인공지능

코로나19 사태는 일상생활과 업무 전반에 불확실성과 변화를 가져왔습니다. 또한 비즈니스 리더와 공장 소유자는 생존하고 다른 사람보다 뛰어난 성과를 내기 위해 그 어느 때보다 더 빠르게 행동해야 합니다. 이는 AI 기술에 더 많은 가능성을 제공하고 제조 분야에서 AI 배포 속도를 높였습니다.

실용적인 관점에서 생산/운영 효율성 향상, 가동 중지 시간 감소, 예측 유지 관리 제공, 공급망 최적화, 에너지 소비 감소 등 의사 결정의 다양한 측면을 겨냥한 더 많은 AI 기반 애플리케이션을 보게 될 것입니다.

인간과 AI의 능력은 서로를 보완합니다. 인간은 창의적이고, 현재 작업을 넘어서 볼 수 있으며, 현재 작업에 다른 경험에서 얻은 지식을 적용할 수 있습니다. 그러나 인간은 반복적인 작업에서는 덜 완벽합니다. AI는 성능이 뛰어나고 부지런하지만 창의성은 떨어집니다. 인간과 AI 협업에는 큰 잠재력이 있으며, 인간은 프로젝트 소유자, 시스템 트레이너, 최종 사용자의 역할을 계속 수행하고 프로젝트 수명주기 전반에 걸쳐 AI와 상호 작용하므로 AI와 협력적으로 상호 작용해야 합니다.

AI는 다양한 애플리케이션과 산업에 적용되고 있습니다. 공정 제어에서는 AI와 머신러닝이 첨단 공정 제어(APC) 애플리케이션과 자율 공장 운영에 적용되고 있습니다. 개별 제조에서는 AI가 로봇 공학에 적용되고 있습니다. 이론적으로 모든 프로세스는 장기적으로 어떤 형태의 인공 지능에 의해 제어될 수 있습니다. 애플리케이션이 무엇이든 AI 배포의 성공을 보장하기 위해 ARC에서 식별한 몇 가지 기본 단계가 있습니다.

ARC의 2022 유럽 포럼 프레젠테이션을 기반으로 하는 이 전략 보고서는 최신 AI 사용 사례와 인간과 AI의 강점과 과제에 대한 포괄적인 비교를 제공합니다. 이 보고서는 인간과 AI가 효과적으로 협업할 수 있는 방법과 고려해야 할 주요 차원과 애플리케이션을 제시합니다. 행사를 지원한 회사로는 Microsoft Project Bonsai, Dow Chemical, NNaisense, ABB 및 Throughput AI가 있습니다.

AI 기술에 대한 다음 산업 사용 사례는 모두 2022 ARC 유럽 포럼에서 공유되었습니다.

Microsoft Project Bonsai는 자율 시스템에 대한 견해와 Bonsai 플랫폼이 실시간으로 감지하고 대응하여 장비와 프로세스를 최적화하는 방법을 공유했습니다. Microsoft에 따르면 자율적 혁신은 다음 4단계로 구성된 진화 프로세스입니다.

두 번째 단계부터 기업은 감독 및 비지도 학습을 사용하여 더 나은 예측 유지 관리 및 수요 예측과 같은 기능을 실현할 수 있습니다. Bonsai 플랫폼은 시뮬레이션, 심층적인 집행 학습 및 기계 학습을 결합합니다. Bonsai는 사용자가 자신의 경험과 업계 노하우로 AI 모델을 구축하고 후반 3단계의 개발 속도를 높이는 데 도움을 줄 수 있습니다. 아래는 분재 사례 연구입니다:

Dow Chemical은 제조 데이터 및 분석 최적화를 통해 클라우드가 어떻게 예측 유지 관리를 활성화했는지 공유했습니다. 계획되지 않은 가동 중지 시간은 공정 산업의 막대한 수익 손실을 초래합니다. 고장이 발생하기 전에 예측 유지 관리를 활용하는 것은 제조 부문에서 AI를 적용하는 주요 애플리케이션 중 하나입니다.

Dow Chemical의 자체 프로젝트에서는 서로 다른 세 사람이 한 팀으로 함께 작업합니다. 데이터 과학자는 모델을 훈련하고 Azure Cloud 환경을 확인합니다. Azure Cloud 개발자는 식물 데이터를 클라우드에 전달하고 데이터를 모델에 공급합니다. 현장 운영자는 모니터링을 수행하고, 시스템에서 정보를 수신할 때 조치를 취하고, 시스템에 피드백을 제공합니다. 이 작업 주기는 알고리즘과 모델을 보다 효율적으로 구축하기 위해 지속적으로 진행됩니다. 이 프로젝트에서는 다음과 같은 몇 가지 문제를 해결하기 위해 클라우드 컴퓨팅이 필요합니다.

Throughput AI는 AI가 공급망을 최적화하고 가시성을 실행 능력으로 전환하는 데 어떻게 도움이 되는지 공유했습니다. 공급망은 항상 불투명하고 단편적이며 비효율적입니다. 코로나19 발병으로 인해 최근 몇 년간 병목 현상이 그 어느 때보다 더욱 분명해졌습니다. 한편, 기업은 공급망 효율성을 개선하고 더 나은 비즈니스, 운영, 재무, 지속 가능성 결과를 위한 기회를 찾고 장기적으로 업계를 능가해야 한다는 점점 더 큰 압력에 직면하고 있습니다. AI는 조력자로서 기존 팀의 기존 데이터와 도메인 전문 지식을 활용하여 생산량, 재고 회전율 및 수익성을 높이고 과잉 재고를 최소화하며 낭비와 CO2를 줄이는 데 도움이 될 수 있습니다. 여기에 공유된 일부 사례: