Imec på Smart Industries

Den her hedder: Smart Industries.

Menneske og maskine samarbejder på fabriksgulvet: et mareridt eller en kamp lavet i himlen? Hvad vil vores fabrikker se ud i 2035? spørger Pieter Simoens fra universitetet i Gent, en associeret Imec.

Du behøver ikke at være en stor visionær til at forestille sig en state-of-the-art produktionsanlæg, der er bragt sammen med robotter og kunstig intelligens (AI).

En 'stigning i maskinernes mareridt scenario? Ikke nødvendigvis, fordi folk også vil spille en vigtig rolle i morgendagens fabrikker.

Faktisk, hvis vi formår at kombinere styrken af ​​menneske og maskine optimalt, kan vi endda lægge grunden til et drømmeægte, som i 2035 kunne signalere starten på den femte industrirevolution.

Med smarte fabrikker, hvor fokus ikke er på automatisering, digitalisering og masseproduktion, men på tilpasning og personalisering - styret af menneskelig kreativitet.

Industri 5.0: Hvor smart robotik opfylder menneskelig kreativitet

Industrien har udviklet sig til breakneck-hastighed i de sidste 300 år. Det hele begyndte i det 18. århundrede, da landdistrikterne i Europa og Amerika gennemgik urbaniseringsprocessen, og jern- og tekstilindustrien begyndte at blomstre, dels takket være dampmotorens opfindelse.

Lige før første verdenskrig opstod nye industrier (såsom stål- og olieindustrien), mens opfindelsen af ​​elektricitet tillod os at starte masseproducerende varer. Det markerede starten på Industry 2.0.

Siden da er udviklingshastigheden blevet hurtigere. I 1970'erne oplevede vi starten på Industri 3.0 - med digital teknologi, automatisering af industrielle processer og indførelse af robotter.

Og i dag er vi i begyndelsen af ​​Industry 4.0, som i høj grad bygger på ting i forbindelse med ting (IoT): Enheder af alle slags - herunder robotter - er forbundet til internettet og producerer en kontinuerlig strøm af data; data, der kan bruges til at generere mere indsigt i industrielle processer og at understøtte disse processer 'yderligere optimering

Figur 1: Fra dampmotor til ting af ting: Industrien har udviklet sig til breakneck-hastighed i de sidste 300 år.

Imponerende, ikke? Selvfølgelig skal vi tilføje en advarsel om denne udvikling. Da automatisering og optimering er blevet vigtigere i årenes løb, har menneskelig inddragelse været mere og mere truet ...

"Alligevel er det netop denne trussel, der vil blive afsluttet med den kommende industri 5.0. I en verden, hvor enhver enkelt ønsker at udtrykke sig fuldt ud, vil der være stigende efterspørgsel efter unikke, tilpassede og personlige produkter. I en sådan æra vil den hellige gral ikke længere være robotstyret masseproduktion, men menneskelig kreativitet. "

Som sådan, i de smarte fabrikker i 2035, skal der indføres en ny samarbejdsmodel. Et ægteskab, man kunne sige mellem menneske og maskine - med robotter, der udfører det tunge mekaniske arbejde, og med deres menneskelige medarbetere er de "kreative arkitekter" (opfinde nye, specialfremstillede produkter og overvåge deres produktion i morgendagens fabrikker).

Spørgsmålet er: Hvordan kan du skabe et partnerskab mellem mand og maskine i en sådan indstilling? Hvordan forfalder du en optimal parring, så 1 + 1 bliver effektivt 3? Det vil alle koge ned til effektiv kommunikation mellem de forskellige parter!

Digitale tvillinger til vores smarte fabrikker?

For at give Industry 5.0 enhver chance for succes, vil det være afgørende at fremme kommunikation mellem de forskellige aktører (mennesker og maskiner).

Selvfølgelig kommunikerer maskiner allerede med hinanden i dag. For eksempel sikrer i store bilfabrikker, integratorer, ved hjælp af standardiserede protokoller, at maskiner (nogle gange fra forskellige udbydere) 'ved' nok om hinanden for at opfylde produktionsmålene. Men lad os være ærlige: I dagens fabrikker har hver maskine i grunden sin egen bit af (samlebånd) arbejde, og der er ikke brug for nogen reel kommunikation.

I fremtiden, når maskinerne bliver mere autonome og skal forudse hinanden, bliver kommunikationen vanskeligere.

"For eksempel: Forestil dig to robotter, der nærmer hinanden på fabriksgulvet. I denne situation, hvordan kan en robot forudse, hvordan den anden skal flytte ("Vil han gå til venstre eller højre? Og hvad skal jeg gøre ...")? Og det er før man tager hensyn til andre robotters positioner, handlinger og reaktioner i nærheden ... "

For at klare denne type situationer kan du lave en digital kopi (eller tvilling) af fabrikken i skyen. Som sådan opretter du en digital model af den fysiske fabriksgulv; en model, der løbende opdaterer sig selv baseret på realtid sensor data; en model, hvor alle beslutninger (og deres resultater) simuleres i realtid.

I dette scenario er alle autoriteter hostet på en central placering, hvorfra alle instruktioner afgår. Og robotterne og maskinerne på fabriksgulvet er det fysiske resultat af, hvad der sker i den virtuelle verden.

Ved første øjekast synes denne "diktatormodel" at være en ideel løsning til at håndtere komplekse situationer på fabrikken, samtidig med at produktionsmålene sikres. Teknisk set er et sådant scenario allerede perfekt muligt: ​​de eneste ting, du har brug for, er en hurtig dataforbindelse mellem de fysiske maskiner i produktionsområdet og den virtuelle hjerne og en masse processorkraft.

Der er dog to forsigtighedsregler for dette. Den første er rent økonomisk. Lad os ikke glemme, at industrielle indstillinger ofte er komplicerede og konkurrencedygtige steder, hvor mange aktører samarbejder (leverandører og partnere - og nogle gange også konkurrenter). I en sådan sammenhæng er beskyttelse af data, privatliv og information enormt vigtigt - som ikke passer til scenariet "diktatormodel", hvor den centrale hjerne skal have adgang til alle mulige typer data (herunder konkurrencedygtige følsomme data) for at kunne udføre sit arbejde korrekt . For mange virksomhedsledere ville det være det ultimative mareridt at skulle dele disse data.

Fig. 2: Skal vi lave digitale tvillinger fra fabrikken i skyen for at realisere en pålidelig kommunikation mellem mennesker og maskiner? Selv om denne "diktatormodel" synes at være en ideel løsning til at håndtere komplekse situationer på fabriksgulvet, er der to advarsler: Konkurrenter, der arbejder i samme fabrik, ønsker ikke at dele data, og en menneskelig medarbejder skal kunne gribe ind.

Og den anden advarsel? Menneskelig uforudsigelighed! Selvom vi kan drive en fabrik, hvor kun en parts forretningsmæssige interesser er involveret, falder det centralt kontrollerede scenario i stykker, så snart en person går rundt i fabrikken. en person med egen autonomi og myndighed. Forestil dig for eksempel at den menneskelige medarbejder (den "kreative arkitekt" som vi har mærket dem tidligere) bemærker, at en robot gør noget forkert og bliver involveret for at rette op på fejlen. I det øjeblik ville hele systemet stå stille som den virtuelle hjerne ville have mistet al kontrol.

Derfor kan denne model kun være en gyldig for industrielle faciliteter, der fokuserer på produktion af bulkgoder, og hvor menneskers rolle er minimal (eller - i det lange løb - måske endda ikke eksisterende).

En ny form for kunstig intelligens: kompleks ræsonnement

Med andre ord: Når man og maskine skal arbejde sammen, skal vi bruge forskellige metoder til at imødegå menneskelig uforudsigelighed og sikre, at robotter kan forudse det.

"Et særligt lovende princip er" kompleks ræsonnement "- en ny form for kunstig intelligens, der kan bruges til at undervise maskiner, hvordan man selvstændigt forestiller sig og foregriber noget (eller nogen) handlinger. Der er dog stadig en lang vej at gå, før vi kan sætte princippet om komplekse ræsonnement i praksis. "

Den kunstige intelligens, som vi kender den i dag, er trods alt baseret på "dyb læring" - en kraftfuld teknologi til at genkende mønstre i store mængder data. I mellemtiden har vi mestret denne teknologi, så nu er målet at tage det næste skridt, og at have maskiner spørge sig selv spørgsmålet: "Hvordan påvirker mine handlinger handlinger fra mennesker omkring mig?"

For at gøre tingene endnu mere komplicerede, skal vi kaste denne ekstra vægt i blandingen: I en industriel indstilling er det vigtigste krav gennemsigtighed (for at sikre, at produktionsmålene kan opfyldes).

Men dyb læring er faktisk modsat af dette, nemlig en "sort boks": du træner systemet for at genkende mønstre, men du mister kontrollen over, hvordan systemet kommer til sine konklusioner.

Derfor er et ekstra krav til kompleks begrundelse, at det skal være tilstrækkeligt gennemsigtigt (eller "forklareligt") for folk at acceptere det, hvilket betyder, at vi i fremtiden vil tale om "forklarlig AI".

Livslang læring: også til robotter

I løbet af 2035 vil kompleks argumentation blive et nyt strategisk forskningsemne, hvor hold fra hele verden undersøger, hvordan de underliggende algoritmer skal udvikles, implementeres og optimeres.

Desuden vil vi blive konfronteret med spørgsmålet om, hvordan maskinerne løbende kan forbedre deres reaktioner og måder at foregribe handlinger på. Det betyder, at nye 'belønningssystemer' baseret på implicitte og eksplicitte feedbacksignaler skal udvikles.

"Man kan vædde på, at begrebet" livslang læring "i fremtiden ikke længere kun gælder for mennesker, men også for maskiner ..."

Hvordan bidrager imec til denne fremtid?

Imec har en verdensledende position inden for flere af de teknologiske domæner, der driver oprettelsen af ​​smarte industrier: fra forskning til intelligent logistik og internettet til ting op til menneske-maskine interaktion, der giver mening om store data, oprettelse af sensorsystemer til industrielle applikationer, billedteknologi og så videre.

Spørgsmål, som vores forskere forsøger at svare på, er:

• Hvordan kan vi hjælpe virksomheder med at reducere driftsomkostninger (f.eks. Produktionstid og energiforbrug) - og hjælpe dem med at løse komplekse logistiske puslespil, der gør brug af intelligente algoritmer?

• Hvordan kan vi udvide fordelene ved holografisk 3D-teknologi eller smart vision-systemer til domæner som smart underholdning og smart fremstilling?

• Hvordan kan vi optimalt - og sikkert - rumme menneskemaskinsinteraktion i produktionsmiljøer?

• Hvordan kan vi kombinere sensorer, aktuatorer og elektronik i små og ultra-lave strømchips, som løbende erhverver data om produktionsprocesser, lager- og lagerstyring?

• Hvordan kan billigere identifikations-, sporings- og sensing chips integreres i plastfolie, tyndere end papir?

• Hvordan kan vi slå de enorme mængder ustrukturerede data, der genereres af sensornetværk, til brugbar viden, der gør virksomhederne mere effektive?