Hajautettu tekoäly metallintyöstössä - reunalaskenta ja DAI

Mikä on hajautettu tekoäly?

DAI eli hajautettu tekoäly kuvaa lähestymistapaa, jossa tekoäly otetaan käyttöön laitoksen useissa solmuissa, jotka ovat toisistaan riippumattomia. Solmu tarkoittaa paikkaa, jossa laskenta tapahtuu, löyhästi ihmisaivojen neuronia mukaillen. Aivan kuten perinteinen tekoäly, hajautetut solmut ja DAI käyttävät koneoppimisalgoritmeja ja muita tekniikoita automatisoitujen päätösten tekemiseen.

Toisin kuin tyypillinen, keskitetyksi tekoälyksi kutsuttu ratkaisu, DAI:n hajautettu luonne voi kuitenkin sallia solmujen — joita joskus kutsutaan agenteiksi — työskennellä yhteistyössä, jolloin useiden älykkäiden solmujen tieto ja osaaminen koordinoidaan yhtä tavoitetta kohti. Tai tarvittaessa ne voivat toimia itsenäisesti yksittäisten tavoitteiden saavuttamiseksi. Tähän malliin siirtymistä kutsutaan usein tekoälyfuusioksi.

Miksi tekoälyfuusio on välttämätöntä

Tekoälyä pidetään teollisuudessa yhä uutena teknologiana. Nykyiset käyttötavat ovat kuitenkin jo vanhentumassa. Keskitetty tekoäly, joka syöttää tietoja takaisin keskitettyyn lähteeseen, on yleisin teollisissa ympäristöissä käytetty tekoälytyyppi, mutta se on suurelta osin rajallinen.

Keskitetyn tekoälyn suurin este on massiivinen riippuvuus datakeskuksista ja keskusarkkitehtuureista. Jotta dataa voidaan käsitellä tehokkaasti, keskitetyn tekoälyn on kerättävä dataa solmutasolla ja siirrettävä se muualle käsiteltäväksi ja analysoitavaksi. Teollisissa ympäristöissä, joissa on kymmeniä monimutkaisia koneita, tuotettavien tietojen määrä voi olla valtava.

Hajautettuun malliin siirtyminen kääntää tämän haasteen päälaelleen: algoritmit viedään datan luo sen sijaan, että data kuljetettaisiin algoritmien käsiteltäväksi. Käyttämällä hajautettua menetelmää algoritmit matkustavat lopulta tietoihin — riippumatta siitä, kerätäänkö tiedot reunalla vai alustalla. Tämän etuna on, ettei tiedon tarvitse kulkea koneelta datakeskukseen ja takaisin, mikä vähentää tarvetta korkean kaistanleveyden yhteyksille.

DAI käytännössä

Teollisissa ympäristöissä DAI tarjoaa tavan automaattisesti kerätä suuria määriä prosessikohtaista tietoa — sen merkittävin etu on kuitenkin kyky ryhtyä automatisoituihin toimiin. Riippuen solmusta, jossa DAI sijaitsee, nämä toimet perustuvat prosessin yksittäisiin tavoitteisiin, kuten jätteen tai energiankulutuksen vähentämiseen, tai ne tukevat koko laitoksen laajempaa tehtävää.

DAI toimii yhdessä paljon hypetetyn reunalaskennan kanssa. Reunalaskenta tarkoittaa tiedon keräämistä, käsittelyä ja analysointia laitteella — prosessin reunalla — reaaliajassa.

Samoin kuin DAI, reunalaskenta toimii hajautetusti, mahdollistaen optimoinnin konetasolla sen sijaan, että tiedot lähetettäisiin takaisin keskitettyyn tallennuspaikkaan. Reunalaskenta käsittelee tietoja; DAI puolestaan tekee niihin perustuvia toimenpiteitä.

Oppimisagentit

DAI-ympäristössä lukuisat solmut toimivat itsenäisesti, usein jakautuneina useisiin laitoksen paikkoihin. Metallintyöstöympäristössä nämä solmut voivat sijaita esimerkiksi lastuamistyökalussa tai sorvaussovelluksessa.

Koska tiedot muodostuvat ja kerätään prosessin reunalla, ne voivat antaa yksityiskohtaista tietoa, jota keskitetty tietojenkäsittely ei pysty tarjoamaan. Esimerkiksi lastuamistyökalusolmumme tapauksessa reunalaskenta ja analyysi mahdollistaisivat tietojen keruun suoraan prosessista leikkauksen aikana. Tietoihin voi kuulua laitteen lämpötila, lastuamistarkkuus, työkalun taipuma ja paljon muuta.

Kun käsittely oletetaan tapahtuvaksi prosessin reunalla, saadaan nopeampi näkemys kuin mitä olisi saatavilla, jos tiedot lähetettäisiin keskitettyyn tallennuspaikkaan. Lisäksi kaistanleveyskustannukset voivat pienentyä, sillä vain tärkeimmät tiedot lähetetään pilveen.

Metallityöstössä reuna-analytiikka voi osoittaa, että seuraava välitön leikkaus tulee olemaan epätarkka. Yhdessä tekoälyn kanssa järjestelmä voi pysäyttää toiminnan automaattisesti. Ohjelmistoagenttien kielellä tätä solmua kutsuttaisiin reaktiiviseksi agentiksi — agentiksi, joka reagoi ympärillä olevaan dataan. DAI-järjestelmän kaikkien solmujen rinnakkaisen käsittelyn ansiosta tämä tieto voidaan jakaa kaikkien laitoksen solmujen kesken.

Se, ovatko solmut reaktiivisia, deliberatiivisia vai hybridiagentteja, määrittää niiden kyvyn hyödyntää tätä tietoa. Deliberatiivisilla agenteilla on kyky kerätä tietoa ulkomaailmasta ja tuottaa toimia tavoitteidensa saavuttamiseksi, hybridiagenteilla on molemmat kyvyt. Ihanteellisessa tilanteessa suurin osa solmuista olisi hybridejä.

Nevzat Ertan

Sandvik Coromant – pääarkkitehti ja globaali johtaja

Nevzatilla on laaja tausta sovelletussa matematiikassa, laskennallisissa menetelmissä ja yli 35 vuoden työkokemus tieto- ja viestintätekniikan (ICT), ennakoivan tieteen sekä teknisen liiketoiminnan kehittämisen ja strategian alalta. Hän vastaa myös Sandvik Coromant -yhtiön digitaalisesta koneistusarkkitehtuuriosastosta, on digitaalisen liiketoiminnan/digitaalisen muutoksen ja teollisen esineiden internetin (IIoT) asiantuntija ja hänellä on laaja kansainvälinen kokemus erilaisten hallitusten johtotehtävissä.