Wykorzystanie sztucznej inteligencji wnosi wartość do całego łańcucha produkcyjnego. Ale jak wynika z badania firmy Capgemini obszarami, w których AI może być najłatwiej wdrożona i zapewni najlepszy zwrot z inwestycji są kontrola jakości produktu, inteligentna konserwacja i planowanie.
Raport Instytutu Badawczego Capgemini dotyczący wdrożeń sztucznej inteligencji w procesach produkcyjnych, prezentuje wnioski z wdrożeń rozwiązań wykorzystujących AI w 75 największych światowych firmach produkcyjnych.
Według ekspertów Capgemini, Europa przewodzi we wdrażaniu rozwiązań opartych na sztucznej inteligencji (AI) w procesach produkcyjnych. 51 proc. największych światowych producentów w Europie wdraża co najmniej jedno rozwiązanie z obszaru sztucznej inteligencji. Wiodące przedsiębiorstwa stosują sztuczną inteligencję we wszystkich procesach produkcyjnych, co przynosi im znaczące korzyści. Przykładem może być firma spożywcza Danone, której udało się zmniejszyć liczbę błędów prognozowania o 20 proc., a straty w sprzedaży o 30 proc., dzięki wykorzystaniu uczenia maszynowego do przewidywania zmienności popytu. Tymczasem producent opon Bridgestone wprowadził nowy system montażu, oparty na zautomatyzowanej kontroli jakości, co zaowocowało ponad 15 proc. poprawą w ujednoliceniu produktu.
„W miarę jak wdrażanie sztucznej inteligencji w procesach produkcyjnych będzie powszechnieć, duże przedsiębiorstwa będą przechodzić od wersji pilotażowych do szerszego zastosowania. Całkiem słusznie, organizacje początkowo koncentrują swoje wysiłki na zastosowaniach, które zapewniają najszybszy, najbardziej wymierny zwrot z inwestycji, zwłaszcza w zakresie automatycznej kontroli jakości i inteligentnego utrzymania i naprawy”, twierdzi Mirosław Bartecki, główny architekt AI w Capgemini Business Services.
Producenci koncentrują się zazwyczaj na trzech głównych obszarach w zastosowaniu sztucznej inteligencji /kontrola jakości produktu, inteligentna konserwacja i planowanie popytu/, ponieważ oferują one jasną wartość biznesową, względną łatwość wdrożenia, dostępność danych i możliwości stworzenia skutecznych rozwiązań bazujących na AI. Na przykład, koncern General Motors wypróbował system, aby wykrywać oznaki awarii robotów, zanim do nich dojdzie. Pomaga to firmie uniknąć kosztów nieplanowanych przestojów, które mogą sięgać nawet 20 tys. dolarów na minutę przestoju.
„Są to funkcje, które mogą zapewnić znaczne oszczędności kosztów, poprawić dokładność produkcji i wyeliminować marnotrawstwo. Liderzy nie koncentrują się jednak wyłącznie na tych przypadkach zastosowania, ale równolegle z ich wdrożeniem przygotowują się na przyszłość, inwestując część oszczędności w budowę skalowalnej infrastruktury danych, infrastruktury IT i rozwijając systemy pomocnicze”, podkreśla Mirosław Bartecki.
