| Abstract |
Šis maģistra darbs ir veltīts mākslīgā intelekta ieviešanas metodoloģijas izstrādei uzņēmuma vidē, īpašu uzmanību pievēršot MI rīku praktiskai pielietošanai industriālās inženierijas procesos. Darba aktualitāti nosaka tas, ka daudzi uzņēmumi pēc digitalizācijas un ERP sistēmu ieviešanas meklē nākamo attīstības posmu, kurā MI risinājumi varētu palīdzēt uzlabot efektivitāti, dokumentācijas kvalitāti un lēmumu pieņemšanu. Vienlaikus MI ieviešana prasa strukturētu pieeju, jo tehnoloģijas izmantošana ir saistīta ar tehnisko infrastruktūru, datu kvalitāti, lietotāju sagatavotību un rezultātu pārbaudi.
Darba teorētiskajā daļā analizētas MI iespējas uzņēmumos, tai skaitā procesu automatizācija, datu analīze, prognozējošā apkope, kvalitātes kontrole, energoefektivitātes uzlabošana un klientu apkalpošanas risinājumi. Tāpat apskatītas vairākas MI ieviešanas metodoloģijas, piemēram, CRISP-DM, CPMAI, KDD, SEMMA un AI-DSF, izvērtējot to piemērotību uzņēmuma praktiskajām vajadzībām.
Praktiskajā daļā analizēta autora pieredze uzņēmuma Caljan kontekstā, īpaši pievēršoties Siemens Industrial Engineering Copilot testēšanai un MS Copilot Studio aģenta izstrādei elektrotehniskās dokumentācijas pārbaudei. SIEC testēšanas laikā tika izvērtēta rīka sagatavošana, Azure OpenAI savienojuma konfigurācija, tokenu patēriņa monitorings, kā arī praktiski PLK un HMI uzdevumi. MS Copilot Studio aģenta piemērs tika izmantots, lai pārbaudītu, vai MI risinājums var palīdzēt salīdzināt projekta specifikāciju ar elektrisko shēmu un identificēt iespējamas dokumentācijas neatbilstības.
Pētījuma rezultātā secināts, ka MI rīki industriālajā inženierijā šobrīd vislabāk izmantojami kā inženiera atbalsta instrumenti, nevis kā pilnībā autonomi risinājumi. Tie var palīdzēt strukturēt uzdevumus, sagatavot sākotnējos risinājumu variantus un atvieglot dokumentācijas pārbaudi, taču gala rezultātam nepieciešama cilvēka veikta validācija. Darbā izstrādātā pieeja uzsver pakāpenisku MI ieviešanu, sākot ar ierobežotiem pilotprojektiem, skaidriem vērtēšanas kritērijiem un kontrolētu rezultātu pārbaudi.
Darbs sastāv no 91 lappusēm, ietver 31 attēlus, 2 tabulas un 67 informācijas avotus. |
