ИИ в производстве: новые горизонты надежности и инноваций

Инженеры разрабатывают автономный искусственный интеллект, который трансформирует надежность и открытия в производстве.

Исследования, проведенные инженерами Рутгерского университета, демонстрируют, как искусственный интеллект (ИИ) способен решать две важнейшие проблемы в сфере производства.

В двух независимых исследованиях, возглавляемых Радживом Малхотрой, доцентом кафедры машиностроения и аэрокосмической инженерии в Школе инженерии Рутгерского университета, исследователи показали, как умные автономные системы могут обеспечить надежность 3D-печати в экстремальных условиях, таких как космос и зоны боевых действий. Также они выяснили, как ИИ может значительно ускорить инновации в производстве, снижая потребность в дорогостоящих экспериментах.

Одно из исследований, опубликованное в The Journal of Manufacturing Processes, посвящено тому, что Малхотра называет "экспедиционным аддитивным производством".

Это относится к созданию деталей, например, внутренней или внешней части космического корабля, на полях сражений и в зонах бедствий, которые находятся за пределами стабильных и контролируемых условий фабрики. Эти среды непредсказуемы и подвержены воздействиям, таким как вибрации или температурные колебания, которые могут испортить печать. Операторы в таких условиях, включая астронавтов или солдат, могут не обладать специальной подготовкой, что добавляет еще один уровень сложности.

"Мы пытались понять, как сделать экспедиционное аддитивное производство устойчивым к таким неизвестным и разрушительным воздействиям", — сказал Малхотра.

Разработанное командой решение может спасти жизни, отметил он. В космосе сломанная деталь может означать провал миссии. В зоне боевых действий это может привести к неработоспособности транспортного средства. В зоне бедствия это может создать ситуацию, когда спасателям не хватает инструментов для помощи людям.

"Будет ли ваша деталь изготовлена или нет, — сказал Малхотра, — может привести к полному провалу миссий. Люди могут погибнуть".

Для решения этой проблемы Малхотра и его коллеги разработали новую технику ИИ под названием условное обучение с подкреплением. Система использует камеру для мониторинга процесса печати и мгновенно корректирует настройки принтера при обнаружении дефекта. Ей не нужно заранее знать, что пошло не так, и она может исправлять проблемы всего за один шаг. Также ей не требуется переобучение для адаптации к новым условиям, что преодолевает основную проблему современных методов управления.

"Мы создали инструмент, который решает эту проблему", — сказал Малхотра. "Нам больше не нужно предвидеть. С любыми возникающими помехами мы можем справиться, не выбрасывая деталь и не останавливая процесс, что плохо для гарантии выполнения миссии".

Система предназначена для работы без остановки принтера и переобучения программного обеспечения, что критически важно в чрезвычайных ситуациях. Она также не требует от пользователя быть экспертом. Фактически, ИИ рассматривает отсутствие подготовки как еще одно препятствие, которое необходимо преодолеть.

"Мы обучили ИИ ожидать неожиданного, а не ожидаемого", — сказал Малхотра. "Мы создали новую технику ИИ, которая "повышает устойчивость" экспедиционного производства за пределы возможностей, описанных в литературе. Она снижает количество дефектов в 10 раз и более, увеличивая качество в аналогичных масштабах, даже когда помехи неизвестны заранее".

Учитывая, что экспедиционное производство имеет решающее значение для оборонной, космической и аварийно-спасательной отраслей, он сказал: "Достигнутая нами устойчивость имеет критическое значение и до сих пор не была реализована в современных решениях".

В другом исследовании, опубликованном в The Journal of Intelligent Manufacturing, Малхотра и его коллеги сосредоточились на ускорении инноваций в традиционном производстве.

Инженеры давно полагаются на физические модели и метод проб и ошибок для понимания поведения материалов во время производства. Разработка этих моделей может занимать десятилетия и требует глубоких знаний. Даже современные инструменты машинного обучения нуждаются в огромных наборах данных для эффективной работы.

"Этот процесс очень медленный", — сказал Малхотра. "Он очень подвержен ошибкам. Иногда на разработку процесса может уйти 30 лет".

Его команда создала систему ИИ, которая читает научные статьи, извлекает полезную информацию и комбинирует ее с небольшим объемом экспериментальных данных для построения предиктивных моделей. ИИ работает как эксперт, обучаясь на прошлых исследованиях и уточняя свои прогнозы с каждой итерацией.

"ИИ действует как эксперт с докторской степенью", — сказал он. "Он пробует несколько раз, а затем добивается правильного результата".

Вместо проведения сотен экспериментов команда добилась точных результатов всего на 30 образцах. "Мы сократили количество необходимых образцов", — сказал Малхотра. "Это означает, что вы делаете вещи гораздо быстрее".

Система использует большие языковые модели для извлечения знаний из научной литературы и их уточнения с помощью реальных данных. "Наша задача на самом деле состоит в том, чтобы взять существующую систему ИИ и не тратить 5 миллиардов долларов, а потратить практически ничего, чтобы сказать: 'Найди мне гипотезу, которая работает для моего случая'", — сказал Малхотра.

Это новшество может ускорить разработку в таких отраслях, как аэрокосмическая, автомобильная, электронная и оборонная. "Этот метод снижает потребность в человеческой интерпретации и масштабных экспериментах, ускоряя инновации для новых или сложных производственных процессов", — сказал он.