Success story: Keď výrobná linka vie, čo sa stane o 10 minút
Každý výpadok na výrobnej linke znamená stres. Stroje stoja, ľudia čakajú, výroba sa spomaľuje a rozhodnutia sa robia pod tlakom. V potravinárstve, najmä pri výrobe plnených cestovinových výrobkov, kde proces prebieha v presne nadväzujúcich technologických krokoch, môže jeden nečakaný problém na konci linky zastaviť celý výrobný tok.
Čo keby však výrobná linka dokázala vopred upozorniť, že o pár minút nastane problém? Alebo pomôcť rozhodnúť už počas zmeny, či sa ešte dnes oplatí plánovať balenie? Presne tieto otázky stáli na začiatku spolupráce výskumného tímu, ktorý spojil priemyselné dáta, umelú inteligenciu a superpočítačový výkon.
Výskum realizoval medzinárodný tím odborníkov na umelú inteligenciu a priemyselnú analytiku z akademického a súkromného sektora. Na projekte sa podieľala spoločnosť Prounion a.s. v spolupráci s Univerzitou Konštantína Filozofa v Nitre a ďalšími akademickými partnermi z Českej republiky a Maďarska.
Výzva
Moderné výrobné linky generujú obrovské množstvo dát – od stavov strojov, cez rýchlosti a teploty, až po počty vyrobených kusov. Napriek tomu sa kľúčové operatívne rozhodnutia často robia na základe skúseností a intuície.
Výskumníci sa zamerali na reálnu výrobnú linku na plnené cestovinové výrobky, kde produkt prechádza pevne danou sekvenciou strojov – od prípravy surovín, cez tvarovanie a plnenie, až po tepelné spracovanie a balenie. Identifikovali dve rozhodnutia, ktoré majú zásadný dopad na efektivitu výroby:
- Včasné varovanie: Je možné predpovedať, že baliaci stroj sa v priebehu nasledujúcich 10 minút zastaví?
- Plánovanie v rámci zmeny: Dá sa počas pracovného dňa spoľahlivo určiť, či sa ešte bude baliť neskôr v ten istý deň?
Odpoveď si vyžadovala prácu s veľkým objemom časových dát a zároveň dôsledné dodržanie reality výrobného prostredia – modely pracovali iba s údajmi, ktoré sú v danom momente skutočne k dispozícii operátorovi alebo vedúcemu zmeny.
Riešenie
Výskumný tím najprv zjednotil dáta zo všetkých strojov do jednej časovej osi a spracoval ich tak, aby presne odrážali skutočný chod výrobnej linky. Následne vytvoril modely strojového učenia, ktoré pracovali výhradne s informáciami dostupnými v danom okamihu – presne tak, ako by ich mal k dispozícii operátor alebo vedúci zmeny.
Kľúčovým momentom projektu bol prístup k výpočtovému výkonu. NSCC Slovakia sprostredkovalo výskumnému tímu prístup k európskej superpočítačovej infraštruktúre EuroHPC, konkrétne k superpočítaču Karolina v Českej republike. Vďaka tomu bolo možné rýchlo experimentovať s rôznymi modelmi, testovať ich na reálnych výrobných dňoch a overovať ich správanie v podmienkach blízkych praxi.
Superpočítač sa tak nestal len technickým nástrojom, ale dôležitým kľúčovým prvkom inovácií – umožnil posunúť analytiku z teórie do reálne použiteľných rozhodnutí.
Výsledky
Model zameraný na včasné varovanie pred zastavením baliaceho stroja dosiahol veľmi vysokú presnosť. Dokázal spoľahlivo identifikovať situácie, keď hrozilo zastavenie v priebehu nasledujúcich 10 minút, pričom počet falošných poplachov bol minimálny. To znamená, že upozornenia sú dôveryhodné a nezahlcujú obsluhu zbytočnými alarmami.
Druhý model, určený na plánovanie v rámci zmeny, dokázal s vysokou úspešnosťou určiť, či sa ešte v ten istý deň bude baliť. Manažéri tak získali praktický podklad pre rozhodovanie o personálnom obsadení, plánovaní práce a efektívnom využití času.
Oba prístupy majú spoločný menovateľ: nepredpovedajú abstraktné čísla, ale odpovedajú na konkrétne otázky, ktoré si výroba kladie každý deň.
Dopad a potenciál do budúcnosti
Táto success story ukazuje, že umelá inteligencia v priemysle nemusí byť futuristickým experimentom. Ak sa analytika zameria na reálne rozhodnutia a využije sa správna infraštruktúra, môže sa stať tichým a spoľahlivým pomocníkom výroby.
Riešenie je ľahko rozšíriteľné aj na iné výrobné linky a sektory. Do budúcnosti sa ponúka zapojenie ďalších dát – napríklad typov produktov, plánovaných údržieb či zmenových kalendárov – a ešte presnejšie prispôsobenie modelov konkrétnym potrebám podnikov.
Hlavné posolstvo je jasné:
Keď sa dáta, umelá inteligencia a superpočítače spoja s reálnymi potrebami priemyslu, vznikajú riešenia, ktoré majú okamžitú praktickú hodnotu.
Keď výrobná linka vie, čo sa stane o 10 minút 5 feb - Každý výpadok na výrobnej linke znamená stres. Stroje stoja, ľudia čakajú, výroba sa spomaľuje a rozhodnutia sa robia pod tlakom. V potravinárstve, najmä pri výrobe plnených cestovinových výrobkov, kde proces prebieha v presne nadväzujúcich technologických krokoch, môže jeden nečakaný problém na konci linky zastaviť celý výrobný tok. Čo keby však výrobná linka dokázala vopred upozorniť, že o pár minút nastane problém? Alebo pomôcť rozhodnúť už počas zmeny, či sa ešte dnes oplatí plánovať balenie? Presne tieto otázky stáli na začiatku spolupráce výskumného tímu, ktorý spojil priemyselné dáta, umelú inteligenciu a superpočítačový výkon.
Kto vlastní AI v rámci organizácie? — Operatívna zodpovednosť 5 feb - Tento webinár sa zameriava na to, ako môžu organizácie nastaviť jasnú operatívnu zodpovednosť a vlastníctvo AI systémov primeraným a prakticky realizovateľným spôsobom. Na základe praktických skúseností z oblasti ochrany osobných údajov, AI governance a compliance sa Petra Fernandes bude venovať modelom riadenia, ktoré fungujú v praxi — pre malé a stredné podniky aj pre väčšie organizácie. Pozornosť bude venovaná interným procesom, ktoré organizáciám pomáhajú udržať kontrolu nad AI systémami v čase, bez zbytočnej administratívnej záťaže.
Online prednáška: AI Responsibility Gaps (Medzery v zodpovednosti v AI) 4 feb - Dňa 12. februára 2026 organizujeme úvodnú online prednášku AI Accountability Dialogue Series, série diskusií o zodpovednosti umelej inteligencie, venovanú aktuálnej téme „medzier v zodpovednosti“ pri systémoch umelej inteligencie. Našimi hosťami budú Daniela Vacek a Jaroslav Kopčan.
