Wraz z wprowadzeniem porównania danych obrazowych kilka lat temu, sztuczna inteligencja zaczęła zyskiwać na znaczeniu w produkcji. Nie tylko, ale przede wszystkim w kontroli jakości, sieci neuronowe są odtąd szkolone do wykrywania odchyleń (od normy) poprzez porównanie elementu (stanu rzeczywistego) z obrazami referencyjnymi. Obecnie generatywna sztuczna inteligencja oparta na dużych modelach językowych wspiera stopniowe rozwiązywanie zazwyczaj ściśle określonych problemów. W iteracyjnym procesie człowiek wprowadza polecenia (prompty) tak długo, aż osiągnie rozwiązanie. Zupełnie inaczej działa Agentic AI: wybiera ona niezbędne narzędzia AI (agentów) do zadań o wysokiej złożoności i w dużej mierze samodzielnie opracowuje rozwiązania.
Chatboty takie jak ChatGPT oznaczają w codziennym życiu przejście do agentowej sztucznej inteligencji: użytkownicy widzą, że ich zapytanie jest dzielone na kilka kroków (wyszukiwanie, ocena, podsumowanie), ale nie widzą, według jakiej logiki system wybiera i łączy odpowiednie narzędzia. W różnych zastosowaniach, takich jak rozwój oprogramowania, obsługa klienta, operacje IT, zarządzanie wiedzą oraz administracyjne procesy w firmach, agentowa sztuczna inteligencja już dziś pokazuje swoje mocne strony – wszędzie tam, gdzie złożone zadania składają się z wielu kroków i muszą być koordynowane w różnych systemach.
- Wykorzystywana w obsłudze klienta, agentowa sztuczna inteligencja może samodzielnie przetwarzać dużą część zapytań klientów, nie tylko odpowiadając na pytania, ale także realizując całe procesy serwisowe i podejmując samodzielne decyzje w ramach określonych zasad.
- W rozwoju oprogramowania: nowoczesne agenty kodowania analizują wymagania, piszą kody, przeprowadzają testy, naprawiają (iteracyjnie) błędy.
- W handlu detalicznym dobrze zorganizowani agenci AI mogą wspierać zarządzanie zapasami, prognozowanie popytu, logistykę i zarządzanie produktami. Agenci mają samodzielnie łączyć informacje z różnych systemów, przygotowywać decyzje operacyjne i częściowo je realizować.
Orcha-3: Transfer do produkcji przemysłowej
Platforma Orcha-3, opracowana przez Fraunhofer IWU, przenosi to podejście na technologię produkcji. Orcha-3 jest zaprojektowana do rozwiązywania problemów, które dotychczas były trudne do opracowania za pomocą pojedynczych modeli AI: otwarte pytania wzdłuż łańcucha procesów, których odpowiedzi nie wynikają z jednego pomiaru, lecz z wielu wzajemnie powiązanych kroków, a następny sensowny krok staje się jasny dopiero po ocenie poprzedniego.
Przykład: W łańcuchu procesów składającym się z operacji kształtowania i łączenia na końcu występują odchylenia wymiarowe, których przyczyna jest nieznana. Orcha-3 samodzielnie dzieli to zagadnienie na poszczególne kroki robocze – pobiera dane procesowe z otoczenia maszyn i urządzeń, łączy szereg czasowy z kilku stacji, oblicza korelacje, symuluje wariacje parametrów, ocenia wyniki pośrednie – i po każdym kroku podejmuje nową decyzję, jak postępować dalej. Każdy z tych kroków jest realizowany przez wyspecjalizowanego agenta z jasno określonym zadaniem.
Decydujące dla zastosowania w produkcji jest podział zadań między modelem językowym a wykonaniem: model językowy planuje, ale sam nie uzyskuje dostępu do systemu produkcyjnego. Zapytania do bazy danych, obliczenia i symulacje odbywają się wyłącznie lokalnie w agentach. Surowe dane nie opuszczają sieci przedsiębiorstwa; do modelu trafia wyłącznie kuratowany, w pełni protokołowany widok na sytuację planistyczną. Ten widok jest deterministycznie generowany i przechowywany dla każdego kroku planowania. Można więc później zweryfikować, jakie informacje faktycznie trafiły do modelu. Wiedza procesowa, która zawarta jest w parametrach produkcyjnych, często stanowi rzeczywistą przewagę konkurencyjną przedsiębiorstwa; Orcha-3 jest zaprojektowany w taki sposób, aby korzystanie z wydajnych modeli językowych nie wymagało ujawnienia tej wiedzy.
Z tego samego powodu cała realizacja jest deterministycznie zorganizowana (wykonywana na podstawie reguł, każda decyzja może być później odtworzona) i dokładnie protokołowana: każdy krok, każdy wynik pośredni i każda decyzja platformy pozostaje zapisane i jest możliwa do prześledzenia nawet po miesiącach. Dla rekomendacji, która wchodzi do produkcji seryjnej, ta możliwość rekonstrukcji nie jest funkcją komfortową, lecz warunkiem koniecznym. Dodatkowo Orcha-3 może wykonać brakujące kroki analizy w formie małych programów, nawet gdy dostępny zestaw narzędzi nie wystarcza do rozwiązania danego problemu.
Platforma jest obecnie zaprojektowana jako środowisko badawcze i testowe. Średnioterminowym celem jest rozszerzenie z pojedynczego łańcucha procesów na system produkcyjny, aż po kwestie wykorzystania maszyn i personelu, zapotrzebowania na powierzchnię oraz koncepcji logistycznej, które obecnie można rozwiązać tylko poprzez skomplikowane analizy ręczne.
Syntetyczne dane do odwzorowania różnorodnych zadań i przypadków użycia
Planowanie lub optymalizacja złożonej produkcji wymaga solidnej bazy danych. Dylemat kura-jajko na początku można elegancko rozwiązać – za pomocą specjalnie generowanych danych syntetycznych, które opierają się na wirtualnych łańcuchach procesów i odwzorowują na przykład rzeczywiste procesy, takie jak poszczególne etapy formowania. Na tym wirtualnym łańcuchu procesów sztuczna inteligencja może teraz działać i wskazywać potencjały do poprawy. Problemy i zadania można w ten sposób niemal dowolnie modyfikować.
Złożoność, która stanie się zrozumiała dopiero z agentyczną sztuczną inteligencją.
W wielostopniowych procesach produkcyjnych istnieją pytania, które powinny zostać wyjaśnione, ale zazwyczaj pozostają bez odpowiedzi, ponieważ ich wyjaśnienie zajmie dni pracy z danymi:
- „Na końcu łańcucha procesów znajdują się części poza tolerancją, każda pojedyncza stacja zgłasza ‚w porządku‘.“
- „Skąd pochodzi odchylenie?“
- „Dostawca materiałów się zmienił, karta danych wygląda tak samo, a proces nie działa już jak wcześniej. Jakie parametry należy dostosować?“
- „Wskaźnik odpadów waha się między warstwami. Istnieje przypuszczenie, ale nikt nie sprawdza danych procesowych przez dwa tygodnie w tej kwestii.“
Takie pytania nie mogą być odpowiedziane za pomocą jednej analizy, lecz wielu: łączyć dane z kilku stacji, sprawdzać zależności, odrzucać jedną hipotezę, formułować następną. Dokładnie ten proces przejmuje Orcha-3 samodzielnie, czyniąc każdy krok przejrzystym.
Platforma jest funkcjonalna i przetestowana w wirtualnych łańcuchach procesów. Następnym krokiem jest zastosowanie jej w rzeczywistych pytaniach dotyczących produkcji; w tym celu szukamy rozmowy z firmami, które mają takie pytanie przed sobą. Wspólnie oceniamy, czy konkretne zadanie można rozwiązać za pomocą podejścia Orcha-3, co oferują dostępne dane i jak mógłby wyglądać początek.
Agentyczna AI / Agentyczna KI
Agentic AI oznacza systemy sztucznej inteligencji, które działają jako autonomiczne agenty, aby samodzielnie wykonywać złożone, wieloetapowe zadania. W przeciwieństwie do tradycyjnych chatbotów, które reagują tylko na bezpośrednie polecenia, te systemy potrafią przetwarzać złożone problemy i samodzielnie wykorzystywać narzędzia (inne agenty lub narzędzia) – w zależności od potrzeb. Dzielą większe zadania na kilka logicznych sekcji, nie polegają na częstych ludzkich interwencjach i elastycznie reagują na nagłe lub nieprzewidziane zmiany.
Platforma Orcha-3
Orcha-3 przetwarza złożone zadania jako tzw. „Jobs” i realizuje je w sposób strukturalny w kilku pętlach. W swojej istocie platforma opiera się na wyraźnie oddzielonej architekturze składającej się z API (interfejs programistyczny), Orkiestratora, Nadzorcy i Agentów. Konsekwentnie oparta na stanie: Wszystkie informacje są trwale przechowywane w systemie plików, co zapewnia pełną przejrzystość, możliwość śledzenia i wznowienia. Zadanie jest realizowane w cyklu powtarzającym się z planowania i wykonania:
- Agent planujący analizuje stan rzeczywisty i decyduje o następnych krokach.
- Z tego powstają zadania, które są wykonywane przez wyspecjalizowanych agentów.
- Wyniki są zapisywane i integrowane w następny cykl planowania.
- Proces powtarza się, aż zostanie osiągnięte rozwiązanie lub zadziała zdefiniowany warunek przerwania.
Kontakt:
