Трудно поверить, что сверхскоростной экспресс пилотирует человек в кабине. Вы бы позволили этому человеку управлять поездом со скоростью 500 км/час? В технологически развитом мире критически важные производственные процессы, такие как человеческий контроль, неэффективны, дороги и расточительны.
Страны осознают свою несостоятельность; согласно исследованию Международного валютного фонда, около трети расходов государств на инфраструктуру неэффективны. По оценкам McKinsey, поскольку цифровые технологии интегрируются в бизнес-процессы и рабочие процессы, это может привести к повышению производительности в среднем на два процента в год в течение следующего десятилетия.
Эффективность и результативность
Промышленная трансформация принимает разные виды и формы; традиционные подходы включают BPR, Шесть сигм и оцифровку рабочих процессов. Сегодня правила изменились. Три мегатенденции способствуют преобразованию всех должностей на рабочем месте. Крупная инфраструктура должна получить максимальную выгоду для своего предприятия на пути к автономии за счёт:
- Роста внедрения ИИ
- Повышенной взаимосвязанности машин и датчиков
- Оцифровки данных
Те, кто первыми воспользуется этими направлениями, будут иметь большое конкурентное преимущество как в плане дифференциации клиентов, так и в плане операционной эффективности.
Важно понимать, что автоматизация принципиально отличается от автономности. В то время как автоматизация рабочих процессов обеспечивает повышение качества и зачастую ускорение, автономность обеспечивает петлю обратной связи для реагирования на нечёткость рабочего процесса.
В прошлом разработчики стремились исключить вариативность процесса, но если всё сделано правильно, новые процессы могут существовать с размытой информацией во время выполнения задания.
Возьмём, к примеру, контроль скорости в автомобиле. В простейшей форме он автоматизирует работу для водителя и поддерживает постоянную скорость. Добавив в систему больше взаимосвязанных датчиков, вы создадите более сложный автопилот.
По мере увеличения количества датчиков и соответствующей вычислительной мощности для принятия быстрых решений вы переходите к автономности — система начнет автоматически реагировать на непредвиденные препятствия или опасности.
Реакция на ситуации будет ещё более эффективной, когда человеку не придется самому писать все правила, а только дать на усмотрение машины изучение шаблонов. Нынешний ИИ особенно хорош при распознавании образов и последующей выдаче ответа.
В результате ИИ-системы приобретут наибольшее влияние на рабочие процессы, которые являются рутинными, предсказуемыми и повторяющимися.
Крупные и обширные производственные процессы очень хорошо подходят для автоматизации искусственным интеллектом. Мы можем достаточно ограничить операционную изменчивость, чтобы протестировать и оптимизировать автономность. Позже операционная среда может быть обобщена для большей выгоды.
Человеко-машинные интерфейсы продолжат играть большую роль; изменится только характер работы человека: от управления процессом к надзору за ним.
Чтобы перейти к автономии промышленных процессов, необходимо проанализировать и посмотреть, что можно полностью автоматизировать, какие элементы потребуют человеческого надзора, а какие области останутся ручными. Как только это будет установлено, можно проложить путь к автономии. Начав с оборудования, возможностей подключения, вычислений и данных, которые существуют сегодня, и постепенно добавляя дополнительные элементы, чтобы повысить эффективность и качество процессов.
Примеры из реального мира
Давайте рассмотрим гипотетический пример — оценку страховых случаев после крупномасштабного пожара, подобного тому, что произошёл в Малибу, Калифорния.
Сегодня обществу и страховым компаниям требуется от 6 до 9 месяцев и тысячи экспертов и волонтёров, чтобы получить точный отчет о воздействии. Многие люди подвергаются опасности, а семьи в течение многих недель остаются без информации или почти ничего не знают. Благодаря доступным сегодня технологиям это можно сделать в течение недель, а иногда и дней.
Преобразование этого инспекционного процесса начинается с получения необходимого оборудования, которое будет использоваться в полевых условиях для проверок, — то есть подключённых к сети роботов и дронов, оснащённых компьютерным зрением и другими датчиками. Люди вручную устанавливают зону полёта и очищают воздушное пространство. Используя специально обученный набор ИИ для сбора, понимания и анализа наборов данных, полученных из обломков, роботы и дроны найдут способ автономно собирать и передавать информацию обратно человеку, чтобы получить представление о потерях и логистике восстановления.
Все это реально и готово к работе уже сегодня. Страховые компании могут быть уверены в выплатах; муниципалитеты могут начать восстановление с коммунальных услуг; семьи будут знать, когда они могут начать заново строить свою жизнь.
Источник: https://artificialintelligence-news.com/2021/03/09/industrial-transformation-and-path-to-autonomy/