هوش مصنوعی در کارخانه‌ مجازی شرکت بی‌ام‌و

این شبیه‌سازی، امکان برنامه‌ریزی فرایند تولید را با جزییاتی فراهم می‌کند که تا پیش از این ممکن نبوده است و بخشی از برنامه شرکت بی‌ام‌و برای استفاده بیشتر از هوش مصنوعی در فرایند تولید محسوب می‌شود. این خودروساز آلمانی بطور مثال می‌تواند با کمک الگوریتم‌های یادگیری ماشین، حرکات پیچیده روبات‌های خط تولید را شبیه‌سازی کرده و بهینه‌ترین عملکرد این روبات‌های صنعتی را بیابد. شرکت انویدیا این پروژه را یکی از پیچیده‌ترین شبیه‌سازی‌هایی توصیف کرده که تاکنون اجرا شده است. بی‌ام‌و برای شبیه‌سازی نسخه دیجیتال کارخانه از بستر نرم‌‌افزاری Omniverse متعلق به انویدیا استفاده می‌کند. پیش از این بی‌ام‌و اعلام کرده بود ک از پلتفرم هوش مصنوعی شرکت انویدیا موسوم به Isaac به منظور آموزش دادن وظایف جدید به روبات‌ها استفاده کرده است. بی‌ام‌و در تلاش است با کمک شبیه‌سازی‌های مبتنی بر هوش مصنوعی، روبات‌های صنعتی را بگونه‌ای آموزش دهد که آن‌ها بتوانند وظایف بسیار پیچیده را بیاموزند. هدف نهایی بی‌ام‌و دستیابی به روبات‌های صنعتی است که وقتی آن‌ها را در خط تولید قرار می‌دهیم، بتوانند بدون نیاز به انسان با روبات‌های دیگر خط ارتباط برقرار کرده و وظایف خود در خط تولید را بطور کارآمدی انجام دهند.

استفاده از شبیه‌سازی‌های کامپیوتری در خطوط مونتاژ کارخانه‌ها تازگی ندارد. اما پلتفرم Omniverse انویدیا امکان شبیه‌سازی کل فرایند تولید را با جزییات گرافیکی و فیزیکی واقع‌گرایانه فراهم می‌کند. بطوریکه می‌توان کل خط تولید حتی حضور کارگران و کار کردن آن‌ها را در این فضای مجازی شبیه‌‌‌سازی کرد و با اعمال تغییرات در بخشی از خط، اثر آن بر سایر بخش‌ها را مورد بررسی قرار داد. Omniverse امکان استفاده از مدل‌های سه‌بعدی تولید شده توسط انواع برنامه‌های CAD را در اختیار قرار می‌دهد. استفاده از چنین راهکاری سبب بهینه‌سازی فرایند تولید به منظور بهبود ارگونومی شده و حتی به یافتن راهی برای انجام کارها با تعداد کمتری از کارگران کمک خواهد کرد.

برای استفاده از هوش مصنوعی در کاربردهای صنعتی مجبوریم از روش‌های شبیه‌سازی‌ کمک بگیریم زیرا غیرممکن است که در دنیای واقعی به منظور جمع‌آوری داده‌های آموزشی، ماشین‌ها را میلیون‌ها بار بکار گیریم. علاوه بر این در فرایند آموزش دادن مدل‌های یادگیری ماشین، اهمیت زیادی دارد که این مدل‌ها موقعیت‌هایی را تجربه کنند که در حالت عادی و در یک محیط صنعتی واقعی موقعیت‌هایی خطرناک محسوب می‌شوند؛ مانند موقعیتی که دو روبات با هم برخورد می‌کنند. موردی که در حالت واقعی خطرناک است اما داده‌های حاصل از آن برای آموزش دادن مدل یادگیری ماشین حیاتی است. بطور کلی یادگیری ماشین به حجم زیادی از داده نیاز است و جمع‌آوری این حجم بسیار زیاد داده در موقعیت‌های واقعی پرهزینه و خطرآفرین است. بی‌ام‌و با کمک انویدیا در تلاش است راهکار مناسبی برای این چالش بیابد.