Dozviete sa aké sú úrovne rozhodovania v aizácii.

Najjednoduchšou formou rozhodovania je jednosmerná aizácia. Vtedy poznáme všetky možnosti a výrobný proces nastavíme tak, že ide len jednou vybranou "štruktúrovanou" cestou. To je samozrejme mokrý sen každého manažéra, že nasypem dačo do au a na druhej strane mi to analogicky vypľuje zabalený produkt na palete. Realita ale často nie je tak jednoduchá a už málo zákazníkov sa uspokojí so stavom biele alebo čierne.

Trocha vyššou formou je algoritmizovaná aizácia. To už si proces dokáže na základe vstupných parametrov zvoliť príslušný optimálny algoritmus. Super vecička na veľmi špecifické výroby, ale nie veľmi agilná. Ak zavádzam nový proces musím znova vybudovať celý algoritmus a ladiť a ladiť a ladiť. Je to časovo náročné, potom to ale spoľahlivo funguje.

Ešte lepšie je ak je k dispozícii alerting, teda súbor hlásení, notifikácií a informácií o stave procesu. V tomto prípade okrem nastavovacích(setup) parametrov mám z dispozícii aj aktuálne prevádzkové dáta (aktulna kvalita, prestoje a pod.). Je to v podstate stav, kedy mi proces dáva všetky potrebné informácie k rozhodnutiu. Vtedy nastupuje manažér, alebo operátor, ktorý na základe integrovaných dát vykoná potrebnú reguláciu. Príkladom je SPC Statistical process control, kde mi proces hovorí, ako vyzerá aktuálny stav vo výrobe a mám možnosť urobiť reguláciu a potom kontrolovať, či regulácia proces zlepšila, alebo nie.

Rozhodovanie formou aickej regulácie je zasa mokrý sen každého aizéra. Teda že proces má aj svoje oči ale už aj ruky. Nemá síce ešte vlastnú hlavu,  tú mu nahradzuje séria pravidiel a algoritmov, ktorými výrobný proces dokáže pracovať. Sem patrí napríklad Data Driven Manufacturing, kedy aktuálny stav rozhoduje o toku materiálu a napr. riadi aj tok práce.

Inteligentná aizácia je prípad, kedy už má ruky, oči aj svoju vlastnú "hlavu". Nemusí to byť zrovna umelá inteligencia HAL9000 zo známeho sci-fi, ale dobrým príkladom z praxe je systém, ktorý dokáže na základe predošlých pokusov zhodnotiť, ktorý pokus uspel najlepšie (napr. pomer dávkovania komponent pri určitej teplote prostredia) a aplikuje ho ako reguláciu v aktuálnom stave. V podstate vzniká databáza pokusov a systém sa kontinuálne v regulácii zlepšuje. Po každom pokuse nasleduje zhodnotenie, ako pokus dopadol a urobí si čiarku :)

Z tých moderných AI systémov častovaných ako Umelá inteligencia potom mám rád tzv. fuzzy logiku, ktorá nie je postavená na databáze predošlých pokusov, ale tzv. rozhodovanie na základe šedých zón. Urobíte si zoznam pravidiel, pričom mnoho z pravidiel si navzájom odporuje a vytvára "šedú" zónu v ktorej sa bežná logika IF THEN ELSE nevie sama rozhodnúť. Tu nastupuje fuzzy rozhodovanie, kde na prienikoch týchto zón vznikne výsledné rozhodnutie. Nie je presné, ale je to najpresnejšie, aké dokáže dať. Používa to napríklad Vaša práčka, takže nie je to žiadna veda.

Neurónové siete znejú tajuplne, ale vo svojej podstate je to v podstate to isté ako databáza pokusov omylov spomenutá vyššie, akurát rozhodovanie sa rozdelí na množstvo menších podrozhodovaní(neurónov), kde každé podrozhodnutie má svoju databázu pokus-omyl. Pričom musím do systému nakŕmiť tých pokusov naozaj veľa aby z toho niečo vypadlo niečo užitočné.

Toto sa vo výrobe ešte veľmi nepoužíva, len raz za posledných 15 som aplikoval neurónovú sieť u zákazníka v praxi. O to častejšie sa začínajú používať ostatné formy aického rozhodovania a regulácie, lebo radšej nech horí od rozmýšľania nejaký silikónový procesor ako hlavy Vašich kvalifikovaných zamestnancov.

Úplne bežne firmy používajú rôzne formy SPC regulácie, potom pokus-omyl, sem tam fuzzy logiku.

Ak ste smart, tak sa snažíte odbremeniť od rozhodovania svojich zamestnancov, lebo ľudia robia často chyby. A ako sa hovorí, rozmýšľanie často bolí :-)