Ugrás a tartalomra

Generatív MI és matematikai optimalizálás segítségével automatikusan gyártósor-konfigurációkat tervező technológia fejlesztése

2026. augusztus 4.

A rendszer a szervezeten belül szétszórtan rendelkezésre álló gyártási szaktudást felhasználva, többféle, az üzemi igényekhez igazodó gyártósor-konfigurációt állít elő, ezáltal növeli a működési hatékonyságot és felgyorsítja a döntéshozatalt.

A Hitachi és a HUN-REN Számítástechnikai és Automatizálási Kutatóintézet (HUN-REN SZTAKI) olyan technológiát fejlesztett ki, amely támogatja a stabil ellátást és a termelési hatékonyság növelését egyaránt biztosító termelési rendszerek kialakítását.

A kereslet ingadozására, a munkaerőhiányra és a berendezések meghibásodására reagálva a technológia automatikusan megtervezi a teljes folyamatot a gyártósor működtetési és átalakítási irányelveinek kialakításától a konfigurációs javaslatok előállításáig. A generatív MI és a matematikai optimalizálás*1 összekapcsolásával az olyan üzemi igényekre is választ ad, mint hogy „növeljük 20 százalékkal a termelési mennyiséget”. A technológia összegyűjti, rendszerezi és felhasználja a különböző szervezeti egységekben és rendszerekben szétszórtan rendelkezésre álló gyártási szaktudást. Ennek alapján meghatározza a működtetési és átalakítási irányelveket, majd lépésről lépésre azonosítja a szükséges paramétereket*2 és azok értékeit, végül több, az üzemi körülmények között megvalósítható gyártósor-konfigurációs javaslatot állít elő. Ezzel egyszerűsíti a gyártósor-konfigurációk felülvizsgálatát – ideértve a műveletek felosztását és a berendezések hozzárendelését –, amely hagyományosan nagymértékben az egyes szakemberek tudására támaszkodik, és támogatja a gyors üzemi döntéshozatalt.

Az akkumulátorgyártó sorok átkonfigurálására irányuló validáció során a technológia a szakértők által kidolgozott javaslatokkal egyenértékű minőséget*3 biztosított, miközben a hagyományos kézi tervezéshez képest akár 87,3 százalékkal csökkentette a felülvizsgálathoz szükséges munkaidő ráfordítást.

A jövőben a Hitachi gyártóipari ügyfelekkel végzett esettanulmányokban vizsgálja a technológia lehetséges alkalmazási körét és bevezetésének előnyeit, miközben saját működésében „Customer Zeróként” – vagyis első saját alkalmazóként – üzemi tudást halmoz fel. A Hitachi célja, hogy a technológiát számos iparág gyáraira és gyártósoraira kiterjessze, többek között az akkumulátor-, az autó-, a gyógyszer-, az orvostechnikai eszköz- és az ipari gépgyártásban. A gyártósorok működtetésének és átalakításának fejlettebb és gyorsabb támogatásával a Hitachi hozzájárul az ipar versenyképességének erősítéséhez és a fenntartható gyártás megvalósításához. A termelési rendszerek és a matematikai optimalizálás területén felhalmozott kutatási szakértelmére építve a HUN-REN SZTAKI tovább folytatja a kutatás-fejlesztést a technológia továbbfejlesztése, alkalmazási körének bővítése és az újabb generatív MI-megközelítések alkalmazhatóságának vizsgálata érdekében.

Háttér és kihívások

Az iparban a keresletingadozás, a munkaerőhiány és a berendezések meghibásodása okozta változások közepette is olyan termelési rendszerekre van szükség, amelyek egyszerre biztosítják a stabil ellátást és a termelési hatékonyság növelését. Ezért fontos, hogy a helyzethez igazodva felülvizsgálják a gyártósor működtetési és átalakítási irányelveit, valamint konfigurációját, és az ellátásra gyakorolt hatás minimalizálása mellett rugalmasan reagáljanak.

Az ilyen felülvizsgálatok ugyanakkor számos döntést igényelnek, az üzemi igények alapján kialakított működtetési és átalakítási irányelvektől egészen a konkrét gyártósor-konfigurációk – például a műveletek felosztása és a berendezések hozzárendelése – meghatározásáig. Az utóbbi években egyre elterjedtebbé váltak a matematikai optimalizálási modellek*4, az üzemi környezethez illeszkedő irányelvek kialakításához azonban gyártási és gyártástechnológiai szaktudás, az irányelvek optimális paraméterbeállításokká alakításához pedig matematikai optimalizálási ismeretek szükségesek. Mivel kevés olyan szakértő van, aki több szakterületet átfogó tudással rendelkezik, és a felülvizsgálathoz szükséges információk több szervezeti egységben és rendszerben szétszórtan találhatók, a változásokra reagáló gyártósor konfigurációs vizsgálatokat nehéz gyorsan elvégezni.

A problémák megoldására kifejlesztett technológia jellemzői

Ezen kihívások kezelésére a Hitachi és a HUN-REN SZTAKI integrált automatikus tervezési technológiát fejlesztett ki. A megközelítés generatív MI segítségével a gyártósor működtetési és átalakítási irányelveivé rendezi az üzemi igényeket, illetve meghatározza a szükséges paramétereket. Majd matematikai optimalizálással az irányelvekhez illeszkedő, üzemi körülmények között megvalósítható gyártósor konfigurációs javaslatokkal áll elő. Ez az egyes szakemberek tudásától függetlenül teszi lehetővé a gyártósorok olyan felülvizsgálatát, ami gyors döntéshozatallal segíti a stabil ellátás és a termelési hatékonyság egyidejű javítását. A technológia fő jellemzői a következők.

1. A generatív MI és a matematikai optimalizálás integrációja: az üzemi igényektől a megvalósítható gyártósor-konfigurációs javaslatokig

Az olyan igényeket, mint hogy a termelési mennyiség 20 százalékkal nőjön, hagyományosan kézzel alakították át matematikai optimalizálási modell által kezelhető paraméterekké, az eltérő információformátumok miatt pedig esetenként hibás paramétereket állítottak be a szakemberek. Az új technológiában a generatív MI feldolgozása három szakaszra tagolódik: a gyártósor működtetési és átalakítási irányelveinek meghatározása, a paraméterek körének meghatározása, és a paraméterértékek meghatározása. A működtetési és átalakítási irányelvek rendszerezését követően a technológia egymás után meghatározza a szükséges paramétereket és azok konkrét értékeit, így a természetes nyelven megadott üzemi igényeket automatikusan megfelelő paraméterekké alakítja. A matematikai optimalizálás ezt követően számszerűsített módon több, üzemi körülmények között megvalósítható gyártósor-konfigurációs javaslatot állít elő, beleértve a műveletek felosztását és a berendezések hozzárendelését.

2. Hierarchikus tudáselérési technológia a szétszórt gyártási szaktudás és a felülvizsgálathoz szükséges információk összekapcsolására

Hagyományosan a gyártósor működtetési és átalakítási irányelveire, az irányelvek és a paraméterbeállítások kapcsolatára, valamint magukra a paraméterbeállításokra vonatkozó tudás különböző szervezeti egységekben és rendszerekben, egymástól külön állt rendelkezésre. Emiatt időigényes volt a szükséges információk összegyűjtése és felhasználása a felülvizsgálatok során. Az új technológia összegyűjti és a generatív MI számára könnyen használható formába rendezi a gyártási szaktudást. Ezt követően hierarchikusan hozzárendeli azt három feldolgozási szakaszhoz (a gyártósor működtetési és átalakítási irányelveinek meghatározása, a paraméterek körének meghatározása, és a paraméterértékek meghatározása). Így a generatív MI minden szakaszban hatékonyan eléri a szükséges információkat. Ez lehetővé teszi a szétszórt tudás összegyűjtését, rendszerezését és felhasználását, valamint az üzemi igényeknek megfelelő konfigurációs javaslatok gyors előállítását az egyes szakemberek tudásától való függés nélkül.

3. Több javaslat összehasonlítását és a döntéshozatalt támogató értékelési és magyarázati technológia

A technológia tudásként kezeli, hogy a gyártósort alkotó erőforrások – például a dolgozók és a berendezések – eltérései miként hatnak a munkaerő- és berendezésköltségekre, valamint a munkaterhelésre. Ennek köszönhetően több gyártósor konfigurációs javaslatot nemcsak a gyárthatóság, hanem a költségek és a termelékenység szempontjából is össze tud hasonlítani. Így könnyebben áttekinthetők a javaslatok közötti különbségek és a kiválasztás indokai, egyszerűbbé válik az üzemi felülvizsgálat és a felső vezetésnek tett javaslatok előkészítése, ami felgyorsítja a végső döntéshozatalt.

. Example use of the technology that automatically plans from the formulation of production-line operation and modification policies, through parameter setting, to the derivation of line configuration proposals.
1. ábra. Példa a technológia alkalmazására: a gyártósor működtetési és átalakítási irányelveinek kialakításától a paraméterek beállításán át a gyártósor-konfigurációs javaslatok előállításáig tartó folyamat automatikus megtervezése.

Igazolt eredmények

A technológia hatékonyságát akkumulátorgyártó sorok átkonfigurálási feladatain igazolták. A kísérletek megerősítették, hogy a technológia az olyan üzemi igények esetében, mint a növekvő kereslet miatti termelésbővítés vagy a berendezés meghibásodása esetén fellépő állásidő minimalizálása, automatikusan és következetesen képes megtervezni a teljes folyamatot, a gyártósor működtetési és átalakítási irányelveinek rendszerezésétől a szükséges paraméterek beállításán át a konfigurációs javaslatok előállításáig. A szakértők által hagyományosan kézzel végzett munkával összehasonlítva a technológia a műveletek felosztását és a berendezések hozzárendelését is magában foglaló gyártósor konfigurációk minőségét a szakértői javaslatokkal egyenértékű szinten tartotta, miközben a felülvizsgálat munkaidő-ráfordítását akár 87,3 százalékkal csökkentette.

Kitekintés

A Hitachi a jövőben gyártóipari ügyfelekkel végzett esettanulmányokban folytatja a technológia lehetséges alkalmazási körének és bevezetési előnyeinek vizsgálatát, miközben saját működéséből „Customer Zeróként” – első saját alkalmazóként – származó üzemi tudást halmoz fel. Célja, hogy a technológiát számos iparág gyáraira és gyártósoraira kiterjessze, többek között az akkumulátor-, az autó-, a gyógyszer-, az orvostechnikai eszköz- és az ipari gépgyártásban. A Hitachi emellett a technológiát az általa javasolt IWIM (Integrated World Infrastructure Model, integrált világinfrastruktúra-modell)*5 szakterület-specifikus MI-modelljeinek egyikeként pozícionálja, és a szakterületi tudás, valamint a mesterséges intelligencia egyesítésével támogatja a gyártósorok működtetésének és átalakításának további fejlesztését és felgyorsítását. E törekvésekkel a Hitachi hozzájárul az ipar versenyképességének erősítéséhez és a fenntartható gyártás megvalósításához. A termelési rendszerek és a matematikai optimalizálás területén felhalmozott kutatási szakértelmére építve a HUN-REN SZTAKI tovább folytatja a kutatás-fejlesztést a technológia továbbfejlesztése, alkalmazási körének bővítése és az újabb generatív MI-megközelítések alkalmazhatóságának vizsgálata érdekében.

Az eredmények egy részét várhatóan 2026 augusztusában, a Procedia CIRP nemzetközi tudományos folyóiratban publikálják.*6

*1 Matematikai optimalizálás: olyan módszer, amely adott feltételek mellett matematikai úton határozza meg például a költséget vagy termelékenységet kifejező célfüggvényt maximalizáló vagy minimalizáló optimális megoldást.
*2 Paraméterek: a gyártósor-konfigurációk és a berendezések hozzárendelésének mérlegeléséhez szükséges feltételek (tételek) és számértékek.
*3 Egyenértékű minőség: az akkumulátorgyártó sor átkonfigurálási feladatában a minőséget többek között a műveletek felosztása és a berendezések hozzárendelése szempontjából értékelték, a konfigurációs javaslatokat a szakértők által készített javaslatokkal összehasonlítva.
*4 Matematikai optimalizálási modell: a gyártósorra vonatkozó feltételeket matematikai képletekkel leíró modell, amely az optimális műveletfelosztás és berendezés-hozzárendelés meghatározására szolgál.
*5 IWIM: a Hitachi által 2025 novemberében bejelentett intelligens alapmodell. A több év alatt felhalmozott, többrétegű operatív technológiai (OT) tudásra és a fizikai jelenségek mélyreható megértésére építve azért fejlesztették ki, hogy a fizikai MI biztonságosan és megbízhatóan alkalmazható legyen a kritikus fontosságú társadalmi infrastruktúrákban. Összetett körülmények között is megfelelő mérlegeléssel és vezérléssel, integrált módon támogatja és fejleszti a berendezések és rendszerek tervezését, kiépítését és működtetését.
*6 Kaichiro Nishi, Daisuke Tsutsumi, Takahiro Nakano, Youichi Nonaka, Gianfranco Pedone, András Kovács, Krisztián Balázs Kis, Ágoston Dalotti és József Váncza: „Automated Production Line Configuration Technology Through the Integration of LLM and Mathematical Optimization Techniques”, Procedia CIRP, 2026.

■Kapcsolódó információk

https://rd.hitachi.com/_ct/17854556

További információért:

Borítókép: SmartFactory kutatási és demonstrációs platform a HUN-REN SZTAKI-ban.