Průmyslová AI (WP2)
WP2 rozvíjí metody umělé inteligence pro složité průmyslové systémy, které se musí průběžně adaptovat na měnící se podmínky a výrobní požadavky. Zaměřuje se na tři klíčové aplikační oblasti.
První oblastí je optimalizace uspořádání výrobních provozů s využitím generativní AI a pokročilých optimalizačních metod, přičemž navržená řešení jsou ověřována pomocí digitálních dvojčat. Druhou oblastí je vývoj AI kopilota pro průmyslovou výrobu ve formě agentního systému, který v reálném čase podporuje optimalizaci procesů a umožňuje bezpečné úpravy PLC programů.
Třetí oblastí je simulace a optimalizace zpracování vzorků v klinických laboratořích s cílem zkrácení doby zpracování výsledků v časově kritických situacích.
WP2 kombinuje datově orientované přístupy, simulace (digitální dvojčata) a metody strojového učení s důrazem na spolehlivost a vysvětlitelnost. Výsledky jsou přenositelné i do dalších oblastí, například zdravotnictví.
Jaký problém WP řeší a proč je to důležité?
01
Průmyslové procesy jsou složité, propojují řadu heterogenních systémů a jsou obtížně reprezentovatelné v podobě, se kterou si poradí klasické optimalizační metody.
02
Změny ve výrobě a řízení provozů vyžadují bezpečné a spolehlivé rozhodování, aby nedocházelo k chybám či výpadkům
03
Plánování, řízení výroby a logistických toků (v průmyslu a třeba i v klinických laboratořích) často vede ke zbytečným prodlevám a vyšším nákladům.
04
Chybí efektivní využití velkého množství heterogenních dat pro podporu rozhodování a automatizaci
05
Nově navržené metody zvýší efektivitu výrobních a logistických procesů, při zachování či docílení vysoké kvality výsledků a stability provozu.
06
Výsledkem bude bezpečnější zavádění změn do průmyslových systémů, zrychlení výrobních a diagnostických procesů a snížení provozních nákladů.
07
Umožňuje využít potenciál generativní AI, digitálních dvojčat a pokročilé optimalizace v širokém spektru průmyslových aplikací
Příklady využití / aplikační oblasti a přínosy
Diskrétní výroba a průmyslová automatizace
- Zkrácení času testování všech vyrobených kusů na zkušební stolici
- Modulární digitální dvojče výroby s dlouhodobým zvyšováním kvality a efektivity
Průmyslové řídicí systémy a AI kopilot
- Podpora programování, konfigurace a bezpečných změn PLC systémů
- Včasné odhalení rizika skluzu při uvádění výrobních linek do provozu
Logistika a plánování procesů
- Optimalizace materiálových, informačních a pracovních toků
- Využití modulárního digitálního AI dvojče pro flexibilní plánování a rozvrhování
Zdravotnictví a klinické laboratoře
- Optimalizace laboratorních procesů a zpracování vzorků
- Zkrácení celkové doby zpracování výsledků (TAT) v časově kritických situacích
Klíčové osoby
Vedoucí WP
doc. Ing. Petr Kadera Ph.D.
Inteligentní systémy pro průmysl (ISI) | Český institut informatiky, robotiky a kybernetiky ČVUT (CIIRC ČVUT)
Ing. Miroslav Janošík, Ph.D.
| Beckman Coulter s.r.o.
Mgr. Ziad Khaznadar
| Fakultní nemocnice Bulovka
Ing. Jan Harmady
| Panasonic Heating & Ventilation Air-Conditioning, s.r.o.
Zapojené instituce
Použité technologie a postupy
- Generativní AI a velké jazykové modely (LLM) pro podporu rozhodování, automatizaci úloh a spolupráci člověka s AI
- Agentní AI architektury (Planner–Critic–Executor) pro bezpečné plánování, ověřování a provádění změn v průmyslových systémech
- Digitální dvojčata pro simulaci, validaci a optimalizaci výrobních i laboratorních procesů před jejich nasazením do praxe
- Vícekriteriální evoluční optimalizace (MOEA) pro hledání optimálních řešení s ohledem na více provozních cílů současně
- Zpracování multimodálních dat propojující informace z různých zdrojů pro přesnější analýzu a řízení procesů
- Adaptace a jemné dolaďování AI modelů (např. LoRA) pro efektivní nasazení ve specifických průmyslových doménách
- Trénování klasifikátorů (XGBoost, Random Forest) v kombinaci s modulárním digitálním dvojčetem
- Datově řízené optimalizační metody pro návrh a řízení rozsáhlých průmyslových a logistických systémů
Dosažené a plánované výsledky
2026
Hierarchické modulární digitální dvojče průmyslového kyber-fyzikálního systému pro modelování a optimalizaci průmyslových procesů
R- software
Digitální dvojče laboratorního systému (verze 1)
R- software
2027
Pokročilé plánování prostorového rozvržení výrobních a skladových ploch založené na metodách umělé inteligence
R- software
Optimalizační modul laboratorního systému
R- software
Multimodal Data Connector Library
R- software
2028
Digitální dvojče laboratorního systému (verze 2)
R- software
Datově a modelem řízená optimalizace provozu výrobních strojů pro zajištění vyšší efektivity výroby a kvality produktů
R- software
Domain Adaptation Toolkit
R- software
Nástroj pro podporu uvádění výrobních linek do provozu
R- software
2029
Optimalizační modul transportu vzorků
R- software
2030
Agentní systém pro integraci do výrobních a návrhových systémů
R- software
2031
Ověření vytvořených modulů v testovacím provozu
R- software