A jó adatkezelés a mesterséges intelligencia alapja

A gyártósori valóság sokszor még közel sincs felkészülve a technológia alkalmazására, ugyanis az MI modellek számára begyűjtött adatok gyakran hiányosak, vagy pontatlanok. Ezek nagy része kézzel lett begyűjtve és rendetlenül lett eltárolva rég nem frissített tárolórendszerekben. A legrosszabb, hogy ha ilyen, rossz adatokat adunk az MI-nek, akkor úgy tűnhet, hogy helyesen működik, viszont az általa számolt eredményeknek köze sem lesz a valósághoz.

Az MI-t érintő legújabb újítások főként a generatív MI-t érintették, ami mély tanulási modellek (deep learning), és a betanításához felhasznált adatok alapján állít elő szöveget, képeket, vagy hanganyagot. A legelterjedtebb formája a természetes nyelvek feldolgozása (natural language processing), amire a ChatGPT-hez hasonló modelleket szövegmintákkal tanítják be, hogy az emberéhez hasonló válaszokat tudjanak adni.

Ezzel azonban még csak a felszínt kapargatjuk. A generatív MI gyártásban használható egyik legérdekesebb funkciója az, hogy segítségével „kommunikálni” lehet az adatokkal, ami egyszerűbbé teszi azok elemzését és lehetővé teszi, hogy nagyobb mértékben hozzunk adat-alapú döntéseket. Ezenkívül a generatív MI új utat nyit a prediktív karbantartások, a folyamatoptimalizálás és még az új termékek fejlesztése előtt is.

Van néhány általános lépés, ami minden mesterséges intelligenciát használó projektnél hasznos, függetlenül attól, hogy generatív MI-t, vagy valamilyen más, hagyományos MI-t használunk, akár prediktív karbantartásokhoz, keresletfelméréshez, vagy árazáshoz.

Az adatgyűjtés az első lépés

A világ nagyvállalatai ráébredtek, hogy az MI korában azok lesznek a gazdaság nyertesei, akik a legjobb adatokkal rendelkeznek. Ez az oka annak, hogy a Zoomhoz hasonló cégek adatot kezdtek termelni a videóhívásokból, amivel a nagy nyelvi modelleket (Large Language Models) tanítják. Minél több adattal rendelkezik egy vállalat, annál jobb helyzetben lesz az MI modellek finomhangolásánál.

A gyártóknak fel kell ismerniük, hogy alapvetőleg kétféle dolgot állítanak elő. Egyrészt termékeket gyártanak, ami mindig is egyértelmű volt, viszont emellett adatot is termelnek. Ez a kettő egyformán értékes.

Napjainkban a gyártók legnagyobb része azzal tölti idejét, hogy a termékeik minőségét próbálják javítani, az adatokkal viszont nem nagyon törődnek. Azonban, ha az MI korában is érvényesülni akarnak, akkor energiát kell fektetniük az adatok minőségének javításába. Ez két területet foglal magába: az adatgyűjtést és az adatkezelést.

Az elmúlt évtizedben a gyártókat kérdések garmadájával bombázták az adatok fontosságát illetően, a jó hír pedig az, hogy manapság könnyebb adatot gyűjteni, mint valaha. A legtöbb modern gyártóeszköz már rögzíti az adatokat és hálózaton keresztül elérhetővé is teszi azokat. Az adatgyűjtés más formáihoz pedig már a kisebb vállalatok számára is megfizethetőek az IIoT (Industrial Internet of Things) szenzorok, mivel ezek jelentősen olcsóbbak lettek.

Bár az adatok nem egyenlő mértékben értékesek, az MI projektet indító vállalatok számára az ökölszabály az, hogy annál jobb, minél több adattal rendelkeznek. Ez azonban csak addig áll fenn, amíg jól is tudják kezelni azokat.

Kulcsfontosságú a jó adatkezelés

A következő akadály, amibe sok gyártó beleütközik, az a begyűjtött adatok nem megfelelő központosítása. Például rendelkezhetnek hatalmas mennyiségű adattal az adatjegyzékükben, a vállalat-, vagy a termelésirányítási rendszerükben, azonban, ha ezek egymástól elzárva működnek, akkor a cégek nem tudják kihasználni az adatokban rejlő potenciált. Ez olyan, mintha meglenne minden szükséges hozzávalónk a leveshez, de nincs edényünk, amiben egyesíteni tudnánk az összetevőket, így egy finom étel készítése helyett csak egymás mellett gyűjtjük az alapanyagokat.

A probléma megoldásához a gyártóknak korszerű adatszerkezetekbe kell befektetniük. Egyesíteniük kell a különálló adathalmazokat, amiket utána egy központi adattárolóban raktároznak el. Az adatok központosításával elérhetik a gyártók, hogy az MI modelleknek egy közös céljuk legyen, ne pedig több különálló.

Van még egy elengedhetetlen lépés, mielőtt az adatok betáplálhatóak lesznek az MI modellekbe: szortírozni kell azokat. Amíg hiányos, többszörözött, vagy hibás adat található a rendszerekben, addig nem használható ki az MI minden előnye. Ez egy újabb olyan szempont, ami miatt fontos a megfelelő adatszerkezet kiválasztása. Nem elég az adatokat egy központi gyűjtőhelyen tárolni, fel is kell dolgozni és kontextusba helyezni azokat, hogy használhatóak legyenek az MI számára.

Felkészülés a gyártás jövőjére

A gyártás világának egy izgalmas korában élünk. A generatív MI-hez hasonló új technológiák olyan dolgokat tesznek lehetővé, amikre korábban még soha nem is gondoltunk. Azonban sok munka kell még ahhoz, hogy ezek a fejlesztések ne csak a bemutatókon, hanem a gyártósorokon is láthatóak legyenek. Ehhez pedig a gyártóknak kell jól kialakítaniuk az adatkezelési módszereiket, csak ez után térhetnek vissza az MI különféle felhasználási módjainak kitalálásához - összegzett a Manufacturing Tomorrow.