Teknologian läpimurrot ovat läpi historian vaikuttaneet siihen, miten autoja valmistetaan. Vuosisadan takaisista liukuhihnatuotannoista aina robotiikan vallankumoukseen asti jokainen edistysaskel on muuttanut autonvalmistusta. Nyt tekoäly on jälleen kerran muuttamassa prosessia – mutta tällä kertaa edistysaskeleet eivät jää tehtaan seinien sisään.
Tuotantolinjojen tekoälyavusteiset kamerat havaitsevat viat nopeammin ja tarkemmin. Älykkäitä kameroita käytetään työntekijöiden turvallisuuden takaamiseen. Kilparadoilla koneoppimisalgoritmit antavat tiimeille voittamiseen tarvittavat sekunnin murto-osien tiedot, ja jälleenmyyjät käyttävät tekoälyä tarjotakseen asiakkailleen hyödyllisiä ja yksilöllisiä palveluja.
Alan johtajien mielestä tekoälyn hyödyt ovat todellisia ja mitattavissa. Yhä useammin vastaan tulee tekoälyavusteisten kameroiden kaltaisia ratkaisuja, joiden avulla työntekijät voidaan vapauttaa toistuvista rutiinitehtävistä tuotannossa.
Tekoälyjärjestelmien avulla valmistajat voivat myös vähentää työtapaturmia, parantaa tuotannon laatua ja alentaa koneiden ylläpitokustannuksia. Päättäjien on kuitenkin valittava tekoälykumppaninsa huolellisesti, integroitava tekoäly tehokkaasti prosesseihinsa ja kuunneltava omia tiimejään varmistaakseen, että he valitsevat juuri heille toimivan tekoälyratkaisun.
Supervauhtia oivallusten löytämiseen
Nopeus ei ole missään niin tärkeää kuin kilpaurheilussa. Yksi tekoälypohjaisten työkalujen tärkeimmistä eduista onkin nopeus. Tärkeimmän tiedonjyvän löytäminen datamassasta voidaan nyt automatisoida, jolloin tiimit voivat reagoida nopeammin kuin koskaan aiemmin.
Esimerkiksi Ducati Lenovo -MotoGP-tiimillä on usein vain muutama tunti aikaa analysoida edellisen harjoituksen tiedot ja päättää, miten pyörät konfiguroidaan seuraavaa harjoitusta varten. Kussakin Ducati Desmosedici GP -pyörässä on noin 50 anturia, joiden avulla kerätään jokaisena kisaviikonloppuna kahdeksasta radalla ajavasta pyörästä yhteensä 100 gigatavua dataa.
Data prosessoidaan tekoälyyn optimoiduilla palvelimilla ja algoritmeillä, jotka voivat tarjota tietoa kaikesta mahdollisesta, aina sopivimmista renkaista ja parhaasta ajolinjasta tiettyyn mutkaan tultaessa.
Nämä tekoälyn avulla saadut tiedot tekevät ajokokemuksesta myös turvallisemman, millä on suoria vaikutuksia kuluttajille suunnattuihin tuotteisiin.
Ducatin katupyörien, kuten Panigale V4:n, suunnittelussa käytetään tekoälyn kehittämiä ajosimulaatioita, jotka perustuvat myös kisatiimiltä kerättyihin tietoihin.
Tehokkaampi valmistus
Kuluttajille suunnattujen ajoneuvojen valmistamisessa tekoälyyn perustuva analytiikka voi suorittaa tiettyjä tuotantolinjan tehtäviä tehokkaammin kuin yksittäinen ihminen. Manuaaliset ja visuaaliset tarkastukset ovat väistämättä hitaita, ja niihin liittyy aina inhimillisen virheen riski.
Tarkimmatkin ihmissilmät voivat jättää huomaamatta vikoja, jotka voivat aiheuttaa turvallisuusriskin. Automaattiset tarkastukset sen sijaan toimivat jatkuvasti ja ovat luotettavampia, sillä ne havaitsevat viat prosessin jokaisessa vaiheessa, jolloin kokoonpanolinjan työntekijät voivat keskittyä ydintehtäviinsä.
Esimerkiksi Lotus Groupin Lotus Technology -liiketoimintayksikkö valmistaa sähköautoja maailmanmarkkinoille, ja sen tuotantokapasiteetti on 150 000 ajoneuvoa vuodessa. Johtoryhmä oli hyvin tietoinen siitä, että tämän tuotantomäärän rutiininomaiset laatutarkastukset voivat helposti aiheuttaa merkittäviä pullonkauloja. Lotus Group päätyi valitsemaan konenäköratkaisun, joka pystyy analysoimaan videodataa etsien mahdollisia vikoja 99 prosentin tarkkuudella. Ratkaisu pitää tuotantolinjan nopeana laadusta tinkimättä.
ByteLAKEn kaltaiset tekoälyinnovaattorit tarjoavat autonvalmistajille ratkaisuja, joilla voidaan tarkastaa tuotteita ja prosesseja. ByteLAKEn tekoälyllä varustetut kamerat voivat tarkkailla tuotantolinjoja etsien vikoja ja jopa löytää keinoja prosessien parantamiseksi.
ByteLAKEn tekoälyalgoritmit voivat myös poimia erilaisia merkkejä moottorin äänestä, jotka auttavat vikojen tunnistamisessa. Meluisassa tehdasympäristössä tämä olisi hyvin haastava tehtävä ihmisille.
Tekoälykamerat ja konenäkö voivat myös mullistaa perinteiset turvallisuuskäytännöt havaitsemalla mahdolliset vaarat hyvissä ajoin. Graymaticsin LabVista-ratkaisu käyttää tekoälyä havaitakseen vaaratekijät, kuten ilman suojavarusteita olevat työntekijät, irtonaiset esineet tehtaan lattialla tai luvattomat henkilöt rajoitetuilla alueilla. Konenäöllä on tärkeä rooli myös logistiikassa, jossa seurataan tehtaiden tavaravirtoja ja varastojen tilannetta.
Autotehtaissa huoltoprosessit voivat vaatia tuotannon pysäyttämistä kokonaan. Näissä tilanteissa pyritään välttämään yllätyksiä, jotka pysäyttäisivät tuotannon odottamattomana ajankohtana. Tekoälyjärjestelmät voivat ennustaa, milloin kunnossapitoa tarvitaan, ja tarjota keinon vähentää tuotannon pysäyttämisestä aiheutuvia kustannuksia.
Tehtaalta jälleenmyyjälle
CDK:n tutkimuksen mukaan 54 % jälleenmyyjistä kertoo, että heillä on haasteita tarjota asiakkaille huolto- ja varaosapäivityksiä.
General Motors käyttää ongelman ratkaisussa hyväkseen tekoälyä. GM on asentanut UVeyen valmistamia nopean vianmäärityksen skannereita jo 300 jälleenmyyjälle. Asiakkaat ajavat autonsa skannerin läpi, joka konenäön avulla tunnistaa ajoneuvon mahdolliset viat. Järjestelmän tarkkuus on yli 90 %, ja se pystyy havaitsemaan varhaisessa vaiheessa ongelmia, jotka jäävät huomaamatta jopa kaikkein parhaiten koulutetuilta mekaanikoilta.
Hyvä uutinen jälleenmyyjille on se, että uusi työkalu poistaa aikaa vievän manuaalisen tarkastuksen tarpeen, mikä puolestaan vähentää asiakkaiden odotusaikaa jälleenmyyjäliikkeessä.
Tekoälyn hyödyntäminen parhaalla mahdollisella tavalla
Autoteollisuuden IT-päättäjien on tärkeää käydä tiimiensä kanssa oikeanlaisia keskusteluja ennen tekoälyn käyttöönottoa, jotta voidaan selvittää, millä ratkaisuilla on suurin vaikutus esimerkiksi kustannusten leikkaamiseen tai tehokkuuden parantamiseen.
On myös tärkeää, että yritysjohto seuraa tarkasti, mitkä tekoälyratkaisut toimivat parhaiten heidän liiketoiminnassaan. Jotkin tekoälyratkaisut saattavat vaatia kehittämistä, jotta ne toimivat tietyn prosessin kanssa.
Jokainen tekoälyratkaisu edellyttää laitteistoinfrastruktuuria. Päättäjien kannattaakin tiedostaa, että kaikki tekoälyratkaisujen tarjoajat eivät ole keskitettyjä palveluntarjoajia, jotka voivat tarjota tekoälyratkaisuja kaikille osa-alueille.
Lenovon AI Innovators -ohjelma tarjoaa ekosysteemin, jossa valmistajat voivat löytää tarpeisiinsa sopivia tekoälyratkaisuja useilta eri toimittajilta sekä näiden ratkaisujen käyttämiseen tarvittavat laitteistot.
Tie älykkäämpää tulevaisuutta kohti
Autoteollisuuden kehitys on aina perustunut teknologian älykkääseen soveltamiseen. Tekoäly on se teknologinen harppaus, joka antaa tulevina vuosina myötätuulta auto- ja moottoripyöräteollisuudelle. Tekoälyllä on ratkaiseva merkitys kustannusten vähentämisessä ja tulevaisuuden tuotantolinjojen nopeassa ja turvallisessa toiminnassa.
Teksti: Per Overgaard, Lenovon EMEA-alueen infrastruktuurin teknologiajohtaja.
