Sztuczna inteligencja. Szanse i zagrożenia w świecie techniki i dozoru technicznego                      

Jakie algorytmy są wykorzystywane?

• algorytmy regresyjne – używane do przewidywania czasu do awarii,
• algorytmy klasyfikacyjne – służą do przewidywania czy urządzenie ulegnie awarii (klasa 1), czy nie (klasa 0),
• modele sekwencyjne (dla danych czasowych) – służą do analizy danych z czujników zbieranych w czasie,
• analiza anomalii – wykrywają nietypowe wzorce w danych, które mogą wskazywać na nadchodzącą awarię. Stosowane, gdy nie mamy danych o awariach,
• modele predykcyjne oparte na fizyce – łączą dane z czujników z wiedzą inżynierską o działaniu urządzenia.

Innym ciekawym zastosowaniem SI w przemyśle są autonomiczne drony badawcze. UDT od kilku lat z powodzeniem wykorzystuje specjalistyczne drony do wykonywania rewizji wewnętrznej zbiorników stałych. Jest to sprawdzona metoda, w której bezzałogowiec sterowany przez pilota z łatwością dociera do trudnodostępnych przestrzeni i dzięki kamerze pozwala dokonać oceny wizualnej stanu technicznego urządzenia. Pomimo, że drony uważane są za nowoczesne rozwiązania, to przyszłość korzystania z tych urządzeń będzie wyglądała zupełnie inaczej.  W niedalekiej przyszłości dostępne będą na rynku bezzałogowe statki powietrzne poruszające się w sposób autonomiczny. Oznacza to, że samodzielnie będą planować trasy, omijać przeszkody i podejmować decyzje w czasie rzeczywistym. Do ich pilotowania nie będzie potrzebny człowiek obsługujący aparaturę. System, wykorzystując algorytmy SI, dane z czujników oraz technologię mapowania przestrzeni, zrobi robotę za nas – ludzi.

Ponadto, system może uwzględnić historyczne dane z inspekcji danego urządzenia i dokonać inspekcji dokładnie w tym samym miejscu, docierając do niego wcześniej zoptymalizowaną trasą. 

Zagrożenia i ryzyka w środowisku technicznym

Gdy opada entuzjazm związany z opracowaniem nowego zastosowania dla systemów opartych o algorytmy sztucznej inteligencji, gdy wymieniliśmy już zalety płynące z optymalizacji procesu oraz gdy podliczyliśmy już korzyści wynikające ze zwiększenia efektywności usług, kolejnym krokiem poprzedzającym wdrożenie w organizacji jest przeprowadzenie analizy ryzyka.

Konieczne jest odpowiedzenie na pytanie, jakie ryzyka wiążą się z implementacją nowego systemu. Czy można je minimalizować lub mitygować? Które ryzyka i na jakim poziomie są dla mnie akceptowalne?

Wykorzystanie systemów opartych o algorytmy SI niesie ze sobą szereg zagrożeń. Poniżej opisane zostały przykładowe zagrożenia [źródło nr 2], które mogą wystąpić w systemach wdrażanych w środowisku technicznym. Należy jednak pamiętać, że jest to nowa technologia i wraz z jej rozwojem część zagrożeń, błędów czy niedoskonałości jest na bieżąco rozwiązywana, lub pojawiają się nowe.

Przesadne zaufanie do „czarnej skrzynki”

• SI często działa w sposób nieprzejrzysty (ang. black box – czarna skrzynka) – użytkownik nie zna wewnętrznych mechanizmów podejmowania decyzji.
• W przypadku systemów nadzorujących (np. przy ocenach stanu technicznego) może to prowadzić do fałszywego poczucia pewności co do stanu urządzenia.

Błędne dane szkoleniowe = błędne decyzje

• Jeśli algorytm SI był trenowany na niepełnych, nieaktualnych lub zmanipulowanych danych, może podejmować niewłaściwe decyzje.
• Przykład: SI uznaje wadliwą instalację za bezpieczną, bo dane uczące nie uwzględniały danego typu uszkodzenia.

Mogą zainteresować Cię również

Analityka danych ważniejsza dla firm z branży produkcyjnej niż sztuczna inteligencja

AI w przemyśle – jak sztuczna inteligencja może wspierać linie montażowe?

Bezpłatny raport „Najbardziej zyskowne technologie. Trendy w rozwiązaniach B2B”

zobacz więcej