Большинство используемых нами пластмассовых изделий изготавливаются методом литья под давлением — процессом, при котором расплавленный пластик впрыскивается в форму для массового производства идентичных изделий. Однако даже незначительные изменения условий могут привести к дефектам, поэтому этот процесс долгое время полагался на интуицию высококвалифицированных рабочих.
Теперь исследователи из KAIST предложили решение на основе искусственного интеллекта, которое автономно оптимизирует процессы и передает производственные знания, устраняя опасения по поводу возможной утраты опыта из-за выхода на пенсию квалифицированных работников и увеличения числа иностранных рабочих.
Исследовательская группа под руководством профессора Сынхва Рю с кафедры машиностроения разработала первую технологию генеративного искусственного интеллекта, которая автономно оптимизирует процессы литья под давлением, а также систему передачи знаний на основе LLM, которая делает экспертные знания, полученные на месте, доступными для любого желающего.
Результаты были опубликованы в журнале Journal of Manufacturing Systems.
Первое достижение — это технология генеративного искусственного интеллекта для определения оптимальных условий процесса, которая автоматически выводит оптимальные параметры процесса на основе изменений окружающей среды или требований к качеству. Ранее, при изменении температуры, влажности или желаемого уровня качества, квалифицированным работникам приходилось методом проб и ошибок корректировать условия.
Исследовательская группа применила подход, основанный на диффузионной модели , который позволяет методом обратного проектирования воссоздать условия процесса, удовлетворяющие целевым требованиям к качеству, используя данные об окружающей среде и параметры процесса, собранные в течение нескольких месяцев на реальном заводе по литью под давлением.
Кроме того, команда разработала суррогатную модель, заменяющую реальное производство, что позволяет прогнозировать качество без запуска реального процесса. В результате им удалось достичь уровня ошибок всего в 1,63%, что значительно ниже, чем 23–44% ошибок, характерных для существующих технологий, таких как GAN и VAE, традиционно используемых для прогнозирования процессов.
Эксперименты с применением условий, сгенерированных искусственным интеллектом, к реальным процессам подтвердили успешное производство приемлемой продукции, продемонстрировав практическую применимость.
Второе достижение — это IM-Chat , система передачи знаний на основе программы LLM, разработанная для решения проблем, связанных с выходом на пенсию квалифицированных работников и многоязычной рабочей средой.
IM-Chat — это многоагентная система искусственного интеллекта, которая сочетает в себе большие языковые модели (LLM) с генерацией, дополненной поиском (RAG), и служит в качестве помощника ИИ для производственных площадок, предоставляя подходящие решения проблем, с которыми сталкиваются начинающие или иностранные работники.
Когда работник задает вопрос на естественном языке, ИИ понимает его и, при необходимости, автоматически вызывает ИИ для генеративного вывода процесса, одновременно предоставляя расчеты оптимальных условий процесса, а также соответствующие стандарты и пояснения.
Например, на вопрос: «Какое оптимальное давление впрыска при влажности на заводе 43,5%?», ИИ рассчитывает оптимальные условия и предоставляет соответствующие справочные материалы. Благодаря поддержке многоязычных интерфейсов, иностранные работники могут получать аналогичную помощь в принятии решений.
Данное исследование рассматривается как ключевая технология трансформации производства с использованием искусственного интеллекта (AX), которая может быть распространена за пределы литья под давлением на пресс-формы, прессы, экструзию, 3D-печать, аккумуляторы, биопроизводство и другие отрасли.
В частности, эта работа имеет важное значение, поскольку представляет собой парадигму для автономного искусственного интеллекта в производстве , интегрирующую генеративный ИИ и агентов LLM посредством подхода вызова инструментов, что позволяет ИИ принимать собственные решения и вызывать необходимые функции.
Профессор Сынхва Рю пояснил: «В данном случае мы решили фундаментальные проблемы в производстве, используя подход, основанный на данных, путем объединения искусственного интеллекта, который автономно оптимизирует процессы, с LLM-системами, которые делают знания, полученные на месте, доступными для всех». Он добавил: «Мы продолжим расширять этот подход на различные производственные процессы, чтобы ускорить развитие интеллекта и автономности во всей отрасли».
