Чи може штучний інтелект створити повністю автоматизовані заводи — колонка Harvard Business Review
Режим читання збільшує текст, прибирає все зайве зі сторінки та дає можливість зосередитися на матеріалі. Тут ви можете вимкнути його в будь-який момент.
В осяжному майбутньому технологія перестане бути вузьким місцем для перетворень, які різко зменшують потребу в людських працівниках на фабриках. У міру вдосконалення технологій, рішення про досягнення цієї мети залежатиме насамперед від економічних міркувань підприємства. Виробники, які впроваджують автоматизацію і демонструють гнучкість у перегляді своїх операційних стратегій, матимуть найкращі шанси скористатися цією хвилею.
Чи може штучний інтелект створити повністю автоматизовані заводи? Це питання розглянули в дослідженні для Harvard Business Review співробітники Boston Consulting Group —керівний директор та старший партнер BCG Даніель Куппер, директор Глобального інституту штучного інтелекту Леонід Жуков, СОО Яннік Бастуббе та консультантка Намрата Раджагопал.
Статтю українською мовою підготувало Бюро перекладів для бізнесу MK:translations. Ми публікуємо адаптований та скорочений переклад.
Останні кілька десятиліть виробничий сектор з нетерпінням чекає на появу повністю автоматизованих заводів. На таких заводах виробництво буде організовано безперешкодно за допомогою мережі високотехнологічних роботів, інтелектуальних машин і датчиків, що дозволить розв’язати проблему дефіциту робочої сили й водночас значно зменшити операційні витрати. За умови мінімального втручання людини вони, теоретично, можуть працювати у повній темряві, за що отримали назву «завод без світла або повністю автоматизований завод».
На сьогодні кілька значних спроб створити такі заводи, наприклад, автоматизоване виробництво Adidas у США та Німеччині, завод інструментів Craftsman компанії Stanley Black & Decker у Техасі, а також компанія Tesla. Її генеральний директор Ілон Маск заявив, що «надмірна автоматизація… була хибною». Така заява поставила під сумнів життєздатність заводів у широкому розумінні цього слова. Як наслідок, деякі галузеві експерти закликають повністю відмовитися від стратегії автоматизованого заводу.
Ми стверджуємо, що робити це було б помилкою. А майже стагнаційне зростання обсягів виробництва продукції за годину роботи в розвинутих країнах, таких як США (-0,4%) та Німеччина (1%), починаючи з 2018 року, підкреслює необхідність автоматизації для досягнення збільшення ефективності виробництва.
Гарною новиною для виробників є те, що, спираючись на наші дослідження та практичний досвід, відбуваються значні зрушення. Вхідні бар’єри для запровадження, які перешкоджали попереднім зусиллям, швидко знижуватимуться впродовж наступних кількох років. Роботи стають все більш здібними, гнучкими та економічно ефективними, а втілені агенти сприяють застосуванню генеративного штучного інтелекту у виробниче середовище. Виробники мають підготуватися до неминучих змін, інакше вони ризикують втратити свої позиції.
Зміна наявного заводу на повністю автоматизований
По всьому світу з’являються інноваційні центри, які демонструють перспективність повністю автоматизованих заводів. Розглянемо приклад нашого клієнта — європейського постачальника автомобільних запчастин, який прийняв сміливе рішення перетворити наявний завод на повністю автоматизоване виробництво, де люди виконують функції планування, контролю та технічного обслуговування.
Компанія поставила собі за мету досягти конкурентоспроможності за собівартістю, що зробило її економічно життєздатною для роботи в країні з високими витратами, продовжуючи при цьому обслуговувати клієнтів у дводенний термін. Їй вдалося скоротити прямі трудовитрати на 100%, ефективно розв’язавши проблему нестачі кадрів, з якою стикається ця галузь, а показник EBITDA Обсяг прибутку до вирахування витрат за відсотками, сплати податків та амортизаційних відрахувань на заводі зріс на 8%. Наразі ця ініціатива поширюється на інші високовартісні об’єкти по всьому світу.
Для початку цієї зміни наш клієнт проактивно вирішив найпоширеніші фінансові та технічні проблеми, з якими стикаються виробники повністю автоматизованих заводів, — вони присутні в усіх сферах заводських операцій.
Передбачувані процеси
Більшість заводських процесів охоплюють однотипні завдання, що робить їхнє виконання технічно можливим і вигідним для роботів. Наприклад, самокеровані транспортні засоби можуть легко пересуватися цехом за заздалегідь визначеними маршрутами. Однак для встановлення та обслуговування таких роботів потрібна висококваліфікована робоча сила, що обмежує потенціал для загального скорочення витрат на робочу силу.
Непередбачувані процеси
Навіть у строго контрольованих середовищах деякі заводські процеси залишаються, по суті, невпорядкованими. Заздалегідь запрограмовані роботи часто не можуть адаптуватися до цих складних непередбачуваних ситуацій. Автоматизований контроль якості, як правило, не завжди може виявити дефекти, які з’явилися вперше. Відсутність можливості адаптації до непередбачуваних обставин заважає виробникам повністю довіряти процесам автоматизації.
Неавтоматизовані процеси
Через наявні технологічні обмеження певні складні процеси просто неможливо автоматизувати. Наприклад, роботи не можуть впоратися з «комплектуванням» — процесом підбору та упорядкування різних дрібних деталей для монтажу. Ці маленькі деталі або занадто схожі, щоб робот міг їх легко ідентифікувати, або занадто різні, щоб робот міг правильно взяти кожну з них. Як наслідок, для виконання цих завдань все ще потрібна людина.
Для розв’язання цих проблем наш клієнт вирішив застосувати підхід «перепроєктування під автоматизацію» для свого процесу, продукції та планування. Ця повна перебудова заводських операцій додала нові технологічні кроки для покращення можливості автоматизації, водночас усуваючи неефективність процесів, орієнтованих на людину. Наприклад, нашому клієнту більше не потрібно було жертвувати цінними площами для зберігання запасів, які люди можуть бачити та діставати.
Замість цього він побудував вертикальні складські приміщення на другому поверсі, до яких роботи можуть легко отримати доступ і переміщатися. На звільненому просторі вони встановили більше машин, що дозволило збільшити виробництво більш ніж на 30%. Фактично перебудувавши процеси з нуля, вони виявили інноваційні варіанти адаптації, які охоплюють це:
Оптимізація використання роботів для мінімізації витрат
Основна увага під час трансформації була зосереджена на оптимізації кількості залучених роботів. Наприклад, наш клієнт на самому початку зіштовхнувся з ключовим рішенням: чи варто інвестувати півмільйона доларів лише на транспортування пластикових деталей до пункту збирання? Витрати були значними, оскільки для кожного розміру деталі потрібен був спеціальний робот. Щоб уникнути цих витрат, ми допомогли їм перепроєктувати процес, додавши конвеєрну стрічку, яка групувала пластикові деталі однакового розміру на виході.
Цей один новий крок зменшив кількість необхідних роботів удвічі, що значно покращило економічне обґрунтування заводу з переходу на безпілотне виробництво.
Навчитися передбачати майбутні сценарії
Наша мета полягала в тому, щоб навчити системи штучного інтелекту готуватися до невизначеності до початку виробництва, а не під час нього. Наприклад, наш клієнт встановив автоматизований візуальний інспектор для створення зображень і виявлення проблем з якістю, наприклад, подряпини. Деякі дефекти трапляються настільки рідко, що на їхнє виявлення без допомоги людини системі можуть знадобитися роки. У результаті ми створили багато штучних або «синтетичних» зображень потенційних дефектів, імітуючи різні умови освітлення, які відповідають тому, що може зафіксувати камера.
Цей додатковий крок дозволив нам залучити повністю підготовленого візуального інспектора з нуля, усунувши необхідність нагляду до моменту стабілізації системи.
Налаштування процесу для уникнення завдання
Технологічні потоки можуть змінюватися, оминаючи завдання, які ще не можуть бути автоматизовані. Для нашого клієнта жоден робот не міг ефективно виконувати комплектацію. Тому ми створили систему складування коробок з QR-мітками у співпраці з постачальниками. Кожна коробка містила один тип деталей, що дозволило роботам автономно ідентифікувати QR-коди й отримувати коробки в точній послідовності, необхідній для збирання.
Хоча завод нашого клієнта показав величезний потенціал при застосуванні такого підходу, на сьогодні цей перехід був нелегким для всіх виробників. Багато хто сприймав технічні бар’єри як занадто високі, щоб зробити такий стрибок. Клієнти досить часто не наважувалися робити інвестиції, побоюючись зупинки всього виробництва, попри обіцянки значних довгострокових вигод. Крім того, поступовий технологічний прогрес не сприяв формуванню цілісного уявлення про потенціал автоматизації.
Утім, таке мислення може кардинально змінитися, оскільки концепція «повністю автоматизованих заводів» демократизується і стає більш доступною для ширшого кола виробників.
ШІ знижує вхідні бар’єри для автоматизованих заводів
Зараз ми вступаємо в перехідний період, який знижує вхідні бар’єри для виробників будь-якого розміру. Повна автоматизація залежить від роботизованих засобів, які можуть сприймати, планувати й виконувати завдання майже на тому ж рівні, що й людина. Ще кілька років тому ці роботи підтримували лише заздалегідь сплановану, одновимірну взаємодію з виробничим середовищем, що суттєво обмежувало їхні можливості.
Наразі ситуація змінюється, оскільки втілені агенти застосовують можливості генеративного штучного інтелекту у фізичному світі робототехніки. Зараз роботи можуть сприймати зміни в цеху за допомогою мультимодальних сенсорів, включно з текстом, аудіо, датчиками та сигналами. Таким чином, штучний інтелект може генерувати прості плани й повторювати їх, щоб забезпечити відповідність такому розумінню світу. У реальному часі роботи можуть перевести цей план у конкретні дії та виконати їх. Такі розробки є зовсім новими, але багато з них вже увійшли в науково-дослідний конвеєр виробників і починають застосовуватися.
Простота інструкцій
Програмування та інтеграція становлять від 50 до 70% вартості роботизованого застосунку. Очікується, що інтерфейси генеративного штучного інтелекту значно знизять ці витрати, надаючи інтерфейс зрозумілою мовою для інструктажу роботів навіть нетехнічним працівникам.
Трансформація буде радикальною: замість одного спеціалізованого працівника на кожні 8 роботів, заводу знадобиться лише один неспеціалізований працівник на кожні 25. Промислові застосунки вже з’явилися. Наприклад, Sereact вже розгорнула голосовий або текстовий командний інтерфейс PickGPT для взаємодії з роботами за допомогою простих інструкцій, таких як «Мені потрібно упакувати замовлення».
Універсальність завдань
Традиційний підхід до навчання роботів для виконання окремих завдань поступово втрачає свою актуальність. DeepMind і понад 30 дослідницьких лабораторій продемонстрували, що роботи широкого профілю перевершують роботів-спеціалістів більш ніж на 50% у виконанні різноманітних завдань, таких як прокладання кабелів, маніпуляції з об’єктами та збирання й пакування. Така універсальність зменшує потребу в розгортанні численних роботів, мінімізує час очікування і підвищує загальну ефективність.
Наразі такі автовиробники, як BMW, Mercedes, Honda, Hyundai та Tesla, досліджують можливості універсального виконання завдань за допомогою людиноподібних роботів загального призначення. Наприклад, у BMW пілотується фігурний штучний інтелект на базі відкритого ШІ, який використовується в кузовному цеху, на виробництві листового металу та на складі.
Однак людиноподібний вигляд робота стає дорогим і непотрібним в умовах автоматизації без будь-якої взаємодії між людиною і роботом. Тому технологія зміщується в бік більш економних рішень, зберігаючи при цьому таку ж універсальність. Наприклад, Mimic створює людиноподібні руки без ніг.
Адаптивність до ситуації
Роботи можуть динамічно визначати та адаптуватися до мінливого промислового середовища. Наприклад, модель роботизованого фундаменту компанії Covariant розробляє власні стратегії для вирішення складних завдань, таких як струшування коробок для легшого захоплення предметів всередині, що дозволяє роботам обробляти понад 100 000 SKU Ідентифікатор товарної позиції , яких раніше не було на складі клієнта, в перший же день роботизації. Моделі Covariant ефективно адаптуються завдяки аналізу мільйонів реальних мультимодальних даних про роботів, які виконують завдання з підбору об’єктів.
Попередньо навчені моделі вирівнюють умови для виробників, скорочуючи час налаштування, підвищуючи ефективність завдяки миттєвій адаптації та, в цілому, зміцнюючи довіру до систем автоматизації.
Людська маневровість
Межі автоматизованих завдань швидко розширюються, оскільки роботи стають дедалі кращими в імітації людської поведінки в широкому спектрі завдань. Науково-дослідний інститут Toyota розробляє «дитячий садок для роботів», де люди-оператори вручну керують роботами, які реалізують понад 200 звичайних людських навичок, таких як використання інструментів і наливання рідин, поки генеративний штучний інтелект вивчає ці поведінки у фоновому режимі.
Google показав, що роботи можуть навчатися певних навичок навіть з відео, застосовуючи траєкторії рухів людини. Лише за останній рік рішення з автоматизації для розв’язання давньої проблеми комплектації нарешті набули промислового масштабу. Daimler Truck уклала партнерську угоду з Sereact для впровадження рішення на базі штучного інтелекту, здатного динамічно ідентифікувати та коригувати стратегію захоплення залежно від типу об’єкта.
Початок трансформації до повністю автоматизованого виробництва
Спочатку виробники мають зосередитися на розумінні та розв’язанні поточних проблем. Це дозволить отримати швидкі результати, які забезпечать фінансування наступних етапів. Крім того, виробники мають провести критичний аналіз всієї трансформації.
Переосмислити інвестиційні критерії
Термін окупності індивідуальних сценаріїв автоматизації є важливим, проте розгляд його поряд із загальними перевагами автоматизованої системи надає чіткіше уявлення про цінність інвестицій. Наприклад, у своєму аналізі витрат і прибутків фінансова команда нашого клієнта врахувала той факт, що загальний обсяг виробництва збільшиться на 30%, якщо буде впроваджена система автоматизації.
Переглянути стратегію впровадження
Впровадження автоматизованого заводу вимагає координації між операціями, проєктування продукції, технічне забезпеченням та закупівельну діяльність. Ці мультидисциплінарні команди мають тісно співпрацювати для створення циклів швидкого вдосконалення нещодавно розгорнутих роботів та ітеративного покращення своїх рішень.
Переосмислити процес прийняття рішень
Роботи генерують безперервний потік цифрових даних, які можна збирати й аналізувати, забезпечуючи безпрецедентну прозорість заводських операцій. Це дає можливість приймати більш обґрунтовані рішення, замінюючи інтуїцію і потенційно ненадійні людські дані всебічним аналізом першопричин будь-яких факторів, що впливають на роботу цеху.
У найближчому майбутньому технологічні рішення перестануть бути стримувальним фактором для перетворень, пов’язаних з автоматизацією. Рішення про досягнення цієї мети, у першу чергу, залежатиме від економічних чинників, а не від технічних перешкод. Виробники, які впроваджують системи автоматизації та демонструють гнучкість у перегляді своїх операційних стратегій, матимуть найкращі можливості для отримання максимальної вигоди від цих змін.
Більше про це
Сем Альтман залишився один. Дайджест техноновин від Roosh Ventures
Будь-яку статтю можна зберегти в закладки на сайті, щоб прочитати її пізніше.
Партнерські матеріали
