Τεχνητή νοημοσύνη: Η ελπίδα της Ευρώπης για τη μεταποιητική βιομηχανία

Δεν υπάρχουν δύο ίδιες συγκομιδές πατάτας, όμως κάθε ένα από τα 100 εκατομμύρια κουτιά Pringles που φεύγουν από το εργοστάσιο της Kellanova στο Κούτνο της κεντρικής Πολωνίας πρέπει να έχει την τραγανότητα και τη γεύση που περιμένουν οι καταναλωτές. Η διαδικασία που διασφαλίζει αυτή τη συνέπεια καθοδηγείται όλο και περισσότερο από την τεχνητή νοημοσύνη.

Εκτός από τις startup, οι γίγαντες της μηχανικής Siemens, Schneider Electric, Dassault Systèmes και ABB ενσωματώνουν την τεχνητή νοημοσύνη στα λογισμικά και τα προϊόντα αυτοματισμού τους

Αισθητήρες, λέιζερ και κάμερες τροφοδοτούν με δεδομένα —από την υγρασία έως την περιεκτικότητα σε πρωτεΐνες— ένα λογισμικό της Siemens AG, το οποίο προσαρμόζει συνεχώς τη συνταγή ανάλογα με τις μεταβολές στις πρώτες ύλες, προτού τυχόν προβλήματα ποιότητας επιβραδύνουν την παραγωγή ή οδηγήσουν σε σπατάλη. Πρόκειται για ένα παράδειγμα των προοπτικών της βιομηχανικής τεχνητής νοημοσύνης, ενός κλάδου της τεχνολογίας στον οποίο η Ευρώπη εξακολουθεί να έχει την ευκαιρία να διαδραματίσει ηγετικό ρόλο, όπως εκτιμά το Bloomberg.

Αν και η Ευρώπη έχει μείνει πίσω από τις ΗΠΑ και την Κίνα στον τομέα της τεχνητής νοημοσύνης για καταναλωτές, διαθέτει ένα πλούσιο απόθεμα δεδομένων και τεχνογνωσίας στον τομέα της παραγωγής και της μεταποίησης, που προέρχεται από έναν βιομηχανικό τομέα με ιστορία που εκτείνεται σε περισσότερο από έναν αιώνα. Αυτό δίνει στην Ευρώπη την ευκαιρία να αναπτύξει τεχνολογία που θα μπορούσε τελικά να αυτοματοποιήσει ολόκληρα εργοστάσια για την παραγωγή προϊόντων που χρειάζονται οι άνθρωποι — κάτι που τα chatbots δεν μπορούν να κάνουν. Επιπλέον, η μετάβαση σε μια βιομηχανία βασισμένη στα δεδομένα θα μπορούσε, παράλληλα, να χαράξει μια πορεία προς τα εμπρός για τους βιομηχάνους της, οι οποίοι αντιμετωπίζουν δυσκολίες.

«Μπορεί να έχουμε χάσει τον αγώνα για την ανάπτυξη του καλύτερου γλωσσικού μοντέλου — αυτό είναι σαφές — αλλά σε καμία περίπτωση δεν έχουμε χάσει τον αγώνα για την ενσωμάτωση της τεχνητής νοημοσύνης στις επιχειρήσεις μας», δήλωσε τον Μάιο η Γερμανίδα υπουργός Οικονομίας Κατερίνα Ράιχε, κατά τη διάρκεια μιας συνόδου κορυφής για την οικονομική πολιτική του κυβερνώντος συντηρητικού κόμματος. «Πρόκειται για ζήτημα κυριαρχίας, ανταγωνιστικότητας και επιβίωσης αυτής της περιοχής».

Μistal, η ευρωπαϊκή απάντηση στην τεχνητή νοημοσύνη

Η Mistral AI — ο ευρωπαϊκός ανταγωνιστής παγκόσμιων παικτών όπως η Anthropic και η OpenAI — επικεντρώνεται στις βιομηχανικές εφαρμογές. Η περιοχή φιλοξενεί επίσης περισσότερες νεοφυείς επιχειρήσεις τεχνητής νοημοσύνης στον τομέα της μεταποίησης από ό,τι οι ΗΠΑ, σύμφωνα με έκθεση του think tank Interface που δημοσιεύθηκε τον Μάιο.

Εκτός από τις startup, οι γίγαντες της μηχανικής Siemens, Schneider Electric, Dassault Systèmes και ABB ενσωματώνουν την τεχνητή νοημοσύνη στα λογισμικά και τα προϊόντα αυτοματισμού τους, προκειμένου να βοηθήσουν τα εργοστάσια να γίνουν πιο παραγωγικά, πιο αποδοτικά και πιο ανταγωνιστικά. Πρόκειται για ένα ισχυρό επιχείρημα σε μια εποχή που η βιομηχανική βάση της Ευρώπης δέχεται πιέσεις λόγω του υψηλού κόστους παραγωγής, της μείωσης του αριθμού των ειδικευμένων εργαζομένων και του αυξανόμενου ανταγωνισμού από το εξωτερικό.

Η Ευρώπη δεν είναι η μόνη που προσπαθεί να αξιοποιήσει αυτό το δυναμικό. Ενώ αμερικανικές εταιρείες όπως η Emerson Electric, η Rockwell Automation και η Honeywell International στρέφονται προς τις τεχνολογίες μηχανικής μάθησης, η μεγαλύτερη πρόκληση προέρχεται από την Κίνα, σύμφωνα με τη Nicole Lemke, συγγραφέα της έκθεσης της Interface.

Η Κίνα τα πηγαίνει «αρκετά καλά σε όλους τους τομείς της μεταποίησης γενικά, αλλά επικεντρώνεται επίσης πολύ έντονα στη διασταύρωση της ρομποτικής και της τεχνητής νοημοσύνης», ανέφερε.

«Σκοτεινά εργοστάσια»

Η βιομηχανική τεχνητή νοημοσύνη είναι ένα πολύπλοκο πεδίο. Μια βασική εφαρμογή είναι η προληπτική συντήρηση, την οποία οι εταιρείες χρησιμοποιούν ήδη αναλύοντας ιστορικά δεδομένα για να προλαμβάνουν βλάβες πριν αυτές παρεμποδίσουν την παραγωγή.

Η τεχνητή νοημοσύνη μπορεί επίσης να βελτιώσει τον ποιοτικό έλεγχο στο χώρο παραγωγής. Στην Trumpf SE & Co. στη νοτιοδυτική Γερμανία, για παράδειγμα, ο κατασκευαστής συστημάτων λέιζερ χρησιμοποιεί σαρωτές που λειτουργούν με τεχνητή νοημοσύνη για να επιθεωρεί τις άκρες των κομμένων φύλλων χάλυβα, με σκοπό τη βελτιστοποίηση των ρυθμίσεων των μηχανημάτων.

Ωστόσο, ορισμένα οράματα ξεπερνούν κατά πολύ την απλή βελτιστοποίηση των λειτουργιών, στοχεύοντας στη δημιουργία εργοστασίων με υψηλό βαθμό αυτονομίας, στα οποία πράκτορες τεχνητής νοημοσύνης και ρομπότ επιβλέπουν την παραγωγή με ελάχιστη ανθρώπινη παρέμβαση — τα λεγόμενα «σκοτεινά εργοστάσια».

Η πρόκληση για την Ευρώπη δεν είναι μόνο η ανάπτυξη μοντέλων, αλλά και η ταχεία εφαρμογή τους, ώστε να παραμείνει ανταγωνιστική.

«Πιθανότατα μας απομένουν δύο, ίσως τρία χρόνια, αλλά όχι περισσότερα», δήλωσε η Sabine Scheunert, διευθύνουσα σύμβουλος για την Κεντρική Ευρώπη στην Dassault Systèmes. Αν οι ευρωπαίοι κατασκευαστές δεν ενσωματώσουν και δεν εφαρμόσουν την τεχνητή νοημοσύνη στις διαδικασίες τους εντός αυτού του χρονικού πλαισίου, δεν θα είναι πλέον σε θέση να καλύψουν τη διαφορά με την Ασία, ανέφερε η CEO η οποία στο παρελθόν εργάστηκε στις αυτοκινητοβιομηχανίες BMW και Mercedes-Benz Group.

Το πρόβλημα είναι ότι η υιοθέτηση της βιομηχανικής τεχνητής νοημοσύνης απαιτεί χρήματα, εξειδικευμένο προσωπικό και διαδικασίες παραγωγής αρκετά τυποποιημένες ώστε να μπορούν να αυτοματοποιηθούν. Μεγάλο μέρος της βιομηχανικής βάσης της Ευρώπης στερείται ενός ή περισσότερων από αυτά τα στοιχεία.

«Παρατηρούμε την ταχύτερη εξάπλωση στην Ασία, όπου οι νέες τεχνολογίες μπορούν συχνά να ενσωματωθούν στην παραγωγή πιο γρήγορα», δήλωσε ο Christian Bruch, διευθύνων σύμβουλος της Siemens Energy AG, εταιρείας κατασκευής ενεργειακού εξοπλισμού.

Η θυγατρική του γερμανικού βιομηχανικού κολοσσού Siemens έχει αυτοματοποιήσει ένα εργοστάσιο κατασκευής διακοπτών στη Σαγκάη, μεταφέροντας πολλές εργασίες από τους ανθρώπους στις μηχανές και μειώνοντας παράλληλα το προσωπικό. Η αναπαραγωγή αυτού του μοντέλου στην Ευρώπη δεν είναι απλή υπόθεση.

«Το ερώτημα θα είναι: Πότε και σε ποιο βαθμό μπορώ να το εφαρμόσω στη Γερμανία; Θα ταιριάζει σε κάθε εργοστάσιο;», δήλωσε ο Bruch.

Η περίπτωση της Trumpf

Η εταιρεία κατασκευής λέιζερ Trumpf προσφέρει μια εικόνα για το πώς θα μπορούσε να μοιάζει μια ευρύτερη υιοθέτηση. Η εταιρεία αναφέρει ότι έχει βελτιώσει την αποδοτικότητα έως και 30% από τότε που άρχισε να συνδέει μηχανήματα το 2015 και πλέον λειτουργεί τα λεγόμενα «έξυπνα εργοστάσια» σε όλο τον κόσμο, συμπεριλαμβανομένων των ΗΠΑ και της Κίνας.

Η τεχνητή νοημοσύνη (AI) είναι «ένας τεράστιος παράγοντας αλλαγής», δήλωσε στο Bloomberg ο Stephan Mayer, επικεφαλής του τμήματος εργαλειομηχανών της Trumpf, την Πέμπτη σε συνέντευξη στο Bloomberg TV. «Πολλές διαδικασίες που απαιτούν μεγάλη προσπάθεια, χειρωνακτική εργασία, μπορούν να αυτοματοποιηθούν με βάση την τεχνητή νοημοσύνη, οπότε αυτό αποτελεί τεράστιο δυναμικό.»

Ωστόσο, από πολλές απόψεις, η Trumpf αποτελεί την εξαίρεση.

Αν και η οικογενειακή αυτή επιχείρηση ανήκει στο λεγόμενο «Mittelstand» της Γερμανίας — τις μικρές και μεσαίες βιομηχανικές επιχειρήσεις που αποτελούν τη ραχοκοκαλιά του βιομηχανικού τομέα της χώρας — κατέχει μια ξεχωριστή θέση. Η εταιρεία διαθέτει ήδη τεχνολογία αιχμής, με τα λέιζερ της να χρησιμοποιούνται από εταιρείες όπως η ASML, γεγονός που της παρέχει πόρους και τεχνογνωσία που πολλοί ανταγωνιστές της δεν διαθέτουν.

Αυτό είναι εμφανές στα κεντρικά γραφεία της Trumpf στο Ditzingen. Έργα τέχνης κοσμούν τους τοίχους των ήσυχων και καθαρών χώρων παραγωγής της, όπου αυτόνομα ρομπότ μεταφέρουν εξαρτήματα μεταξύ των σταθμών και οι χειριστές επιβλέπουν τον εξοπλισμό φορώντας τακτοποιημένες φόρμες εργασίας.

Η βιομηχανική τεχνητή νοημοσύνη συνήθως αποδίδει μεσοπρόθεσμα και όχι άμεσα, σύμφωνα με την Elisabeth Zock, η οποία ηγείται των παγκόσμιων κέντρων εξυπηρέτησης πελατών της Trumpf και συμβάλλει στην υλοποίηση έργων αυτοματοποίησης.

«Η οικονομική κατάσταση σε ορισμένες εταιρείες εξακολουθεί να είναι τεταμένη, γεγονός που δυσκολεύει την πραγματοποίηση μεγαλύτερων επενδύσεων», ανέφερε.

Επίσης, οι μικρές και μεσαίες επιχειρήσεις παράγουν συχνά μικρές παρτίδες, οι οποίες δεν προσφέρονται για αυτοματοποίηση. Ακόμη και εταιρείες που έχουν επενδύσει σημαντικά στην τεχνολογία παραμένουν μακριά από το όραμα του κλάδου για πράκτορες τεχνητής νοημοσύνης που θα διαχειρίζονται τα εργοστάσια.

Ο Paul Walczok, η εταιρεία του οποίου, η PAWA-Tech GmbH, απασχολεί 12 άτομα σε μια μικρή πόλη βόρεια του Μονάχου, έχει αφιερώσει χρόνια στον εκσυγχρονισμό της γραμμής παραγωγής του, συμπεριλαμβανομένων δύο αυτοματοποιημένων φρεζών που κόστισαν περίπου το διπλάσιο από τον συμβατικό εξοπλισμό. Ωστόσο, δεν πιστεύει ότι η πλήρης αυτοματοποίηση έχει νόημα στο εργοστάσιό του.

«Το τελικό στάδιο είναι η επεξεργασία στο ίδιο το μηχάνημα», δήλωσε ο Walczok. «Σε αυτό το στάδιο, χρειάζεσαι πραγματικά εξειδικευμένους εργαζόμενους — αυτό είναι απολύτως σαφές.»

Οι μεγάλες μεταποιητικές βιομηχανίες μπορεί επίσης να αντιμετωπίζουν δυσκολίες στην εφαρμογή της τεχνολογίας σε ολόκληρα τα δίκτυα παραγωγής. Μόνο το 30% των κατασκευαστών αποκομίζει οφέλη από έργα ψηφιακού μετασχηματισμού μεγάλης κλίμακας, σύμφωνα με την Cecile Vercellino, ανώτερη αντιπρόεδρο για τις υπηρεσίες βιομηχανικού αυτοματισμού στη Schneider Electric.

«Στην Ουγγαρία, θα έχετε διαφορετική μεθοδολογία και διαδικασίες από ό,τι στην Πορτογαλία, ακόμα και αν ανήκουν στον ίδιο όμιλο εταιρειών», δήλωσε στο Bloomberg η Vercellino, η οποία παρέχει συμβουλές σε εταιρείες σχετικά με τον τρόπο μετασχηματισμού τους. «Η επεκτασιμότητα είναι μερικές φορές πολύ δύσκολη.»

Η βιομηχανική τεχνητή νοημοσύνη εξαρτάται επίσης από πολύ συγκεκριμένα δεδομένα σχετικά με μηχανήματα, υλικά και διαδικασίες. Εν μέσω των εντεινόμενων ανησυχιών για την εξάρτηση από την Κίνα και τις ΗΠΑ, οι ευρωπαίοι κατασκευαστές είναι επιφυλακτικοί όσον αφορά τη διαβίβαση τέτοιων εμπιστευτικών πληροφοριών σε τρίτους, γεγονός που θα μπορούσε να προσφέρει πλεονέκτημα στους εγχώριους προγραμματιστές.