人工知能

新型コロナウイルス感染症の流行により、日常生活や仕事のあらゆる側面に不確実性と変化が生じました。 また、ビジネスリーダーや工場所有者は、生き残り、他社よりも優れた業績を上げるために、これまで以上に迅速に行動するよう求められています。 これにより、AI テクノロジーの可能性が広がり、製造業における AI の導入が加速しました。

実用的な観点から見ると、生産/運用効率の向上、ダウンタイムの削減、予知保全の提供、サプライチェーンの最適化、エネルギー消費の削減など、意思決定のさまざまな側面を特にターゲットにした AI ベースのアプリケーションがさらに増えるでしょう。

人間と AI の能力は相互に補完し合います。 人間は創造的であり、現在のタスクを超えて見ることができ、他の経験から得た知識を現在のタスクに適用することができます。 しかし、人間は反復的なタスクにおいてはそれほど完璧ではありません。 AI は高性能で勤勉ですが、創造性はそれほど高くありません。 人間と AI のコラボレーションには大きな可能性があり、人間はプロジェクト オーナー、システム トレーナー、最終ユーザーの役割を果たし続け、プロジェクトのライフサイクル全体を通じて AI と対話することになるため、AI と協力して対話する必要があります。

AIは幅広い用途や産業に応用されています。 プロセス制御では、AI と機械学習が高度なプロセス制御 (APC) アプリケーションと自律的なプラント運用に適用されています。 ディスクリート製造では、AI がロボット工学に適用されています。 理論的には、長期的にはすべてのプロセスが何らかの形の人工知能によって制御される可能性があります。 どのようなアプリケーションであっても、AI 導入を確実に成功させるために ARC によって特定された基本的な手順がいくつかあります。

この戦略レポートは、ARC の 2022 年欧州フォーラムでのプレゼンテーションに基づいて、最新の AI ユースケースと、人間と AI の長所と課題の包括的な比較を提供します。 このレポートでは、人間と AI が効果的に連携する方法と、考慮すべき主要な側面とアプリケーションを示します。 このイベントを支援した企業には、Microsoft Project Bonsai、Dow Chemical、NNaisense、ABB、Throughput AI などが含まれます。

AI テクノロジーの次の産業ユース ケースはすべて、2022 ARC 欧州フォーラムで共有されました。

Microsoft Project Bonsai は、自律システムと、Bonsai プラットフォームがリアルタイムで感知して応答することで機器とプロセスをどのように最適化できるかについての見解を共有しました。 Microsoft によると、自律的な変革は 4 つの段階からなる進化のプロセスです。

第 2 段階から、企業は教師あり学習と教師なし学習を使用して、より優れた予知保全や需要予測などを実現できるようになります。 Bonsai プラットフォームは、シミュレーション、より深い強制学習、機械学習を組み合わせています。 Bonsai は、ユーザーが自身の経験と業界のノウハウを活用して AI モデルを構築し、後の 3 つの段階の開発をスピードアップするのに役立ちます。 以下に盆栽の事例をいくつか紹介します。

ダウ・ケミカルは、クラウドが製造データと分析の最適化を通じて予知保全を可能にした方法を共有しました。 計画外のダウンタイムは、プロセス産業にとって巨額の収益損失の原因となります。 予知保全を活用して障害が発生する前に行動することは、製造における AI の主要なアプリケーションの 1 つです。

ダウ ケミカル独自のプロジェクトでは、3 人の異なる人物がチームとして協力します。 データ サイエンティストはモデルをトレーニングし、Azure クラウド環境をチェックします。 Azure Cloud 開発者は、プラント データをクラウドに送信し、データをモデルにフィードします。 オンサイトのオペレーターは監視を実行し、システムから情報を受信したときにアクションを実行し、システムにフィードバックを提供します。 この作業サイクルは継続的に進み、アルゴリズムとモデルをより効率的に構築します。 このプロジェクトでは、次のようないくつかの問題に対処するためにクラウド コンピューティングが必要です。

スループット AI がサプライ チェーンを最適化し、可視性を行動力に変えるのにどのように役立つかを共有しました。 サプライチェーンは不透明で、断片的で、常に非効率です。 新型コロナウイルス感染症（COVID-19）の発生により、そのボトルネックが近年これまで以上に明らかになりました。 一方、企業は、サプライチェーンの効率を改善し、ビジネス、運営、財務、持続可能性の成果を向上させ、長期的に業界を上回る業績を上げる機会を見つけるというプレッシャーの増大に直面しています。 AI はイネーブラーとして、既存のデータと既存チームの専門知識を活用して、生産量、在庫回転数、収益性を向上させ、過剰在庫を最小限に抑え、無駄と CO2 を削減するのに役立ちます。 いくつかのケースはここで共有されています: