Az eredményesség kulcsa az integrációban van: miként képes együttműködni az ember a mesterségesintelligencia- (AI – Artificial Intelligence) alapú megoldásokkal, hogyan tudunk így automatizmusokat kialakítani és döntéseket támogatni – egyebek mellett erről beszélt a VG-nek Gáspár Sándor, a Stratis Vezetői és Informatikai Tanácsadó Kft. AI-kompetencia-központjának vezetője és Géró Péter, a cég partnere. A százfős vállalat alaptevékenysége az üzleti és informatikai tanácsadás, ezt egészítették ki az adatelemzésre épülő megoldások fejlesztésével.

A cég árbevétele 3,5 milliárd forint felett jár, tevékenységi köre pedig széles, többek között bankokkal, biztosítókkal, telekommunikációs vállalatokkal dolgozik együtt, részt vesz az egészségügy, a gyártó és energiaszektor szereplőinek fejlesztési projektjeiben.

Az elmúlt időszak fejlesztései a gyártó szektor digitalizációjának, automatizációjának elősegítésére, adatalapú megoldások kialakítására irányultak.

„Az ipar 4.0 a mi értelmezésünkben egy olyan vízió, amelyben az emberek és a gépek egymással kommunikálnak. Azt szokták mondani, hogy az adat az új olaj, és ebben az esetben valóban, hiszen az adatokat úgy kell gyűjteni, feldolgozni és elemezni, hogy a mesterséges intelligencia számára is fogadható legyen, ezáltal a megfelelő döntéseket hozza meg, illetve az embernek is átlátható visszacsatolást, javaslatot küldjön. Ezt az egész kommunikációt az adat és az abból származó információ vezérli” – magyarázta Gáspár Sándor. Úgy véli, fontos az ember szerepe a folyamatban, hiszen ő adja a visszajelzést az AI-nek, hogy jól végzi-e a munkáját. A kompetencia-központ vezetője hangsúlyozta, a mesterséges intelligencia a jelenlegi alkalmazási területein olyan feladatokat képes ellátni hatékonyabban, pontosabban, amiket az ember is.

Gáspár Sándor és Géró Péter az eredményesség kulcsát az integrációban látja Fotó: Móricz-Sabján Simon / VG

„Az AI tanítása arról szól, hogy az ember által létrehozott mintaadatok segítségével megmutatjuk neki, hogyan döntene az ember. Az AI felismeri a mintázatokat, és azok alapján képes a döntést reprodukálni, például a minőség-ellenőrzésnél kiválogatja a selejtes termékeket. Időnként ezt ellenőrizni kell, szükséges a visszajelzés az ember részéről, hogy jó döntést hozott-e vagy sem, ezzel tovább tudja javítani a gép döntési pontosságát. De amellett, hogy az AI képes teljesen önállóan elvégezni a feladatokat, bizonyos esetekben inkább döntéstámogató szerepe van, mint például anyagbeszerzések támogatása a várható kereslet függvényében” – emelte ki a szakember.

Három nagy területet céloztunk meg a gyártásban: minőség- és ellátásilánc-menedzsment, illetve a gyártáshatékonyság javítása. Ez utóbbihoz tartozik a leállások megelőzése a berendezések működési hibáinak korai felismerésével, a megelőző karbantartási igények előrejelzésével, a gyártási tervbe illesztés megtervezésével

– mondta Géró Péter. A hatékonyság javítása érdekében a legtöbben még mindig egy újabb gép vásárlásában gondolkoznak, pedig hosszú távon egyáltalán nem biztos, hogy az a leginkább megtérülő megoldás, hiszen a pluszgép ellenére a gyártás ugyanazzal a – talán téves – szemlélettel folytatódik.

A mesterséges intelligencia az ellátásilánc-menedzsment területén is hatékonyan bevethető. Sok vállalatnál teljesen kiszámíthatatlanná vált a gyártáshoz az alapanyag-ellátottság, ezáltal az ügyfelek kiszolgálásának folyamata. A Stratis az egyik elektronikai cikkeket gyártó cégnek készített előrejelző modellt, amelyben megállapította, mekkora késések várhatók a beszállítói oldalon, így a cég el tudta kerülni az ügyfélpanaszokat, valamint priorizálhatta a gyártási, logisztikai és vevőkiszolgálási folyamatokat.

Az elmúlt években állandó dilemma volt, hogy milyen mértékben képezzen raktárkészletet egy vállalat, hiszen ez kifejezetten nagy inaktív tőkelekötéssel járhat. A világjárvány idején megdőlni látszik azok stratégiája, akik minimálkészletre terveztek. Új megközelítésre van szükség, ami jóval több paraméter figyelembevételét igényli. Sok helyen még mindig Excelben készítik a beszerzési terveket, amely már nem alkalmas komplex, több tényezőből álló modellek kirakására és a bonyolult szcenárióelemzésekre

– jegyezte meg Géró Péter. Kollégája hozzátette, a vállalatirányítási rendszerrel működő cégek esetében a rendszerekben gyűlő adatok számos olyan összefüggést rejtenek magukban, amelyek hagyományos elemzési módszerekkel nem, de a gépi tanulásalapú eljárások segítségével feltárhatók.

Egy ilyen eljárás segít korai szakaszban felismerni, hogy bizonyos beszerzési források elakadhatnak, vagy késhetnek a szállítások. A sok-sok adat közti összefüggés alapján ez a helyzet hamar felismerhető, és a rendszer riasztást tud adni, hogy várhatóan mely megrendelések gyártása és kiszolgálása nem teljesül a tervezett időpontban

– szögezte le Gáspár Sándor.

A mesterséges intelligencia a munkaerőhiány vagy a munkaerő-minőség kezelésére is megoldást nyújthat, ami jelenleg szintén befolyásolja a gyártó vállalatok termelékenységét és gátolja a növekedését, hiszen számos, az ember által repetitív módon elvégzett munkafolyamat automatizálható. Az egyik ilyen terület a minőség-ellenőrzés, a gyártási hibák, selejtek beazonosítása – negyedére csökkenthető az emberi ráfordítás mértéke azzal, hogy a kameraszenzorok és gépi látásalapú AI-megoldások segítségével nagy hatékonysággal és pontossággal végezhetők el ezek a feladatok. Bár a selejtválogatásban részt vevők munkaereje megtakarítható, a gépek működtetéséhez a legtöbb esetben szükség van emberi támogatásra, kivéve a teljesen automatizált okosgyárakban.