ABB i Microsoft wdrożą zaawansowaną sztuczną inteligencję do aplikacji przemysłowych

Czy wkrótce nie tylko specjaliści będą w stanie serwisować specjalistyczne, przemysłowe urządzenia? Firma ABB i Microsoft pracują nad wdrożeniem generatywnej sztucznej inteligencji (GenAI) do przemysłu, która usprawni analizę danych i pomoże podjąć właściwą decyzję zapobiegającą awarii urządzeń.

GenAI to forma sztucznej inteligencji, która sama tworzy oryginalne treści – teksty, obrazy czy dźwięki – na podstawie pozyskanych danych. Przykładem są algorytmy wykorzystywane w ChatGPT. W przemyśle GenAI pomoże wykorzystać potencjał danych operacyjnych, które są generowane przez urządzenia i systemy sterowania w fabrykach, rafineriach czy zakładach energetycznych. Obecnie zdecydowana większość tych danych nie jest w ogóle wykorzystywana.

center

Nowe podejście ma usprawnić zbieranie i weryfikację danych, a także zautomatyzować proces wnioskowania na ich podstawie. W tym celu ABB zintegruje swoją cyfrową platformę dla przemysłu ABB Ability™ Genix z usługami Azure OpenAI Microsoftu. Wśród tych usług są tak zwane duże modele językowe (Large Language Model – LLM), jak np. najnowszy GPT-4, który jest wykorzystywany w ChatGPT Plus.

Z połączenia ABB Ability Genix oraz Azure Open AI Service ma powstać Genix Copilot, uzbrojony w zaawansowane narzędzia wnioskujące i algorytmy uczenia maszynowego. Dzięki GPT-4, platforma będzie mieć możliwość generowania kodu, obrazów i tekstów w czasie rzeczywistym na bazie otrzymywanych danych.

– Poprzez Open AI Service otrzymujemy dostęp do szeregu funkcji wykorzystujących sztuczną inteligencję. Nie wszystkie są wykorzystywane w przemyśle, ale te, które zastosujemy, mogą okazać się nową jakością w zakresie utrzymania ruchu, zwiększania wydajności urządzeń i ich dostępności, a także zmniejszenia zużycia energii – mówi Waldemar Pakos, odpowiedzialny za rozwiązania cyfrowe w biznesie Automatyki Procesowej ABB w Polsce. – Genix będzie wykorzystywał GPT-4, aby „uczyć się” pracy urządzeń, co pozwoli na sprawny ich monitoring online i skuteczne przewidywanie awarii. Jednak równie ważną funkcjonalnością będzie podpowiadanie operatorowi co powinien zrobić w danej sytuacji ruchowej. System wnioskujący będzie bazował na automatycznie zebranych danych z systemów sterowania lub danych wprowadzonych ręcznie przez operatora. W oparciu o swoją bazę wiedzy, system podpowie, a pewnie i zobrazuje – np. za pomocą rozwiązań typu VR – odpowiednie rozwiązanie problemu.

Przykładem mogą być analizy turbin – bardzo popularnych urządzeń w zakładach przemysłowych i energetyce zawodowej. Doświadczeni specjaliści potrafią dość szybko rozpoznać, co jest przyczyną nieprawidłowości w działaniu urządzenia, i czy w takiej sytuacji np. trzeba sprawdzić stan łożysk, a może tylko wymienić filtr oleju. Co jednak jeśli urządzenie serwisuje ktoś niedoświadczony? Aby skrócić czas serwisu, a przez to i przestoju, rolę bardziej doświadczonego kolegi, który pomoże podjąć właściwą decyzję, przejmie narzędzie wnioskujące. Z czasem takie podejście może rozwiązać problem braku wyspecjalizowanych pracowników. System zaproponuje bowiem instrukcję, co należy wykonać „krok po kroku” – na podobnej zasadzie, jak w automatycznym defibrylatorze AED.

– Narzędzie oczywiście musi posiadać odpowiednie dane historyczne, stanowiące bazę wyjściową. ChatGPT udowodnił swoją skuteczność, ponieważ bazuje na ogromie danych dostępnych w Internecie. Jednak w Internecie o wiele łatwiej znaleźć informacje o planetach karłowatych niż o serwisowaniu poszczególnych urządzeń, szczególnie tych złożonych i skomplikowanych. Nowa platforma powinna też bazować na doświadczeniu innych użytkowników, ale również samych producentów. Cenne dla niej będą więc dane porównywalne pobierane z innych tego typu urządzeń lub po prostu dane, które dostarczył wcześniej wspomniany specjalista od turbin. Czas działa więc na korzyść tego rozwiązania, ponieważ z czasem dostępnych będzie coraz więcej danych, co przełoży się na jakość wnioskowania i wzrost funkcjonalności – dodaje Waldemar Pakos.

Według obliczeń ABB, informacje zwrotne, jakie dostarczy Genix Copilot w zakresie monitoringu w czasie rzeczywistym czy też serwisu predykcyjnego, mogą przełożyć się na do 20 proc. dłuższy czas życia urządzeń i do 60 proc. mniej nieplanowanych przestojów. Narzędzie wesprze również proces transformacji energetycznej (monitoring i optymalizacja w zakresie zużycia energii i emisji), a także bezpiecznego przepływu informacji w przedsiębiorstwie.

Genix Copilot - interfejs użytkownika
Genix Copilot - interfejs użytkownika
center

– Naszym zdaniem największe szanse na sukces w długim terminie będą mieć te firmy, które zmodernizują swoje platformy danych – mówi Ralph Haupter, prezes Microsoft w regionie Europy, Bliskiego Wschodu i Afryki (EMEA). – Integracja zaawansowanych funkcji cyfrowych Azure OpenAI Service z ABB Genix pozwoli efektywniej zarządzać danymi skontekstualizowanymi, a patrząc szerzej – przyspieszy cyfrową transformację.

Genix integruje skontekstualizowane dane z trzech środowisk: operatorskiego (OT, np. systemy sterowania w fabrykach), informatycznego (IT, np. systemy ERP) i inżynieryjnego (ET, np. narzędzia do projektowania elementów i całych instalacji technologicznych). Platforma może zostać uruchomiona w chmurze, na konkretnej maszynie lub w infrastrukturze IT przedsiębiorstwa.

Linki

Skontaktuj się z nami

Do pobrania

Poleć artykuł

Facebook LinkedIn X WhatsApp