Bądź zawsze na bieżąco
Zarejestruj się na newsletter
  • Aktualności
    • Najnowsze informacje z rynku IT dla sektora przemysłowego i nie tylko... Interesujące wydarzenia, ciekawostki z branży. Relacje z konferencji, reportaże z targów
  • Temat miesiąca
    • Artykuł przekrojowy dotyczący najważniejszych wydarzeń miesiąca, potrzeb sektora przemysłowego lub przeznaczonej dla niego oferty IT
  • Analizy
    • Badania rynku
    • Prezentacja wyników badań niezależnych firm badawczo-analitycznych dotyczących rynku światowego, europejskiego oraz polskiego
    • Raporty ITapp
    • Zestawienie oferty sektora przemysłowego na podstawie danych pochodzących z ankiet wysłanych do producentów/dostawców rozwiązań IT w Polsce
  • Polemiki
    • Rozmowa
    • Wywiady z liderami rynku IT na temat strategii działania ich firm, planów na przyszłość, rozwoju oferty dla sektora przemysłowego
    • Okiem eksperta
    • Opinie na temat kondycji sektora przemysłowego i branży IT, trendów i kierunków rozwoju oferty IT
    • Felieton
    • O rynku IT pół żartem, pół serio...
  • Trendy
  • Aplikacje
    • ERP
    • Zarządzanie przedsiębiorstwem i jego poszczególnymi działami
    • BA/BI
    • Zbieranie i zarządzanie danymi oraz analizowanie i dystrybuowanie informacji
    • MES
    • Śledzenie oraz nadzorowanie produkcji i przepływu materiałów
    • PLM
    • Zarządzanie cyklem życia produktu
    • CRM
    • Zarządzanie kontaktami z klientem
  • Sprzęt IT
    • Nowinki techniczne przydatne na hali produkcyjnej i w… gabinetach zarządu
  • Wdrożenia
    • Implementacje
    • Informacje o zawartych kontraktach, zakończonych wdrożeniach
    • Case study
    • Ocena implementacji rozwiązania IT okiem bezpośredniego użytkownika, wdrażającego, dostawcy systemu
  • Potrzeby branży
    • Specjalistyczne rozwiązania
    • Prezentacja oferty IT uwzględniającej specyfikę przedsiębiorstw przemysłowych działających w różnych branżach
    • Green IT
    • Rozwiązania przyjazne dla środowiska, obniżanie zużycia energii, recykling
  • Redakcja

Machine learning przyszłością biznesu

Uczenie maszynowe coraz częściej wykorzystywane jest przez firmy z wielu sektorów gospodarki w procesie podejmowania decyzji biznesowych. Ale mimo oczywistych korzyści jedynie 20% przedsiębiorstw rozumie, jak technologia ta może wpłynąć na ich rozwój.

Jak wynika z danych IDC, w najbliższych latach uczenie maszynowe (machine learning) będzie odgrywało coraz większą rolę w strategii rozwoju biznesu. IDC prognozuje, że w 2020 r. wydatki przedsiębiorstw związane z implementacją machine learning i sztucznej inteligencji wyniosą aż 47 mld USD. Oznacza to ponad pięciokrotny wzrost w stosunku do roku 2016, kiedy na rozwiązania tej klasy wydano 8 mld USD.

Potwierdzają to również wyniki badania przeprowadzonego przez firmę SAS, zgodnie z którymi 28% respondentów już wykorzystuje uczenie maszynowe, a 30% planuje w ciągu najbliższych 3 lat zastosować je w projektach związanych np. z cyberbezpieczeństwem.

Badanie SAS pokazuje, że większość firm (68%) postrzega machine learning jako istotny trend technologiczny. Respondenci docenili wpływ uczenia maszynowego na wzrost poziomu cyberbezpieczeństwa (39% wskazań), podejmowanie bardziej trafnych decyzji w oparciu o dane (37%) czy poprawę jakości obsługi klienta (35%).

Nie ulega wątpliwości, że ciągły rozwój systemów analitycznych, na bieżąco przetwarzających ogromne ilości danych, zmienia oblicze biznesu, umożliwiając przedsiębiorstwom odkrywanie nowych okazji sprzedażowych, kreowanie konkurencyjnych strategii i skuteczną ochronę przed zagrożeniami.

Machine learning to nic nowego

Uczenie maszynowe to metoda samouczenia się maszyn oparta na analizie danych i odnajdywaniu zawartych w nich wzorców. Dzięki algorytmom machine learning komputery mogą samodzielnie analizować dane oraz automatycznie tworzyć i dostosowywać modele w celu samodoskonalenia i nabywania nowej wiedzy, potrzebnej do rozwiązania zadanego problemu. Wszystko odbywa się w sposób zautomatyzowany, bez potrzeby wcześniejszego zaprogramowania przez człowieka.

– Choć koncepcja uczenia maszynowego jest znana od dziesięcioleci, dopiero w ostatnim czasie zyskała na popularności. Jest to efekt gwałtownego rozwoju technologicznego ostatnich lat, w wyniku którego powstała potrzeba analizowania coraz większych ilości danych pochodzących z różnorodnych źródeł, a z drugiej strony pojawienia się znacznie bardziej wydajnych technologii obliczeniowych i dużo tańszych platform przechowywania danych. To wszystko zapewnia organizacjom możliwość wykorzystania machine learning do automatycznego generowania modeli, które są w stanie analizować złożone zbiory danych oraz szybciej dostarczać precyzyjne wyniki analiz. Realizując te zadania w skali masowej, organizacja może odkryć nowe szanse biznesowe i uniknąć nieznanego wcześniej ryzyka – tłumaczy Miłosz Trawczyński, Business Consulting Manager w SAS Polska.

Sztuczna inteligencja w służbie biznesu

Ta sama technika, która doprowadziła do popularyzacji technik machine learning, sprawiła, że systemy analityczne przygotowują prognozy biznesowe, biorąc pod uwagę wszystkie możliwe scenariusze. Ucząc się na bieżąco, mają pełen ogląd sytuacji, dzięki czemu zestawienia są o wiele bardziej kompleksowe i precyzyjne niż materiały przygotowane przez jakiegokolwiek analityka. Żaden człowiek nie jest bowiem w stanie samodzielnie przeanalizować wszystkich informacji, które mogą mieć znaczenie dla danej decyzji biznesowej.

Uczenie maszynowe rozwija systemy analityczne nie tylko w oparciu o dane liczbowe. Szybko rozwijającym się obszarem jest uczenie pogłębione (deep learning), oparte na sieciach neuronowych z wieloma ukrytymi warstwami, których działanie podobne jest do operacji wykonywanych przez ludzki mózg. Techniki uczenia pogłębionego są obecnie najbardziej zaawansowaną metodą rozpoznawania wzorców (pattern recognition) – obiektów w obrazach i słów w dźwiękach. Rozpoznawanie wzorców jest wykorzystywane m.in. w rozpoznawaniu mowy, analizie pisma odręcznego, analizie zdjęć i nagrań wideo.

Korzyści dla każdej branży

Wykorzystanie machine learning w procesie analizy danych przynosi korzyści firmom z różnych sektorów gospodarki. W branży motoryzacyjnej uczenie maszynowe umożliwia tworzenie systemów wczesnego reagowania, dzięki którym samochód może np. sam wykonać manewr, gdy zamontowane w nim czujniki wykryją zagrożenie. Z kolei banki wykorzystują machine learning w procesach zarządzania relacjami z klientami, rekomendując im dostosowane do ich potrzeb produkty, a także do zapobiegania oszustwom i wyłudzeniom.

Innym przykładem jest detekcja usterek i wad powstających w procesie produkcji. System, znając wygląd przykładowego produktu, potrafi zlokalizować często niewidoczny dla oka defekt.

Uczenie maszynowe szybko zdobywa popularność w sektorze ochrony zdrowia dzięki rozwojowi telemedycyny i powszechnemu dostępowi do wyposażonych w sensory urządzeń, które mogą gromadzić dane umożliwiające diagnozę stanu zdrowia pacjenta w czasie rzeczywistym.

W badaniu przeprowadzonym przez SAS wzięli udział przedstawiciele sektora użyteczności publicznej, czyli dostawcy prądu, gazu oraz wody. Przedsiębiorstwa z tej branży każdego dnia przetwarzają i analizują ogromne ilości danych generowanych przez klientów oraz sensory wbudowane w urządzenia i liczniki. Większość przebadanych firm pochodziła z USA, gdzie stopień wykorzystania nowoczesnych technologii jest dość wysoki. Ale tylko 20% respondentów było świadomych korzyści, które ich firma może uzyskać dzięki zastosowaniu machine learning.

– Większość przedsiębiorstw rozumie dziś, że inwestycja w machine learning jest niezbędna, jeżeli chce się skutecznie konkurować na rynku. Trzeba jednak pamiętać, że algorytmy to nie wszystko. Kluczem do sukcesu jest ich połączenie z właściwymi narzędziami i procesami. Do opracowania dobrych systemów uczenia maszynowego potrzebne są zaawansowane narzędzia do przygotowania danych, ich eksploracji i wizualizacji, interfejsy użytkownika do budowania modeli i implementacji powtarzalnych procesów oraz wydajne silniki analityczne, automatyzujące proces przetwarzania danych w decyzje. Najlepiej, jeśli wszystkie te elementy są dostępne w ramach jednej zintegrowanej platformy analitycznej – podsumowuje Miłosz Trawczyński z SAS Polska.

Temat miesiąca

Nie ma dla nas rzeczy niemożliwych

Z Piotrem Rojkiem, prezesem zarządu DSR, o strategii rozwoju firmy i przyszłości rozwiązań dla sektora produkcji rozmawia Elżbieta Jaworska

Raport

Handel detaliczny 2.0: dziś i jutro
Handel jest liderem w wykorzystywaniu nowych technologii, które mogą pomóc w ustalaniu optymalnej ceny produktu oraz promocji we wszystkich możliwych kanałach sprzedaży

KalendariumKonferencje, targi, seminaria

7 czerwca 2017 r.

Automatyzacja i systemy sterowania

Bezpłatna konferencja poświęcona zagadnieniom automatyzacji, która w dobie ciągle rosnącej złożoności procesów technologicznych stała się elementarną częścią optymalizacji produkcji. To bardzo złożona i niezwykle szybko rozwijająca się dziedzina.

8 czerwca 2017 r.

Niezawodność i Utrzymanie Ruchu w produkcji

Wydarzenie skierowane do osób, które chcą pogłębić wiedzę z zakresu dobrych praktyk inżynierskich i produkcyjnych w działach produkcji oraz Utrzymania Ruchu. Poprowadzą je praktycy, którzy w wielu firmach wdrożyli rentowne oraz skuteczne rozwiązania UR.

12–13 czerwca 2017 r.

III Forum IBS Poland

Interesujące prelekcje, merytoryczne dyskusje, studia przypadków, uznani eksperci i praktycy z bogatym doświadczeniem prezentujący nowe koncepcje w przemyśle. Innowacyjne i nowe rozwiązania IT to klucz do osiągnięcia wzrostów w przemyśle.

22 czerwca 2017 r.

Produkcja Made in Poland na drodze do Przemysłu 4.0

Cykl bezpłatnych webinariów poświęconych najlepszym praktykom polskich firm produkcyjnych, które mają za sobą pierwsze kroki na drodze do realizacji idei Przemysłu 4.0, dla których rewolucja w cyfryzacji i automatyzacji procesów logistyczno-produkcyjnych staje się rzeczywistością.