Když trávíte čas s lídry ve výrobě, začnete slýchat stále stejný příběh. Robotizace v minulém desetiletí přinesla skutečné výsledky, alespoň na nějaký čas. Poté přišly modernizace ERP systémů, které zajistily kvalitnější data a sjednocené procesy, a rozšiřování IoT, díky němuž začaly firmy sbírat obrovské objemy dat ze senzorů.
Přesto klíčové ukazatele vyprávějí jiný příběh. Výtěžnost výroby, neplánované odstávky, vady odhalené až po expedici nebo obrat zásob se u většiny výrobců za posledních deset let zlepšovaly jen minimálně.
Například ve Spojených státech rostla produktivita práce ve zpracovatelském průmyslu mezi čtvrtým čtvrtletím roku 2019 a prvním čtvrtletím roku 2026 v průměru pouze o 0,5 % ročně. Produkce se přitom zvýšila jen o 0,1 %, zatímco počet odpracovaných hodin klesl o 0,4 %.
Tato čísla ukazují na strategický problém, který je potřeba řešit, a to co nejdříve. Očekává se totiž, že globální trh s AI ve výrobě vzroste z 34,2 miliardy dolarů v roce 2025 na 155 miliard dolarů do roku 2030, což představuje průměrné roční tempo růstu 35,3 %.
- TAKÉ SI PŘEČTĚTE: The new automotive mandate: Embed AI throughout the value chain
Kde výroba naráží na limity inteligence
Tradiční automatizace sice zrychluje procesy a zajišťuje jejich konzistentní průběh, sama o sobě je ale nedělá chytřejšími.
Robot dokáže stejný svar vytvořit desetitisíckrát denně se stejnou přesností. Nezjistí však, že se nová dodávka oceli chová jinak, že u ložiska hrozí porucha během několika příštích směn nebo že je vhodné upravit výrobní plán, protože se brzy uvolní navazující úzké místo ve výrobě. Taková rozhodnutí byla dosud založena především na zkušenostech lidí, které jsou nákladné, vzácné a obtížně škálovatelné.
Naléhavost této výzvy zvyšují čtyři klíčové faktory:
- Dodavatelské řetězce zůstávají zranitelné: Problémy, které se naplno projevily v roce 2020, se mezitím ještě více zkomplikovaly. Situaci navíc zhoršuje geopolitická nejistota.
- Nedostatek kvalifikovaných pracovníků se prohlubuje: Ve většině průmyslových ekonomik odchází do důchodu více zkušených pracovníků, než kolik jich přichází. S nimi často odcházejí i cenné znalosti a zkušenosti.
- Požadavky na udržitelnost se zpřísňují: Regulační orgány i velcí zákazníci dnes očekávají detailní, auditovatelné a daty podložené důkazy o plnění cílů v oblasti udržitelnosti.
- Přizpůsobení zákazníkovi se stává standardem: Výrobní série se zkracují, počet variant roste, personalizace je běžnější a změny ve výrobě musí probíhat stále rychleji.
Tradiční automatizace sama o sobě tyto problémy neřeší. Physical AI však ano. Umožňuje systémům v reálném čase vnímat, co se ve výrobě děje, porozumět aktuální situaci a na základě těchto informací samostatně reagovat.
Co se změnilo: AI i prostředí, ve kterém funguje
Schopnost AI vnímat okolní prostředí a díky novým světovým modelům předvídat další vývoj se rychle zlepšuje.
Výkonnější výpočetní infrastruktura umožňuje trénování modelů ve velkém měřítku, zatímco digitální dvojčata poskytují prostor pro jejich testování a generování syntetických dat z virtuálních továren, zařízení a pracovních procesů bez nutnosti spoléhat se pouze na reálný provoz.
Samotná dostupnost těchto technologií však nestačí. Pro výrobní podniky je mnohem větší výzvou jejich propojení s provozními technologiemi, podnikovými systémy, daty a procesy, na nichž každodenní fungování výroby stojí.
V NTT DATA vnímáme Physical AI nejen jako výzvu v oblasti umělé inteligence, ale především jako výzvu v oblasti integrace.
Fyzická AI od NVIDIA
NVIDIA poskytuje důležitou část technologických základů, na kterých tento přístup stojí. Její technologický stack pro Physical AI zahrnuje modely, knihovny, frameworky i akcelerovanou výpočetní infrastrukturu pro trénování, simulace a nasazení v reálném prostředí.
Technologický stack lze rozdělit do tří vrstev:
- Modely: Základní modely NVIDIA Cosmos pomáhají systémům Physical AI porozumět fyzickému světu, interpretovat jeho fungování a předvídat další vývoj.
- Software, knihovny a frameworky: NVIDIA Isaac Sim poskytuje simulační prostředí pro vývoj a testování robotických aplikací. NVIDIA AI Enterprise nabízí software pro nasazování a správu AI v produkčním prostředí a zahrnuje platformy NVIDIA Omniverse, Metropolis a Triton.
- Výpočetní infrastruktura: NVIDIA DGX poskytuje centralizovanou infrastrukturu pro trénování AI modelů, servery RTX PRO zajišťují výkon potřebný pro simulace a digitální dvojčata a platforma Jetson přináší AI inferenci do robotů, strojů a dalších edge systémů
Jak výrobci již dnes těží z těchto přínosů
Přínosy zavádění Physical AI ve výrobě jsou již dnes výrazné:
- Jeden z globálních výrobců automobilů nasadil digitální dvojčata postavená na knihovnách NVIDIA Omniverse ve více než 30 závodech. Doba potřebná k virtuálním kontrolám kolizí v automatizované výrobě se zkrátila ze čtyř týdnů na tři dny a očekává se přibližně 30% snížení nákladů na plánování výroby.
- Výrobci elektroniky hledají nové způsoby, jak zlepšovat kontrolu kvality a zvyšovat produktivitu. Společnost Foxconn Industrial Internet spolupracuje s partnery ekosystému NVIDIA Metropolis na automatizaci kontrol kvality desek plošných spojů a využívá NVIDIA RTX PRO Servers k provozu velkých jazykových modelů vyvinutých na platformě DGX SuperPOD přímo na okraji sítě (edge). Společnost Innodisk využívá NVIDIA Metropolis k automatizaci optických kontrol na výrobních linkách, zatímco Wistron tuto platformu nasazuje k částečné automatizaci optické kontroly desek plošných spojů.
- V oblasti detekce a klasifikace výrobních vad dosáhla komplexní platforma NVIDIA pro hluboké učení v demonstračním prostředí míry zachycení vad 96,4 %, přesnosti 99,3 % a míry falešných poplachů pouze 0,1 %. Díky optimalizaci pomocí TensorRT zároveň přinesla výrazné zlepšení výkonu inferencí. Při nasazení na edge zařízeních dokázal stejný přístup zpracovat 228,1 snímku za sekundu (FPS) na platformě Jetson AGX Xavier oproti 18 FPS na platformě Jetson Nano. Tento příklad ukazuje, že kontroly založené na AI mohou kombinovat vysokou kvalitu detekce s výkonem potřebným pro nasazení v reálném výrobním provozu.
NTT DATA: služby doplňující technologický stack NVIDIA
Mnoho výrobců přistupuje k iniciativám v oblasti AI jako k samostatným projektům. Řešení pro počítačové vidění pořídí od jednoho dodavatele, prediktivní údržbu od druhého a digitální dvojčata od třetího. Každé z nich přitom přináší vlastní datové toky, aplikační architekturu i nároky na správu a údržbu.
Následně zjišťují, že každý nový případ využití přidává další vrstvu integrace, a s ní i vyšší složitost a slabší návratnost investic.
Dodavatelů je na trhu dostatek. Ve výrobě však AI přináší skutečnou hodnotu pouze tehdy, když organizace, která ji zavádí, rozumí nejen samotné technologii, ale i realitě výrobního provozu.
Globální tým Manufacturing společnosti NTT DATA spolupracuje již více než dvě desetiletí s průmyslovými podniky z oblasti automobilového průmyslu, elektroniky, letectví, procesní výroby i výroby potravin a nápojů. Dobře víme, jak vypadá integrace systému MES, který je v provozu již 15 let, jak se chová model prediktivní údržby ve chvíli, kdy se provozní podmínky začnou odchylovat od dat použitých pro jeho trénování, nebo jaké problémy v oblasti správy dat mohou ohrozit úspěch projektu ještě před jeho spuštěním.
Na těchto zkušenostech staví naše platforma AI for Manufacturing. Jde o vrstvu pro orchestraci Agentic AI navrženou speciálně pro výrobní podniky, která využívá technologický stack NVIDIA a převádí výstupy AI na provozní rozhodnutí v reálném čase. Součástí platformy je knihovna více než 50 předpřipravených agentů a několik specializovaných průmyslových AI modelů. Díky low-code orchestraci se platforma přímo integruje s výpočetní a inferenční infrastrukturou NVIDIA.
NVIDIA poskytuje AI infrastrukturu, otevřené modely, knihovny a frameworky. NTT DATA propojuje tyto technologie se systémy a procesy, na kterých stojí každodenní fungování výrobního závodu.
Na co se zaměříme příště
Mezi možnostmi AI ve výrobě a tím, co dnes většina výrobních podniků skutečně využívá, stále existuje výrazný rozdíl. V mnoha případech chybí strukturovaný přístup, který by umožnil přejít od izolovaných pilotních projektů k jednotnému provoznímu modelu napříč celou organizací.
V příštím článku se podíváme na to, jak platforma AI for Manufacturing od NTT DATA propojuje tyto technologie do jednoho celku. Kombinuje technologie Physical AI od NVIDIA s agenty, orchestrací a integračními vrstvami potřebnými k propojení AI s reálnými výrobními procesy.
V závěrečné části série představíme 90denní implementační rámec, který nabídne praktický výchozí bod pro vedoucí pracovníky odpovědné za výrobu a provoz. Inteligentní továrna nevzniká přes noc. Buduje se postupně, krok za krokem, prostřednictvím rozhodnutí, která firmy dělají už dnes.
- TAKÉ SI PŘEČTĚTE: 5 ways manufacturers are building agile supply chains in the AI era
CO DÁL
Zjistěte více o službách NTT DATA pro výrobní sektor a spojte se s naším týmem. Ukážeme vám, jak vyrábět rychleji, rozhodovat se chytřeji a snižovat náklady.