Dum, smart eller intelligent? Vad är egentligen relevant i fabriken

Förr var maskiner dumma de fattade inga beslut och kunde inte heller lära sig något nytt. Med integrering av beslutsalgoritmer, smarta sensorer kan en maskin få en viss form av ”intelligens” som gör att maskinen kan reagera på sin omgivning och fatta beslut. Ett mycket enkelt exempel är vävstolen som blev basen för industrikoncernen Toyota. Vävstolen kunde upptäcka när slitbanan hade gått sönder och stoppade vävningsprocessen. Enkelt men smart, maskinen upptäcker ett problem stoppar processen och behöver därmed inte längre övervakas permanent av en människa.

Moderna bilar kan skilja framsidan från baksidan av andra bilar och bestämma deras position och därefter beräkna om den andra bilen är på en kollisionskurs eller inte. Baserat på inbyggda beslutsregler väljer bilen att ge föraren en varning, ta över kontrollerna och ändra rutten något eller till och med göra ett nödstopp. Smart, men aldrig smartare än den intelligens en människa har lagt in i systemet.

När en smart maskin ändrar sina beslutsregler för att förbättra sina beslut, talar vi om ”maskininlärning”. Maskinen kan lära sig och bli bättre och bättre på sina beslut.Maskininlärning är ett bra sätt att inte bara snabbt förbättra maskinens svar utan också att göra den lyhörd för förändrade förhållanden. Även om inlärningsalgoritmen förblir densamma kan beslutsprocessen bli mer exakt och adekvat, men maskinen kommer aldrig att slutgiltigt överträffa vad inlärningsalgoritmen tillåter.

Det blir mer spännande när maskinen också kan förbättra själva inlärningsprocessen man talar då om artificiell intelligens. Maskinen kan börja leta efter mönster på egen hand och leta efter andra parametrar som påverkar den. Bilen kan till exempel upptäcka att en plötslig förändring av att däcktrycket bak (tung last) påverkar broms- och styrbeteende, systemet lär sig att korrigera denna situation. Vid maskininlärning är ”inlärningsreglerna” statiska. I system med artificiell intelligens består inlärningsreglerna av principer. Maskinen tillämpar dessa principer på sin verklighet och lär sig vad det bästa beslutet är och formulerar sedan nya beslutsregler utifrån det. Sådana självlärande system blir bättre och bättre, men för närvarande behöver vi fortfarande intelligenta människor som skapar smarta inlärningsalgoritmer.

 

Är ”smart” och ”intelligent” alltid ett plus?

Helst skall maskiner som används i produktionsprocessen ha tillräckligt med intelligens ombord för att förbättra sina beslutsregler. Smarta maskiner har sensorisk medvetenhet om sin miljö och kan fatta beslut baserade på regler integrerade i utrustningen. Ju bättre detta fungerar, desto smartare är maskinen vilket ökar produktiviteten

 

Några slutsatser:

1. Etiketterna ”smart”, ”intelligent” och ”4.0” är tyvärr ofta buzzword. Även om teknik kan vara till stor hjälp, förvänta dig inte att den mirakulöst löser problem som borde ha lösts utan den extra komplexiteten.
2. Att lägga till investeringar och komplexitet för att lösa problem är sällan en bra idé; förenkling, standardisering, stabilisering, engagerande människor och minskning av icke-värdeskapande aktiviteter är däremot bra idéer.
3. Lägg till ny teknik som kan skapa värde tex när det gäller att öka precision eller hastighet som inte hade kunnat uppnås utan den nya tekniken.
4. När smarta beslutsregler inte kan byggas in i maskinen så måste reglerna integreras i produktionsprocessen som ett led i det kontinuerliga förbättrings arbetet.