AI/ML 
Rozwój oprogramowania 
Peak Detection bez AI? Jak matematyka automatyzuje analizę laboratoryjną
Wokół sztucznej inteligencji narosło przekonanie, że jest odpowiedzią na niemal każdy problem związany z analizą danych. Tymczasem praktyka pokazuje, że skuteczne rozwiązania nie zawsze opierają się na modelach AI. Czasem znacznie większą wartość przynoszą odpowiednio dobrane algorytmy matematyczne, które są szybsze, prostsze i lepiej dopasowane do konkretnego zastosowania.
To jeden z głównych wniosków płynących z najnowszego odcinka podcastu „AI w produkcji”, którego gościem jest Rafał Pisz z firmy Quantup. W rozmowie opowiada o projekcie Peak Detection zrealizowanym dla producenta specjalistycznych urządzeń laboratoryjnych. Historia tego wdrożenia pokazuje, że innowacja nie zawsze polega na wykorzystaniu najnowszej technologii. Często znacznie większym wyzwaniem jest zrozumienie rzeczywistych potrzeb użytkowników i zaprojektowanie rozwiązania, które ułatwi im codzienną pracę.
Kiedy problemem nie jest technologia, lecz sposób korzystania z niej
Producent urządzeń laboratoryjnych, dla którego realizowany był projekt, od lat dostarczał rozwiązania wykorzystywane do zaawansowanych analiz chemicznych. Samo urządzenie działało zgodnie z oczekiwaniami, jednak wraz z planami ekspansji na nowe rynki pojawiło się pytanie, jak sprawić, aby z jego możliwości mogły korzystać również osoby posiadające mniejsze doświadczenie w interpretacji wyników.
Nie chodziło o zmianę parametrów urządzenia ani zwiększenie jego możliwości obliczeniowych. Barierą okazała się konieczność ręcznej analizy wykresów generowanych przez system. Dla doświadczonych specjalistów była to codzienna czynność, jednak dla nowych użytkowników stanowiła element wymagający wiedzy i praktyki. To właśnie ten etap ograniczał możliwość szerszego wykorzystania produktu.
Jak podkreśla Rafał Pisz, rozwój technologii często polega na obniżaniu progu wejścia. Urządzenie nie powinno wymagać od użytkownika coraz większych kompetencji – wręcz przeciwnie, powinno przejmować część zadań i upraszczać ich realizację.
Peak Detection – automatyzacja interpretacji wyników
Projekt koncentrował się na automatycznym wykrywaniu charakterystycznych pików pojawiających się na wykresach pomiarowych. To od poprawnego określenia początku i końca takiego sygnału zależała późniejsza interpretacja wyników badań.
Choć z pozoru wydaje się to prostym zadaniem, w praktyce analiza tego typu danych bywa bardzo wymagająca. Nawet doświadczeni operatorzy potrafią różnić się w ocenie granic sygnału, a niewielkie przesunięcie może wpływać na końcowy rezultat analizy. Automatyzacja tego procesu pozwoliła więc nie tylko przyspieszyć pracę, ale przede wszystkim zapewnić powtarzalność wyników i uniezależnić je od doświadczenia osoby obsługującej urządzenie.
Dlaczego w tym projekcie nie wykorzystano sztucznej inteligencji?
Jednym z najbardziej interesujących fragmentów rozmowy jest wyjaśnienie, dlaczego zespół Quantup świadomie zrezygnował z wykorzystania modeli sztucznej inteligencji.
Zamiast uczenia maszynowego zastosowano odpowiednio dobrane algorytmy deterministyczne oraz metody matematyczne, które lepiej odpowiadały charakterowi analizowanego problemu. Pozwoliło to uzyskać wysoką skuteczność przy jednoczesnym zachowaniu niewielkich wymagań sprzętowych i pełnej przewidywalności działania.
To cenna lekcja dla wszystkich organizacji planujących inwestycje w AI. Punktem wyjścia zawsze powinno być zrozumienie problemu biznesowego oraz określenie oczekiwanego efektu. Dopiero na tej podstawie warto dobierać technologię, która najlepiej odpowiada konkretnym potrzebom. W niektórych projektach będzie to sztuczna inteligencja, w innych klasyczne algorytmy matematyczne. O sukcesie decyduje skuteczność rozwiązania, a nie popularność zastosowanej technologii.
Ograniczenia sprzętowe wymagają dobrych decyzji projektowych
Dodatkowym wyzwaniem było środowisko, w którym rozwiązanie miało działać. Algorytmy nie były uruchamiane w chmurze obliczeniowej dysponującej praktycznie nieograniczonymi zasobami, lecz na komputerze klasy Raspberry Pi będącym integralną częścią urządzenia laboratoryjnego.
Takie ograniczenie wymusza bardzo świadome projektowanie oprogramowania. Każda biblioteka, każda operacja i każdy fragment kodu wpływają na zużycie pamięci oraz wydajność całego systemu. W efekcie projektanci musieli wybierać rozwiązania nie tylko skuteczne, ale również wyjątkowo lekkie i zoptymalizowane pod kątem dostępnych zasobów.
Technologia jako narzędzie rozwoju biznesu
Najważniejszym efektem projektu nie była sama automatyzacja interpretacji danych. Wdrożone rozwiązanie umożliwiło producentowi oferowanie urządzeń znacznie szerszej grupie odbiorców, ponieważ ich obsługa przestała wymagać tak dużego doświadczenia. Otworzyło to drogę do ekspansji na nowe rynki i zwiększenia potencjału sprzedażowego produktu.
To dobry przykład tego, że wartość projektów z obszaru Data Science i automatyzacji nie kończy się na aspekcie technicznym. Odpowiednio zaprojektowane rozwiązania mogą bezpośrednio wpływać na rozwój produktu, zwiększać jego konkurencyjność i wspierać realizację celów biznesowych.
Posłuchaj całej rozmowy
Projekt Peak Detection jest tylko jednym z tematów poruszonych w podcaście. W rozmowie Kuba Orczyk i Rafał Pisz opowiadają również o tym, jak podejmować decyzje dotyczące wyboru technologii, dlaczego nie każde wyzwanie wymaga wykorzystania AI oraz jak zmienia się rynek urządzeń laboratoryjnych wraz z postępującą automatyzacją.
Jeśli interesują Cię praktyczne przykłady wykorzystania matematyki, Data Science i sztucznej inteligencji w projektach przemysłowych, warto obejrzeć cały odcinek. To rozmowa oparta na doświadczeniach z rzeczywistego wdrożenia, pokazująca nie tylko stronę techniczną projektu, ale również decyzje biznesowe, które stały za jego sukcesem. Jeśli natomiast interesują Cię szczegóły samego wdrożenia, przeczytaj pełne case study na naszej stronie.
Design, Development, DevOps czy Cloud – jakiego zespołu potrzebujesz, aby przyspieszyć pracę nad swoimi projektami? Porozmawiaj o swoich potrzebach z naszymi specjalistami.
Jakub Orczyk
Członek zarządu / Dyrektor sprzedaży
Zamów bezpłatną konsultację