הבינה המלאכותית מחתימה כרטיס
האינטרנט של הדברים משנה בתעשייה לא רק את פני ענף ההיי-טק, הוא מגיע גם אל ענף הייצור המסורתי. ובכל מקום הוא גורם לאנשי החברות והארגונים לחשב מסלול מחדש ולבצע קפיצה נועזת אל העולם המסחרי של המחר
אחד האתגרים המרכזיים הניצבים כיום בפני אנשי המקצוע הוא ההתמודדות הבלתי נמנעת עם כמויות אדירות של מידע. הקצב והכמויות השופעים הזכירו לאסף סומך, ירון חביב וירון שגב את עוצמתם של מפלי האיגואסו שבדרום אמריקה. חיבור של שם המפלים - כאנלוגיה למפלי מידע אדירים – עם המונח I/O בעולמות הדאטה והמחשוב הוליד את השם שנתנו לחברה שהקימו ב-2014: איגוואזיו (Iguazio).
כשהקימו את איגוואזיו, סומך, חביב ושגב היו כבר יזמים ותיקים ובוגרי חברות נתמכות מדען שמאחוריהם הצלחות עסקיות בתחום ההיי-טק כמו Voltaire ו-XtremIO. מנכ"ל החברה, סומך, מספר: "אם מסתכלים על הרקע שצברנו, כל החברות הקודמות היו באוריינטציה של היי-פרפורמנס סטורג' ואפליקציות שצריכות לנבור בכמויות עצומות של דאטה.
"הייתה לנו היכרות טובה עם הדרך שבה אנשים בונים תשתיות דאטה ועם סוגי הבעיות שאיתן הם מתמודדים. אחת הבעיות שזיהינו היא המורכבות: אנשים מנסים לבנות תעבורה דיגיטלית בצורה שונה לגמרי מהדרך שבה הדברים נבנו קודם. בעבר דאטה נועדה יותר לצורך קבלת החלטות עסקיות באמצעות קבלת חתכים שונים מהמערכת, ניתוחים ודוחות. אבל עולם ה-IoT משנה את התמונה, עם תשתית שמקבלת מידע גם ממערכת פניות מבחוץ, לא בוואקום פנימי בלבד, אלא גם על סמך אירועים ונתונים מחוץ לעסק. כאשר מערבבים את המקורות האלה עם דו"חות היסטוריים שיש לארגון, מתקבל באופן אוטומטי רצף של החלטות עסקיות.
"המטרה שלנו הייתה לפתח פתרון חדשני לניתוח ולניהול של ביג דאטה שמיועד לחברות ולארגונים עסקיים ותעשייתיים. ואכן, המערכת של איגוואזיו, ה-ICDP (Iguazio Continuous Data Platform) מאפשרת לאסוף את כל הנתונים שזורמים למערכת הארגונית ולבצע בעזרת כלים של בינה מלאכותית פעולות דאטה-בייסיות של מאגרי מידע מסוגים שונים בקנה מידה גדול. ניתוח הנתונים משפר דרמטית את יכולת קבלת ההחלטות של הארגונים והחברות בזמן אמת.
"מבחינה טכנית, התוכנה של איגוואזיו משמשת כ'שכבה' מעל האחסון ומאפשרת בזמן אמת ניתוח מאסות אדירות של מידע, המהוות בסיס מהימן של ידע עדכני לקבלת החלטות עסקיות. מדובר במהפכה בניהול, אחסון וניתוח של נתונים. היעילות של הפיתוח מתאפשרת בזכות שילוב של ביג דאטה ויישומי ענן.
"יש לנו תשעים עובדים ואנחנו כבר מוכרים את המוצר בכל העולם - באסיה, בארצות הברית ובאירופה. מאחורינו שני סבבי השקעות: הראשון של 15 מיליון דולר והשני של 33 מיליון דולר. בין המשקיעים נמצאים קרנות הון הסיכון הטובות בארץ וגם משקיעים אסטרטגיים, כמו חברת הטלקו האמריקאית וורייזן, בוש הגרמנית ועוד.
הבינה המלאכותית: לומדת ומחליטה
"נסתכל רגע בעולם ה-IoT על מקרים שמאוד רלוונטיים לנושא הזה של תחזוקה פרודוקטיבית בתעשייה: זה אומר שאם יש למשל ללקוח מפעלים עם פסי ייצור, בעולם הישן תקלה במכונה גרמה להשבתה של פס הייצור. למצב כזה יש עלויות ישירות של תיקון ועלויות יותר משמעותיות של הפסקת ייצור הפוגעת בהכנסות. חשוב להבין שאחד הפחדים הכי משמעותיים של יצרן הוא שפס הייצור ייעצר.
"חלק ניכר מהבאזז סביב בינה מלאכותית בשוק קשור בשאלה איך בעזרת IoT אפשר למנוע את התקלות האלו. התשובה שלנו היא שבעזרת בינה מלאכותית אנחנו מאפשרים ללקוחות לזהות שהתקלה מתקרבת עוד לפני שהיא מתרחשת בפועל ומשביתה את פס הייצור. על בסיס בינה מלאכותית המנתחת אירועים היסטוריים, המערכת מזהה אוטומטית את הדפוס ההתנהגותי שמשמעותו בעבר הייתה שתקלה מתקרבת.
"עולם הבינה המלאכותית מורכב משני חלקים: חלק של למידה וחלק של קבלת החלטה על בסיס אוסף הנתונים, שלא בהכרח יודעים מה הקשר ביניהם. אוספים מידע מכמה מכונות מאותו סוג ואז מערכת הלמידה רצה ומנסה למצוא בתוך הנתונים האלה דפוסי התנהגות. למשל: שאם קרה משהו, כמו טמפרטורה גבוהה במכונה, אז יש סבירות מאוד גבוהה שתהיה פה תקלה. בסיום תהליך הלמידה נוצר משהו שנקרא "מודול". ככל שיש יותר נתונים ועובר יותר זמן, המודולים נוצרים ויודעים לחזות יותר טוב מה הולך לקרות על בסיס העבר.
"את המודול שנוצר אנחנו מפעילים על הנתונים שהגיעו מהמכונה הספציפית ונותנים לזה יותר קונטקסט. כלומר, מוסיפים למודול עוד נתונים על המכונה עצמה: מה היה ב-24 השעות האחרונות, מה הסטטוס של החלקים האחרים במכונה וכו'. בשביל שכל זה יקרה אנחנו צריכים מערכת שתאסוף את הנתונים האלה, כאשר כל סוג נתונים דורש יכולות דאטה-בייסיות אחרות. בעבר העולם הזה היה יותר פשוט, אבל היום זה מורכב כי יש הרבה סוגי מאגרי מידע.
"אחרי איסוף הנתונים וההעברה לאזור שבו מתבצע תהליך הלמידה, מתרחש החלק הבא שמבוסס עליו – קבלת ההחלטה בשטח. נגיד שהמודול צופה שהולכת להתפתח תקלה משמעותית, על סמך המודול אנחנו יודעים גם איך לטפל בבעיה. כך למשל המערכת תשנה אוטומטית את קצב העבודה של איזשהו חלק כך שהייצור ימשיך להתנהל אבל התקלה תימנע. זה בדיוק הפתרון המשותף שבנינו עם מייקרוסופט ומתבסס על הענן שלהם.
"המערכת שלנו מאפשרת גם לקבל את הנתונים, גם לתת יכולות דאטה-בייסיות של סטטוסים כאלו וגם לעשות ניתוחים היסטוריים - בצורה פשוטה ומהירה ובביצועים גבוהים. הכל בתוך איגוואזיו בסגירת לופ תוך שימוש בטכנולוגיית הענן לשלב הלמידה – ויישום בקצה, כלומר אצל הלקוח במפעל.
"חשוב לציין שבתהליכי קבלת ההחלטות יש בהחלט מקום לשילוב חשיבה אנושית. העולם הזה של בינה מלאכותית עדיין בהתהוות ולאדם יש עדיין קונטקסט רחב יותר. בדוגמה שלנו, למשל, הוא יידע שפס הייצור יסיים את העבודה בעוד כמה שעות ואז התיקון יוכל להתבצע בצורה יותר נוחה".
חיזוי הוא הגנה
"דוגמה טובה לעבודה שאנחנו עושים קשורה ללקוח שלנו בתחום הרכב, שביקש מאיתנו לפתח מערכת שתבצע חיזוי של חיי מצבר הרכב. לחברה שלו יש צי רכב של אלפי מכוניות, והאפשרות למניעת אירועים של מצבר מת יכולה לחסוך להם הרבה מאוד כסף. בעזרת המערכת שלנו נאספים הנתונים על המצברים השונים ומדפוסי ההתנהגות שלהם אפשר להסיק איזה מצבר הולך למות בשבועיים הקרובים ולתת התרעה למנהל צי הרכב.
"שוק הרכב המחובר נמצא כעת בהתהוות, כך שאפילו לחיזוי כזה, שנשמע פשוט יחסית, יש ערך מוסף משמעותי. אנחנו יכולים לספק רמות שונות של תחזיות – לגבי בטיחות, למשל - ויש לזה משקל עצום בין היתר בשל העובדה שברכבים אוטונומיים ההחלטות צריכות להתקבל בטווחי זמן מהירים במיוחד.
"הבינה המלאכותית הפכה לחלק בלתי נפרד מעולם החברות והארגונים גם בעולם הטלקומוניקציה. יש מפעיל סלולרי באסיה שהכניס בעזרתנו יכולות של חיזוי לתשתיות. בזכות זה יכולים בחברה לזהות למשל שהנתבים והמתגים ברשת הספציפית הולכים ליפול בעוד כמה שעות אם לא ישנו משהו ברשת. בעולמות הסייבר המודול הזה חוזר בשווקים שונים.
"עולם הסייבר סקיוריטי הוא דוגמה טובה לשימוש חיוני במערכות איסוף נתונים וניתוח. התקפות סייבר מסוג מסוים עושות שימוש בווירוסים שנראים תמימים, אך גורמים ביום פקודה למאות אלפי ומיליוני מחשבים לתקוף אתר ספציפי במטרה להפיל אותו.
"בניתוח לאחר מעשה שנועד להבין מה קרה, אפשר להבין דרך תעבורות שהתקיימו בעבר איך נוצרה והתבצעה התקיפה. בהסתכלות אחורה אני יכול לזהות גם את ההעברה של הבוטים בשלב הראשוני וגם את תחילת התקיפה, ולחסום מחשבים ואתרים שעלולים לעשות זאת שוב עוד בתחילת ההתהוות של התקיפה הבאה. זה שינוי מקצה אל קצה של יכולת ההתמודדות הארגונית עם התקפות סייבר.
"יש עכשיו 'הייפ' אדיר סביב בינה מלאכותית. אין ספק שמאז שלמדתי את התחום בשנות התשעים היתה בו התקדמות גדולה, אך יש לנו עדיין דרך ארוכה עד למיצוי הפוטנציאל הרב הגלום בו".
>>>
מקשיבים למכונות
עבור סער יוסקוביץ' וגל שאול, אוגורי (Augury) הוא הסטארט-אפ הראשון. "סער ואני שירתנו שנינו כקצינים והכרנו בטכניון", מספר גל שאול, שהוא כיום ה-CTO של החברה. "אני למדתי מדעי המחשב וסער למד פיזיקה. עבדנו בהיי-טק כמה שנים ותמיד דיברנו אחד עם השני על סטארט-אפים. כמה שנים מאוחר יותר, כאשר הרגשנו מספיק נוח בעולם הטכנולוגיה, התחלנו לעבוד יחד על רעיון לסטארט-אפ.
"בשלוש השנים הראשונות ישבנו במוסך ופיתחנו את הטכנולוגיה. רק ב-2014, אחרי שהדברים התחילו להתגבש ולרוץ, הקמנו את החברה ויצאנו מהמוסך. לוקח זמן להבין מה זה להיות יזם, מי השוק שעומד מולך ומהו המוצר שלך".
"פיתוח טכנולוגיות ייצור מתקדמות כרוך בסביבת עבודה משתנה בעלת אתגרים ייחודיים״, אומר גדי הורנשטיין, מנהל ענף IOT ברשות החדשנות. ״החברות הנתמכות על ידי הרשות מפתחות פתרונות המשלבים חשיבה יצירתית ותפיסות הפעלה מתקדמות המייעלות את תהליכי היצור, תוך הגדלת הפריון ושיפור איכות המוצרים. כתוצאה מכך משתפרים כושר התחרות והאפשרויות להתבססות החברות בארץ והחזרת היצור הטכנולוגי למחוזותינו".
"לבוא מישראל כיזמים טכנולוגיים זה כיף, אבל יש בזה גם לא מעט אתגרים. אתה צריך לדעת מה אתה לא מבין ולא יודע. בחברה עצמה אנחנו מושקעים מאוד גם בתרבות הארגונית, מה שאומר בין השאר ששנינו מאמינים בבניית הצוות הנכון שיאפשר את בניית המוצרים ומשקיעים הרבה מחשבה בערכי החברה. היום יש לנו כבר 75 עובדים – בניו יורק ובישראל, ואנחנו עושים Product Engineering Innovation״, אומר שאול.
"אנחנו מפתחים מערכת שמקשיבה למכונות ולפי הסאונד שהן מפיקות חוזה תקלות שעלולות להתרחש בקו הייצור. מכאן גם נגזר שם החברה שלנו - המילה אוגורי היא 'תחזית' במאורית. המוצר שלנו מאוד טכנולוגי וכיאה למוצרי IoT הוא מכיל חומרה, תוכנה ואלגוריתמים, מה שאומר שישנם גם היבטים של פלסטיקה, אלקטרוניקה וחיישנים ששמים על המכונות אותן אנחנו בודקים.
"המדע שעומד מאחורי השיטה הוא ההקשבה לצורך זיהוי תקלות", מספר שאול. "הרעיון קיים כבר משנות התשעים והוביל לפיתוח שיטת תחזוקה שמתבססת על חיזוי תקלות על פי הסאונד שמייצרת המכונה. השיטה הזו רלוונטית לכל מכונה: כך למשל, אם יש במכונית רצועה חורקת - זה לא משנה מה סוג הרכב, היא תייצר רעש של רצועה חורקת. הרעיון שלמכשירים יש תבניות סאונד שניתן להשתמש בהן נשאר עד לאחרונה תקוע בשווקי קצה - בתחנות כוח יקרות ומרוחקות מהחוף, למשל. השיטה הישנה כוללת חיישני ויברציה יקרים וניתוח ידני על ידי vibration analyst - מהנדס מכונות עם הכשרה של שנים בניתוח רעידות שמבצע ניתוח למצב המכונה ונותן דו"ח. הפתרון הזה היה כל כך יקר, שהשתלם לעשות בו שימוש רק אם הפתרונות החלופיים היו אפילו יקרים יותר.
בתחילת הדרך שלנו, הסתכלנו מחדש על הבעיה והבנו שבעצם אפשר יהיה להשתמש בשיטה הזאת בכל מכונה - אם רק נהפוך אותה למשתלמת יותר כלכלית. הבנו גם שהפתרון טמון במומחיות של ניתוח הרעידות. כלומר, אנחנו פותרים גם בעיה של מחיר וגם נותנים מענה למומחיות – והפתרון שאנו מציעים הוא לעשות את זה באמצעות חיישנים ומחשבים ולא באמצעות אנליסטים. זה גם מעלה אמינות וגם נותן שקט נפשי לצוותים.
אחת הבעיות הראשונות של יזמים היא להשיג את הכסף שבעזרתו אפשר יהיה למצוא את הפתרון לבעיה. קיבלנו תמיכה מרשות החדשנות כמעט מההתחלה, הן בפרויקטים, והן באמצעות introduction לגורמים שונים, והמעורבות הזאת שלהם בהחלט מייצרת תדמית ואמינות מול משקיעים. גם השנה הגשנו בקשת תמיכה לפרויקט קטן יחסית שהוא חלק מהפיתוח, והתמיכה מאפשרת לנו לבנות דברים שאחרת היו נדחים קצת.
למרות שהמשקיעים שלנו מחו"ל בחרנו להשאיר את כל המחקר והפיתוח בישראל כי יש כאן אנשי מקצוע טובים, נלהבים ומוכשרים. הטכנולוגיה שלנו מאוד מסובכת ויש בה גם חומרה וגם תוכנה, אבל מצאנו בחיפה את כל מה שצריך ובנינו צוות נהדר. במקביל, אנחנו בניו יורק ולא בסיליקון ואלי".
יותר מהיר, יותר זול, יותר יעיל
"הלקוחות שלנו הם מתחום התעשייה הקלאסית, שם השאיפה ההיסטורית היא לחדשנות: להפוך דברים ליעילים, זולים ואיכותיים יותר. החדשנות בייצור היא מה שאפשר לנו לאורך הזמן את איכות החיים שיש לנו היום. זה תחום שבו החדשנות היא חלק מטבע הדברים. השילוב של היי-טק - טכנולוגיות מתקדמות - עם חדשנות בעולם הייצור נקרא Industrial IoT ואנו רואים את עצמנו בתור אחת החברות שמביאות גל חדש של חדשנות לתעשיית הייצור ולתעשיות אחרות.
"הפתרון הטכנולוגי שיצרנו באוגורי מאפשר התייחסות לבעיה של תחזוקת מכונות באופן חדש, שלא היה קיים קודם, אך האתגר הוא שלצורך כך צריך לעבוד עם ארגונים גדולים מהתעשייה ולעשות איתם את הדרך עד שיימצא פתרון טכנולוגי עם אלגוריתמים. אז ידענו שבהמשך נצטרך לבחון איך הממשק יתנהג עם תוכנה.
"כל תנועה פיזית של חומר מייצרת תבנית של רעש ורעידות. אנחנו שמים חיישנים על החלקים השונים במכונה ובעזרת בינה מלאכותית מזהים את המצב המכני שלה. במילים אחרות, בעזרת הטכנולוגיה הייחודית אנחנו למעשה מפענחים את ה'דיבור' שלה.
"בפועל מדובר באתגר של איסוף כמויות אדירות של ביג דאטה ושליחתן לענן – תוך פתרון בעיות של קישוריות ורוחב פס – לשלב של למידת מכונה. אנחנו יודעים איך פותרים בעיות ביג דאטה בסדר גודל כזה ואחרי שמתקבלת התוצאה של מצב המכונה - זיהוי אנומליה או בעיה ספציפית - אנחנו מספקים את המידע ללקוח. זה יכול להיות בכל דרך שנוחה לו: אימייל, SMS או טלפון - העיקר שהטכנאי או מי שאחראי למכונה יידע בדיוק מה הבעיה שצריך לתקן.
"בערך שליש מהמכונות שאנחנו בודקים ידרשו תיקון כלשהו תוך שישה חודשים. בערך ב-10 אחוזים מהמקרים הבדיקה מעלה שאם לא תתבצע פעולה - המצב יחמיר. ככל שמזהים ותוקפים את הבעיה בשלב מוקדם יותר, כך מצליחים לטפל בה ביעילות רבה יותר, מבלי לשתק את קו הייצור. לפעמים משהו שמצריך תיקון נוכחי בעלות של 200 דולר עלול לגרום בעתיד, אם לא יתוקן, לשבירת מיסב או לקריסת ציר. כלומר, לנזקים הרבה יותר חמורים ויקרים.
"האתגר העיקרי שקשור בשימוש ב- IoTהוא שכל מידע הופך אוטומטית לביג דאטה. זאת מכיוון שהכמות, הקצב והווליום מהירים מאוד. לשמחתנו בתחום הזה יש הרבה כלים שאם משתמשים בהם בחוכמה אפשר להתמודד עם הכל. מה שחשוב לזכור זה להתמקד בפתרון הבעיה הקיימת. התפיסה שלנו מותאמת לניהול מצבים ומאפשרת גמישות ושינויים מהירים.
"אנחנו מוכרים שירות של ניטור מכונות בזמן אמת. השירות מקיף וכולל תמיכה מההתחלה ועד הסוף: אנחנו מתחילים בבניית תוכנית למתקן בעזרת צוות המומחים שלנו, מספקים חומרה, דואגים להתקנה ומספקים ללקוח דשבורד עם תמונת מצב לגבי המכונות, שכולל התראות לגבי שינויים במצב של כל מכונה. כל לקוח נתפס כ-journey על ידי הצוות שלנו, ואנחנו לומדים אותו כדי לדעת מה נכון ומה לא נכון לעשות במקרה הספציפי שלו. זה תהליך שלוקח זמן, מכיוון שהחברות שעובדות איתנו צריכות לשנות את צורת העבודה, את התהליכים בארגון, את הטכנולוגיה שלהן וגם את דפוס החשיבה. בסוף ה-destruction הזה מאפשר התחלה מחדש במצב הרצוי.
"הלקוחות שלנו הם חברות גדולות, בעיקר בשוק האמריקאי, שעוסקות בתחומים מגוונים, החל מתחום המזון דרך יצרנים ועד חברות לתחזוקת ציוד - ביניהן נייר חדרה בישראל ופפסיקו בארצות הברית. התחלנו במכונות שהן לא חלק מהייצור, אלא מהוות את הציוד ההיקפי, והיום אנחנו פונים לקווי הייצור".
"נכון לעכשיו אנחנו ממוקדים יותר באפשרויות המסחריות - מניעת תקלות גדולות והשבתות שחוסכת זמן וכסף. אבל החזון שלנו הוא להיות בכל מכשיר שיש לו חלקים נעים, ממכשור כבד ועד למכונות קפה, ולהקשיב לו. יתרה מכך, אנחנו רוצים להוות את המנוע האנליטי שיאפשר את ההקשבה הזאת ואת ההבנות שהן תוצר שלה. כל המכונות צריכות להיות יותר אמינות וכל הארגונים צריכים להיות מסוגלים לתקן בעיות. אנחנו כאן לטווח ארוך עם הסתכלות רחוקה לעתיד.
"יש שני טרנדים שמניעים את המהפכה בתעשייה: מצד אחד האינטרנט חודר עם חיישנים ותקשורת זולים יותר ויכולת להעביר ולעבד כמויות גדולות של מידע בעלויות נמוכות. חיישנים נהיים זולים וקטנים יותר והמידע הופך קל לשידור ולעיבוד. מהצד השני נכנסות טכנולוגיות חדשניות של בינה מלאכותית המאפשרות חיזוי והפקה של תובנות חכמות יותר, שלא התאפשרו בעבר.
"אנו רואים את השינויים הללו בארצות הברית, סין, ישראל ובמידה מסוימת גם באירופה. הטרנדים הללו כה משמעותיים ונוכחים שלא ניתן לעצור אותם, ועל חברות לקבל את הטכנולוגיות החדשות על מנת להצליח. האתגר הוא בהתאמה של הטכנולוגיות לצרכים וליכולות של אותו ארגון ויכולת להתמודד עם סיכונים כמו אתגר ביטחון המידע.
הדרך היעילה ביותר שטרנדים טכנולוגיים אלה יבואו לידי ביטוי אמיתי היא בשיתוף פעולה ולמידה משותפת בין חברות היי-טק כמו שלנו עם התעשייה המסורתית, וזו הגישה שלנו באוגורי".