Nädal tagasi toimunud AIRE seminaril rääkis Tartu Teaduspargi AI valdkonna juht Martin Rebane, kuidas tootmises saab kohe rakendada tehisaru (AI) võimalusi, ning kogemuslugusid jagasid Tempest AS, EnLife OÜ ja Nords AS.
- Eralda terad sõkaldest
Alustada saab kõige kättesaadavamast, informatsiooni töötlemisest – kasuta AI rakendusi olulise info leidmiseks e-kirjadest, juhenditest, regulatsioonidest või Exceli valemitest.
Tööriistad: Perplexity.ai, OpenAI ChatGPT https://openai.com/
- Tabelarvutused
Loo AI abiga erinevaid Exceli valemeid või töötle andmeid keelemudeliga (aga sel juhul jagad neid ka tööriista pakkujaga).
Tööriistad: OpenAI ChatGPT https://openai.com/, Perplexity.ai
- Andmeanalüüs
Pärast info või valemite loomist ja töötlemist on järgmiseks sammuks automatiseeritud andmeanalüüs, mille käigus saad tehisaru abil teada näiteks millised tellimused olid kõige kasumlikumad või millistel aegadel esines kõige rohkem praaki.
Tööriistad, mille seadistamiseks on tarvis juba natuke IT teadmisi või IT osakonna tuge (kui on olemas):
- PandasAI, mis kasutab keelemudelit, et luua andmestiku töötlemiseks vajalikud andmeanalüüsi käsud: https://docs.pandas-ai.com/en/latest/
- LangChain (mis on muidu palju suurem tööriist) sisaldab samuti andmeanalüüsi tuge: https://python.langchain.com/docs/integrations/toolkits/pandas
- Kvaliteedikontroll
Liikudes tehase tasandile, siis tootmises pakub suurt väärtust kvaliteedikontroll tehisaru toel, kus saad kasutada kaamerapilti, olgu selleks klassikaline valvekaamera või termo-, värvi või 3D kaamera. Pilditöötluse abiga saad tuvastada praaki ja isegi ennetada selle tekkimist.
Tööriistad ehk pilditöötluse mudelid vajavad integratsiooni tehase infosüsteemidega ja eelnevat treenimist. Mõned kasutatavamad tööriistad: ResNet, Segment Anything.
5-7. Planeerimine, juhtimine, prognoosimine
Tehisarust maksimumi võtva tööstusettevõtena saad rakendada AI võimalusi ka tootmise planeerimises ja juhtimises, kus fikseeritud plaanide asemel on kasutusel dünaamilised, reaalajas muutuvad prognoosid.
Saad oma andmeid kasutada näiteks selleks, et ennustada milline on toorme tarneaeg, kaua kulub aega tootmiseks või kui palju kulub sisendit.
Kogu selle protsessi tarbeks mõeldud tööriistad ja mudelid on edasijõudnutele, kes juba koguvad oma tootmisandmeid, mille pealt tehisaru oleks võimalik üldse treenida. Need tööriistad ja mudelid vajavad seadistust ja know-howd.
Enne AI juurutamist tuleb kaaluda, kas tasub lahendada kõige ilmsemat probleemi?
Martin Rebane soovitab vaadata igat probleemi suurema pildi osana, küsida, mis ettevõtte eesmärgid ja kuhu liigub turg. Hästi rakendatud tehisaru eelisteks on kiire õppimine muutunud olukorrast, sh enda tehtud vigadest ja uutest andmetest, nii et otsuste tegemine muutub aja jooksul üha täpsemaks.
Kui eesmärk on selge, tuleb hakata andmeid järjepidevalt koguma.
Kui sa ei tea, kuidas enda ettevõttes AI-d enda jaoks tööle panna, siis saad tootmisettevõttena tulla Tartu Teaduspargi AI otstarbekuse nõustamisele TASUTA!
Registreeri nõustamisele: https://aire-edih.eu/teenus/tehisintellekti-otstarbekuse-noustamine/
