Az a baj a mérnöktársadalommal – mondja Andrew J. Keane, a brit University of Southampton gépészeti kutatómérnöke -, hogy szabályos geometriában gondolkodunk: egyenes vonalakban, körökben, 45 fokos szögekben. “Erre tanítottak bennünket. De nézzük csak meg a természetet. Hány egyenes szélű csont van az emberi testben?”
A válasz: egy sincs. Márpedig a feldolgozóipar gyártási problémái kapcsán érdemes ellesni ezt-azt a természettől. Emiatt csatlakozott Keane az úgynevezett evolúciós számítástechnika igehirdetőinek egyre növekvő táborához. A kifejezés olyan, biológiailag inspirált eljárásokat takar, amelyekkel lehetőség nyílik újszerű termékek előállításá- ra, az üzemek hatékonyabbá tételére és az üzleti folyamatok javítására.
Ám amiről valójában szó van, az a mesterséges intelligencia (artificial intelligence – AI), szép új ruhába öltöztetve. Sok kutató lehetőleg szóba sem hozná az AI-t, hogy ne idézze föl azokat a szertefoszlott álmokat, amelyek az emberekhez hasonlóan okos gépekről szóltak. Az AI mindazonáltal újra itt van, együtt a maga rejtélyes és szabálytalan formáival. És impozáns eredményekkel szolgál a feldolgozóiparban. “Tizenöt évvel ezelőtt csakugyan túllihegték a mesterséges intelligenciát” – jegyzi meg William S. Mark, a Szilícium-völgy agytrösztjeként számon tartott SRI International számítógép-tudományért felelős alelnöke. A korai úttörők egy része szerinte eltűnt, a technológia azonban nem; sokkal jobb, mint valaha, és egyre jobban elterjed.
TERJEDŐBEN. A feldolgozóiparban alkalmazott új szoftvereszközök csomagolása alá pillantva valóban mind gyakrabban buk- kan elő az AI, legföljebb más néven. A Honeywell Internationalnél, az üzemi ellenőrző rendszerek egyik vezető gyártójánál az automatizált ok-okozati gondolkodás elnevezést használják rá. A feldolgozóiparban zajló fejleményeket nyomon követő bostoni AMR Research becslése szerint a gyártáshoz kapcsolódó új szoftverek körében a 40 százalékot is elérheti az AI valamilyen formáját alkalmazó eszközök aránya.
A hagyományos AI hívei azzal kísérleteztek, hogy a számítógépek intelligenssé tételekor a legmagasabb szintről induljanak. Az új megközelítések szerint ellenben hagyni kell, hogy a rendszerek maguk fejlesszék ki saját fortélyaikat, lentről felfelé. Érdekes szereplők lépnek színre, köztük intelligens ágensek, agyhoz hasonló ideghálózatok és darwini genetikus algoritmusok. Az evolúciós technikákkal olykor sikerül olyan válaszokat is találni, amelyek a hagyományos problémamegoldási módszerekkel elérhetetlenek.
Keane például genetikus algoritmus segítségével tervezett meg egy műholdakon használatos tartókart. Az algoritmus olyan új formát állított elő, amilyen emberi mérnököknek talán soha nem jutna az eszébe. “Amikor láttuk, hogy néz ki a végső design, újragondoltuk, miként is működnek ezek a dolgok, és most már értjük a logikát” – meséli Keane. Fő célja az volt, hogy a tartókar ne közvetítse azokat a rezgéseket, amelyek például a műholdak navigációs rakétáiból erednek, és így ezek ne zavarják a kar végére felszerelt ultraérzékeny műszereket. A szoftver saját maga fölfedezte, hogy ha a hosszanti és a keresztrudak minden illeszkedésénél megváltoztatják a szögeket, a rezgések fokozatosan csökkennek, és végül szinte teljesen megszűnnek.
Habár az AI-technológia rohamosan fejlődik, ünneplésre még távolról sincs ok. A mérnököknek például problémáik vannak némely olyan genetikus eszköz használatával, amelyeknek a feladata a gyártási folyamatok optimalizálása. Az egyik gond az, hogy az elvégzendő kalkulációk száma minden egyes új változó hozzáadásakor mértani haladvány szerint növekszik. Hat változó esetén 720 lehetséges kombinációt kell kielemezni, hogy megtalálják közülük a legjobbat. Tizenkét változó esetén viszont már 479 millió lehetőség adódik. Az ipari problémáknál a változók száma igen magas lehet, úgyhogy még a szuperszámítógépeknek is napokig, hetekig, vagy akár évekig kell dolgozniuk, mire az optimális válasz megszületik.
A repülőgép- és űrhajógyártásban különösen bonyolultak az optimalizációs játszmák. Csupán a közelmúltban nyílt mód olyan szimulációra, amely megmutatja, miként áramlik a levegő egy teljes repülőgép körül – ennek többszöri ismétlésével finomítani lehet a géptest designját. Korábban ez annyi időt vett volna igénybe, hogy az eljárást legföljebb utólagos ellenőrzésként alkalmazták. “Ugyancsak legalább egy hónap kellett például annak a körülménynek a sokak számára egyszerűnek tűnő szimulálásához, amikor is kigyulladnak az űrrepülőgép fékezőrakétái, amint az megérkezik az űrállomásra” – idézi fel John Jian Dong, aki a Boeing cég Reusable Space Systems nevű részlegénél a multidiszciplináris optimalizációs munkát vezeti.
VARÁZSLAT. Az evolúciós számítástechnika azonban varázslatot rejteget a cilinderében. Minthogy az egyes generációkból a gyengébb megoldásokat nem engedik továbbnemzeni, nem értékelik ki az összes lehetséges kombinációt. Ily módon a probléma drámai mértékben zsugorodik, és vele együtt a végrehajtási idő is. Jelenleg az űrrepülőgép fékezésére vonatkozóan Dong néhány nap alatt megkapja az optimalizációs eredményeket.
Az eredmény azonban valószínűleg még ezután sem lesz azonos az elméleti optimummal. “Nincsenek olyan algoritmusok, amelyek garantálnák, hogy rálelünk az egyetlen univerzális optimumra” – mondja Dong. “Így aztán az iparban az optimum mindössze egy sokkal jobb megoldást jelent.”
Mindazonáltal nem is biztos, hogy az egyetlen abszolút legjobb megoldás megtalálása olyan boldogító volna. “Kiderülhet, hogy előre nem látott mellékhatásai vannak, amelyekre egyáltalán nem számítottunk, vagy túlságosan drága – és akkor kezdhetjük az elejéről a birkózást az egész problémával. Így hát a néhány legjobbra kell törekedni” – vélekedik Lawrence J. Fogel, a kaliforniai La Jollában székelő Natural Selection elnöke.
ÚJRAÉLESZTÉS. Fogel az evolúciós számítástechnika egyik úttörője. Elképzeléseit még a hatvanas évek elején kezdte publikálni tudományos folyóiratokban. Elméleteiről azonban alig vettek tudomást egészen 1992-ig, amikor is fia, David B. Fogel, a Natural Selection vezető tudósa felelevenítette és kiegészítette azokat. Ugyanabban az évben John R. Koza, a Stanford University kutatója nyilvánosságra hozott egy hasonló technikát genetikus programozás néven.
Koza meg van győződve arról, hogy az evolúciós módszerek rövidesen új ötleteket és találmányokat kitermelő rendszerekké fejlődnek. Össze is állított már egy listát két tucatnyi olyan, genetikus programok felhasználásával készített algoritmusról és gyártmányról, amelyek vagy ugyanolyan jók, vagy jobbak, mint a ma érvényes szabadalmakkal védett találmányok. Az evolúciós számítástechnika két eredményét mellesleg már szabadalmaztatták is: az egyik egy antenna, a másik egy szokatlan alakú repülőgépszárny. Koza szerint nincs miért meglepődni a genetikus tervezés ilyen teljesítményein. “Az evolúció azt bizonyítja, hogy a design tekintetében milyen jó az, ami körülvesz bennünket.”
Talán. Ám ez nem jelenti azt, hogy az emberek meg is barátkoznak a helyzettel. A Computer Associates International (CA) szoftvergyártó óriás két éve rukkolt ki a Neugents nevű, ideghálózatot és intelligens ágenst ötvöző termékkel, melynek egyik első alkalmazása az volt, hogy őrködjön a CA világméretű számítógépes hálózata fölött. A Neugents öt másodpercenként 1200 adatot értékel, olyan mintákat keresve az adatokban, amelyek megegyeznek a korábban számítógépes összeomlásokhoz vezető eseményekkel. “A szoftver képes előre jelezni, ha fennáll annak a valószínűsége, hogy a rendszer 45 percen belül összeomlik” – mondja Gary E. Layton, a CA új részlegeként létrehozott interBiz Solutions marketingért felelős alelnöke. – “A fiúk azonban nálunk nem hitték el, hogy az ilyesmi működhet, úgyhogy nem reagáltak az első figyelmeztetésre. A rendszer persze összeomlott, pontosan úgy, ahogyan azt a szoftver megjósolta.”
LÁTVÁNYOS TERVEK. A CA-nek mindazonáltal nagyobb tervei is vannak a technológiával. Az elv hasonlít ahhoz, ahogyan Koza a maga feltalálógépét elgondolja. “Az interBiz által kifejlesztett BizWorks nevű új szoftverrel megpróbáljuk úgy kihasználni ezt a jósképességet, hogy ne csak veszélyekre figyelmeztessen, hanem új üzleti lehetőségeket is feltárjon” – közli Layton. “Szándékunk szerint a szoftver hatalmas adattömegeket átvizsgálva rá fog találni azokra a pontokra, ahol javítani lehet a hatékonyságon – vagyis azokra a lehetőségekre, amelyeket valószínűleg mi magunk is felismernénk valamikor, de egyhamar bizonyosan nem.”
AUTOMATIZÁLVA. “Nem muszáj azonban a tényleges jövőt fürkészni ahhoz, hogy sok pénzt lehessen csinálni” – véli Steven A. Chien, a NASA rakétameghajtással foglalkozó pasadenai laboratóriumában tevékenykedő AI-csoport műszaki felügyelője. Chien specialitása az automatizált tervezés és ütemezés, amellyel a NASA maximalizálhatja az űrkutatási létesítményekbe befektetett összegek megtérülését, és eligazodhat a kilövéseket övező logisztikai útvesztőkben. Ezek az elvek azonban a feldolgozóiparra is érvényesek, különösen az olyan vállalatokra, amelyek a gyártási tevékenységüket a megrendelésekhez igazítják, mint például a Dell Computer. “Összeszedni a megrendelések ezreinek teljesítéséhez szükséges különféle anyagokat és alkatrészeket nem olyan nehéz ügy. Ami nehéz, az a tárolási költségek minimalizálása” – összegez Chien.
Ez a probléma áll a mögött, hogy az utóbbi időben robbanásszerűen terjednek az üzemi feladatok ütemezését segítő rendszerek, valamint az anyag- és alkatrészellátási lánc kezelését biztosító eszközök. Manapság már cégek hada kínál gyártásirányítási rendszereket és vállalati forrástervezési (ESP) szoftvereket. Az Aspen Technologies, a Camstar, a Datasweep, az i2 Technologies, a Manugistics, az Oracle és a Wonderware csak néhány név a sok közül. Chien szerint az ellátási lánc terén készülődő forradalomnak egyelőre csupán az előszelét érezzük. Rövidesen még az apró műhelyek is ki fogják aknázni az új lehetőségeket. “Ugyanaz lesz a helyzet, mint a számítógépesített bérszámfejtéssel. Eleinte csak a nagyvállalatok engedhették meg maguknak, hogy ilyen rendszereket vásároljanak, ma viszont már minden kis cég ezeket használja.”
Ráadásul ha a menedzserek hozzászoknak az evolúciós számítástechnikához, az efféle programok fokozatosan mindennapos eszközökké válnak a lehetőségek elemzésére és az egyes üzemek tevékenységének javítására. A számítógépek kapacitásának növekedésével és a szoftverek javulásával a feldolgozóipari vállalatoknál előbb-utóbb rutinjellegűvé válik a genetikus programok alkalmazása olyan döntéseknél, ahol a beruházás megtérülése a kérdés.
NAGYOBB TÉR. Nem kell sok idő hozzá, és a gyártás teljesen digitalizálódik, miáltal nagyobb tér nyílik az evolúciós technikák számára. Az izraeli Tecnomatrix Technologies például olyan szoftvert fejlesztett ki, amely egy egész üzem részletes számítógépes modelljét tartalmazza. Az ellátási láncot kezelő programok és ERP-szoftverek gyártói pedig újabban úgy alakítják át termékeiket, hogy ezek egymással kommunikálni képes okos modulokból, úgynevezett tárgyorientált komponensekből tevődnek össze. “Üzemi szinten már az eszközök jelentős részében találni beépített web-szervert” – tájékoztat Kevin E. Prouty, az AMR Research kutatási igazgatója. A szerver segítségével megoldható, hogy a gyártócsarnokokból bármely internetes kapcsolattal rendelkező számítógép felé továbbítsanak adatokat. “Manapság olyan információkhoz lehet hozzáférni, amelyekről az emberek egykor csak álmodtak.”
A látnokok jóslata szerint végül az üzemi berendezések mindegyikét intelligens ágensek segítik majd. Úgyszintén meglesznek a szoftverágensei a legtöbb irodai tevékenységnek, a beszerzéstől az értékesítés és a kiszállítás intézésén át a fogyasztói szolgáltatásokig. Mindezek az ágensek képesek lesznek szót érteni egymással, és ily módon kialakítani a termelési és szállítási ütemezést. Szinte valamennyi AI-laboratórium és gyártási kutatóközpont munkájának ez az ágensektől nyüzsgő jövő a perspektívája. Prouty az üzemi mérnökök sokaságának nevében beszél, amikor azt hirdeti: “Közeleg a nirvána.”
