Věděli jste, že společnost Heidenhain je mimo jiné také výrobcem vysoce přesných ložisek i snímačů? A proto dokáže nabídnout snímač, který integruje obě tyto části. Jedná se o úhlové snímače Heidenhain MRP.
Podoblast umělé inteligence zvaná machine learning neboli strojové učení. S tímto trendem se lze v poslední době potkat snad ve všech oblastech IT. Pomáhá počítačům automaticky, na základě předchozích dat, zlepšovat jejich výsledky v dané oblasti. Strojové učení našlo uplatnění zejména ve strojových překladech, antispamových filtrech či při úpravě fotografií. Novinkou je, že se s ním lze setkat i v rámci ERP systémů, konkrétně v systému Helios iNuvio z produkce Asseco Solutions.
Machine learning (ML) je průnikem klasických statistických a analytických metod a metod data miningu. Zatímco například klasická regresní analýza využívá pro předpovědi budoucího vývoje pevně daných regresních funkcí a velkého vzorku minulých dat, ML se neustále učí a svůj datový model průběžně aktualizuje na základě nových dat i dodatečných informací podaných člověkem. Navíc dokáže pracovat v podstatě s libovolným typem dat, včetně obrazových, a tím se víc a víc zdokonaluje. Díky tomu si pak software využívající ML může všimnout nejrůznějších anomálií, trendů či souvislostí, které by i zkušený, analyticky zaměřený člověk hravě přehlédl.
První oblastí, kde tvůrci systémů Helios ML do ERP systému nasadili, je detekce anomálií, a to hned ve dvou nejkritičtějších oblastech. Detekce anomálií v účetním deníku a detekce nestandardních evidenčních cen u příjemek.
Účetní deník obsahuje většinou velké množství účetních transakcí a není vždy jednoduché kontrolovat výši částek jednotlivě. Každý účet v osnově má obvyklou výši transakcí. Připravit a udržovat pro každý účet či skupinu účtů sestavu pro vyhodnocení neobvyklých částek ručně je časově velice náročné. Nyní vše ERP systém zařídí automaticky, prostřednictvím ML. Uživatelům tak ušetří čas a sníží chybovost.
Při příjmu zboží na sklad má obvykle člověk hodně práce a zodpovědnosti. Detekci nestandardní ceny na položce příjemky a zabránění případné chybě v evidenčních cenách je proto lepší nechat na ML. Díky němu odhalíte každou chybu včas, a špatná data se tak do systému vůbec nedostanou. Helios iNuvio se v případě detekce potenciální chyby sám včas ozve a upozorní uživatele na problém. Pokud po zběžné kontrole zjistíte, že s odchylkou souhlasíte a změna je chtěná, stačí to v systému pouze na jeden klik potvrdit a vše běží nerušeně dál.
Znát budoucnost, to je sen každého manažera. Proto ERP systémy už dlouhé roky obsahují forecasting s využitím právě výše zmiňované regresní analýzy. Ten ale ne vždy funguje správně. Machine learning se přitom při predikci vývoje umí učit z aktuálních dat a nemusí využívat statistických modelů, které pro vaši firmu vůbec nemusí platit.
Tvůrci systému Helios iNuvio proto ML nasadili do dvou klíčových agend pro současnou dobu – pro predikci prodeje a predikci nepřítomnosti zaměstnanců na pracovišti.
Machine learning v tomto systému sleduje aktuální trendy pro nadcházející týden, měsíc i rok. Finanční i množstevní objem prodejů realizovaných za minulá období čerpá přímo po měsících z položek vydaných faktur. Díky tomu získáte představu, zda dané zboží bude mít rostoucí, či klesající podíl na příjmech společnosti, a jednotlivé trendy můžete sledovat jak graficky, tak i číselně.
V případě predikce přítomnosti zaměstnanců na pracovišti je zase ML v systému Helios iNuvio schopen odhalovat nejen sezonní výkyvy v docházce vašich zaměstnanců, například v době letních prázdnin či během vánočních svátků, ale i kompletně předvídat nepřítomnost zaměstnanců dle jednotlivých mzdových složek (např. dovolená, nemoc, placené/neplacené volno). Díky tomu můžete lépe plánovat lidské kapacity v konkrétním období a efektivně pracovat s docházkou a předpokládaným volnem zaměstnanců.
Velmi příjemnou třešničkou na dortu je automatický předvýběr vhodných dodavatelů pro jednotlivé nákupy. Machine learning vám pomůže vybrat vždy toho nejspolehlivějšího, a to na základě historie vydaných objednávek, příjemek a hodnocení dodavatelů. Machine learning vybere pro jednotlivé položky dodavatele, který je s největší pravděpodobností dodá v požadovaném čase, požadovaném množství nebo s nejnižší cenou. Vše, co k tomu potřebujete, je si v generátoru vydaných objednávek spustit funkcionalitu scénáře „Přednabízení dodavatelů“. Machine learning pak vyplní vhodného dodavatele do jednotlivých položek, přičemž finální rozhodnutí zůstává na vás.
Všechny tyto způsoby využití strojového učení v ERP systému Helios iNuvio vám pomohou výrazně uvolnit kapacity vašich zaměstnanců na tu část práce, kterou stroje zatím nezastanou. Jsou to zároveň první vlaštovky ukazující směr, kterým se chtějí tvůrci systémů Helios ubírat. Do budoucna se proto určitě můžete těšit i na další oblasti, kde se s ML a dalšími prvky umělé inteligence setkáte.
V dnešní době hospodářského růstu mnoho firem přemýšlí o rozšíření výroby. To se však neobejde bez úvah o tom, kde získat prostředky na nové stroje a zařízení. Řešení má jméno SGEF.
Je typ vaší výroby (klíčový výrobní úsek ve firmě) vhodný k tomu, abyste integrací inteligentních automatizovaných systémů a „chytrých“ technologií on-line propojenými zvýšili její efektivitu provozu? Je to pro vás v této chvílí „na programu dne“, nebo jsou pro vás aktuálnější investice do upgrade výroby?
S Liborem Witasskem jsme si povídali nejen o hledání ekonomické rovnováhy a Průmyslu 4.0, ale i o nebezpečí českých montoven, řešení nedostatku odborníků a zaspaném technickém vzdělávání.
Knižní tipy pro čtenáře MM Průmyslového spektra
Jakým způsobem řešíte nedostatek pracovníků ve výrobě, aby tento aspekt nebyl limitujícím faktorem pro přijímání nových zakázek a neovlivnil realizaci stávajících?
Před dvěma lety jsme na stránkách MM Průmyslového spektra přinášeli rozhovory s úspěšnými absolventy technických škol, kteří našli uplatnění v zahraničí na zajímavých postech. Nyní se k této koncepci v rámci kampaně podpory technického vzdělávání vracíme a zaměříme se na tuzemské pozice.
Respondenty jsme požádali o jejich názor na podobu budoucích technologií. Současná situace přinesla mnoho omezení, mezi jinými postihla také dodavatelské řetězce, znemožnila včasné dodávky do výrobních podniků a přinesla vyšší nároky na bezpečnost zaměstnanců. Jaké nové technologie podle vás mají v současné situaci největší potenciál se prosadit?
S Miroslavem Trnkou se známe dlouhou dobu – od dob Invexu, kde jeho přednášky v rámci akcí o počítačových virech a ochraně proti nim patřily vždy k těm nejlepším na této akci. Jeho vždy velmi pečlivě připravené příspěvky vedly k zamyšlení o problematice ochrany uživatelů proti napadení počítačů.
Jak může strategie digitální transformace, jejíž součástí je přechod na moderní distribuovaný řídicí systém, pomoci výrobcům dosáhnout vyšší produktivity, ziskovosti a snížit rizika? To se dozvíte, pokud se začtete do následujících řádek.
S rozvojem elektronického obchodování zaznamenala logistika velké změny. Dalším zlomovým okamžikem byl příchod pandemie na začátku tohoto roku, kdy e-shopy a logistické společnosti poskytující služby pro e-commerce musely prakticky den ze dne změnit své obchodní jednání, včetně logistiky. Proč se to jako jednomu z mála segmentů ekonomiky úspěšně podařilo a dále daří, jaké jsou nové trendy a jaký potenciál má umělá inteligence a další moderní technologie v logistickém byznysu? MM Průmyslové spektrum nad těmito tématy diskutovalo se zakladatelkou Zásilkovny a výraznou osobností české e- commerce Simonou Kijonkovou.
Dostáváte vydání MM Průmyslového spektra občasně zdarma na základě vaší registrace? Nejste ještě členem naší velké strojařské rodiny? Změňte to a staňte se naším stálým čtenářem.
Proč jsme nejlepší?
a mnoho dalších benefitů.
... již 25 let zkušeností s odbornou novinařinou