Ολοένα και περισσότερες επιχειρήσεις διαθέτουν συστήματα τεχνητής νοημοσύνης, ώστε να βελτιστοποιήσουν την παραγωγή τους και να αυτοματοποιήσουν τις λειτουργικές τους διαδικασίες. Στην Ελλάδα, αν και γίνεται περιορισμένη εφαρμογή της συγκεκριμένης τεχνολογίας, γίνονται αξιόλογες προσπάθειες εκσυγχρονισμού, δημιουργώντας αισθήματα αισιοδοξίας για το μέλλον.

Οι σύγχρονες βιομηχανίες χρησιμοποιούν πλήθος καινοτόμων τεχνολογιών, προκειμένου να αυξήσουν την παραγωγικότητα τους και να μειώσουν το κόστος και τον χρόνο υλοποίησης οικοδομημάτων. Στην κορυφή της τεχνολογικής πυραμίδας, δικαίως βρίσκονται τα συστήματα τεχνητής νοημοσύνης, τα οποία λόγω των πλεονεκτημάτων που προσφέρουν, αναμένεται να αποκτήσουν πρωταγωνιστικό ρόλο στον κόσμο των κατασκευών. Πλήθος εταιρειών φαίνεται να ασπάζεται αυτή την άποψη και να δαπανά μεγάλα χρηματικά ποσά, προκειμένου να ανταποκριθεί στις νέες τεχνολογικές εξελίξεις. Σύμφωνα με την αμερικανική International Data Corporation, το 2023 παγκοσμίως οι επενδύσεις, που θα αφορούν την τεχνητή νοημοσύνη, θα ανέλθουν στα 97,9 δις ευρώ, ποσό αυξημένο κατά 28,4% συγκριτικά με τα δεδομένα του 2018.

Με τον όρο τεχνητή νοημοσύνη ορίζουμε τις τεχνολογίες, που μπορούν να αποδώσουν την ανθρώπινη συμπεριφορά, εξαιτίας της ικανότητας τους να αναλύουν πληροφορίες του περιβάλλοντος, ώστε να πετύχουν συγκεκριμένους στόχους. Δρώντας με σχεδόν πλήρη αυτονομία, μπορούν να λαμβάνουν κρίσιμες αποφάσεις, να επιλύουν στρατηγικά προβλήματα και να κάνουν έγκυρες προγραμματιστικές προβλέψεις. Η κύρια ιδέα είναι, ότι το υπολογιστικό σύστημα λαμβάνει δεδομένα, τα επεξεργάζεται και βάσει αυτών καταλήγει σε πορίσματα.

Η τεχνητή νοημοσύνη στην παραγωγή
Η τεχνητή νοημοσύνη έχει πολλαπλές εφαρμογές. που μπορούν να συντελέσουν στην βελτίωση της παραγωγής και στην εξομάλυνση των λειτουργικών διαδικασιών κάθε επιχείρησης. Ενδεικτικά, ο Βαγγέλης Γκιώνης, Product Application Engineer της Schneider Electric αναφέρει: «Χρησιμοποιώντας τεχνητή νοημοσύνη και μηχανική μάθηση επιτελείται σχολαστική πρόβλεψη, καθώς τα συστήματα μπορούν να δοκιμάσουν εκατοντάδες μαθηματικά μοντέλα δυνατοτήτων παραγωγής και αποτελέσματος και να είναι πιο ακριβή στην ανάλυση και τα αποτελέσματά τους. Με τη χρήση αισθητήρων που παρακολουθούν τις συνθήκες του εξοπλισμού και αναλύουν τα δεδομένα σε συνεχή βάση, πραγματοποιείται προγνωστική συντήρηση. Η τεχνολογία επιτρέπει στα μηχανήματα να αξιολογούν τις δικές τους συνθήκες, να παραγγέλνουν ανταλλακτικά και να προγραμματίζουν έναν τεχνικό πεδίου, όταν χρειάζεται. Επιπλέον, η νοημοσύνη λογισμικού επιτρέπει στις εταιρείες να προχωρήσουν την εξατομίκευση στο επόμενο στάδιο, δημιουργώντας προϊόντα και υπηρεσίες που είναι ιδιαίτερα συναφή με μεμονωμένους καταναλωτές. Συμπληρώνοντας, η τεχνητή νοημοσύνη μπορεί να χρησιμοποιηθεί για ποιοτικό έλεγχο, αξιολογώντας εικόνες από τη γραμμή παραγωγής, που της επιτρέπουν να εντοπίσει, σε πραγματικό χρόνο, αποκλίσεις από τα πρότυπα ποιότητας. Τέλος, επιτυγχάνεται αυτοματοποιημένη προμήθεια υλικού. Τα Analytics σε συνδυασμό με τη μηχανική μάθηση θα καταγράψουν και θα επικρίνουν τα πάντα, συμπεριλαμβανομένων των αρχικών σταδίων εισαγωγής και καθιέρωσης της αλυσίδας εφοδιασμού».

Βαγγέλης Γκιώνης, Product Application Engineer, Schneider Electric

Ο ΣΕΒ, έπειτα από σχετική του έρευνα, κατέγραψε τις θετικές επιδράσεις των τεχνολογιών της τεχνητής νοημοσύνης στον βιομηχανικό κλάδο. Πιο συγκεκριμένα, παρατηρήθηκε αύξηση έως 5% στην αποδοτικότητα παραγωγής . Επί του θέματος σχολιάζει ο Πέτρος Χονδρονάσιος, διευθυντής μηχανογράφησης της Cosmos aluminium : «Με χρήση της τεχνητής νοημοσύνης η επιχείρηση μας έχει καταφέρει την απλούστευση των διαδικασιών παραγωγής, την αυτοματοποιημένη διακίνηση τελάρων και παρτίδων, τον καλύτερο έλεγχο της διαδικασίας, την μείωση του χρόνου προετοιμασίας και αποστολής της παραγγελίας, τον περιορισμό των «νεκρών χρόνων» και την αποφυγή λαθών. Έχει καταφέρει να διαχειρίζεται μεγαλύτερο όγκο προϊόντων, τα οποία απαιτούν μεγαλύτερες ποσότητες α’ και β’ υλών. Πλέον διακινούνται γρηγορότερα και με ασφάλεια μέσα στη μονάδα, εξασφαλίζοντας έγκαιρες παραδόσεις και κυρίως την καλή ποιότητα των προϊόντων. Υπάρχει εξοικονόμηση πόρων στον τομέα της προληπτικής συντήρησης και της αναπλήρωσης των ανταλλακτικών που απαιτούνται. Τέλος έχει πετύχει σημαντική βελτίωση των δεικτών κατανάλωσης ενέργειας με χρήση συσκευών IoT. Την περίοδο αυτή υλοποιείται εφαρμογή με χρήση ΤΝ για τον διαμοιρασμό των εντολών παραγωγής στις πρέσες, έχοντας ως στόχο τον βέλτιστο προγραμματισμό που θα έχει ως αποτέλεσμα την αύξηση της παραγωγικότητας των μηχανημάτων και τη μείωση του χρόνου παράδοσης».

Πέτρος Χονδρονάσιος, Διευθυντής Μηχανογράφησης, Cosmos Aluminium

Για τον καταλυτικό ρόλο που έχει η τεχνητή νοημοσύνη στις λειτουργικές διαδικασίες και στην παραγωγική διαδικασία κάνει λόγο ο Αντώνης Κύρκος, Group Transformation and Strategic Planning Director της Τιτάν. Πιο συγκεκριμένα υπογραμμίζει: «Η τεχνητή νοημοσύνη αποτελεί μία από τις βασικές τεχνολογίες της 4ης Βιομηχανικής Επανάστασης που χρησιμοποιούμε στον Όμιλο ΤΙΤΑΝ, στο πλαίσιο του ψηφιακού μετασχηματισμού μας. Τα αποτελέσματα από τη χρήση αλγορίθμων, οι οποίοι στηρίζονται στην τεχνητή νοημοσύνη και την παραμετροποίηση των χαρακτηριστικών της διαδικασίας παραγωγής και διανομής του τσιμέντου, βελτιστοποιώντας τη λειτουργία εξοπλισμού και διαδικασιών, αποδεικνύονται άκρως εντυπωσιακά. Κάποια παραδείγματα εφαρμογών αποτελούν οι πλήρως αυτοματοποιημένοι και αυτόνομοι αλγόριθμοι, που αυξάνουν την παραγωγικότητα του εξοπλισμού των εργοστασίων σε πραγματικό χρόνο – συχνά σε ποσοστό πάνω του 10% – ενώ ταυτόχρονα μειώνουν την κατανάλωση θερμικής και ηλεκτρικής ενέργειας, τα μοντέλα προγνωστικής συντήρησης που αυξάνουν την αξιοπιστία της γραμμής παραγωγής πάνω από 99% και τα μοντέλα βελτιστοποίησης αποθέματος ανταλλακτικών, που μειώνουν τα αποθέματα ταχέως κινούμενων υλικών και αναλωσίμων σε ποσοστό πάνω από 20%».

Στη συνέχεια η ΕΛΤΡΑΚ, παρουσιάζει την άποψη της για τα πολλαπλά οφέλη της τεχνητής νοημοσύνης στη γραμμή παραγωγής: «Εξ’ όσων γνωρίζουμε, η τεχνητή νοημοσύνη έχει υιοθετηθεί από κάποιες ελληνικές εταιρίες στον τομέα της παραγωγής και μάλιστα με επιτυχία, καθώς η αυτοματοποίηση των διαδικασιών μέσω των αυτοματοποιημένων και ρομποτικών συστημάτων, φέρνει εξοικονόμηση χρόνου και καλύτερη εξυπηρέτηση των καταναλωτών. Επίσης βελτιώνεται η ποιότητα των παραγόμενων προϊόντων και ενισχύεται και το απομακρυσμένο management.».
Για αυξημένη αποδοτικότητα μιλά και ο Β. Γκιώνης: «Η Schneider Electric δημιούργησε μια προγνωστική λύση αναλύσεων IoT βασισμένη στην υπηρεσία Microsoft Azure Machine Learning και το Azure IoT Edge για τη βελτίωση της ασφάλειας των εργαζομένων, την ελαχιστοποίηση του κόστους και την επίτευξη στόχων βιωσιμότητας. Οι επιστήμονες δεδομένων χρησιμοποιούν πληροφορίες από το πεδίο πετρελαίου για να δημιουργήσουν τα μοντέλα που προβλέπουν πότε και πού απαιτείται συντήρηση. Στη συνέχεια, χρησιμοποιούν τις αυτόματες δυνατότητες μηχανικής μάθησης για να επιλέξουν έξυπνα τα βέλτιστα μοντέλα μηχανικής μάθησης και να συντονίσουν αυτόματα τις παραμέτρους του μοντέλου μηχανής για εξοικονόμηση χρόνου και αυξημένη αποδοτικότητα. Όταν η εταιρεία ανέπτυξε τη λύση βασισμένη στην υπηρεσία Azure Machine Learning, βοήθησε τους χειριστές να αυξήσουν την αποδοτικότητα κατά 10 έως 20 τοις εκατό σε μόλις δύο ημέρες».

Αντώνης Κύρκος, Group Transformation and Strategic Planning Director, Τιτάν

Ελληνική πραγματικότητα
Στην Ευρώπη έχει γίνει αποδεκτό ότι η τεχνητή νοημοσύνη αποτελεί σημαντικό παράγοντα για την ανάπτυξη των επιχειρήσεων, της οικονομίας και της ευρύτερης κοινωνίας, με συνέπεια να κάνει γοργά βήματα προς αυτή την κατεύθυνση. Ωστόσο στη χώρα μας η τάση αυτή είναι ακόμη σε πρώιμο στάδιο. Σε έρευνα που πραγματοποίησε η Accenture σε συνεργασία με τη Microsoft, προκύπτει ότι ενώ οι περισσότεροι Έλληνες επιχειρηματίες αναγνωρίζουν τα πλεονεκτήματα της τεχνητής νοημοσύνης, θεωρούν σε ποσοστό 54%, ότι είναι πολύ νωρίς να επενδύσουν στη συγκεκριμένη τεχνολογία. Μάλιστα μόλις το 3% των επιχειρήσεων της χώρας μας έχει αξιοποιήσει συστήματα τεχνητής νοημοσύνης. Ως κυριότεροι λόγοι που αποτρέπουν τη μαζική χρήση της τεχνολογίας, αναφέρθηκαν η έλλειψη κατάρτισης και δεξιοτήτων, η ένδεια σε ψηφιακές υποδομές και η χαμηλή ποιότητα δεδομένων.

«Καταρχήν είναι πολύ θετικό το γεγονός ότι στη χώρα μας συντελείται μια ραγδαία μετάβαση, καθώς όλο και περισσότερες εταιρίες και οργανισμοί αντιλαμβάνονται την αξία των εφαρμογών της τεχνητής νοημοσύνης. Τροχοπέδη αποτελεί το ότι πολλές ελληνικές επιχειρήσεις δεν έχουν την κατάλληλη ψηφιακή υποδομή για τη συλλογή, αποθήκευση και επεξεργασία μεγάλου όγκου λειτουργικών δεδομένων (big data)» επισημαίνει ο Α. Κύρκος και συμπληρώνει: «Επιπλέον, υπάρχει αναμφισβήτητα ανάγκη προσωπικού με ειδικές δεξιότητες, καθώς και ενός τεχνολογικού οικοσυστήματος, που να περιλαμβάνει νεοφυείς επιχειρήσεις και κέντρα έρευνας και ανάπτυξης τεχνολογικών λύσεων, με τη σύμπραξη του ιδιωτικού και ακαδημαϊκού τομέα».

Το κόστος και η ανεπαρκής εκπαίδευση του προσωπικού είναι οι κυριότεροι παράγοντες, οι οποίο εμποδίζουν τη διάδοση της τεχνητής νοημοσύνης, σύμφωνα με τον Π. Χονδρονάσιο: «Τα κυριότερα εμπόδια που αποτρέπουν πολλές φορές την μαζική χρήση της τεχνητής νοημοσύνης στη χώρα μας είναι κυρίως η έλλειψη γνώσης της ύπαρξης των νέων τεχνολογιών και ποιος είναι ο σκοπός τους. Ένας άλλος αποτρεπτικός παράγοντας είναι το κόστος και η πολυπλοκότητα της ένταξης των νέων αυτών τεχνολογιών στις διαδικασίες των επιχειρήσεων. Η έλλειψη ψηφιακών δεξιοτήτων ενδοεταιρικά αποτελεί σημαντικό εμπόδιο, ώστε να κατανοήσουν οι επιχειρήσεις τις νέες τεχνολογίες και πώς αυτές μπορούν να φανούν χρήσιμες. Οι επιχειρήσεις χρειάζεται να εκπαιδεύσουν τους εργαζομένους τους στις νέες τεχνολογίες. Η αντίδραση στην αλλαγή και η έλλειψη εμπιστοσύνης στις νέες τεχνολογίες δυσκολεύουν την μαζική χρήση. Τέλος αρκετές είναι οι εταιρείες που δε διαθέτουν το χρόνο και τους πόρους για την έρευνα και την αγορά των διαθέσιμων εργαλείων που να ανταποκρίνεται στις ανάγκες τους, που είναι συνήθως πολύ συγκεκριμένες».

Παρόμοια είναι και η θέση της ΕΛΤΡΑΚ, η οποία δηλώνει: «Ο ρυθμός της μαζικής χρήσης της τεχνητής νοημοσύνης προχωρά με αργούς ρυθμούς. Οι βασικότεροι λόγοι είναι η απόφαση της σημαντικής επένδυσης, που απαιτείται για τα συστήματα ρομποτικής και αυτοματοποιημένων διαδικασιών, καθώς και η αλλαγή της νοοτροπίας της διοίκησης. Οι δομές λειτουργείας των ελληνικών εταιριών, στέκονται επιφυλακτικές απέναντι στην τεχνητή νοημοσύνη, προβάλλοντας ακόμα και λόγους ασφάλειας τόσο ως προς την εφαρμογή, όσο και ως προς τη διαχείριση των δεδομένων».

Με τη σειρά του ο Β. Γκιώνης υποστηρίζει: «Για να δημιουργηθεί μια μηχανή που μιμείται την ανθρώπινη λογική, χρειάζεται άφθονος χρόνος και πόροι. Έτσι, το κόστος δημιουργίας και εφαρμογής της τεχνητής νοημοσύνης είναι αγωνιώδες. Ένας άλλος περιορισμός με τις μηχανές είναι ότι η απόκριση τους περιορίζεται στα δεδομένα που έχουν προ-τροφοδοτηθεί και στην περίπτωση της τεχνητής νοημοσύνης, σε προηγούμενες εμπειρίες. Ένα ακόμη ζήτημα αποτελεί η προοπτική εργασίας. Μόλις ανατεθεί μια εργασία σε AI, απαιτείται ελάχιστη ανθρώπινη παρέμβαση με αποτέλεσμα να χαθούν αρκετές ευκαιρίες εργασίας, που υπήρχαν κάποτε. Επιπλέον η τεχνητή νοημοσύνη είναι εξαιρετική στην αρχική υποστήριξη, ωστόσο για κάθε επείγουσα κατάσταση, η ανθρώπινη παρέμβαση είναι απαραίτητη. Ένα bot δεν μπορεί να αντικαταστήσει κανένα ανθρώπινο συναίσθημα ή να αναπτύξει κοινωνικούς δεσμούς. Κλείνοντας, επισημαίνω ότι η ηθική δεν μπορεί να σχεδιαστεί ή να μεταφερθεί μέσω της τεχνολογίας. Λάθος τεχνολογία σε λάθος χέρια μπορεί πραγματικά να έχει επικίνδυνα αποτελέσματα για την ανθρωπότητα. Πρέπει να σκεφτούμε αφάνταστα σενάρια και να ορίσουμε τα σωστά πρωτόκολλα για τη διαχείριση τέτοιων καταστάσεων».

Το επιχειρηματικό μέλλον
Με γνώμονα τα έως τώρα στοιχεία, είναι σχεδόν βέβαιο, ότι τα αυτοματοποιημένα συστήματα και η τεχνητή νοημοσύνη θα κυριαρχήσουν στον κόσμο των κατασκευών. Παρόλο που η Ελλάδα έχει μείνει πίσω σε σχέση με την υπόλοιπη Ευρώπη, γίνονται αργά, αλλά σπουδαία βήματα ψηφιοποίησης και τεχνολογικού εκσυγχρονισμού. Σταδιακά, αρχίζει και αλλάζει η κουλτούρα των ελληνικών επιχειρήσεων, οι οποίες γίνονται πιο δεκτικές προς τα νέα τεχνολογικά μέσα, αναγνωρίζοντας τον επιβοηθητικό τους χαρακτήρα. Συνεπώς γεννάται το ερώτημα: Πώς αναμένεται να εξελιχθεί η τεχνητή νοημοσύνη στην Ελλάδα στο άμεσο μέλλον;

Στο φλέγον αυτό ζητούμενο απαντά η ΕΛΤΡΑΚ: «Εφόσον, η τεχνητή νοημοσύνη έχει μπει στη ζωή μας, θα αποτελέσει σίγουρα το μέλλον και λοιπών ελληνικών επιχειρήσεων. Άλλωστε με την πανδημία του κορωνοϊού, που αύξησε κατακόρυφα τις παραγγελίες μέσω του e-commerce, είδαμε την τεχνητή νοημοσύνη να εισβάλει κυριολεκτικά στον κλάδο των logistics. Πολλές εταιρίες επενδύουν πλέον στα αυτόματα συστήματα διαλογής, οπότε θεωρούμε ότι μέσα στα λίγα επόμενα χρόνια, ο συγκεκριμένος κλάδος δεν θα έχει καμία σχέση με την εικόνα που υπάρχει σήμερα στην αγορά, όχι μόνο στην Ελλάδα αλλά και διεθνώς».

Σημείο κλειδί της επιχειρηματικής δραστηριότητας θα αποτελέσει η τεχνητή νοημοσύνη, τονίζει ο Π. Χονδρονάσιος: «Θεωρώ ότι οι ελληνικές επιχειρήσεις σήμερα βρίσκονται αρκετά πίσω σε σχέση με τις επιχειρήσεις των άλλων χωρών στο ποσοστό αξιοποίησης τεχνολογιών ΤΝ. Η ΤΝ δεν αποτελεί πλέον προϊόν επιστημονικής φαντασίας, αλλά πραγματικότητα την οποία οι ελληνικές επιχειρήσεις οφείλουν να εντάξουν στη στρατηγική τους, αν θέλουν να παραμείνουν ανταγωνιστικές τα επόμενα χρόνια. Η ΤΝ στο βραχυπρόθεσμο μέλλον θεωρώ ότι θα συνεχίσει να «περνάει» από τα ακαδημαϊκά εργαστήρια, όλο και περισσότερο στις επιχειρήσεις, δίνοντας σημαντικές λύσεις στις διαδικασίες τους. Θα αποτελέσει σημαντικό μέσο για την αποτελεσματικότητα και την αποδοτικότητα σε όσες επιχειρήσεις υιοθετήσουν την ΤΝ στις δραστηριότητές τους. Θα επιταχυνθούν οι διαδικασίες λήψης αποφάσεων με αξιόπιστα δεδομένα που θα προέρχονται από τη μηχανική μάθηση και τη αξιοποίηση των Big data. Στο μέλλον, η χρήση μεθόδων Τεχνητής Νοημοσύνης αναμένεται να εξορθολογήσει και να βελτιστοποιήσει τις διαδικασίες λειτουργίας των επιχειρήσεων και θα αποτελεί αναπόσπαστο κομμάτι της καθημερινότητάς τους».

Ακολούθως, ο Α. Κύρκος αναφέρεται στα ανταγωνιστικά πλεονεκτήματα που μπορούν να προσφέρουν τα συστήματα τεχνητής νοημοσύνης και στην υποχρέωση κάθε εταιρείας να προσαρμόζεται στις νέες τάσεις, προκειμένου να αναπτυχθεί. Πιο αναλυτικά δηλώνει: «Η τεχνητή νοημοσύνη μπορεί να αποτελέσει το ανταγωνιστικό πλεονέκτημα για την ελληνική επιχειρηματικότητα, ακριβώς επειδή είναι εφαρμόσιμη σε κάθε εταιρεία, ανεξαρτήτως μεγέθους. Η χρήση της εξασφαλίζει σημαντικά οφέλη, όπως ευελιξία στις διαδικασίες, μείωση κόστους παραγωγής, αποτελεσματικότερη διαχείριση της λειτουργίας της εφοδιαστικής αλυσίδας, καθώς και δημιουργία νέων θέσεων εργασίας με αυξημένη προστιθέμενη αξία. Οι εξελίξεις είναι και θα είναι ραγδαίες και οφείλουμε να τις παρακολουθούμε και να εξελισσόμαστε μαζί τους σε πραγματικό χρόνο».

Συμπερασματικά, η τεχνητή νοημοσύνη και οι λοιπές ανερχόμενες τεχνολογίες θα αλλάξουν ριζικά τον κατασκευαστικό κλάδο το προσεχές διάστημα. Οι εξελίξεις είναι ραγδαίες και όλες οι εταιρείες καλούνται να προσαρμοστούν το ταχύτερο δυνατό στα νέα δεδομένα. Οι σωστές στρατηγικές επενδύσεις, οι οποίες αφορούν πρωτοποριακούς εξοπλισμούς στην παραγωγική διαδικασία, πιθανότατα να αποτελέσουν καταλύτη στην ομαλή ανάπτυξη της κάθε επιχείρησης.