Selittävän tekoälyn potentiaalin hyödyntäminen valmistavassa teollisuudessa : hyödyt, riskit ja parhaat käytännöt

Abstract

Tutkimuksen taustalla on pyrkimys selvittää selitettävän tekoälyn (XAI) vaikutusta laadunvalvontaan ja tuotannon suunnitteluun valmistavassa teollisuudessa. Tutkimus tunnisti tekijöitä, jotka vaikuttavat XAI:n toteutuksen tehokkuuteen ja sen mahdollisiin hyötyihin. Nämä tekijät puoltavat sitä, että XAI-menetelmien käyttöönotto teollisuudessa voi parantaa laatua ja tuotannon suunnitteluprosesseja tarjoamalla reaaliaikaista data-analyysiä ja päätöksentekoa. Erityisesti XAI:n on osoitettu lisäävän tehokkuutta, vähentävän virheitä ja epäjohdonmukaisuuksia, parantavan tuotteiden laatua ja tehostavan toimitusketjun hallintaa, mikä vähentää tuotantokustannuksia ja lisää yleistä tehokkuutta. XAI:n tehokkuuteen vaikuttavia tekijöitä valmistavan teollisuuden laadunvalvonta- ja tuotannonsuunnitteluprosesseissa ovat tiedon saatavuus, valmistusprosessin monimutkaisuus, tehokkuus ja automaatiotaso. Näiden havaintojen perusteella voidaan päätellä, että XAI:n käyttöönotto valmistavassa teollisuudessa voi tuottaa merkittäviä etuja, jotka ylittävät siihen liittyvät riskit, mikäli riskit tunnistetaan ja niitä hallitaan tehokkaasti. Käyttötarkoitukseen optimoidut ratkaisut voivat helpottaa XAI:n onnistunutta käyttöönottoa valmistavan teollisuuden prosesseissa.

This research aims to investigate the impact of explainable artificial intelligence (XAI) on quality control and production planning in the manufacturing industry. Through a systematic literature review, the study identified the factors that affect the efficiency of XAI implementation and its potential benefits. The literature review suggests that introducing XAI methods in the manufacturing industry can improve quality and production planning processes by providing real-time data analysis and decision support. Specifically, XAI has been shown to increase efficiency, reduce errors and inconsistencies, improve product quality, and enhance supply chain management, thereby reducing production costs and increasing overall efficiency. Factors affecting the effectiveness of XAI in manufacturing industry quality control and production planning processes include the availability of information, the complexities of the manufacturing process, efficiency, and level of automation. Based on these findings, it can be concluded that XAI implementation in the manufacturing industry can result in significant benefits that exceed the associated risks, provided that the risks are identified and managed effectively. Solutions optimized for the intended use can facilitate the successful implementation of XAI in manufacturing industry processes.