tis 16 nov 2021, 23:10#735295
Mangan skrev:@torlin, är det bara helt autonoma system som är intressant för er? Vi har även allt från avancerad kranspetsstyrning till att man sitter på distans och hjälper till lite i flera maskiner.
Tycker man kan jämföra med fabriker. Det har automatiserats och effektiviserats konstant, men några helt autonoma fabriker finns det fortfarande inte (vad jag vet).
Kanske tom ytterligare en AI-vinter på intågande, med tanke på den ringa framgången med autonoma bilar?
Fem minuter efter jag skrev ovanstende såg jag detta:
https://www.fox5ny.com/news/robots-do-a ... gent-plant
Fortfarande människor som övervakar och ställer saker till rätta.
Kommer ihåg när jag själv började studera Teknisk Datavetenskap i början på 2000-talet och läste bland annat kurser inom AI. Hade då precis innan jobbat som maskinförare innan jag började studera. Redan då pratade man om förarlösa maskiner och hur nära det var att dessa skulle komma ut på marknaden, jag var väldigt skeptisk då jag insåg hur komplext det är och hur många beslut som tas medvetet och omedvetet av en skördarförare och skotarförare och hade många livliga diskussioner med dessa forskare. Nu 20-år senare har man kommit ett litet steg längre fram, men jag gissar att det är lika långt kvar, minst.
Själv skulle jag gissa att det inte bara är år kvar utan snarare årtionden kvar, ge det 20-år till så kanske det finns skördare och skotare som kan konkurrera med produktiviteten hos maskiner där det sitter skickliga förare som brinner för skogsbruk och deras yrke.
Att kunna köra maskinen på plant underlag utan hinder och hitta och plocka upp en stock är givetvis ett framsteg. Men är det så verkligheten ser ut?
Förutom att kunna identifiera en stock så ska man kunna särskilja den och besluta ifall det är gran/tall timmer, massaved, brännved, löv, specialsortiment osv. Visst det går att göra med geotaggar. Men alla som varit och grävt i en välta vet hur det kan se ut och hur nära de ligger varandra, så det behövs något mer för att kunna sortera med stor precision utan risk för hopblandning. Så där har man en utmaning. Att ta beslutet att jag inte får fullt lass på denna stickväg utan måste lasta två sortiment och sedan skilja dessa på avlägg är ju andra problem en förare ställs inför dagligen.
Utöver detta så ska maskinen klara att resonera och ta intelligenta beslut som en förare fattar ögonblickligen. T.ex nu ser jag att basvägen börjar gå sönder, bäst jag tar med mig ett lass ris och lite toppar och lagar den innan det blir problem. Här bör jag lägga en kavelbro trots att traktplaneraren missat att rita in det, eller den här stubben är i vägen och gör att det går långsamt att skota efter vägen, jag plockar bort den. Eller här ser det blött ut bäst att jag går en annan väg med skördaren och lägger fram virket till skotaren för det kommer aldrig att hålla för den. Här ser det väldigt stenigt ut samt att det lutar här ska vägarna ligga på detta sätt för att underlätta för skotaren och höja produktiviteten. Detta är ju bara ett fåtal exempel på problem som en maskinförare resonerar kring och löser dagligen.
Hur tar maskinen beslut är det via kameror eller sensorer? Hur säkerställer man att dessa hålls rena och fungerar när det är snö eller lera som riskerar att täcka dessa? Jämför med en backvarnare som sätts ur spel ifall det är snö på den.
För att kunna skapa algoritmer och AI som klarar alla dessa scenarion och dessutom gör det i olika miljöer och vintertid/sommartid kommer kräva en sinnessjuk mängd insamlad data, efter all data är insamlad ska dessutom algoritmerna implementeras och testas ut och modifieras. Detta kommer ta tid och vara en utmaning. Gissa hur mycket data Tesla har samlat in genom åren och ändå behöver dem mer.
Förutom det rent tekniska så finns det ju en mängd praktiska delar som måste lösas för att autonoma maskiner ska vara en verklighet. Hur ersätter man skördarförarens planering av trakten, ofta kan ju denna gå och kolla för att få en överblick av avverkningen och hur man ska lägga upp vägarna eller vart det kan finnas problem.
Hur sköter man daglig service av maskinen t.ex smörjning/tankning och annat underhåll? Vem ska märka virket vid avlägg? När det går en slang eller det ska bytas en kedja ska då en servicetekniker ut och göra detta? Hur snabbt finns denna service tekniker tillgänglig? Hur långt stillestånd blir det på maskinen? Vad blir kostnaden för att ha en tekniker på jour?
Hur ersätter man den egna kvalitetskontrollen som görs?
Kan vara så att dessa problem är större än de tekniska. Så länge man inte löser detta och ser till att produktionen ökar och kostnaden minskar så kommer inte tekniken slå brett då detta är de drivande faktorerna för de flesta företag.
Blir intressant att se hur utvecklingen fortskrider, kommer inte säga att det är omöjligt att det lyckas men det är rejäla utmaningar både rent tekniskt samt även praktiskt för att den nya moderna tekniken ska vara värd för slutkonsument att investera i. Men min personliga gissning är att detta inte är något som kommer på "några år" utan det är betydligt längre fram i tiden innan dessa maskiner kan konkurrera med dagens maskiner och dagens förare.
Det är ett väldigt svårt område som man valt att försöka tillämpa AI på för att tillverka autonoma maskiner, miljön är inte enkel. Har man börjat i rätt ände och med rätt tillämpningsområde?
Själv skulle jag tycka det vore intressant att tillämpa AI för applikationer som syftar att höja produktiviteten/effektiviteten hos dagens maskiner eller förare. Man skulle t.ex kunna samla in data från maskinen, data från produktionen och från trakten osv och aggregera och korrelera denna data i syfte att presentera information för föraren vad som kan göras bättre, ge tips på hur man som skoterförare eller skördarförare kan öka sin produktivitet. T.ex kan man kanske upptäcka onödiga kranrörelser och ge förslag på hur man kan undvika detta, upptäcka och informera om ineffektiva körmönster, att köra maskinen tom i onödan är verkligen en effektivitets sänka. Detta tror jag skulle vara en tillräckligt stor utmaning men den är definitivt mer realistisk då all information finns där, det handlar med om att samla in den, processa den och tolka samt presentera resultatet.
Ett annat område som är spännande är ju augumented reality och ge förare mer information på t.ex en HUD. Utveckla algoritmer som automatisk identifierar trädslag och väljer det automatiskt till skördarföraren, förarens jobb är mer att sätta an aggregatet och att överrida ifall den inte håller med eller datorn väljer fel. Undersök ifall man kan implementera algoritmer som detekterar röta eller andra skador utifrån det visuella och kan ställa om första stocken från timmer till massaved automatiskt eller lumpa en bit för att se ifall det är röta i rotstocken. Lägga på information om avstånd mellan träd i t.ex gallring så man får en känsla som förare hur man ligger till med uttaget kanske man till och med kan räkna ut grundytan och trädslags fördelning automatiskt runt maskinen och visualisera detta på en HUD för den gallrade och ogallrade skogen så föraren får stöd ifall denna ligger rätt i gallringsuttag, trädslagsfördelningen och övrig data skulle dessutom automatiskt återföras till en skogsbruksplan. Här tror jag det finns väldigt många intressanta områden att applicera ny teknik på så en förare får möjlighet till bättre stöd och information för att bli effektivare samt höja kvalitén, även skogsägaren drar nytta av detta ifall skogsbruksplanen t.ex. uppdateras automatiskt med insamlad data från sin gallring.
Intressant område eftersom jag brinner både för IT i yrkesrollen och skogsbruket privat.
Kort information om skogsforum.se