Projektując przyszłość

    Guido Jouret, dyrektor ds. cyfryzacji w Grupie ABB, źródło: ABB

    Guido Jouret, dyrektor ds. cyfryzacji w Grupie ABB, przy okazji swojej wizyty w ABB w Krakowie rozmawiał z nami o Big Data, sztucznej inteligencji, Przemyśle 5.0 oraz superkomputerze Watsonie.

    CE Polska: W jaki sposób kontrolować i mądrze wykorzystywać przepływ tak wielu danych, jakie pojawiają się obecnie w procesach przemysłowych?

    Guido Jouret: Problem z opanowaniem danych rzeczywiście istnieje. Czujniki i urządzenia mogą generować ich bardzo dużo, a wysyłanie wszystkich danych do chmury nie jest ekonomiczne. Najważniejsze wydaje się jednak istnienie odpowiednich łączy komunikacyjnych – świetnie widać to np. w branżach wydobycia ropy i gazu. Właśnie te łącza stanowią wąskie gardło.

    Dobra wiadomość jest taka, że im bardziej będziemy umieli wykorzystywać technologię sztucznej inteligencji i uczenia maszynowego, tym lepiej nauczymy się filtrować dane już w samych generujących je urządzeniach. Jesteśmy w stanie wykorzystywać filtry nauczone rozpoznawania wyjątków oraz wzorców, więc jeśli umieścimy taki filtr jak najbliżej miejsca, w którym są zbierane nieprzetworzone dane, wówczas wystarczy, że będą stamtąd wysyłane tylko podsumowania, alarmy. W ten sposób redukujemy ilość obrabianych dalej danych w stosunku nawet 10 tys. do 1! To z kolei umożliwia wykonywanie znacznie lepszej analizy za pomocą uczenia maszynowego, oczywiście po odpowiednim przeszkoleniu modeli.

    Wykorzystanie modeli jest stosunkowo tanie, jeśli chodzi o potrzeby obliczeniowe, i łatwe w zakresie tego, co możemy zrobić wewnątrz mikroprocesora, który działa jak odpowiednik smartfona, potrafiącego łatwo wykonać dla nas filtrowanie dużej ilości danych. Tak więc uważam, że kombinacja inteligentnych czujników, wyposażonych w rzeczywistą inteligencję, pomoże nam rozwiązać problem z dużą ilością danych.

    Czy jesteśmy skazani na nieustanne zwiększanie się strumieni Big Data?

    Coraz więcej urządzeń będzie podłączanych do sieci informatycznych, co oznacza ciągły wzrost ilości danych. I znowu, im więcej z tych informacji uda nam się filtrować przez umieszczenie urządzeń do analizy danych w pobliżu źródeł tych danych, tym więcej informacji znajdzie się pod kontrolą.

    Koszty przechowywania danych i ich transmisji systematycznie spadają, więc tańsze będzie również wysyłanie części z nich do chmury. W związku z tym, że niektóre z technologii analitycznych stają się coraz potężniejsze, najtańszym miejscem do wykonania takiej analizy danych jest właśnie chmura, która ma niemal nieograniczone możliwości przetwarzania i przechowywania danych.

    Jeśli spróbujemy zmieścić technologię filtrowania danych w małym czujniku, najprawdopodobniej będziemy musieli rozwiązać problem żywotności baterii zasilającej czy ilości dostępnej pamięci i mocy obliczeniowej. Chmura ma prawie nieograniczoną moc obliczeniową i pamięć masową. Będziemy więc wykonywać filtrację danych w obydwu miejscach – na krawędzi sieci i w chmurze, gdzie dane ulegną przetworzeniu.

    Niezależnie od tego czeka nas dosłownie eksplozja danych. Przykładem są samochody podłączone do Internetu, które każdego dnia generują gigabajty danych.

    Czy ratunek nadejdzie ze strony sztucznej inteligencji (AI)? To ona, a nie ludzie, będzie w stanie w pełni ujarzmić Big Data?

    W przypadku tzw. systemu ekspertowego, czyli AI, dysponujemy regułami i algorytmem do wykrywania anomalii lub wyszukiwania interesujących zdarzeń. Główny przełom, jaki dokonał się w ciągu ubiegłych 45 lat, dotyczył natomiast uzupełniania systemów ekspertowych o rozwój uczenia maszynowego.

    Piękne w samouczeniu się maszyn jest to, że jeśli nie wiemy, jaka powinna być reguła, ale mamy dane „sprzed” i „po” (wejściowe i wyjściowe), możemy po prostu przeszkolić sieć neuronową tak, aby uczyła się, jakie powinny być korelacje pomiędzy tymi zdarzeniami. I ta technologia – jak zobaczyliśmy na doskonałym przykładzie technologii głębokiej sieci neuronowej – czyni obecnie duże postępy.

    Myślę, że zobaczymy coraz więcej jej zastosowań w przemysłowych systemach sterowania do wyszukiwania oznak pogorszenia działania sprzętu, wczesnych oznak zużycia silników elektrycznych czy nietypowych zdarzeń związanych z czujnikami i sondami. Musimy jednak pamiętać, że czasami same czujniki też mogą ulec uszkodzeniu, więc istnieje również ryzyko przesyłania fałszywych danych do systemu.

    Prawdopodobnie następną generacją Przemysłu 4.0 będzie 5.0, „reżyserowany” już przez AI. Co Pan o tym myśli? Czy powstanie przemysł całkowicie pozbawiony czynnika ludzkiego?

    Myślę, że nigdy nie usuniemy ludzi z żadnego z tych środowisk, nawet w obecności AI. Szczególnie, gdy będzie ona opierała się na technologiach uczenia maszynowego, w których nadal występują pewne fundamentalne restrykcje lub ograniczenia.

    Istniejące dzisiaj narzędzia do samouczenia się maszyn są zwykle bardzo dobre w jednym konkretnym zadaniu. To nie jest inteligencja na poziomie człowieka. Są zoptymalizowane do rozwiązywania konkretnego problemu – przykładowo, sztuczna inteligencja, która uczy się, jak wykryć awarię silnika, nie będzie w stanie np. prowadzić samochodu czy wygrać w pokera.

    Ale potrafi już np. wygrać w szachy z arcymistrzami…

    Tak, w szachy i w Go, ale komputer do gry w szachy czy w Go nie umie sterować pracą zautomatyzowanej fabryki, ponieważ został wyszkolony do wykonywania tego jednego, konkretnego zadania. Kolejnym powodem, dla którego potrzebujemy ludzi, jest fakt, że gdy kształcimy system uczenia maszynowego, wybieramy dane wejściowe, na podstawie których ma być przeprowadzana nauka, a następnie porównujemy je z danymi wyjściowymi, które chcemy uzyskać.

    Jednym z ograniczeń uczenia maszynowego pozostaje to, że sztuczna inteligencja nie jest samoświadoma, brak jej świadomości kontekstowej. To oznacza, że jeśli któregoś dnia zdarzy się w fabryce coś, co zaowocuje zbiorem zupełnie nowych danych wejściowych, czyli pojawieniem się wyników, pomiarów i zdarzeń, z którymi ta sztuczna inteligencja nigdy przedtem nie miała do czynienia, wówczas nie będziemy mogli przewidzieć, jak ona się zachowa.

    Nawet w przypadku, powiedzmy, autonomicznego statku morskiego, wyposażonego w czujniki i kamery wystarczające w zupełności do samodzielnej nawigacji, prawdopodobnie nadal będziemy chcieli mieć możliwość wprowadzenia na mostek kapitana, obserwującego, co dzieje się dookoła – ponieważ zawsze mogą powstać obszary, w których AI przestanie działać, co moim zdaniem jest korzystne. Przypomina to tzw. uszkodzenie w kierunku bezpiecznym (fail safe).

    Chcemy, aby sztuczna inteligencja w chwili, gdy nie będzie już dłużej zdolna do skutecznej oceny sytuacji, bo dane wejściowe staną się dla niej w znacznym stopniu nowe i nieoczekiwane, była w stanie stwierdzić: „nigdy przedtem tego nie widziałam, nie jestem kompetentna, aby działać”.

    W pewnym stopniu tak funkcjonują też ludzie. Jeśli poprosimy kogoś, aby zrobił coś, czego nigdy przedtem nie robił, zwykle zatrzyma się i powie: „nie wiem, jak to zrobić”. Musimy „szkolić” nasze sztuczne inteligencje, aby robiły to samo – jeśli widzą jakieś odbiegające od normy wydarzenie, niespodziewaną awarię, coś, co poszło inaczej niż zawsze, wówczas nie mogą zalecać toku działań prowadzącego do katastrofy.

    Firma ABB stale „pracuje nad przyszłością”, prawie ją projektuje. Jakie są najważniejsze kierunki Waszych działań? Czy łatwo nakreślać, co stanie się ważne w przemyśle czy automatyce za jakiś czas?

    Z jednej strony istnieją naprawdę dobrze poznane kierunki przyszłości, np. te związane z robotyką. Wiemy, że roboty potrafią wykonywać bardzo dobrze pewne zadania, choćby spawanie części samochodu, ale trudno jest im zbierać warzywa czy owoce bądź wykonywać delikatne prace. Mamy więc świadomość, że większość robotów możemy jeszcze ulepszyć – brakuje im mobilności, nie potrafią rozwiązywać wielu rodzajów problemów, wciąż mogą być bardziej inteligentne, łatwiejsze w szkoleniu. Nie mamy jeszcze kompletu rozwiązań, ale wiemy dokąd iść.

    Są też obszary, których rozwój stworzy nowe usługi – np. dodając więcej inteligencji do napędów, silników, wyłączników elektroenergetycznych czy rozmaitych technologii, które opracowuje ABB. Z tego powodu zaczęliśmy stale zadawać sobie pytania: „dlaczego nie podłączyć tego urządzenia do sieci?”, „dlaczego nie dodać oprogramowania?”, „dlaczego nie dołożyć dostępu do usług?”. Oczywiście odpowiadając na nie, tworzymy konkretne wartości dla klientów, bo nie chodzi o eksperymenty naukowe, tylko o działania, które przyniosą określone korzyści.

    Istnieją też technologie, które wskazują na nowe zastosowania, o jakich nigdy wcześniej nie śniliśmy. Choćby rozszerzona rzeczywistość, blockchain, drony – widzimy tu wczesne oznaki potencjalnych, bardzo interesujących przypadków użycia. Na przykład, za pomocą dronów możemy dokonywać zimowych inspekcji winnic, wysyłać je nad rurociągi lub rafinerie, aby robiły zdjęcia i wykrywały tam rozmaite problemy, czyli wyszukiwały przyczyn ewentualnych awarii urządzeń. To są czynności, które teraz stanowią duże wyzwanie, natomiast dzięki wykorzystaniu dronów staną się szybkie i bardzo łatwe.

    Istnieją również obszary, co do których wiemy, że dokonanie w nich ulepszeń może stworzyć konkretną wartość. Jeśli np. ułatwimy konfigurowanie robota, na pewno będzie to bardzo wartościowe dla klientów.

    Zdarzają się jednak technologie, o których nie wiemy jeszcze, do czego mogą posłużyć. Weźmy np. łańcuch bloków. Wiemy, że blockchain jest użyteczny jako sposób zapisywania transakcji, które możemy potem śledzić i porównywać, czy nie zostały zmienione. Ale czy mamy pewność, że to najlepsze lub najbardziej interesujące dla rynków elektroenergetycznych wykorzystanie w przemyśle? Nie wiemy tego na pewno, gdyż jest to obszar wielu eksperymentów. Ale to dobrze. Właśnie tak powstają innowacje.

    Czasami o faktycznej funkcji danego wynalazku czy innowacji dowiadujemy się dopiero po fakcie, gdy widzimy, do czego w rzeczywistości posłużyły. Gdy ludzie konstruowali pierwsze samochody, projektowali je na wzór powozów konnych. Dlaczego? Ponieważ tworzyły je te same osoby, które wcześniej zajmowały się produkcją powozów. Dopiero gdy uświadomiono sobie, że nie będzie żadnych koni do ciągnięcia tych pojazdów, można było uwolnić się od ograniczeń projektowych i zacząć tworzyć samochody wyglądające całkiem inaczej niż bryczki. Ale ta ewolucja pierwszych aut potrzebowała całej generacji projektantów. To typowe dla rozwoju technologii – zwykle patrzymy na nią z perspektywy przeszłości, dopasowujemy ją do zdobytego wcześniej doświadczenia.

    Jednym z moich ulubionych przykładów jest płyta gramofonowa i sam gramofon. Twórcy tej technologii wcale nie myśleli o muzyce. Fonograf, oparty początkowo na woskowym cylindrze, miał służyć do zapisywania ostatniej woli osób umierających w postaci dźwiękowego testamentu. Jedna osoba wymyśliła fonograf, a inna jego najlepsze wykorzystanie, czyli rejestrację i odtwarzanie muzyki.

    Jaki cel przyświeca ABB w ramach współpracy ze słynnym superkomputerem IBM Watson?

    Watson jest technologią AI wdrożoną jako usługa w chmurze. Tak więc nie pobieramy Watsona na dysk i nie instalujemy go na swoim komputerze, tylko łączymy się z Watsonem w chmurze, wysyłamy mu informacje, a on przysyła nam swoje odpowiedzi i zalecenia. Dzisiaj wykorzystujemy go w dwóch obszarach.

    Pierwszym jest optymalizacja dostępności farm wiatrowych. Watson przesyła nam najbardziej aktualne i precyzyjne prognozy pogody, następnie łączy te informacje z danymi dotyczącymi naszych farm wiatrowych i w efekcie może zoptymalizować harmonogram ich konserwacji. Farmy mają dużo części ruchomych, o które trzeba regularnie dbać. Oczywiście najlepiej nie przeprowadzać konserwacji sprzętu wtedy, gdy wieje mocny wiatr, bo tracimy okazję do wytwarzania energii. Należy więc na podstawie danych dostarczanych przez system znaleźć odpowiedni, najbardziej opłacalny moment na wykonanie konserwacji.

    Drugim obszarem, w którym wykorzystujemy Watsona, jest przeprowadzanie inspekcji i kontroli jakości. Teraz, kiedy jest coś wytwarzane, wiele inspekcji i kontroli jakości przeprowadzają ludzie. W efekcie tworzą się wyspy automatyki: automatyzujemy proces, następnie zatrzymujemy się i oglądamy wyniki, a potem znowu automatyzujemy. Jeśli będziemy w stanie zautomatyzować sam proces przeprowadzania kontroli jakości, to nie tylko osiągniemy większą wydajność całego systemu, ale bardzo szybko poprawimy jakość inspekcji.

    Ludzie się męczą. Jeśli choćby oświetlenie nie jest odpowiednie, mogą coś przeoczyć. Dokładność kontroli, które są w stanie wykonać ludzie, w najlepszym przypadku wynosi 95%. Tymczasem w niektórych obszarach – takich jak rozpoznawanie obrazu czy mowy – zaczynamy już przekraczać poziomy precyzji dostępne dla człowieka. Uważam, że podobnie może stać się w przypadku kontroli jakości.

    Ufam, że dla IBM możemy być też partnerem na wiele innych sposobów, jako że wiele nowych możliwości pojawia się w związku z integracją technologii operacyjnych (OT) w obszarze fabryk i zakładów przemysłowych oraz informatyki.

    Nasz system sterowania może np. wykryć problem z jakimś urządzeniem, będziemy więc potrzebować serwisanta, który pójdzie na miejsce i naprawi usterkę. Skąd jednak wiemy, który technik serwisowy jest dostępny? Znajdziemy go w bazie danych działu kadr (HR), ale musimy w tym celu połączyć nasz system sterowania z systemami HR, aby znaleźć najlepszego z dostępnych techników do wykonania naprawy, a następnie zlecić pracę. To wymaga sprzężenia wielu systemów, w których specjalizuje się firma IBM, związanych z usługami, integracją oraz rozwiązaniami IT. Tak więc współpraca ABB i IBM przy Watsonie to tylko zalążek możliwości, które stoją przed nami w związku z integracją systemów informatycznych i technologii operacyjnych.

    Rozmawiamy przy okazji Pana wizyty w Krakowie. Jaką rolę odgrywa tutej-
    szy oddział ABB w globalnej strategii firmy?

    Krakowski oddział staje się dla nas centrum technologii opartych na chmurze obliczeniowej, które udostępniamy dla oddziałów firmy ABB na całym świecie.

    Połączyliśmy tu różne zasoby. Jednym z nich jest obszar naszych globalnych usług biznesowych, na które składają się wspólne usługi finansowo-księgowe i inne usługi zaplecza administracyjnego firmy ABB. Ulokowaliśmy się w Krakowie z ponad 2500 pracownikami, aby świadczyć te usługi dla krajów na całym świecie, w których ABB ma swoje oddziały. Zrobiliśmy to samo z perspektywy systemów i technologii informatycznych – mamy tu bardzo dobry zespół pięćdziesięciu deweloperów tworzących aplikacje mobilne dla oddziałów firm, które chcą dysponować własnymi aplikacjami na iPhone’a, Androida czy tablety. Ponadto w Krakowie działa nasze centrum badawcze, w którym pracują eksperci materiałoznawstwa, technologii komunikacyjnych i wielu innych dziedzin. Jest to jedno z siedmiu naszych centrów badawczych na świecie.

    Rozmawiał Wojciech Stasiak