Ο πρωτοποριακός αυτός κόμβος είναι αποτέλεσμα της συλλογικής προσπάθειας του Εργαστηρίου Συστημάτων Παραγωγής και Αυτοματισμού (LMS) του Πανεπιστημίου Πατρών και του Κέντρου Ικανοτήτων Teaching Factory Competence Center (TF-CC), στις εγκαταστάσεις του οποίου εδρεύει.

Σε ποιο στάδιο βρίσκεται το όλο εγχείρημα; Όπως εξηγεί στο ΑΠΕ-ΜΠΕ ο καθηγητής Γεώργιος Χρυσολούρης, συντονιστής του ελληνικού κόμβου, το hub βρίσκεται πλέον στο στάδιο της παροχής υπηρεσιών, με περισσότερα από 15 προϊόντα ΤΝ να βρίσκονται ήδη υπό ωρίμανση. Πώς ωριμάζουν αυτά τα προϊόντα; Με δοκιμές και πειράματα στην πράξη.

Στον χώρο υπάρχουν ήδη πέντε ρομποτικά κελιά, εξοπλισμένα με βιομηχανικούς ρομποτικούς βραχίονες μεγάλου (έως 170 κιλών) και μικρού (έως 10 κιλών) φορτίου, συνεργατικοί ρομποτικοί βραχίονες, κινητές ρομποτικές πλατφόρμες, αισθητήρες όρασης και δύναμης/ροπής, επιταχυνσιόμετρα, θερμικές κάμερες, εργαλεία για ρομποτική συγκόλληση κ.ά. Επιπλέον, οι δύο φορείς που «τρέχουν» το όλο εγχείρημα διαθέτουν εξοπλισμό για προηγμένες προσομοιώσεις, συμπεριλαμβανομένων εκείνων που γίνονται σε περιβάλλοντα εικονικής πραγματικότητας.

«Κλειδί» στη λειτουργία του κόμβου αποτελεί, κατά τον κ. Χρυσολούρη, η τεχνογνωσία που έχει αποκτηθεί από τη πολυετή συμμετοχή του LMS σε περισσότερα από 200 ευρωπαϊκά και εθνικά προγράμματα, αλλά και η ερευνητική εμπειρία των μελών του Εργαστηρίου, που για περισσότερα από 30 χρόνια αναπτύσσουν λύσεις σε συνεργασία με βιομηχανίες όπως οι όμιλοι VDL και PSA, ο ολλανδικός κολοσσός παραγωγής μηχανημάτων για ημιαγωγούς ASML και η Philips, αλλά και ελληνικές εταιρείες όπως οι ΣΙΔΕΝΟΡ, KLEEMANN, CALPAK.

Ποιες επιχειρήσεις μπορούν να επωφεληθούν και πόσο γρήγορα ωριμάζουν τα έργα;

«Τα 15 προϊόντα TN που βρίσκονται σήμερα υπό ωρίμανση στον κόμβο περιλαμβάνουν λύσεις για αυτόματο βιομηχανικό έλεγχο ποιότητας, έξυπνες ρομποτικές πλατφόρμες για ευελιξία, συστήματα προγνωστικής συντήρησης, ψηφιακά δίδυμα για προσομοίωση και βελτιστοποίηση της παραγωγής και εργαλεία ανάλυσης/επεξεργασίας δεδομένων. Κάποιες από τις τεχνολογίες ήδη αξιολογούνται σε πραγματικές συνθήκες βιομηχανικής παραγωγής, σε συνεργασία με εταιρείες που αναπτύσσουν λύσεις ΤΝ. Ήδη έχουν πραγματοποιηθεί αρκετές δοκιμές και πειράματα με τη συμμετοχή βιομηχανικών εταίρων, και συνεχώς αναπτύσσονται νέες λύσεις.

Ποιες επιχειρήσεις μπορούν να επωφεληθούν;

Το έργο AI-MATTERS απευθύνεται τόσο σε παρόχους τεχνολογίας όσο και σε τελικούς, βιομηχανικούς χρήστες με κύριο στόχο τις μικρομεσαίες επιχειρήσεις, χωρίς να αποκλείεται ωστόσο η συνεργασία με μεγαλύτερες βιομηχανίες. Οι ενδιαφερόμενες εταιρίες μπορούν να έρχονται σε επικοινωνία με τα στελέχη του κόμβου και αφού αξιολογηθεί το αίτημα τους, θα ακολουθούν η ανάπτυξη και δοκιμή και τέλος μια έκθεση με τα αποτελέσματα της εργασίας. «Η διαδικασία είναι σχετικά απλή, για να μπορέσουμε να προσελκύσουμε όσο το δυνατόν περισσότερες εταιρείες. Η διάρκεια της υλοποίησης του σταδίου της ανάπτυξης και δοκιμής εξαρτάται από την πολυπλοκότητα της λύσης και τις ειδικές απαιτήσεις της βιομηχανίας, αλλά συνήθως κυμαίνεται από τρεις έως έξι μήνες» γνωστοποιεί ο καθηγητής, που μας ξεναγεί στον κόμβο.

Οι τέσσερις μεγάλες προκλήσεις στην εφαρμογή της ΤΝ στην ελληνική βιομηχανία και τι μπορεί να προσφέρει ο κόμβος

Η εφαρμογή της ΤΝ στην ελληνική βιομηχανία έχει να αντιμετωπίσει, κατά τον κ.Χρυσολούρη, πολλές και διαφορετικές προκλήσεις. Πρώτον, συνήθως απαιτείται υψηλό αρχικό κόστος επένδυσης, και μάλιστα σε λύσεις ΤΝ, που αρκετές φορές δεν είναι εξασφαλισμένο ότι θα αποδώσουν τα αναμενόμενα, καθώς πρόκειται για νέες εφαρμογές που δεν έχουν δοκιμαστεί σε αρκετά μεγάλο πλήθος περιπτώσεων. «Για αυτό το λόγο, το AI-MATTERS δίνει τη δυνατότητα για αυτό που ονομάζουμε “test-before-invest”, δηλαδή τη δυνατότητα δοκιμής τεχνολογιών ΤΝ, πριν από την επένδυση σε αυτές, ώστε να μειωθεί το ρίσκο» λέει.

Μια δεύτερη πρόκληση είναι πως, σε αρκετές περιπτώσεις, τα δεδομένα από αισθητήρες, μηχανές παραγωγής, κάμερες κλπ, που απαιτούνται για να αναπτυχθούν μοντέλα ΤΝ, βασισμένα -για παράδειγμα- στη Μηχανική Μάθηση, είτε δεν είναι αρκετά σε πλήθος είτε είναι χαμηλής ποιότητας. «Για να λύσουμε το πρόβλημα της ποσότητας και ποιότητας των δεδομένων, δίνουμε τη δυνατότητα δημιουργίας συνθετικών δεδομένων, αξιοποιώντας την τεχνολογία προσομοίωσης, καθώς και ειδικούς αλγορίθμους» εξηγεί ο καθηγητής. Ένα ακόμα εμπόδιο είναι η απαίτηση για εξιδεικευμένο προσωπικό, το οποίο να μπορεί να χειριστεί τις εφαρμογές ΤΝ. Για αυτό το σκοπό το Κέντρο Ικανοτήτων Teaching Factory έχει πρόγραμμα εκπαίδευσης και εξειδίκευσης που απευθύνεται συγκεκριμένα σε εργαζόμενους στην βιομηχανία, όπως χειριστές μηχανών, μηχανικούς παραγωγής κ.α. «Τέλος, οι εφαρμογές ΤΝ απαιτούν τη διασύνδεση με συστήματα πληροφορικής που είναι ήδη εγκατεστημένα στη βιομηχανία. Αυτό συνήθως είναι ένα πολύπλοκο πρόβλημα, εξαιτίας των πολλών και διαφορετικών πληροφοριακών συστημάτων, των δεδομένων που διαχειρίζονται και του γεγονότος ότι “μιλάνε” διαφορετική “γλώσσα”. Εμείς μπορούμε και παρέχουμε συμβουλευτικές υπηρεσίες που βοηθούν τις εταιρίες να διασυνδέσουν τα συστήματά τους με τα νέα συστήματα ΤΝ» συμπληρώνει.

Γιατί να μπει η Τεχνητή Νοημοσύνη στο εργοστάσιο;

Γιατί είναι όμως σημαντικό να «μπουν» στο εργοστάσιο η ΤΝ, αλλά και τεχνολογίες όπως η τρισδιάστατη εκτύπωση και η εικονική και επαυξημένη πραγματικότητα (VR/AR);

Με πολύ απλά λόγια, για λόγους εξοικονόμησης χρόνου και χρήματος, για εκπαίδευση, συνεργασία και περιβαλλοντική προστασία. Για παράδειγμα, η ΤΝ χρησιμοποιείται ήδη για την ανάλυση δεδομένων αισθητήρων και την πρόβλεψη βλαβών σε μηχανήματα και εξοπλισμό, με σκοπό τη καλύτερη αξιοποίηση των μηχανών και τη βελτίωση της παραγωγικότητας. Μπορεί να βελτιστοποιήσει τη διαδικασία παραγωγής, προσαρμόζοντας τις παραμέτρους σε πραγματικό χρόνο για να μεγιστοποιήσει την απόδοση και να μειώσει τα απόβλητα. Επιπλέον, η ΤΝ τροφοδοτεί ρομπότ που εκτελούν σύνθετες εργασίες σε βιομηχανικά περιβάλλοντα, βελτιώνοντας την ασφάλεια και την παραγωγικότητα.

Η δε 3D εκτύπωση χρησιμοποιείται για την ταχεία και οικονομική δημιουργία πρωτοτύπων προϊόντων, καθώς και για την κατασκευή εξαρτημάτων που είναι δύσκολο ή αδύνατο να κατασκευαστούν με παραδοσιακές μεθόδους, βελτιώνοντας τον χρόνο ανάπτυξης και μειώνοντας το κόστος. Ο συνδυασμός ΤΝ στον σχεδιασμό προϊόντων που κατασκευάζονται με 3D εκτύπωση μπορεί να επιτύχει την παραγωγή καινοτόμων προϊόντων με ιδιαίτερα τεχνικά χαρακτηριστικά για την αυτοκινητοβιομηχανία και αεροναυπηγική βιομηχανία.

Η τεχνολογία Εικονικής Πραγματικότητας (VR) χρησιμοποιείται για την εκπαίδευση εργαζομένων σε επικίνδυνες ή σύνθετες εργασίες, βελτιώνοντας την ασφάλεια και την αποτελεσματικότητα. Για παράδειγμα, η Boeing χρησιμοποιεί VR για να εκπαιδεύσει προσωπικό για εργασίες συντήρησης αεροσκαφών. Η VR μπορεί να συμβάλει εξαιρετικά θετικά και στο σχεδιασμό και την προσομοίωση 3D προϊόντων, βελτιώνοντας την επικοινωνία και την συνεργασία μεταξύ μηχανικών και σχεδιαστών, όπως εφαρμόζεται από τη Siemens. AR χρησιμοποιείται για την παροχή οδηγιών, δεδομένων, και πληροφοριών σε πραγματικό χρόνο στους εργαζομένους, βελτιώνοντας την αποτελεσματικότητα και την παραγωγικότητα.

Η ΤΝ θα μπορούσε δυνητικά να δημιουργήσει ανισότητες, αλλά ταυτόχρονα μπορεί να έχει εξισορροπητικές δυνατότητες, αφού προσφέρει χρήσιμα εργαλεία σε μικρότερους «παίκτες». Πώς θα μπορούσε να επιδράσει στην ανταγωνιστικότητα και την παραγωγικότητα της ελληνικής βιομηχανίας; «Η εντύπωση που έχουμε σχηματίσει, παρακολουθώντας από κοντά την ελληνική βιομηχανία, είναι ότι παρά τις σημαντικές επενδύσεις που έχουν γίνει σε έργα ψηφιακού μετασχηματισμού και βιομηχανικής αριστείας, τελικά οι περισσότερες και ενδεχομένως οι σημαντικότερες αποφάσεις λαμβάνονται με βάση την εμπειρία και τη διαίσθηση των ανθρώπων. Επομένως η ΤΝ θα μπορούσε να συμβάλει βοηθώντας τα στελέχη της βιομηχανίας στην αποτελεσματικότερη λήψη αποφάσεων, βασισμένων σε δεδομένα και αναλυμένων σε μετρήσιμα αποτελέσματα. Το κόστος ενσωμάτωσης τεχνολογίας μπορεί να είναι ένας σημαντικός ανασταλτικός παράγοντας για τις επιχειρήσεις. Όμως, ο “εκδημοκρατισμός” των λύσεων ΤΝ μπορεί να προσφέρει ισότιμη πρόσβαση σε αυτές τις τεχνολογίες και για τις μικρές και μεσαίες επιχειρήσεις (ΜΜΕ). Και εδώ επανερχόμαστε στην “καρδιά” του προγράμματος AI-MATTERS, που δίνει την δυνατότητα στις ΜΜΕ να δοκιμάσουν και να αναπτύξουν την τεχνολογία, πρακτικά χωρίς κόστος από την μεριά τους, καθώς τα έξοδα καλύπτονται από το πρόγραμμα» σημειώνει.

Ο διαγωνισμός ΑΙ-IGNITE

Στο μεταξύ, στα «σκαριά» βρίσκεται ο διαγωνισμός ΑΙ-IGNITE, που στόχο έχει την υποστήριξη νέων και νεοφυών επιχειρήσεων για την ανάπτυξη, εφαρμογή, και αξιολόγηση λύσεων ΤΝ για τη μεταποιητική βιομηχανία. Πέντε νεοφυείς ή μικρομεσαίες επιχειρήσεις θα επωφεληθούν στο πλαίσιο του διαγωνισμού, ενώ το ποιες θα είναι αυτές θα βασιστεί στις προοπτικές βιωσιμότητας και στην τεχνική σκοπιμότητα της εφαρμογής ΤΝ που θα προτείνουν. Το AI-IGNITE διοργανώνεται από το EIT Manufacturing Region South East, σε συνεργασία με τον ελληνικό κόμβο του AI-MATTERS. Η έναρξη του διαγωνισμού θα είναι στις 15 Ιουνίου, η προθεσμία υποβολής αιτήσεων θα λήξει την 1η Αυγούστου και οι φιναλίστ θα διαγωνιστούν σε εκδήλωση που θα διεξαχθεί τον Σεπτέμβριο. Οι νικητές του διαγωνισμού θα λάβουν χρηματικό έπαθλο και θα έχουν πρόσβαση στον ελληνικό κόμβο για περαιτέρω ωρίμανση της λύσης τους.

Το έργο ΑΙ-MATTERS βρέθηκε πρόσφατα στο επίκεντρο εκδήλωσης με θέμα την ΤΝ στη βιομηχανία, στην οποία ομιλητές ήταν, εκτός από τον κ.Χρυσολούρη, οι Ζωή Αρκουλή, συνεργάτιδα του Εργαστηρίου LMS, δρ Κοσμάς Αλεξόπουλος, επίσης στέλεχος του εργαστηρίου, δρ Σωτήρης Μακρής, εκτελεστικός διευθυντής του κέντρου ικανοτήτων, δρ. Τζένη Λειβαδάρου, συνεργάτης του κέντρου ικανοτήτων, Δρ Νίκη Κούση, διευθύντρια του ΕΙΤ Manufacturing South East και δρ. Βίβιαν Σοφού στελεχος του ΕΙΤ Manufacturing South East.

(με πληροφορίες από ΑΠΕ-ΜΠΕ / photo: freepik)