פרויקטים בבינה מלאכותית לאינטל ולרפאל

במחלקה להנדסת תעשייה וניהול שמים בשנה האחרונה דגש מיוחד לשילוב קורסים הקשורים לתעשייה 4.0. ביטוי בולט לכך ניתן בקורס של אליעד בן נון, שבחר לשתף אותנו בשני פרויקטי גמר בבינה מלאכותית, אותם ליווה ואשר כבר נותנים מענה לשתי חברות מכובדות למדי: אינטל ורפאל. 

“ייחודם של שני הפרויקטים הוא בכך שלצורך פתרון בעיות הנדסיות הקיימות בארגון, יושמו גישות חדשניות מתחומי Machine Learning ובוצע שימוש בכלים מתקדמים של בינה מלאכותית (AI – Artificial Intelligence), אשר באופן מסורתי אינם נמצאים בפתרון בעיות קלאסיות בתעשייה, או בניהול והנדסת איכות, והם אלו שהניבו פתרונות מיטביים ויעילים עבור הארגונים אינטל ורפאל”, אומר בן נון. “למיטב ידיעתי, אלו הפעמים היחידות, ובוודאי הבודדות, שבהן מיושמים פתרונות שבליבתן יישומי AI – בינה מלאכותית, בפרויקטי גמר במחלקת תעשייה וניהול”.

נפתח בפרוייקט הראשון שבוצע בחברת אינטל תחת הכותרת: “נקודות התורפה באיכות המוצר שאינטל משחררת לשוק וכיצד ניתן לשפר אותן”. העבודה על פרוייקט זה, שבוצע על ידי הסטודנטים דמיטרי (דימה) סטריז’בסקי ודמיטרי (דימה) קוסובר, הסתיים בחודש מרץ האחרון. “הפרויקט התבצע בקבוצת Emerging Growth Incubator (EGI) שמתמחה במוצרים חדשניים ובסטרטאפים שנרכשו על ידי אינטל וביניהם מוצרים בפיתוח כגון: רכבים אוטונומיים, מצלמות מתקדמות, רחפנים ועוד”,  אומר בן נון. “אני גאה לספר שהפתרון שהוצע בפרויקט מצוי כבר בשימוש שוטף בחברת אינטל והוא הביא לקיצור משמעותי, של כ-70 אחוז, במשך הזמן הנדרש למערכת לזהות תקלה. בנוסף, היישום מביא לסיווג נכון של קטגוריית התקלה מראש בסבירות גבוהה, ובכך יורדת כמות המוצרים בעלי ליקוי שלא נתגלה, שזולגים מהפיתוח אל הייצור. החיסכון הכספי והייעול הינם משמעותיים בארגון”.

” לאחר שנתיים של עבודה במשרת סטודנט באינטל, שמחתי לקחת בעיה הנדסית אמיתית ולדחוף להמצאת ויישום פתרון טכנולוגי מורכב. שמחתי ללמוד ולהעמיק בנושא למידת מכונה (ML) ולעבוד עם שותף ומנחה מדהימים”, אומר דימה סטריז’בסקי, שסיים זה מכבר את לימודיו במכללה. “הכרת חברת אינטל מקרוב בעקבות הפרויקט נתנה לי טעימה לאופן בו חברה אזרחית גדולה מתנהלת, ומבחינתי, מהווה חלק גדול מהתרומה של הפרוייקט לחיים המקצועיים שלי כמהנדס תעשייה וניהול. אם זה טיוב נתונים, לדעת לזהות בין עיקר לטפל, מימוש כלים מלימודי התואר והיישום הטכני, כולם התחברו בצורה מדהימה לתוצר סופי שניתן ליישום בסביבת העבודה. ברמה המקצועית, השתמשנו בכלים החדשניים ביותר בשוק, למדנו על מודלים של למידת מכונה וכיצד להתאים אותם ברמת ההיפר-פרמטרים לביצוע המשימה בצורה היעילה ביותר. למידה רבת-פנים זו העניקה לנו את הכרות עם הכלים הנדרשים ביותר בשוק, ומצאנו את עצמנו בלב ליבו של תחום מדע הנתונים, אך בכל פעם חזרנו ונגענו בעולמות הנדסת תעשייה וניהול”.

“כמישהו שהכיר את המושג ‘למידת מכונה’ אך לא העמיק בנושא, הפרויקט סיפק לי הזדמנות מצויינת לצלול פנימה אל טכנולוגיה לא מוכרת”, אומר הבוגר דימה קוסובר, השותף לביצוע הפרוייקט. “מהות הפרויקט היתה לשלב בין הנושאים שנלמדו לאורך התואר לעולם הטכנולוגיה המודרני, לקחת בעיה אמיתית, באחת החברות המובילות בעולם, וליישם מתודולוגיות של איכות, שיטות הנדסיות וטכנולוגיות כדי לפתור אותה. הבעיה באינטל עסקה בתקלות אפשריות בתהליך שחרור התוכנה ואנו פיתחנו דרך לחזות אותן ולחזות את מספר ימי הטיפול בהן. חשיבותו של הפרויקט היא בשילוב עולמות התעשיה והניהול עם עולם ההייטק ותחום אנליזת המידע ולמידת המכונה. רצינו להראות כי ניתן לשלב בין הטכנולוגיות המתקדמות ביותר, עם בסיס השיטות הנלמדות באקדמיה ולפתח אותן לכדי פתרונות חדשניים בתעשייה”.

פרוייקט גדול אחר נעשה על ידי הסטודנטיות עדי דאנא ואורטל ברששת. הפרוייקט שלהן עסק ב”שיפור תהליכי פיתוח ואיכות התכן המכאני” בחברת רפאל. “הפרויקט נעשה עבור מחלקה שנותנת שירותים רוחביים לארגון ומעורבת במספר רב מאוד של מוצרים. מטרתו היתה להתמודד עם סיווג לא מדוייק של רמת חומרת הכשלים בתכן המכאני. סיווג שגוי כזה מוביל להארכת משך הטיפול בתקלות, להשהיות ובסופו של דבר לבזבוז משאבים שלא תועדפו באופן מיטבי”, מסביר בן נון”.

אז איך הצליחו הסטודנטיות לפתור את הבעיה ? פשוט מאוד. הן השכילו להקים מערכת של בינה מלאכותית (AI) חדשנית, שיודעת לבצע שלושה דברים חשובים: אחד – לחזות במהימנות גבוהה ביותר את רמת החומרה של תקלה כבר ביום הראשון שהיא מתגלית, וזאת לאחר הזנת נתוני כשל ראשוניים; שניים – לחזות  כבר ביום הראשון, מראש ובסבירות גבוהה, האם תקלה שנפתחה עשויה להיות מוגדרת בסופו של דבר כתקלת סרק. החיסכון הכספי כתוצאה מהטמעת המערכת המבוססת על התחזיות לעיל מוערך בכ- 1.6 מיליון ₪ בשנה, וכשאלה הם הנתונים אין ייפלא אם הפתרון שנמצא יאומץ, בהתאמות קלות, גם בשטחים נוספים של ארגון רפאל, בנוסף למחלקת תכן מכאני.

“אין ספק ששלוש התחזיות המהימנות שהצלחנו לייצר, מניבות ערך רב ומספקות פיתרון עוצמתי ויעיל לבעיה, ובכך לחסוך לארגון ביטולי זמן ולאפשר לו לתעדף משאבים באופן מדויק יותר לצורך טיפול בתקלות”, מספרת עדי דאנא, אחת משתי השותפות לפרויקט. “לאחר איסוף ואפיון מאגר הנתונים השתמשנו במודלי חיזוי כדי לנבא את חומרת התקלה ואת משך הטיפול בה”. הרצנו כלים אנליטיים אל מול מאגר נתוני התקלות, בהם השתמשנו במודלים וספריות מעולמות למידת המכונה, ובעזרתם הפקנו מסקנות בעלות ערך אמיתי לארגון ויכולת הערכות מראש לסוגי התקלות השונות. ביצוע פרויקט שכזה, הדורש למידת נושאים חדשים רבים, וכן את יישומם, התאפשר בזכות ייעוץ וליווי מקצועי שקיבלנו מהמנחה שלנו אליעד בן-נון, וכמובן הודות לעבודת צוות מצויינת שהיתה לי ולשותפה שלי לפרוייקט, אורטל ברששת. אסיים ואומר שבזכות הפרויקט והחשיפה המשמעותית לעולם מערכות המידע והבינה המלאכותית, שיניתי כיוון מקצועי וכיום אני מנהלת פרויקט ומפתחת  ב-Priority  בשפתSQL”.

אליעד, איך התחושה אחרי ששני פרוייקטים שאותם הנחית מצליחים בחברות כל כך גדולות ? 

אליעד בן נון: תחושה נהדרת כמובן. אבל מעבר לתחושה האישית, בשני הפרויקטים הללו אני רואה הוכחה וחיזוק נוסף לעובדה כי הכנסת והתאמת יכולותיה של הבינה המלאכותית לצורך פתרון בעיות קלאסיות בתחומי תעשייה וניהול, הנדסת איכות ואמינות מערכות, עשויה במקרים רבים להוביל לפתרון מיטבי ועוצמתי, אשר לעיתים לא ניתן להשיגו בדרכים אחרות. ברמה האקדמית, חשיבותו של פרוייקט גמר כזה היא בעצם היכולת של סטודנטים ללמוד באופן מעמיק נושא מאתגר כלמידה חישובית, ומיד ובמקביל ליישם את התיאוריות ברמה הפרקטית, כמענה לצורך אמיתי של ארגון עיסקי או תעשייתי. לסטודנטים זו הזדמנות פז לממש את מגוון היכולות שרכשו וקיימת עבורם זירה לפתור בעיות ממשיות בעולם העסקי, באמצעות חשיפה  ושימוש במגוון כלי AI הנמצאים כיום בחזית הטכנולוגיה.

עד כמה הבינה המלאכותית  AI היא באמת הדבר הבא ? 

כלי ה-AI שרכשו הסטודנטים במהלך תקופת העבודה על הפרויקט, ניתנים לאדפטציה ויישום בתחומים שונים ומגוונים, ויכולים לאפשר עבורם דריסת רגל וכניסה אל עולם הלמידה החישובית כ-Data Scientist בהמשך דרכם המקצועית בקריירה, כפי שחלקם כבר בחרו לעשות. לסיום, חשוב לי לציין שהסטודנטים קיבלו על עצמם למידת תיאוריות ותרגול מעשי בהיקפים עצומים בתקופת הנחיית הפרויקט, עשו זאת בהצלחה מרובה והיו נכונים לאתגר, שרובו אינו חלק אינהרנטי מתוכנית הלימודים. שמחתי להנחות כל אחד ואחת מהם, ולחוות מקרוב את התפתחותם בתחומים אלו לאורך תקופת ההנחיה וכמהנדסים לעתיד.