A Budapesti Műszaki és Gazdaságtudományi Egyetem 12 ország részvételével zajló AMIS5.0 projektje egy olyan nyílt forráskódú eszköztárat fejleszt, amely globálisan segítheti például az ipari vállalatokat az AI alkalmazásában. Az IoT és az AI kapcsolatáról, valamint a fejlesztési irányokról Frankó Attilával, a BME VIK Távközlési és Mesterséges Intelligencia Tanszékének tanársegédjével beszélgettünk.

GyártásTrend: Hogyan állnak manapság a magyar vállalatok az IoT-vel?

Frankó Attila: Nekem az a benyomásom, hogy az IoT-fejlesztések rettentő aránytalanul jelennek meg a magyar piacon. Tíz évvel ezelőtt még az volt a predikció, hogy a nagy ipari cégek elkezdik a technológiát adaptálni, alkalmazni, megnő az IoT-eszközök száma – ez be is jött –, és ez a tudás elkezd szépen lecsorogni a kis- és középvállalkozásokhoz. Ehhez képest a nagyvállalatok valóban alkalmazzák az IoT-megoldásokat, de a kkv-k nem tervezik a digitalizációnak ezt az aspektusát bevezetni, nem fejlesztik IoT-megoldásokkal sem a gyártósorokat, sem például a logisztikát.

GyT.: Ennek mi lehet az oka?

F. A.: Mindig a költséghatékonyság a hivatkozási alap. Tapasztalataink szerint nem valamiféle technikai iszony, sokkal inkább anyagi megfontolások gátolják a technológiák bevezetését. Többnyire azt látom, hogy mindig van valami fontosabb megoldandó feladat, és mivel ezek a fejlesztések hosszú távon növelik a hatékonyságot, ezért ezeket többnyire kiütik a tűzoltás jellegű problémák, amelyeket azonnal meg kell oldani. A BME-n zajló Ipar 4.0 Technológiai Központban azért természetesen vannak érdeklődő cégek.

GyT.: Melyek azok a tipikus problémák a gyártásban, amelyekben egy kiberfizikai rendszer vagy a digital twin technológia segíthet?

F. A.: Ennek csak a képzelet szab határt, de leginkább az optimalizációs feladatok vagy például a prediktív karbantartás. A gyártósori hatékonyságra most van egy projektünk, amelynek keretében egy pozicionálási problémát kell megoldanunk. Műanyag üvegcsék jönnek egy gyártósoron, és azokat szeretnék pozicionálni úgy, hogy teljesen automatizálni lehessen a gyártás folyamatát egy robotkar segítségével. Ebben a projektben nagy kihívás, hogy hogyan lehet gépi látással ezeknek az üvegeknek a pozícióját és orientációját megmondani. Itt az IoT az adatgyűjtési szerepet látja el, az AI pedig a vezérlő, adatfeldolgozó munkát végzi.

GyT.: Hogyan támogatja az AI az IoT-rendszereket?

F. A.: Egyre inkább kezdünk úgy gondolkodni, hogy ezeknek a technológiáknak valamilyen szinergiáját alkalmazzuk, a leghatékonyabb, ha ezeket együttműködve használjuk fel. Az IoT szót már önmagában nagyon ritkán emlegetik, mert az már implicit benne van például a kiberfizikai rendszerekben vagy a fizikai objektumok digitális reprezentációjában, vagyis a Digital Twin megoldásokban – ezeknek mind az IoT az alapja, csak ezekben a rendszerekben már adatgyűjtés, adatfeldolgozás és akár a döntéshozatal is történik. Az AI igazából nagyon sokrétűen kapcsolódik ide, a kérdés inkább az, hogy a kettő együtt hogyan egészíti ki egymást.

GyT.: Milyen fejlesztéseken dolgoznak az AMIS5.0 (Artificial Intelligence in Manufacturing leading to Sustainability and Industry5.0) projekt keretében?

F. A.: A program keretében többek között egy nyílt forráskódú eszköztár létrehozásán (AI-toolbox) dolgozunk, amely segíti a cégeket az AI-technológia alkalmazásában. Ez az eszköztár különböző problémákhoz mintamegoldásokat tartalmaz, valamint leírásokat is arról, hogyan valósíthatók meg ezek a gyakorlatban.

Nem az a célunk, hogy bárki könnyedén implementálhassa az AI-t, hanem hogy a szakértők számára egy olyan eszközt biztosítsunk, amely iránymutatást nyújt az adott probléma megoldásához. Az eszköztárban egyszerűbb és bonyolultabb algoritmusok is szerepelnek, így a különböző szintű szakértelemmel rendelkező felhasználók számára is hasznos lehet. A megoldásokat testreszabhatóra fejlesztjük, tehát flexibilisen lehet igazítani a saját igényekhez.

GyT.: Milyen problémákra nyújt megoldást az AI-toolbox?

F. A.: Bekerült az eszköztárba például egy kis nyelvi modell, tehát ha valaki szeretne valamilyen tudásbázist építeni a dokumentumaiból, akkor ezt chatbotként tudja alkalmazni. De szerepel egy targoncák azonosítását végző modell is, amely targoncákat ismer fel az adott videókép alapján. Ez elég konkrét alkalmazás, amely nem túl nagy hozzáértéssel is adaptálható. A cél az, hogy a jövőben az eszközök száma bővüljön, és minél szélesebb spektrumot fedjen le az eszköztár.

GyT.: Mikorra várható, hogy ez elérhető lesz a hazai cégek számára?

F. A.: Valójában már most, a fejlesztési fázisban is elérhetők egyes algoritmusok. Azonban az elkészült eszköztár a projekt végén, 2026 közepén lesz publikus.

GyT.: Milyen fejlődési irányokat lát a következő időszakban az IoT területén?

F. A.: A kkv-k esetében legtöbbször a nagy mennyiségű adat hiánya a gátja a fejlesztéseknek, vagyis annyi adat, amennyi már kellő pontossággal leírná azokat a jelenségeket, amelyeket modellezni akarunk. Ráadásul sokszor speciális adatra lenne szükségünk. Mert az nagyon jó, hogy rengeteg információnk van egy gépről, eszközről, de például ha meg akarjuk jósolni, hogy az mikor fog tönkremenni, ahhoz a leginformatívabb adat az lenne, hogy mit mérünk, amikor éppen tönkremegy a gép. Tehát jellemzően a legfontosabb jellegű adatok hiányosak. Ebben is nagy előrelépést jelent majd az AI-jal működő szimuláció, mert például a mesterséges intelligencia egy prediktív karbantartási rendszerhez segíthet olyan adatot generálni, amely az ilyen eseteket leírja. Az AI által generált adatok ugyanis nem valós adatok, de mégiscsak alkalmazhatók akár komplex rendszerek tanítására, tesztelésére.  
A szimulációnak éppen ezért nagyon nagy jövője van. 

Borítókép: illusztráció, Adobe Stock

Cikkünk eredetileg a GyártásTrend magazin októberi lapszámában jelent meg, amely ezen a linken olvasható.