Kunstig intelligens begynder med gode data
Hvis en maskinfabrik eller fremstillingsvirksomhed skal i gang med at bruge kunstig intelligens (AI) i produktionen, så er indsamling af de rigtige data første skridt på rejsen.
Det forklarer Kurt Nielsen, som er centerchef på Center for Robotteknologi hos Teknologisk Institut.
I sidste ende er målet med den kunstige intelligens at finde årsagerne til fejl på maskinerne eller finde frem til, hvorfor en maskinlinje over tid producerer mindre og mindre. Her kan den kunstige intelligens hjælpe med at finde nogle mønstre og sammenhænge, som man ikke kendte i forvejen. Men den opgave er ikke nødvendigvis let.
- På en CNC-maskine eller en stansemaskine er mængden af data ikke specielt stor, så det handler om at finde de data, du skal anvende, siger han.
De data kan handle om, hvor mange fejl maskinen laver, hvordan fejlen sker, hvad sker der før og efter fejlen, op hvor emnet kommer fra, forklarer Kurt Nielsen, som vurderer, at kunstig intelligens på den måde vil være en ny vej til optimeret produktion og forebyggende vedligehold af maskinparken.
Behov frem for kalender
Kurt Nielsen peger på, at kunstig intelligens handler om at kunne skifte maskiner og værktøjer efter behov, så man ikke bare kører sit vedligehold styret af en dato og en kalender.
- Når man har samlet data nok ind, og de indsamlede data er valide, så kan den kunstige intelligens hjælpe med at se nogle mønstre, vi ikke selv ser, og dermed kan man handle på udfordringerne, før fejlen sker, siger Kurt Nielsen.
Men selvom det lyder let, så er det langt fra så simpelt, og Kurt Nielsen opfordrer da også maskinfabrikkerne til at gå frem med små skridt i arbejdet med kunstig intelligens.
- Kunstig intelligens er en gamechanger, der på et tidspunkt kommer til at styre store dele af produktionen. Omvendt skal man have en plan for, hvorfor man gør det her, og hvor man vil indsamle sine data. En god idé er at begynde med et begrænset projekt, hvor man har et klart mål eller enkelt problem og så søge viden og partnerskaber ud fra den opgave, opfordrer han.
Intelligent kvalitetskontrol
Mens det kniber med kunstig intelligens på maskinfabrikken, så er den kunstige intelligens langt mere udbredt, når det handler om kvalitetskontrol i produktionen.
- Kvalitetskontrol vil typisk foregå med kameraer, hvor emnerne suser forbi, og systemet selv kan sortere i emnerne. Det kan lade sig gøre, fordi billederne i sig selv er proppet med data, og de data kan den kunstige intelligens bruge til at finde mønstre og kendetegn, selvom det eksempelvis handler om sortering af blomster, hvor ikke to er helt ens, siger Kurt Nielsen.
Sortering af batterier er et andet område, hvor kunstig intelligens bruges i dag.
- Hvis du skal sortere batterier uden kunstig intelligens, så skal du i princippet fodre dit anlæg med data om alle kendte batterier i hele verden, og det kan du ikke. Derfor bruger du kunstig intelligens til at lære din maskine nogle mønstre, du forklarer den med andre ord, hvad der kendertegner et batteri, når den ser det, forklarer Kurt Nielsen.
De kloge robotter
Og så er der naturligvis robotterne, som i dag er vidt udbredte men endnu ikke selv er i stand til at udføre en handling bygget på dataopsamling, mønstre og kendetegn.
- Med robotterne er vi stille og roligt i gang, men der kører ikke mange AI-robotter derude, hvor kunstig intelligens bliver en del af oplæringen. Altså, hvor du viser robotten, hvad den skal gøre, og så gør de det som en form for sidemandsoplæring. Det handler jo om, at det er svært at overføre erfaringen fra faget og medarbejderne over til robotten, siger Kurt Nielsen.
