/ML ベースのリアルタイム センシング技術はワイン造りの技術を正確な科学に変える」、Engineering R&D、FE、2022 年 7 月 12 日

「発酵から一貫した結果を得る」FE、2021 年 9 月 10 日

「生産性を向上させる新しい AI ベースの方法を見つけるには、デジタル データが必要です」、FE、2020 年 2 月 13 日