Technický týdeník č. 16/2016
Inspirace hvězdami aneb Astrofyzikové hledají optimální postupy frézování
V poslední době se dokonce i astrofyzikové začali zajímat o veletrh EMO Hannover. Dr. Theo Steininger a Dr. Maksim Greiner, někdejší studenti PhD na Institutu Maxe Plancka pro astrofyziku v bavorském Garchingu, vyvinuli software umělé inteligence (AI), který využívá nejmodernější metody statistické analýzy určené pro astrofyziky. Tento software úspěšně aplikovali na problém montáže dveří u předních německých výrobců aut, a nyní se snaží dobýt též trh opracování kovů. Doufají, že v září v Hannoveru naleznou jeho další potenciální aplikace.
Nový, statistický přístup podnikatelů z Garchingu umožňuje v reálném čase posoudit obráběcí procesy. Existují i jiné cesty, ale užitečnost uvedené metody již byla v automobilovém průmyslu prokázána. Jak se ukázalo, tento AI systém, využitý k přesnějšímu a stabilnějšímu postupu montáže dveří, vedl k redukci nákladů.
Obtížná identifikace koncových pozic
Úlohu popisují takto: „Stanovení nejlepší pozice pro montáž automobilních dveří je obtížné. V době instalace nejsou dveře ani karoserie nastříkány. Karoserie nemá okna, příslušenství ani sedadla. Všechny tyto faktory ovlivňují konečnou pozici dveří, protože způsobují deformace a dodatečná zátěž musí být anticipována a kompenzována, aby byla konečná pozice dveří dodržena. Proto museli zaměstnanci vždy po montáži přestavět dveře ručně.“
Řešení navržené astrofyziky, kteří nedávno v Garchingu založili společnost Erium GmbH, je kombinací strojové inteligence se znalostmi a zkušeností procesních expertů. Software AI, založený na těchto dodatečných informacích, vypočítá ideální montážní pozici poté, co bylo vyrobeno několik aut.
„Pro nás je velmi důležité rychlé strojové učení,“ vysvětluje Theo Steininger. To se liší od vysoce flexibilních nervových sítí, které vyžadují množství dat. Je nutno pracovat s minimem dat – na rozdíl od typických úloh Big Data, které vyžadují velmi nákladnou techniku a využívají rychlé, vysoce výkonné počítače.
„S tak malým objemem dat je ale stupeň vynaloženého technického úsilí minimální a současné laptopy jsou pro tento účel dostačující. Mnohem větší úsilí vyžaduje naopak vývoj algoritmů, které analyzují a zpracovávají data potřebná pro tento proces. „Před instalací softwaru analyzujeme problém spolu s experty vybranými zákazníkem, vysvětluje Steininger. „Společně definujeme cíl optimalizace a kritické kroky procesu.“
Expertní znalosti jako základ analýz
Tyto diskuse mezi experty umožňují vyloučit nedůležité parametry, které nehrají žádnou nebo jen minoritní roli. Jasně definovaná síť závislostí je tvořena po krocích, což podle Steiningera může být využito k vytvoření rychle pracujícího algoritmu.
„Tímto způsobem vybíráme fakta, která poskytují experti na příslušnou oblast, a vkládáme je do programu – stejně jako Ohmův zákon nebo skutečnost, že rychlost je změna místa za určitý čas“ říká astrofyzik. „Jde ale o ne-triviální vztahy, které se nervová síť nejprve musí naučit z dat.“ Přesto, na rozdíl od takových relativně samozřejmých aspektů, existují další otázky, které musí procesní experti předem uvážit. Například, zda dveře auta nejsou deformovány novým typem těsnicí pásky, jak předpovídali na základě své zkušenosti. „Místo obvyklé metody ´Dej nám všechna data a uvidíme, co s nimi můžeme udělat´, používáme jiný přístup“ říká Steininger. „Předem zapojíme lidský prvek a využijeme expertní znalosti jako základ pro analýzu“.
Doposud byla tato metoda použita hlavně v automobilovém průmyslu, ale firma z Garchingu se nyní zaměřuje na obráběcí procesy. Potenciální využití zahrnuje frézovací vřetena, jejichž rotační chování se zhoršuje s rostoucím opotřebením. Vřetena začínají v různém stupni kolísat, podle typu opotřebení. Obohacen o znalost expertů, může nyní algoritmus optimalizovat využití vřetena podle stupně opotřebení. Ale Steininger již pomýšlí dále: „Otázka, zda vyšší opotřebení vřetena je opodstatněné, když hraniční oblast obrábění je zvlášť důležitá pro komponenty, které potřebujeme vyrobit ve velmi krátké lhůtě. Náš program uvažuje nejen samotné strojní parametry, ale i měkké faktory, jako jsou vztahy k zákazníkovi.“ Proto je potřeba mít přístup k datům o zákazníkově výrobě a její požadované kvalitě.
