- Av Liv McMahon og Alasdair Keane
- Teknologireporter, BBC Klikk
Bildekilde, Getty bilder
En undersøkelse i år fant at 89 % av nesten 1800 produksjonsledere sier at de planlegger å implementere AI i produksjonen.
Mens Doritos, Walkers og Wotsits suser langs et transportbånd på PepsiCo-fabrikken i Coventry, hvor noen av Storbritannias mest kjente potetgull er laget, er støyen fra det surrende maskineriet nesten øredøvende.
Men det er ikke bare menneskelige arbeidere her som prøver å høre tegn på maskinsvikt over fabrikkstriden.
Sensorer koblet til utstyret lytter også etter indikasjoner på maskinvarefeil, etter å ha blitt opplært til å gjenkjenne lydene fra slitne maskiner som truer med å stoppe produksjonslinjer.
PepsiCo distribuerer disse sensorene, laget av teknologiselskapet Augury og drevet av kunstig intelligens (AI), i sine fabrikker etter en vellykket rettssak i USA.
Selskapet er en av mange som utforsker hvordan kunstig intelligens kan øke fabrikkeffektiviteten, redusere avfall og få produkter raskere til hyllene.
Regn ut tallene
Fra første design til levering blir AI sett på som å spille en nøkkelrolle i en ny bølge av produksjon.
Dens evne til å behandle og analysere enorme mengder data hjelper allerede produsenter med å forutsi og forberede seg på potensielle forstyrrelser.
Et minutt med nedetid kan koste bedrifter tusenvis av pund, og lengre forsinkelser kan bety å gå glipp av forbrukernes etterspørsel på kritiske tidspunkter som høytiden eller Black Friday.
Derfor blir verktøy som kan overvåke og analysere prosesser i sanntid, advare om problemer i horisonten og utnytte historiske data for å anbefale løsninger, kjent i fabrikker.
Augurys AI-programvare mottar data fra en rekke sensorer
Sensorer brukt i PepsiCo-fabrikker har blitt trent på enorme volumer av lyddata, for å kunne oppdage feil som slitasje på transportbånd og lagre, samtidig som de analyserer maskinvibrasjoner.
«I dag har vi over 300 millioner timer med maskiner som vi har analysert og overvåket, og vi kan utnytte alle disse dataene til å lage algoritmer som kan identifisere spesifikke mønstre av forskjellige funksjonsfeil,» sier Saar Yoskovitz, administrerende direktør i Augury.
Ved også å samle informasjon og innsikt i den generelle helsen til utstyr, for eksempel å identifisere når en maskin kan svikte igjen i fremtiden, lar teknologien arbeidere planlegge vedlikehold på forhånd og unngå å måtte reagere på maskinfeil så snart de oppstår.
PepsiCo har tidligere utforsket bruk av kunstig intelligens for å måle skallet på poteter og kontrollere teksturen til chips uten å knuse dem
Bruken av AI-baserte sensorer kan også tilby selskapet en måte å redusere avfall i sin virksomhet.
«Hvis maskinen fungerer optimalt, kan du redusere energiforbruket,» sier Yoskovitz.
Datasyn, som involverer opplæring av maskiner til å gjenkjenne objekter i bilder og videoer, er en annen type kunstig intelligens som brukes i noen fabrikker rundt om i verden for å oppdage produktfeil i stor skala.
Bygden av gjenstander som beveger seg langs transportbånd og gjennom sorteringsmaskiner på fabrikker gjør at små defekter i produktene lett kan overses.
Dette gjelder spesielt for databrikkeskiver og kretskort som har komplekse design og komponenter. Feil som tidligere kan ha gått ubemerket hen av det menneskelige øyet, kan nå oppdages av en bils kamera og fanges opp av algoritmer som er trent til å oppdage spesifikke uregelmessigheter på overflatenivå.
Forbedre synlighet
Alexandra Brintrup, professor i digital produksjon ved Institute for Manufacturing ved University of Cambridge, forklarer til BBC at bruken av kunstig intelligens for å forbedre effektiviteten i sektoren, inkludert på områder som prediktivt vedlikehold og kvalitetskontroll, kan det nå bli betraktet som en konvensjonell anvendelse av teknologien.
«Jeg tror de mest spennende mulighetene for kunstig intelligens i produksjon kommer fra ting vi ikke en gang kunne prøve å gjøre før, som å dele kapasiteter mellom produsenter, forbedre synlighet i forsyningskjeder, til og med dele lastebiler i en forsyningskjede,» sier hun.
Den sammenvevde og komplekse naturen til forsyningskjedenettverk, og motviljen fra enkelte interessenter til å si hvem som leverer dem, har tidligere holdt mange aspekter av produksjonen innhyllet i mystikk.
Men AI kan brukes til å analysere og forutsi hvem og hvor leverandørene er, noe som gir bedrifter innsikt i flaskehalser og forbrukere innsikt i hvor produktene deres kommer fra og materialene de bruker.
Professor Brintrup leder Institute for Manufacturing’s Supply Chain AI Lab, som har utviklet sin egen prediksjonsmekanisme for å identifisere hvor ingredienser som palmeolje kan ha blitt brukt i et produkt, men forkledd under et annet navn på etiketten.
Nyere laboratorieforskning har antydet at palmeolje kan ha 200 forskjellige navn i USA – og disse skiller seg kanskje ikke ut for miljøbevisste forbrukere.
«Vi har et samfunn som i økende grad er bevisst på den miljømessige og sosiale påvirkningen av produksjon, så jeg tror at større synlighet av forsyningskjeden og levering av denne informasjonen til forbrukeren vil bli stadig viktigere,» legger Prof. Brintrup.
Og arbeiderne?
Spørsmålet om hva den økende bruken av AI-verktøy i fabrikker og den bredere forsyningskjeden vil bety for arbeidere, tårner seg opp i hele produksjonslandskapet.
Noen selskaper undersøker hvordan man kan bruke kunstig intelligens for å holde arbeidere i produksjonslinje trygge rundt maskineri, ved å bruke maskinlæring og datasynsteknikker for å overvåke fabrikkkamerafeeder for å identifisere mulige trusler eller hendelser.
I mellomtiden har AI-drevne bærbare enheter, for eksempel eksoskjeletter, blitt utplassert i britiske varehus for å sikre at personer som gjentatte ganger har i oppgave å bære tung last, ikke lider av belastninger eller skader.
Eksoskeletter hjelper til med å motstå belastningen ved tunge løft
David Schwartz, global visepresident for PepsiCo Labs, sier at selskapet ser Augurys sensorer og AI bredere som en måte å levere mer verdi til arbeidere og kunder, og ikke bare for å værsikre fremtidens fabrikker.
«Det bidrar til å forbedre måten folk jobber på, slik at vi kan bringe større effektivitet for å møte behovene til våre folk, våre kunder, og vi kan være klare til å se fremover for å møte deres behov på daglig basis,» sier han
Se BBC Klikk for å se hvordan AI blir brukt for å få snacks sømløst inn i hyllene og til og med bekjempe branner.
«Ond alkoholelsker. Twitter-narkoman. Fremtidig tenåringsidol. Leser. Matelsker. Introvert. Kaffeevangelist. Typisk baconentusiast.»