Ipari IoT-ra és a gépi tanulásra épülő szimulációs képzési módszertan és keretrendszer fejlesztése
Projekt részletezése
A projekt azonosító száma: 2018-1.1.2-KFI-2018-00134
Kedvezményezett neve: Training360 Kft. (Konzorciumi partner: e-Corvina Informatikai Szolgáltató Kft.)
Projekt címe: Ipari IoT-ra és a gépi tanulásra épülő szimulációs képzési módszertan és keretrendszer fejlesztése
Szerződött támogatás összege: 481 543 350 Ft
Támogatás mértéke: 66,71 %
A projekt tervezett befejezési dátuma: 2020. 12. 31.
Projekt leírása
A Training360 Kft. az e-Corvina Informatikai Szolgáltató Kft-vel közösen, 481,5 millió forintot meghaladó vissza nem térítendő támogatást nyert el a „Kis-, közép- és nagyvállalatok KFI tevékenységének támogatása” című pályázati kiíráson. A közel 721,78 millió forint összköltségvetésű projekt során új módszertan és keretrendszer fejlesztése valósul meg.
Az Ipar 4.0 már nem csak egy szlogen, mára a fejlődés olyan szakaszába értünk, amikor az informatika és az automatizáció új típusú integrációja lehetővé teszi a mesterséges intelligenciával ellátott rendszerek alkalmazását. Ez a fejlődés elvezethet a folyamatok vezérlésének, optimalizálásának és finomhangolásának emberi beavatkozás nélküli megoldásáig. Azonban ennek megvalósulásához számos terület további fejlődésére van szükség, kezdve az autonóm robotikus rendszerektől egészen a rendszerintegrációig. Jelen fejlesztési elképzelés három olyan területet kapcsol össze, melyek rendkívül fontosak az Ipar 4.0 létrehozásában: adatgyűjtés, adatelemzés mesterséges intelligenciával, illetve döntéstámogatás.
A projekt során a gyártósorokon alkalmazott ipari szenzorok (ipari IoT) és a humán munkaerő által a gyártás során létrejövő adatokat automatikusan összegyűjtjük, ezt követően az adatok kvantitatív és kvalitatív elemzése mellett gépi tanulási alapú mesterséges intelligenciát használunk a bejövő adatok és a hozzátartozó döntési esetek összekapcsolására és optimalizálására. A döntéstámogatás jobb megértéséhez és fejlesztéséhez létrehozunk egy esettanulmány alapú szimulációs képzési keretrendszert, amely lehetővé teszi az összegyűjtött döntési szituációk további tesztelését és elemzését. Így megoldást javaslunk nemcsak a döntéshozatal optimalizációjára, de egyúttal a humán erőforrás képzésére is.
A gépi tanulási algoritmusok sikeres alkalmazásához szükség van az alkalmazott algoritmusok megfelelő kiválasztására, a specifikus tanuló halmazok létrehozására, a bemenő és kimenő paraméterek megválasztására. Ez egy komplex feladat, mivel a gyártásban keletkezett adatokat közvetlenül össze kell kapcsolni a menedzsment szintű döntésekkel, illetve ezeket a kapcsolatokat tesztelni kell.
A projekt célja, hogy a fenti kihívásokat egy olyan szimulációs képzési módszertan kidolgozásával válaszolja meg, amely egyaránt felhasználja a szenzorok adatait és humán visszacsatolást egy tetszőleges ipari környezetben. A kifejlesztett többszereplős szimulációs forgatókönyveket élőben kipróbálják a képzésben résztvevők, a visszajelzéseket és a döntéseket rögzítésre kerülnek, majd sor kerül a következtetések levonására és elemzésére. Ezáltal egy folyamatosan növekvő tudásbázis áll elő, amely tartalmazza az egyes szituációkat és menedzsment döntéseket, az azok alapját képező gyártási szintről érkező szenzorális és humán adatokkal együtt. Az így előállt tudásbázis felhasználható botok (programozott szereplők) kifejlesztésére is, amelyek különféle szerepekben együttműködhetnek más szereplőkkel, így a szimulációk kiterjeszthetőek a gyártósori munkásokra, középvezetőkre és felső szintű vezetőkre is. Ezáltal lehetővé válik, hogy megfelelő reakciókat fejlesszünk ki és valódi hatást fejtsünk ki a döntéshozatal minőségére. Ugyanez a tudásbázis felhasználható a gépi tanulási algoritmusok betanításához is.
A projekt során egy specifikus ipari üzemben végezzük el az adatok gyűjtését, a gépi tanulási algoritmusok, és a szimulációs szituációk kifejlesztését. Ez a termelő üzem fogja szolgáltatni a szenzor és döntéshozatali be- és kimeneti adatokat. Ezen mintán teszteljük és fejlesztjük az általános módszertant, amely iparágtól függetlenül használható. Az ehhez szükséges informatikai infrastruktúra is kiépítésre kerül az ipari kutatási és kísérleti fejlesztési fázisokhoz kapcsolódóan. A projekt kísérleti fejlesztési fázisában a létrehozott szituációk gyakorlati alkalmazhatóságát az adott szervezet alkalmazottaival teszteljük, rögzítve a válaszokat és döntéseket a különböző szervezeti szinteken.
A projekt eredményeképpen egy olyan új módszertan és keretrendszer jön létre, amely lehetővé teszi a létrehozott adatgyűjtési, gépi tanulási és szimulációs képzési megoldás alkalmazását különböző iparágakban, összekapcsolva az ipari IoT-t, a gépi tanulást, a munkavállalók továbbképzését és a döntéshozatalt.