Velmi atraktivní téma projektu „Anotace – neboli klasifikace snímků a tvorba podkladů pro AI“ jsme tentokrát probírali v rozhovoru s Jiřím Jedličkou, skupinovým vedoucím, který v KONPLANu koordinuje jednotlivé týmy v rámci oddělení Engineeringu.
Jiří se v rámci své role na projektu věnoval koordinaci 6členného týmu zodpovědného za anotace, celkovému vedení projektu, jeho finanční stránce a zejména úzké spolupráci se zákaznickým týmem.
Jirko, popiš nám, prosím, v čem spočívá váš týmový projekt.
Zabýváme se rozpoznáváním obrazu na bázi hlubokého učení (Deep learning), klasifikací a hodnocením produktových vad v oblasti nápojových linek. Naše hlavní objekty kontroly jsou: skleněné lahve, plechovky, pohyb lahví na lince a v neposlední řadě také inspekce hladiny plnění. Inspekcí těchto snímků či obrazů produktu tvoříme v podstatě „mozek“ stroje a díky technologii Deep Learning zajišťujeme, že stroj vyhodnocující tyto vady v provozu bude stále „chytřejší“ a kontrola bude stále efektivnější.
Popisuješ pro mnohé z nás neznámou technologii Deep Learning. Přiblížíš nám, v čem spočívá?
„Deep Learning“, neboli technologie hlubokého učení, je specifickým rozšířením strojového učení (Machine Learning). Podobně jako Machine Learning strojům přibližuje principy reálného světa, řeší ovšem komplexnější problémy a původní nedostatky při práci s obrázky, videem, zvukovými soubory, nestrukturovaným textem a podobně. Velmi zjednodušeně řečeno, jde o jednu z podmnožin umělé inteligence (AI). Pro lepší představu možná pomůže obrázek. 😉
Jak dlouho jste na projektu pracovali?
Jedná se o dlouhodobý projekt, který v nedávné době přešel z vývojové fáze do sériové výroby a aktuálně zpracováváme veliké množství poptávek/objednávek od největších producentů nápojů na světě.
Čím je projekt jedinečný?
Určitě využitím „Deep Learningu“, což je v nápojovém průmyslu zcela nová technologie. Ta pomáhá maximalizovat efektivitu procesu plnění, a především – rapidně snižuje počet vadných výrobků v procesu. Řeší jakoukoliv nesrovnalost a nedokonalost lahví jako např. správné zavíčkování, rez, poškození materiálu, vrypy, střepy, zbytky pěny, plísní, kvasinek a doslova a do písmene odhalí každou „mouchu“ či mikrokapku vody, která zůstává v lahvi i po umytí.
Následně systém vyhodnocuje, zda určitá vada má, či nemá vliv na následující procesy výrobní linky a na základě toho rozhodne o dalším postupu produktu. Díky tomu se rapidně snižuje tzv. „zmetkovitost“ a my máme jistotu, že 99,9 % výrobků bude správně vyhodnoceno.
Skvělým příkladem projektu je Linatronic AI. Jde o první zařízení svého druhu na světě, které představuje novou éru v oblasti kontroly prázdných lahví. Stroj je vybaven neuronovou sítí vycvičenou právě pomocí hlubokého učení pro zajištění maximální přesnosti a citlivosti k detekci závad či nežádoucích látek v produktech.
Jaká největší úskalí vás během projektu potkala?
Největší výzva byl určitě samotný rozjezd projektu. Šlo o kompletně nové téma, které ještě ani nebylo v produkční fázi. Nebylo z čeho čerpat zkušenosti. Museli jsme rychle porozumět tématu, abychom byli schopni najít vhodné kandidáty a nastavit kompletní procesní organizaci spolupráce. Důležité bylo promýšlet dlouhodobou strategii již od samotného začátku.
Co tě na projektu nejvíce bavilo?
Nadchlo mě samotné téma Deep Learningu, ale obecně mě hodně baví, na jak skvělých a smysluplných tématech se v KONPLANu podílíme. Jsme součástí Krones týmu, a společně se nám daří přenášet AI technologii do produkční fáze a doručovat tyto stroje zákazníkům.
Odnášíš si z projektu své „lessons learned“?
Ohlédnu-li se zpět, asi bych se více zaměřil na odhad potenciálu daného tématu. Deep Learning jsme startovali ve fázi, kdy se o AI technologiích tolik nevědělo, proto bylo složitější vše „přeložit“ do lidské řeči. Ze začátku jsme DL brali jako „doplňkové“ téma, a nakonec se z projektu stalo něco, co má neuvěřitelný potenciál pro budoucí rozvoj.
Byl projekt součástí „zadání“ od zákazníka nebo šlo o vámi navržené/doporučené řešení problému?
Šlo o kombinaci. Zákazník přišel s jasnou představou „workloadu“, tedy náplně i objemu práce. Měl už bohaté zkušenosti z vývojové fáze, a tak jsme mohli začít ihned pracovat na reálných datech. My jsme k tomu následně přidali organizační a procesní úrovně spolupráce. Přes „tracking“- tedy sledování jednotlivých zpracovaných „workpacketů“, čili souhrnů dat, až po samotnou organizaci týmu, který nyní funguje naprosto samostatně.
Považuješ tedy projekt za úspěšně ukončený?
Projekt Deep Learningu je stále v procesu a doufám, že ještě dlouho bude. Nyní ovšem vyhodnocujeme jednotlivé milníky jako například objem spolupráce, efektivita a množství zpracovaných dat, finanční výsledky a v neposlední řadě také potenciál pro to, abychom si „vychovali“ vlastní odborníky v daném tématu.
Co na projektu posunulo osobně tebe či tým? Jaké přínosy pro vás realizace měla?
Mně osobně to dodalo velký přehled o AI technologii implementované do průmyslu. A pro tým? Asi hlavně míra flexibility, která nám díky nastavenému polo-vývojovému procesu umožňuje nebýt tolik závislý na termínech jako v jiných tématech či kompetencích.
Měli jste možnost nahlédnou k zákazníkovi a ověřit si v praxi, jak vaše řešení daný stroj zlepšilo či zefektivnilo?
Přibližně 2x do roka jedeme přímo do výroby, kde se můžeme do detailu podívat na stroje, které pracují s našimi vyhodnocenými a zkontrolovanými daty. Vidíme tak v reálu, jak je stroj efektivní, jak velký objem je díky datům schopný vyhodnotit a s jakou úspěšností. Zároveň si vždy odvezeme nové podněty, na které je potřeba se v budoucnu zaměřit.
Máte z projektu nějakou vtipnou historku nebo něco, co vás pobavilo?
Rozhodně nejzábavnější částí projektu jsou anotace všeho, co se v lahvích objeví – třeba brouci, pavouci, drobné hračky, žiletky a další zajímavé předměty, které by vás ani nenapadly, že se do lahve dostanou. 😉
Na závěr si neodpustím otázku: Co tě na práci v KONPLANU nejvíce baví?
Baví mě především kombinace témat, kdy spolupracujeme jak na sériových výrobcích, tak se podílíme i na nových – vývojových tématech.
Jirko, děkujeme za rozhovor a přejeme tobě i týmu ať se vám nadále daří!