Pri rozhovoroch s manažérmi vo výrobnom priemysle sa opakovane objavuje rovnaká téma. Investície do robotizácie v uplynulom desaťročí priniesli skutočné merateľné výsledky, prinajmenšom na určitý čas. Následne priniesli modernizácie ERP systémov, kvalitnejšie dáta a štandardizované procesy, avšak nasadzovanie IoT generovalo obrovské množstvo dát zo senzorov.
Kľúčové ukazovatele však naznačujú odlišný vývoj – či už ide o efektívnosť výroby, neplánované odstávky, počet incidentov, ktoré sa dostanú až k zákazníkovi, alebo obrátkovosť zásob. Vo väčšine výrobných podnikov sa za posledné desaťročie podarilo dosiahnuť len minimálne zlepšenie.
Napríklad v USA vzrástla produktivita práce vo výrobnom sektore medzi 4. kvartálom 2019 a 1. kvartálom 2026 len o 0,5 %, pričom produkcia vzrástla o 0,1 % a počet odpracovaných hodín klesol o 0,4 %.
Tieto čísla poukazujú na strategický problém, ktorý treba naliehavo riešiť. Očakáva sa, že globálny trh s AI vo výrobnom priemysle vzrastie z 34,2 miliardy dolárov v roku 2025 na 155 miliárd dolárov do roku 2030, čo predstavuje zloženú priemernú ročnú mieru rastu na úrovni 35,3 %.
- TIEŽ SI PREČÍTAJTE: The new automotive mandate: Embed AI throughout the value chain
Kde výroba zaostáva v zavádzaní inteligentných riešení
Tradičná automatizácia dokáže procesy zrýchliť a štandardizovať, no neprináša im vyššiu mieru inteligencie.
Robot dokáže vyhotoviť rovnaký zvar bezchybne aj 10 000-krát denne. Nedokáže však vyhodnotiť odchýlky v kvalite práve dodanej ocele, predvídať poruchu ložiska počas nasledujúcich zmien ani operatívne upraviť výrobný harmonogram v reakcii na blížiacu sa poruchu. Takéto kritické rozhodnutia sú založené na skúsenostiach pracovníkov, a tie sú nákladné, nedostatkové a náročné na škálovanie.
Existujú štyri hlavné dôvody, pre ktoré je potrebné tento problém riešiť čo najskôr:
- Dodávateľské reťazce zostávajú zraniteľné: Problémy, ktoré sa prejavili v roku 2020, sú čoraz komplexnejšie. Situáciu komplikuje aj aktuálna geopolitická situácia.
- Nedostatok kvalifikovaných pracovníkov sa prehlbuje: Generácia skúsených odborníkov odchádza do dôchodku rýchlejšie, než ju dokážu nahradiť noví pracovníci. S ich odchodom však podniky prichádzajú aj o cenné skúsenosti a znalosti.
- Požiadavky na trvalú udržateľnosť sa sprísňujú: Regulačné úrady a veľké podniky dnes očakávajú detailné, auditovateľné a dátami podložené vykazovanie cieľov v oblasti trvalej udržateľnosti.
- Výroba na mieru je dnes štandardom. Skracovanie výrobných smien, širšia variabilita, väčšia personalizácia a zmeny vo výrobe, rýchlejšie prestavovanie výrobných procesov – nároky neustále rastú.
Tradičná automatizácia tieto problémy nerieši - Physical AI áno. Umožňuje systémom v reálnom čase vnímať dianie vo výrobnej prevádzke, tieto podmienky vyhodnocovať a následne na ne reagovať.
Čo sa zmenilo: AI a prostredie, v ktorom funguje
Pokročilé vnímanie okolitého prostredia sa vďaka novým svetovým modelom, ktoré dokážu predvídať ďalší vývoj, neustále zlepšuje. Výkonnejšia výpočtová infraštruktúra umožňuje trénovať modely vo veľkom meradle. Digital twins umožňujú tieto modely testovať a generovať syntetické dáta z virtuálnych tovární, zariadení a pracovných postupov bez toho, aby sa spoliehali výlučne na testovanie v reálnom prostredí.
Samotná dostupnosť týchto technológií však nestačí. Pre výrobcov predstavuje väčšiu výzvu ich integrácia s prevádzkovými technológiami, podnikovými systémami, dátami a pracovnými postupmi, ktoré zabezpečujú chod výrobného závodu.
V NTT DATA vnímame Physical AI nielen ako výzvu v oblasti AI, ale rovnako aj ako výzvu v integrácie.
Physical AI od NVIDIA
NVIDIA poskytuje dôležitú časť technologických základov pre túto oblasť. Jej technologický stack pre Physical AI zahŕňa modely, knižnice, frameworky a akcelerované výpočtovú infraštruktúru určenú na trénovanie, simuláciu aj nasadenie v reálnom prostredí.
Technologický stack je možné rozdeliť do troch vrstiev:
- Modely: World foundation models NVIDIA Cosmos pomáhajú systémom Physical AI porozumieť fyzickému svetu a uvažovať o jeho fungovaní.
- Softvér, knižnice a frameworky: NVIDIA Isaac Sim poskytuje simulačné prostredie na vývoj a testovanie robotických aplikácií. NVIDIA AI Enterprise ponúka softvér pre nasadenie a správu AI v produkčnom prostredí a zahŕňa platformy NVIDIA Omniverse, Metropolis a Triton.
- Výpočtová infraštruktúra: NVIDIA DGX poskytuje centralizovanú infraštruktúru na trénovanie AI modelov, RTX PRO Servers poskytujú výpočtový výkon potrebný na simulácie a úlohy spojené s digital twins a Jetson, prináša AI inferenciu do robotov, strojov a ďalších edge systémov.
Ako výrobcovia využívajú tieto technológie
Výsledky dosiahnuté vo výrobných prevádzkach ukazujú výrazný potenciál týchto technológií:
- Globálny výrobca automobilov nasadil digital twins postavené na knižniciach NVIDIA Omniverse vo viac ako 30 závodoch. Čas potrebný na vykonanie virtuálnych automatizovaných kolíznych kontrol, ktoré overujú, či nové vozidlá na výrobnej linke nenarazia do okolitých objektov, sa skrátil zo štyroch týždňov na tri dni. Zároveň sa očakáva zníženie nákladov na plánovanie výroby o 30 %.
- Výrobcovia elektroniky hľadajú nové spôsoby, ako zvyšovať kvalitu kontroly a produktivitu. Spoločnosť Foxconn Industrial Internet spolupracuje s partnermi NVIDIA Metropolis na automatizácii kontroly kvality dosiek plošných spojov. Využíva servery NVIDIA RTX PRO Servers na prevádzku veľkých jazykových modelov vyvinutých na platforme DGX SuperPOD priamo na edge. Spoločnosť Innodisk využíva NVIDIA Metropolis na automatizáciu optických kontrol na výrobných linkách, zatiaľ čo spoločnosť Wistron túto technológiu nasadzuje na čiastočnú automatizáciu kontroly dosiek plošných spojov.
- Pri detekcii a klasifikácii výrobných incidentov dosiahla end-to-end platforma NVIDIA založená na hlbokom učení v testovacom prostredí 96,4 % mieru zachytenia incidentov, 99,3 % presnosť a 0,1 % mieru falošných poplachov. Optimalizácia pomocou TensorRT výrazne zvýšila výkon inferencie. Pri nasadení na edge zariadeniach spracoval rovnaký prístup na Jetson AGX Xavier 228,1 snímky za sekundu (FPS) v porovnaní s 18 FPS na Jetson Nano. Tento príklad ukazuje, že kontrola založená na AI môže kombinovať vysokú kvalitu detekcie s výkonom potrebným na nasadenie v reálom výrobnom prostredí.
Služby NTT DATA dopĺňajú technologický stack NVIDIA
Mnoho výrobcov pristupuje k AI iniciatívam ako k samostatným projektom. AI pre vizuálnu kontrolu získavajú od jedného dodávateľa, prediktívnu údržbu od druhého a digital twins od tretieho. Každé z týchto riešení má vlastné dátové toky, aplikačnú architektúru a nároky na správu a údržbu.
Následne zisťujú, že každý ďalší nový prípad prináša ďalšiu integračnú vrstvu, čo zvyšuje komplexnosť a znižuje návratnosť investícií (ROI).
Ponuka dodávateľov v tejto oblasti je dnes veľmi široká. Vo výrobnom sektore prináša AI skutočné výsledky len vtedy, keď organizácia zodpovedná za jej implementáciu rozumie nielen technológiám, ale aj fungovaniu výrobnej prevádzky.
Globálna divízia Výroby spoločnosti NTT DATA už viac ako dve desaťročia spolupracuje s priemyselnými podnikmi z oblasti automobilového priemyslu, elektroniky, letectva, procesnej výroby a výroby potravín a nápojov. Vieme, ako prebieha integrácia výrobného informačného systému (MES), ktorý je v prevádzke už 15 rokov, ako sa správa model prediktívnej údržby v situáciách, keď sa reálne postupy v prevádzke odchýlia od podmienok, na ktorých bol model trénovaný, aj aké problémy v oblasti správy a riadenia dát môžu ohroziť celý projekt ešte pred jeho spustením.
Na týchto skúsenostiach je postavená naša platforma AI pre Výrobu. Ide o vrstvu na orchestráciu Agentic AI, navrhnutú špeciálne pre výrobné podniky, ktorá využíva technologický stack spoločnosti NVIDIA a premieňa výstupy AI na operatívne rozhodnutia v reálnom čase. Platforma obsahuje knižnicu viac ako 50 predpripravených agentov a niekoľko špecializovaných priemyselných AI modelov. Vďaka low-code orchestrácii umožňuje priame prepojenie s výpočtovou a inferenčnou infraštruktúrou NVIDIA.
NVIDIA poskytuje AI infraštruktúru a otvorené modely, knižnice a frameworky. NTT DATA túto technológiu prepája so systémami a pracovnými postupmi, ktoré riadia chod výrobného závodu.
Čo prinesú ďalšie časti tejto série
Medzi tým, čo dokáže AI vo výrobe dnes a tým, čo väčšina výrobných závodov v súčasnosti reálne využíva, je výrazný rozdiel. V mnohých prípadoch chýba štruktúrovaný prístup, ktorý by umožnil prechod od izolovaných pilotných projektov k jednotnému podnikovému prevádzkovému modelu.
V našom ďalšom blogu sa pozrieme na to, ako platforma NTT DATA AI pre Výrobu prepája tieto technológie do jedného celku. Kombinuje Physical AI od spoločnosti NVIDIA s agentmi, koordináciou a integračnými schopnosťami potrebnými na prepojenie AI s reálnymi výrobnými operáciami.
V záverečnej časti série predstavíme 90-dňový implementačný plán, ktorý ponúkne vedúcim pracovníkom zodpovedným za výrobné a prevádzkové tímy praktický návod, ako začať. Inteligentná továreň nevznikne zo dňa na deň; buduje sa postupne, krok za krokom, prostredníctvom rozhodnutí, ktoré prijímate už dnes.
- TIEŽ SI PREČÍTAJTE: 5 ways manufacturers are building agile supply chains in the AI era
Prečítajte si viac o výrobných službách spoločnosti NTT DATA a spojte sa s naším tímom. Ukážeme vám, ako môžete vyrábať rýchlejšie, rozhodovať sa inteligentne a znižovať náklady.