Cyfryzacja i rozwój sztucznej inteligencji sprawiają, że przedsiębiorstwa produkcyjne coraz częściej sięgają po zaawansowane narzędzia wspierające podejmowanie decyzji. Jednym z przykładów takich rozwiązań jest projekt badawczo-rozwojowy realizowany wspólnie przez Kotrak S.A. i Politechnikę Śląską, którego celem było opracowanie i zastosowanie algorytmów genetycznych do optymalizacji zarządzania produkcją. O wyzwaniach projektu, potencjale sztucznej inteligencji oraz przyszłości inteligentnego planowania produkcji rozmawiamy z dr hab. inż. Krzysztofem Wodarskim, prof. Politechniki Śląskiej.
Projekt Kotrak S.A. i Politechniki Śląskiej
Projekt był realizowany wspólnie przez Kotrak S.A. i Politechnikę Śląską. Jak z perspektywy naukowca podsumowałby Pan tę współpracę?
dr hab. inż. Krzysztof Wodarski, prof. PŚ: Oceniam tę współpracę bardzo wysoko. Był to przykład projektu, w którym wiedza naukowa i doświadczenie przemysłowe wzajemnie się uzupełniały. Politechnika Śląska odpowiadała za opracowanie i weryfikację metod optymalizacyjnych oraz modeli badawczych, natomiast firma Kotrak wnosiła praktyczną znajomość procesów produkcyjnych oraz oczekiwań przedsiębiorstw. Dzięki temu powstało rozwiązanie, które nie jest jedynie koncepcją teoretyczną, lecz odpowiada na rzeczywiste potrzeby przemysłu.
Co było największym wyzwaniem badawczym podczas prac nad systemem optymalizacji zarządzania produkcją?
KW: Największym wyzwaniem było opracowanie algorytmu, który potrafi jednocześnie uwzględniać wiele często sprzecznych kryteriów. W praktyce produkcyjnej nie chodzi wyłącznie o skrócenie czasu realizacji zleceń. Trzeba brać pod uwagę dostępność maszyn, pracowników, materiałów, terminy dostaw, koszty przezbrojeń czy priorytety klientów. Połączenie wszystkich tych elementów w jednym modelu optymalizacyjnym wymagało zaawansowanych badań i wielu testów.
Jakie rezultaty projektu uważa Pan za najważniejsze – zarówno z punktu widzenia nauki, jak i przemysłu?
KW: Najważniejszym rezultatem było opracowanie rozwiązania wykorzystującego algorytmy genetyczne do wspomagania harmonogramowania produkcji w dynamicznie zmieniającym się środowisku. Z naukowego punktu widzenia projekt potwierdził skuteczność metod sztucznej inteligencji w rozwiązywaniu złożonych problemów optymalizacyjnych. Z perspektywy przedsiębiorstw oznacza to możliwość szybszego tworzenia lepszych harmonogramów, ograniczenia przestojów oraz bardziej efektywnego wykorzystania zasobów produkcyjnych.
Istotnym osiągnięciem projektu było również połączenie metod sztucznej inteligencji z wiedzą ekspertów z zakresu organizacji produkcji oraz możliwość integracji rozwiązania z funkcjonującymi w przedsiębiorstwach systemami informatycznymi.
Czy efekty projektu można uznać za przykład skutecznego transferu wiedzy z uczelni do biznesu?
KW: Zdecydowanie tak. Właśnie takie projekty pokazują, że wyniki badań naukowych mogą znaleźć bezpośrednie zastosowanie w gospodarce. Współpraca z przedsiębiorstwem pozwala zweryfikować rozwiązania w rzeczywistych warunkach, a jednocześnie umożliwia naukowcom rozwijanie metod odpowiadających aktualnym wyzwaniom przemysłu.
Przeczytaj na naszym blogu o algorytmach genetycznych w systemach IT i przemyśle.
Harmonogramowanie produkcji to znacznie więcej niż kolejka zleceń
Wiele osób wyobraża sobie planowanie produkcji jako zwykłe układanie kolejki zleceń. Dlaczego w rzeczywistości jest to znacznie bardziej złożony problem?
KW: To bardzo częste uproszczenie. W rzeczywistości harmonogramowanie produkcji przypomina raczej rozwiązywanie niezwykle złożonej układanki niż ustawianie zleceń w kolejce.
Każde zlecenie ma swoją specyfikę – wymaga określonych maszyn, narzędzi, materiałów czy kompetencji pracowników. Jednocześnie przedsiębiorstwo dysponuje ograniczoną liczbą zasobów, które muszą być wykorzystywane w możliwie najbardziej efektywny sposób.
Dodatkowo należy uwzględnić wiele wzajemnie powiązanych czynników, takich jak czasy przezbrojeń maszyn, terminy dostaw materiałów, priorytety klientów, dostępność operatorów, ograniczenia technologiczne czy planowane przeglądy urządzeń. Zmiana kolejności wykonania jednego zlecenia może mieć wpływ na cały harmonogram produkcji.
Z matematycznego punktu widzenia są to problemy kombinatoryczne o ogromnej liczbie możliwych rozwiązań. Dlatego coraz większego znaczenia nabierają inteligentne algorytmy optymalizacyjne, które potrafią szybko znaleźć rozwiązania bardzo dobre, nawet jeśli nie analizują wszystkich możliwych wariantów.
Dlaczego tradycyjne metody planowania coraz częściej okazują się niewystarczające?
KW: Przez wiele lat planowanie produkcji opierało się przede wszystkim na doświadczeniu planistów oraz stosunkowo prostych regułach decyzyjnych. Obecnie przedsiębiorstwa funkcjonują jednak w zupełnie innych warunkach. Klienci oczekują krótszych terminów realizacji, większej indywidualizacji produktów oraz szybkiego reagowania na zmiany zamówień.
Jednocześnie zakłady produkcyjne dysponują coraz bardziej złożonymi liniami technologicznymi, a liczba danych dostępnych z systemów ERP, MES czy urządzeń IoT stale rośnie. Człowiek nie jest w stanie w krótkim czasie przeanalizować tysięcy możliwych wariantów harmonogramu i ocenić ich konsekwencji. Algorytmy sztucznej inteligencji potrafią zrobić to w ciągu kilku lub kilkunastu sekund, wspierając podejmowanie trafniejszych decyzji.
Algorytmy genetyczne inspirowane naturą
Skąd bierze się skuteczność algorytmów genetycznych w rozwiązywaniu problemów przemysłowych?
KW: Ewolucja przez miliony lat wykształciła bardzo skuteczny mechanizm poszukiwania najlepszych rozwiązań. Algorytmy genetyczne wykorzystują podobną zasadę – tworzą wiele potencjalnych rozwiązań, porównują ich jakość i stopniowo je udoskonalają. Dzięki temu potrafią znaleźć bardzo dobre rozwiązania nawet dla problemów, których nie da się efektywnie rozwiązać klasycznymi metodami matematycznymi.
Dlaczego algorytm analizuje wiele możliwych harmonogramów jednocześnie?
KW: Algorytm genetyczny działa inaczej niż klasyczne metody optymalizacji. Na początku tworzy całą populację różnych harmonogramów, które można traktować jako alternatywne pomysły na organizację produkcji. Następnie ocenia ich jakość, wybiera najlepsze i wykorzystuje je do tworzenia kolejnych, jeszcze lepszych rozwiązań. Dzięki temu zmniejsza ryzyko utknięcia w rozwiązaniach jedynie lokalnie optymalnych i znacząco zwiększa prawdopodobieństwo znalezienia harmonogramu korzystnego z punktu widzenia całego przedsiębiorstwa.
Produkcja musi umieć reagować na nieprzewidywalność
Dlaczego zakłócenia procesu produkcyjnego są dziś jednym z największych problemów zakładów?
KW: W praktyce produkcja niemal nigdy nie przebiega dokładnie zgodnie z pierwotnym planem. Mogą pojawić się awarie maszyn, opóźnienia dostaw, nagłe zmiany zamówień klientów czy absencje pracowników. Takie zdarzenia powodują efekt domina i mogą zagrozić terminowej realizacji wielu zamówień.
Dlatego tak istotna jest możliwość szybkiego przeplanowania produkcji. Algorytmy optymalizacyjne potrafią w bardzo krótkim czasie przeanalizować wiele alternatywnych scenariuszy i wskazać harmonogram, który w możliwie największym stopniu ograniczy skutki zakłócenia.
Czy algorytm działa trochę jak doświadczony planista?
KW: Można tak powiedzieć i jest to bardzo trafna analogia. Algorytm genetyczny wykonuje podobny proces, ale na znacznie większą skalę. W bardzo krótkim czasie analizuje tysiące możliwych wariantów reorganizacji produkcji i wskazuje rozwiązania najlepiej spełniające określone kryteria. Co istotne, system nie zastępuje człowieka, lecz dostarcza mu najlepszego możliwego wsparcia decyzyjnego.
Sztuczna inteligencja, dane i przyszłość przemysłu
Jak dane z maszyn i systemów produkcyjnych poprawiają jakość planowania?
KW: Im bardziej aktualne, kompletne i wiarygodne informacje trafiają do systemu planowania, tym trafniejsze decyzje może on podejmować. Informacje pochodzące z maszyn, czujników IoT oraz systemów ERP i MES pozwalają na bieżąco monitorować rzeczywisty przebieg produkcji i niemal natychmiast uwzględniać zmiany podczas wyznaczania nowego harmonogramu.
Czy systemy produkcyjne będą w przyszłości samodzielnie proponować zmiany harmonogramów?
KW: Tak i wiele elementów takiej przyszłości obserwujemy już dziś. Automatyczne rekomendowanie zmian harmonogramów staje się coraz bardziej realne. W mojej ocenie człowiek nadal będzie pełnił funkcję nadzorczą, natomiast rutynowe decyzje będą coraz częściej wspomagane lub realizowane automatycznie.
Czy cyfryzacja i sztuczna inteligencja wspierają realizację celów środowiskowych przedsiębiorstw?
KW: Zdecydowanie tak. Im lepiej zaplanowany jest proces produkcyjny, tym mniej energii, materiałów i czasu zostaje zmarnowanych. Inteligentne systemy planowania pozwalają ograniczyć liczbę niepotrzebnych przezbrojeń, zmniejszyć liczbę przestojów i zoptymalizować zużycie energii, jednocześnie obniżając koszty działalności i redukując wpływ na środowisko.
Czy polskie przedsiębiorstwa są gotowe na wdrażanie takich rozwiązań?
KW: Znajdujemy się obecnie na etapie intensywnej transformacji cyfrowej polskiego przemysłu. Coraz więcej przedsiębiorstw inwestuje w systemy ERP, MES, rozwiązania IoT i platformy do analizy danych. Tworzy to solidne fundamenty pod wdrażanie bardziej zaawansowanych metod optymalizacji opartych na sztucznej inteligencji.
Jak ocenia Pan potencjał komercyjny technologii opracowanej w projekcie?
KW: Uważam, że potencjał komercyjny jest bardzo duży. Problem efektywnego harmonogramowania dotyczy praktycznie wszystkich przedsiębiorstw produkcyjnych, niezależnie od branży. Rozwiązanie może być rozwijane i integrowane z istniejącymi systemami ERP, MES czy platformami Przemysłu 4.0, co sprawia, że jego potencjał wykracza daleko poza pojedyncze wdrożenie.
Czy rozwiązania wykorzystujące algorytmy genetyczne i sztuczną inteligencję staną się standardem w zarządzaniu produkcją?
KW: Jestem przekonany, że tak. Wraz z rozwojem Przemysłu 4.0 przedsiębiorstwa będą coraz częściej wykorzystywać inteligentne systemy wspomagające podejmowanie decyzji. Technologie te nie zastąpią ekspertów, ale znacząco zwiększą ich możliwości, umożliwiając szybsze podejmowanie trafnych decyzji i bardziej efektywne zarządzanie procesami produkcyjnymi.
Projekt realizowany przez Kotrak S.A. i Politechnikę Śląską pokazuje, że połączenie wiedzy naukowej z doświadczeniem biznesowym może prowadzić do powstania rozwiązań odpowiadających na realne potrzeby przemysłu. Algorytmy genetyczne i sztuczna inteligencja nie są już jedynie koncepcją przyszłości, lecz praktycznymi narzędziami wspierającymi planowanie, zwiększającymi elastyczność produkcji i pomagającymi przedsiębiorstwom budować przewagę konkurencyjną w erze Przemysłu 4.0.
