Sztuczna Inteligencja a Industry 4.0

Transkrypt

1 Sztuczna Inteligencja a Industry 4.0 (z perspektywy Katedry Informatyki Stosowanej i Modelowania) Jan Kusiak Katedra Informatyki Stosowanej i Modelowania Wydział Inżynierii Metali i Informatyki Przemysłowej Akademia Górniczo-Hutnicza im. St. Staszica w Krakowie Posiedzenie Rady Naukowo-Przemysłowej IATI, 23. X 2018, Wrocław

2 Robot kolejkowy EWA-1 -Pan tu nie stał, pan nie jest w ciąży. Krzysztof Manc (Wynalazca) - Moja konstrukcja jest optymalna, tylko ludzie nie dorośli do tego. Wolą sami stać w kolejkach.

3 Industry Mechanizacja, silniki parowe Produkcja masowa, linie montażowe Komputeryzacja i automatyzacja Cyber Physical Systems Koniec XIX wieku Początek XX wieku Wczesne lata 70-te 2011-obecnie

4 Industry 4.0

5 Industry 4.0 Cyberfizyczne systemy produkcyjne - Procesy wirtualne, smart sensors i data mining Big Data - odkrywanie wiedzy, tworzenie baz wiedzy, predykcja i klasyfikacja, CBR, Uczenie maszynowe - sztuczne sieci neuronowe, Deep Learning, systemy ekspertowe,

6 Co to jest sztuczna inteligencja? czy istnieje? - Dobrze, zgódźmy się, że sztucznej inteligencji nie ma, ale nawet jeśli ona nie istnieje to i tak może się przydać, jest to bowiem część informatyki charakteryzująca się m. in. tym, że potrafi dostarczać odpowiedzi na niepostawione jawnie pytania Ryszard Tadeusiewicz

7 Co to jest sztuczna inteligencja? Soft Computing Optymalizacja badania operacyjne Logika rozmyta Sieci neuronowe Algorytmy ewolucyjne i genetyczne Wizualizacja Data mining Systemy ekspertowe Computational I ntelligencenumeryczne Dane + Wiedza Artificial Wiedza I ntelligencesymboliczne Uczenie maszynowe Dane Rozpoznawanie Wzorców Metody statystyczne Rachunek prawdop.

8 Badania nad zastosowaniem AI w Industry 4.0 z perspektywy Katedry Informatyki Stosowanej i Modelowania

9 Industry 4.0

10 Industry 4.0 / KISiM

11 Badania Naukowe dla Industry 4.0 Katedra Informatyki Stosowanej i Modelowania 1) Modelowanie (i metamodelowanie) procesów w inżynierii materiałowej (wirtualne procesy): sztuczna inteligencja, sztuczne sieci neuronowe, eksploracja danych, deep learning, technologie agentowe, automaty komórkowe, MES, 2) Optymalizacja procesów: algorytmy konwencjonalne i oparte o naturę; genetyczne, mrówkowe, PSO, 3) Wnioskowanie i formalizacja wiedzy: wnioskowanie epizodyczne (CBR), indukcja reguł, machine learning, logika rozmyta, ontologia, data mining,

12 Badania Naukowe dla Industry 4.0 Katedra Informatyki Stosowanej i Modelowania

13 Modelowanie i optymalizacja automaty komórkowe (CA), algorytmy genetyczne (GA); modelowanie z wykorzystaniem SSRVE Statistically Similar Representative Volume Element.

14 Wnioskowanie

15 Deep Learning w rozpoznawaniu mikrostruktur metali Sieci konwolucyjne

16 Deep Learning w rozpoznawaniu mikrostruktur metali Sieci konwolucyjne True/ Predicted Total Total

17 Deep Learning w rozpoznawaniu mikrostruktur metali Sieci konwolucyjne True/ Predicted Total Total

18 Przykładowe projekty Zastosowanie systemów opartych o wiedzę do kontrolowania niepewności w optymalizacji procesów przetwórstwa metali. 2014/15/B/ST8/00187 The system for integration of heterogeneous data sources in the domain of Obstructive Sleep Apnea, zadania z zakresu analizy i eksloracji danych. AGH, Uniwersytet Jagielloński - Collegium Medicum. System informacyjno-decyzyjny wspomagający produkcję żeliwa ADI. NCBiR: LIDER/028/593/L-4/12/NCBR/2013, pt. Opracowanie rozwiązań w zakresie konceptualizacji i udostępnienie komponentów wiedzy o technologiach odlewniczych, w kontekście innowacji i doskonalenia procesów produkcyjnych. 820/N-Czechy/2010/0:

19 Przykładowe projekty Opracowanie metodyki "zwinnego" modelowania wieloskalowego. NCN 2011/01/D/ST8/ Hybrydowy system wspomagania decyzji w zakresie doboru parametrów technologicznych wytwarzania elementów maszyn z żeliwa sferoidalnego w celu poprawy ich własności użytkowych. 7924/B/ T02/2011/40. Application of statistical representation of the microstructure to modeling of phase transformations in DP steels by solution of the diffusion equation. 2015/17/N/ST8/01024.

20 Przykładowe projekty Evaluation of high performance computing capabilities during modelling of microstructure evolution based on cellular automata method. 2016/21/N/ST8/ Multi scale model of the laser dieless drawing process of tubes from hardly deformable magnesium alloys. 2015_2018, NCBiR, V4. VirtRoll, Virtual rolling mill. RFCS with ArcelorMittal Poland, Modelowanie rozwoju mikrostruktury żeliwa sferoidalnego podczas obróbki cieplnej. 2013/11/N/ST8/00326.

21 Przykładowe projekty Zastosowanie metod sztucznej inteligencji do modelowania i sterowania procesami otrzymywania miedzi. Projekt badawczy MNiSzW nr 3 T08B Określenie możliwości zastosowania technik sztucznej inteligencji do sterowania złożonymi agregatami metalurgicznymi na jednym z wybranych etapów procesu przetopu zawiesinowego. KGHM "Polska Miedź" S.A. Zastosowanie sztucznych sieci neuronowych do statycznego sterowania procesem konwertorowym, Nr 7 T08B Zastosowanie sieci neuronowych w komputerowej symulacji zjawisk termicznych, mechanicznych i mikrostrukturalnych w plastycznej przeróbce metali. Projekt MNiI, 7T08B01212

22 Przykładowe realizacje aproksymacja właściwości materiałów na podstawie:» składu chemicznego» parametrów obróbki optymalizacja procesów poprzez identyfikację wpływu parametrów» odkrywanie zależności występujących między parametrami procesu» badanie siły wpływu składowych procesu» budowa bazy wiedzy w postaci zbioru reguł

23 Przykładowe realizacje modelowanie i metamodelowanie przebiegu zmienności parametrów dyskretnych i ciągłych; przykłady:» predykcja wilgotności mas formierskich» identyfikacja i diagnostyka wad odlewniczych» prognozowanie zużycia narzędzi tworzenie baz wiedzy» bazy danych dla systemów wspomagania decyzji» bazy danych jako zasoby dla odkrywania wiedzy i eksploracji danych» metamodele danych na potrzeby integracji semantycznej

24 Przykładowe realizacje opracowanie systemów informatycznych wspomagających procesy decyzyjne» w zakresie parametrów procesu wytwarzania materiałów» predykcyjne systemy informatyczne: oparte na sieciach neuronowych; oparte na modelach bazujących na danych historycznych» systemy telemedyczne: systemy agregacji i integracji heterogenicznych źródeł danych; automatyczne mechanizmy diagnostyki pacjentów» WEB owe systemy informacyjne; systemy automatycznego i inteligentnego pozyskiwania danych pochodzących z sieci Internet (WEB crawling, WEB scraping)

25 Współpraca naukowo-badawcza

26 Industry 4.0 w KISiM

27 Seminarium NeuroMet czyli: Zastosowanie sztucznej inteligencji w symulacji i sterowaniu procesami metalurgicznymi seria spotkań, których celem jest stworzenie platformy do wymiany doświadczeń w zakresie zastosowania sztucznej inteligencji do symulacji i sterowania procesami metalurgicznymi. w kwietniu 2019r odbędzie się 23. seminarium - ZAPRASZAM ORGANIZATOR: Katedra Informatyki Stosowanej i Modelowania AGH

28 Sztuczna Inteligencja a Industry 4.0 (z perspektywy Katedry Informatyki Stosowanej i Modelowania) Jan Kusiak kusiak@agh.edu.pl Podziękowanie dla dr inż. Krzysztofa Regulskiego za pomoc w przygotowaniu prezentacji