Hur AI förändrar fabrikerna

När en ny bil rullar ut från bandet hos någon av de stora europeiska biltillverkarna idag är chansen stor att ett AI-system har varit inblandat i produktionsprocessen.

Maskininlärning revolutionerar snabbt det sätt på vilket produkter tillverkas i olika branscher när tillverkare utnyttjar fördelarna med artificiell intelligens för att utföra uppgifter snabbare och mer exakt än någon människa skulle kunna göra.

Enligt en studie från Capgemini implementerar mer än 50 procent av de största europeiska tillverkarna för närvarande AI på något sätt. Tyskland ligger i topp med 69 procent av tillverkarna som använder det. I Japan är siffran 30 procent och i USA är den 28 procent. Kina ligger sist med 11 procent.

Detta är dock bara början. De flesta experter talar redan om Industri 4.0, som betraktas som en fjärde industriell revolution där maskininlärningsalgoritmer skapar autonoma system som gör den smarta fabriken till verklighet.

"AI kommer utan tvekan att påskynda automatiseringsprocessen inom tillverkningsindustrin", säger Robert Luciani, Executive Advisor på AI Framework i Stockholm. Skillnaden med AI är den skala av automatisering som du kan uppnå, vilket leder till ökad effektivitet för hela fabriken."

Hur fungerar AI?

En vanlig datoralgoritm innehåller en specifik uppsättning programmeringsinstruktioner som talar om för systemet exakt vad det ska göra, och i vilken ordning. En AI-algoritm är däremot utformad för att lära sig det bästa sättet att utföra en uppgift utan att använda specifika instruktioner. Istället använder den indata och feedback för att utveckla en modell, ofta genom miljontals upprepningar av trial and error.

AI kan studera värden från dussintals komponenter och i god tid se om ett problem är på väg att uppstå.

Schackprogrammet Alpha Zero är ett exempel på hur AI snabbt kan överträffa människor och traditionella datorprogram. Utvecklarna på DeepMind tränade Alpha Zero genom att helt enkelt lära det schackreglerna, utan att ge det några strategiska råd. Programmet spelade sedan miljontals partier mot sig själv och förbättrade sin förståelse för varje gång. Inom loppet av några timmar kunde det slå de starkaste traditionella schackprogrammen - och människor - med en spelstil som överraskade de främsta stormästarna.

AI-system för tillverkning kan använda självlärande på ett liknande sätt. Mitsubishi har t.ex. utvecklat ett AI-system som lär robotar nya uppgifter genom att låta maskinerna utveckla optimala åtgärder genom försök och misstag.

Förbättrad kvalitetskontroll

Idag är de vanligaste tillämpningarna av AI inom tillverkningsindustrin kvalitetskontroll och förebyggande underhåll, men många företag använder det även inom produktion, produktutveckling och supply chain management.

Vid förebyggande underhåll kan AI-system övervaka indata från en mängd olika maskiner och system för att hitta tidiga signaler på att något kan vara på väg att gå sönder. De kan sedan vidta åtgärder och förhindra att fabriken stängs ner.

"AI kan studera värden från dussintals komponenter och i god tid se om ett problem är på väg att uppstå och om det behövs förebyggande åtgärder", säger Luciani. AI är särskilt bra på kvalitetskontroll eftersom det kan använda automatiserade visuella inspektioner för att upptäcka små fel som det mänskliga ögat kanske inte ser.

Den japanska däcktillverkaren Bridgeston använder ett AI-verktyg med sensorer som inspekterar 480 olika fysiska objekt för att säkerställa att alla däck är monterade i optimalt skick.

BMW använder automatiserad bildigenkänning där AI-applikationen jämför en pågående produktionssekvens med hundratals andra bilder av samma sekvens för att säkerställa att alla delar monteras på rätt sätt. Volvo använder kamerabaserade AI-verktyg som inspekterar de färdiga fordonen, inklusive underredet och däcken. Dessa verktyg kan också användas av bilverkstäder för att hitta problem.

Hitta bättre designlösningar

AI används också i allt större utsträckning i designprocessen, särskilt när det gäller additiv tillverkning (3D-printing). I det som kallas "generativ" design får AI-algoritmen veta vilka designmål och parametrar som ska följas, t.ex. material- och kostnadsbegränsningar, och algoritmen testar sedan tusentals olika designalternativ för att hitta det bästa.

General Motors använde ett sådant AI-verktyg för att designa ett 3D-printat sätesfäste som kombinerade åtta olika delar till en del som var 40 procent lättare och 20 procent starkare än den tidigare. Andra populära användningsområden för AI är att förutse efterfrågan på vissa produkter, vilket kan bidra till att optimera produktionsscheman, lager och råvaruinköp. Men det finns fortfarande hinder när det gäller att sprida användningen av AI.

Ett område där jag tror att AI kommer att användas är inom beställningsvaror.

Det finns fortfarande en viss skepsis mot "intelligenta" maskiner, vilket gör att ett misstag som görs av ett AI-system ofta ses som allvarligare än misstag som görs av människor - även om de sker mycket mer sällan.

AI-system kan också vara mycket dyra att utveckla och är bara så bra som den data som matas in i algoritmen. Många företag har fortfarande inte den expertis som krävs för att skala upp AI-lösningar i hela sitt tillverkningsnätverk.

Än så länge sker de flesta användningarna av AI inom tillverkningsindustrin "under huven" på ett sätt som konsumenterna inte ser eller upplever. Men Luciani tror att det kan komma att förändras i framtiden.

"Ett område där jag tror att AI kommer att användas är i beställningsvaror som skräddarsydda kläder, där AI kan hjälpa till att mäta rätt passform för kostymer och skor", säger Luciani. "Det kan verkligen användas till vad som helst."