Две команды студентов факультета компьютерных и информационных наук Университета информационных технологий Египта разработали два приложения, направленные на решение двух практических задач в производственном секторе: повышение эффективности производства и оборудования, а также выявление рисков задержки поставок сырья. Разработка проектов велась в сотрудничестве с экспертами из Германии, Испании и Нидерландов; они прошли оценочную сессию в Zoom с участием научных руководителей и экспертов.
По данным университета, приложения были разработаны в ответ на потребности организаций, связанных с умной промышленностью и пятой промышленной революцией, с использованием проекта «Умные, гибкие и возобновляемые производственные сети», финансируемого программой Horizon Europe. Внешнюю оценочную комиссию возглавил немецкий профессор Бернд Крамер. В неё также вошли профессор Майк Папа-Цоглу, доктор Мария Рамирес-Гутьеррес и господин Фернандо Хиганте из испанского фонда AIDIMME.
От данных датчиков к решениям о техническом обслуживании
Первое приложение называется «Оптимизатор эффективности производства и оборудования на основе модели знаний». Оно призвано решать распространённую проблему современных производственных платформ: системы остаются реактивными и устраняют неисправности оборудования или узкие места в производстве только после их возникновения.
Приложение основано на гибридной платформе поддержки принятия решений, объединяющей модели машинного обучения, включая Isolation Forest и XGBoost, и онтологическое логическое выведение с использованием языка OWL. Система связывает потоки данных датчиков с иерархией активов предприятия, а затем использует правила SWRL для отслеживания причинно-следственных связей между деградацией компонентов, системными узкими местами и потерями эффективности производства.
Платформа также включает модуль объяснений на основе больших языковых моделей, который преобразует сложные семантические состояния в рекомендации по техническому обслуживанию, изложенные более простым языком. Проект также содержит уровень расширения базы знаний, управляющий шестью конкурирующими агентами искусственного интеллекта. Их задача — выявлять новые поведенческие модели и предлагать правила SWRL, которые инженеры проверяют перед утверждением. Университет отмечает, что архитектура рассчитана на работу платформы в заводской среде в контейнеризированном исполнительном контуре с низкой задержкой.
Цифровой двойник рисков, связанных с сырьём
Второе приложение — «Семантический цифровой двойник для выявления и устранения рисков поставок сырья» — сосредоточено на недостаточной оперативной прозрачности в производственной логистике и сложностях работы с неструктурированными условиями соглашений об уровне обслуживания. Система предназначена для заблаговременного выявления задержек поставок и активации альтернативных поставщиков при необходимости.
Приложение объединяет машинное обучение для прогнозирования вероятности задержек, большие языковые модели для преобразования текстов договоров в структурированные «онтологические триплеты» и онтологический логический вывод для поддержки выполнения решений. С помощью графа знаний, связывающего данные и зависимости, платформа стремится перевести управление поставками от реагирования после возникновения задержки к проактивному вмешательству, обеспечивая единый источник информации о доступности запасов.
Почему это развитие важно?
Значимость двух проектов заключается в сочетании технологий искусственного интеллекта и методов представления знаний в рамках двух конкретных промышленных сценариев, а не в общем демонстрировании возможностей искусственного интеллекта. На практике первый проект направлен на то, чтобы сделать данные датчиков интерпретируемыми и пригодными для принятия решений, тогда как второй сосредоточен на преобразовании разрозненных данных договоров и цепочек поставок в модель, которую можно использовать для прогнозирования и вмешательства.
При этом в материале не приводятся количественные эксплуатационные результаты, такие как снижение числа неисправностей или сокращение сроков поставок, и не уточняется, перешли ли приложения к коммерческому использованию или полевым испытаниям. Поэтому заявленное промышленное воздействие пока связано с этапом разработки и оценки, а не с подтверждёнными результатами работы на действующих предприятиях.
В команду первого приложения вошли Абделькарим Ахмед, Сейф Вафик, Мохамед Хусейн, Ринад Самех и Малак Мунтасер под руководством доктора Ширин аль-Файюми. В команду второго приложения вошли Мэтью Ваэль, Юсеф Фарес, Юсеф Осама и Марк Тадрос под тем же руководством.