Případové studie

Use cases hero image

Případové studie

V rámci projektu DIH4AI aktivně spolupracujeme s firmami na případových studiích, které využívají služby poskytované Digitálním inovačním hubem.

Lokální

Posouzení obchodního plánu

Popis

Znalost digitálních technologií jsme sloučili s know-how největší české banky, České spořitelny. Vytvořili jsme speciální metodiku, která hodnotí v jaké míře jsou plánované investice do digitálních technologií užitečné pro ekonomickou činnost firmy v budoucnu – tedy tvorbu vyšších zisků, přidané hodnoty či snížení nákladů. V dnešní době se banky při rozhodování o tom, jaký inovační projekt budou financovat, stále více opírají o analýzy budoucího výnosu, míře zvýšení inovativnosti firmy a zvýšení její celkové konkurenceschopnosti. Experiment prokázal funkčnost metodiky. Pokud jí firma projde, dostane nejen velmi užitečnou zpětnou vazbu ohledně svých investičních rozhodnutí. Výsledný report jí může zvýšit rating u příslušné finanční investice a podpořit získání potřebných investičních fondů. Závěrečná zpráva je také vhodným podkladem při žádosti o dotace, jejichž předmět je zvýšení digitální zralosti společnosti.

Analýza dat a vytěžování systémů pro průmyslové systémy

Popis

Řízení výrobních operací vyžaduje detailní vhled do průmyslových procesů následované smysluplnou optimalizací jejich uspořádání a parametrů. Tento technologický experiment je zaměřen na podporu tohoto druhu business intelligence. Cílem je poskytnout obecné prostředí pro záznam a zpracování dat zaměřené na zlepšení a optimalizaci výrobních procesů z pohledu uživatele. Detailní znalosti/schopnosti v oblasti datové vědy nejsou vyžadovány/očekávány, protože pozice datových vědců se v současných malých a středních průmyslových výrobních podnicích často nevyskytují.

Semantics for production Feasibility

Popis

Tento experiment ukazuje, jak je možné pomocí automatizovaného uvažování ověřit proveditelnosti výroby. Poskytuje tak odpovědi na otázky, např. zda je nová objednávka vyrobitelná s dostupnou sestavou výrobních strojů? Experiment dále ukazuje, jak genetické programování na základě zadaných klíčových ukazatelů výkonnosti umožňuje nalézt optimální (nebo alespoň velmi dobrou) sekvenci výrobních kroků. Experiment využívá technologie sémantického webu pro popis souvisejících procesů, včetně výrobních závislostí mezi operacemi i specifikace požadovaných výrobních činností. Dále sémanticky popisuje příslušné zdroje týkající se výroby, tj. pracovní buňky, výrobní stroje a jimi poskytované výrobní operace.

Monitorování výrobních procesů na bázi AI

Popis

Experiment pomohl malým a středním podnikům připravit se na zavedení metod umělé inteligence do řízení jejich výrobních procesů. Firmy informoval o výhodách a překážkách a pomohl jim lépe se připravit na zavedení metod umělé inteligence do monitorování a řízení procesů. Využili jsme naše zkušenosti nabyté spoluprací s velkými firmami a po diskusi se zástupmi malých firem jsme vyvinutá řešení upravili a navrhli podobu úspěšného nasazení v malých a středních závodech. Výsledky experimentu by měly zástupcům malých a středních firem pomoci lépe se orientovat ve složitém světě metod AI a jejich aplikací a vyhnout se překážkám, jako je nejednoznačně specifikovaný cíl, nedostatečný ekonomický přínos využití AI, problémy s integrací projektu AI do podnikových procesů, nedostatečné zapojení všech důležitých zainteresovaných a dotčených pracovníků v podniku, nedostatečné procesy sběru a ukládání dat, časově náročná fáze přípravy a nastavení dat, malá akceptace ze strany zaměstnanců nebo potřeba průběžného vyhodnocování a aktualizace nasazených modelů AI.

Simulace a digitální dvojče pro průmyslové systémy

Popis

Rostoucí úroveň konektivity v kyberneticko-fyzických výrobních systémech Průmyslu 4.0 umožňuje nové možnosti pro záznam, analýzu a zpracování dat. Serverová nebo cloudová řešení jsou schopná a vhodná pro měkké snímání neměřených veličin z výrobní haly. Některé procesní proměnné je obtížné, nákladné nebo dokonce nemožné měřit přímo, proto je lepší je vypočítat z jiných měřených proměnných. Pro tento výpočet je třeba vyjádřit nebo se naučit matematicko-fyzikální vztahy. Takový výpočet se provádí pomocí simulačních modelů. Při tomto technologickém experimentu není nutné, aby byl simulační software instalován na místě, v blízkosti průmyslových komponent na průmyslových počítačích (IPC), ale může být nasazen na serveru v průmyslovém areálu (on-premise) nebo do cloudu. Tento přístup šetří výpočetní zdroje (zařízení) v oblasti provozní techniky (OT), snižuje počet potřebných licencí, protože v rámci jednoho simulačního prostředí lze paralelně počítat simulace pro více proměnných, a zefektivňuje procesy údržby. Experiment je realizován s partnerem Lego, který má nedaleko Prahy balicí zařízení. Navrhovaná simulace je zaměřena na energetické chování balicích strojů.

Posouzení obchodního plánu AI

Popis

Cílem tohoto experimentu bylo zjistit, zda náš Digiaudit je funkční i u zahraničních firem a přináší jim stejnou míru benefitů jako firmám českým. K tomuto pokusu nás vedla propojenost českého průmyslu s ostatními zeměmi Evropské unie a čím dál větší tlak zahraničních odběratelů na zvýšení digitální zralosti svých českých dodavatelů. Jedním z výhod digitalizace je zvýšená míra komplementarity obchodních modelů se zahraničními partnery a skutečnost, že náš Digiaudit ocenily i firmy v Německu či Holandsku prokazuje, že české firmy díky ní dosáhnout větší míry symbiózy s digitálními systémy svých zahraničních partnerů.

Mezinárodní

Posouzení připravenosti společnosti na řešení v oblasti AI a Průmyslu 4.0

Popis

Partneři: CIIRC, TNO, Frauenhofer IFF
V rámci tohoto experimentu jsme zkoumali novou sekci našeho DigiAuditu věnující se otázkám nasazení metod strojového učení a umělé inteligence a jejího efektivního využití v praxi. Cílem bylo prokázat, že daná metodika umí i v technicky vyspěl oblasti určit další oblasti pro rozvoj a nasměrovat firmy, aby investovali a rozvíjeli oblasti v umělé inteligenci tam, kde je to pro ně nejvýhodnější z hlediska celkového fungování firmy. Metodika je nezávislá, vypracována konsorciem partnerů a uznána Ministerstvem průmyslu a obchodu jako metodika patřící mezi dvě nejkvalitnější v České republice.

Zimní AI škola

Popis

Partneři: CIIRC, Frauenhofer IFF, Fortiss
Pražský, mnichovský a sasko-anhaltský DIH společně pořádají v lednu 2023 zimní školu umělé inteligence, na které spojí své vzájemně se doplňující odborné znalosti v oblasti umělé inteligence a souvisejících dílčích disciplín a technik. Hlavním tématem této zimní školy bude představení konkrétních průmyslových řešení založených na využití metod umělé inteligence. V jednotlivých přednáškách budou představeny základní teoretické koncepty a následně jejich konkrétní aplikace na danou úlohu. Dalším tématem zimní školy bude představení problematiky transferu technologií z výzkumného prostředí do průmyslové praxe. Budou diskutována hlavní úskalí a doporučené postupy. Zároveň budou představeny různé finanční nástroje, které mohou transfer technologií podpořit. Díky tomu, že se tato zimní škola bude konat na ČVUT, budou součástí programu také exkurze do jednotlivých laboratoří, kde budou moci účastníci vidět živé ukázky využití AI pro konkrétní výrobní aplikace.

Celoevropský ekosystém uživatelů AI

Popis

Partneři: Digihall, Frauenhofer IFF
DIGIHALL a sasko-anhaltský DIH propojují své komunity, aby si vyměnily osvědčené postupy i překážky při používání platformy AI4EU (Home Page | AI4EU (ai4europe.eu)) a jejích dostupných součástí a obecněji při používání AI, a to uspořádáním webináře pro uživatele AI na téma etiky v AI. Celoevropský ekosystém uživatelů umělé inteligence zvýší povědomí malých a středních podniků v rámci příslušných ekosystémů o etice v oblasti umělé inteligence a pomůže demystifikovat tento koncept uvedením konkrétních příkladů. Očekává se také, že tento experiment přinese nové kontakty a vyvolá mezi účastníky nápady na potenciální budoucí spolupráci, například v rámci projektů financovaných EU a týkajících se AI a etiky.

Testovací a experimentální zařízení pro umělou inteligenci ve výrobě

Popis

Partneři: TNO, CIIRC
Tento experiment poskytuje sdružené řešení hlubokého učení, které umožňuje více DIHům spolupracovat na AI řešeních lokálním trénováním neuronové sítě na svých datech a jejich následným spojením do jednoho většího a efektivnějšího řešení. Poskytování testovacího a experimentálního zařízení pro umělou inteligenci ve výrobě prostřednictvím DIH umožňuje kombinovat různé místně rozptýlené technologie a datové soubory v Evropě. Proto umožnění use casů, jako je trénování AI na místních datech a následné spojení AI do jediné neuronové sítě, vede k výkonnějšímu a prakticky využitelnému řešení, které by nebylo možné získat jinak. Kombinují se tak myšlenky datové suverenity a federalizace přítomné v Evropě s technickou realitou, kdy je zapotřebí větších datových souborů, aby bylo možné držet krok s rychlostí globálního vývoje AI. Poskytování federativního řešení hlubokého učení staví DIH do klíčové pozice, pokud jde o vývoj AI, a poskytuje partnerům DIH klíčovou konkurenční výhodu při vývoji a využívání aplikací AI.

Rychlá kontrola – hodnocení zralosti

Popis

Partneři: Fortiss – Munich Innovation Hub for applied AI, DIHs Paris, Saxony-Anhalt, CIIRC
DIHy Mnichov, Paříž, Sasko-Anhaltsko a CIIRC/CTU společně vypracovaly rychlou kontrolu hodnocení vyspělosti dostupných na evropském trhu, přičemž vycházely ze služeb, které každý ze 4 partnerských DIH poskytuje. Rychlá kontrola pracuje s kategoriemi, na jejichž základě budou moci zainteresovaní koncoví uživatelé najít pro ně nejvhodnější dostupné posouzení zralosti. Rozsah této rychlé kontroly zahrnuje nejen hodnocení vyspělosti související s umělou inteligencí, ale také širší škálu hodnocení, například v oblasti digitalizace, průmyslu 4.0 nebo vývoje softwaru, protože mnoho malých a středních podniků, které se dotazují na řešení v oblasti umělé inteligence, stále čelí výzvám dřívějších fází digitalizace.

Zvyšování povědomí o AI pro DIHy

Popis

Partneři: Fortiss – Munich Innovation Hub for applied AI, DIHs Paris, Saxony-Anhalt, CTU
Experiment reaguje na potřeby DIHů, které se přímo zaměřují na malé a střední podniky, aby zvýšily povědomí o výhodách digitalizace a umělé inteligence. Cílem je zvýšit povědomí malých a středních podniků a podpořit je při uvolňování technologického a ekonomického potenciálu digitalizace. Zejména se řeší rozšíření ekosystému DIH o oslovení tradičních / výrobních MSP jako potenciálních osvojitelů technologií. Služba je proto relevantní i pro DIHy, které mají ve svém ekosystému převážně poskytovatele technologií a chtějí oslovit MSP, aby konkrétně zvýšily povědomí o tématech AI, např. v oblasti prediktivní údržby. Cílem experimentu je doplnit dovednosti a znalostní základnu DIH směrem ke zvyšování povědomí, formulaci sdělení zaměřených na MSP a zřízení demonstrátorů orientovaných na MSP. Fraunhofer MFF využije své zkušenosti s oslovováním výrobních MSP ve svých regionech k přenosu dovedností na přijímající DIH a pomůže je přizpůsobit kontextuálnímu/kulturnímu prostředí.

Platforma jako služba pro odpovědné důkazní transakce

Popis

Partneři: Fortiss, TNO
Experiment – jako svazek „malých“ experimentů – přispěje PIANAI jako technologická služba k platformě DIH4AI (odkaz na platformu) a bude z ní těžit následovně. Za prvé, pokud jde o platformu DIH4AI jako platformu na vyžádání pro inovativní řešení umělé inteligence „vyrobené v Evropě“, experiment bude integrovat #4 regionální aktiva umělé inteligence. Za druhé, pokud jde o předpokládaný rámec interoperability mezi regionálními a evropskými platformami, experiment se zaměřuje na analýzu a navrhování funkcí podle principů IDS a GAIA-X směrem k integraci integrované regionální platformy PIANAI. Toto úsilí zahrnuje téma cloudové interoperability z hlediska poskytovaných kontejnerových služeb. Za třetí, experiment přispěje k cíli vytvoření platformy pro inovace a spolupráci pro DIH, pokud jde o poskytování aktiv #2, ke kterým má platforma DIH4AI přístup: službu PIANAI a také federovanou výukovou službu. Za čtvrté, experiment poslouží jako základ pro operacionalizaci etického hodnocení a certifikace aplikací AI tím, že posoudí aplikace AI #4 a poskytne ověřitelná tvrzení pro jejich audit. Za páté, do regionálního experimentu Intra-DIH se zapojí #2 MSP a potenciálně až #4 se zapojí do následných aktivit. Nakonec náš experiment bude zahrnovat cross-DIH kolaborativní aktivity, kde bude probíhat společné poskytování a vývoj společně s TNO a jejich testovacím prostředím.

AI EU Konsorcia

Popis

Partneři: Digihall, Frauenhofer IFF
DIGIHALL a DIH Sasko-Anhaltsko (Fraunhofer IFF) se společně zapojují do matchmakingové iniciativy s cílem podpořit malé a střední podniky při hledání partnerů s jedinečnými odbornými znalostmi v oblasti umělé inteligence. Cílem je vytvoření vhodného konsorcia pro podávání žádostí do výzev EU, a tak společně vypracovat úspěšné návrhy projektů. Toho bude dosaženo uspořádáním společné matchmakingové akce o příležitostech programu Horizont Evropa v oblasti AI, zaměřené především na pracovní program Cluster 4 2023-24. DIH využijí platformy DIH4AI (Dihiware – Collaboration Hub (eng.it) a AI4EU k šíření informací o plánované akci a identifikaci potenciálních partnerů/expertů v oblasti AI v souladu s žádostí o matchmaking.