Nessan Clearly keskustelee siitä, miten tekoäly painotuotannossa perustuu tietomallien täsmäytykseen, joka jo parantaa suurkuvatoimittajien ohjelmistoja. Hän ennustaa, että tämä johtaa tekoälyn lisääntyvään integrointiin työnkulun suunnitteluun, työjonojen hallintaan, värinkorjaukseen, kuvan skaalaukseen ja ennakoivaan ylläpitoon anturien ja visiojärjestelmien avulla, mikä viime kädessä virtaviivaistaa toimintoja ja tarjoaa enemmän joustavuutta.
Eri puolilta maailmaa ilmestyvien lehtiotsikoiden perusteella tekoäly eli AI kiinnostaa nyt paljon, kun monikansalliset yritykset ja hallitukset puhuvat avoimesti tämän teknologian käyttämisestä tuotantonsa optimoimiseksi ja tulojen lisäämiseksi. Mutta miten tämä heijastuu tulostusteollisuuteen ja erityisesti moniin suurkuvatulostuspalvelujen tarjoajiin, jotka palvelevat kyltti- ja display-markkinoita?
Ironista kyllä, tekoälyyn ei oikeastaan liity paljonkaan älykkyyttä. Älykkyys tarkoittaa yleensä jonkinasteista kognitiivista päättelyä ongelmien ratkaisemiseksi. Tekoäly on kuitenkin vain suurten tietomäärien keräämistä, mukaan lukien aiemmat esimerkit päättelystä, ja niiden yhteensovittamista tiedoista esiin nousevien mallien kanssa. Missä tahansa tilanteessa useimmat tekoälyjärjestelmät tekevät vain parhaan mahdollisen arvauksen käytettävissä olevan tiedon perusteella (ja joskus tämä tuottaa virheitä). Olemme aiemminkin käyttäneet algoritmeja vastaaviin tehtäviin, mutta tekoälyn erottaa siitä se, että nämä järjestelmät käyttävät valtavia raakatietoaineistoja. Tämän on mahdollistanut raa’an laskentatehon kehittyminen.
Suuri osa tämänhetkisestä hype-ilmiöstä perustuu generatiiviseen tekoälyyn, joka voi luoda ratkaisuja järjestelmään syötettyjen kehotusten perusteella. Tällaiset järjestelmät on kuitenkin esivalmennettava olemassa olevilla tiedoilla, joten ne tunnetaan tarkemmin nimellä Generative Pre-Trained eli GPT. Tunnetuin näistä järjestelmistä on luultavasti ChatGPT.
Yleisellä tasolla näitä järjestelmiä voidaan käyttää käytännön tasolla, esimerkiksi tarjousten mukana tulevien kirjeiden tai jopa kokonaisten myyntiesitysten alustavien luonnosten laatimiseen. Koska tekoäly ei ole täydellistä, sitä on parasta käyttää alustaviin luonnoksiin eikä lopullisiin kopioihin, mutta se riittää kuitenkin tekemään enemmän lyhyemmässä ajassa.
Jotkin tekoälymuunnokset keskittyvät enemmän kuvien luomiseen, ja ne ovat jo niin hyviä, että ne voivat antaa jonkinasteisen tietämyksen omaaville ihmisille mahdollisuuden tehdä työtä, joka muuten saattaisi olla heille mahdotonta. Tämä alentaa huomattavasti taideteosten tuottamiseen liittyviä kustannuksia, vaikka vain nopeiden mock-upien luomiseksi ennen ammattimaisen suunnittelijan käyttämistä. Tällaisia voivat olla esimerkiksi näyttelyosaston grafiikka tai digitaalisesti painettujen vaatteiden kuviot.
Älä kuitenkaan kuvittele, että tekoäly tekee kaiken työn puolestasi. Tulosten laatu riippuu siitä, kuinka laadukkaita kehotuksia syötät järjestelmään, ja tämä vaatii jo itsessään jonkin verran koulutusta. Se tarkoittaa, että tekoälyn käyttöön koulutettu henkilö pystyy tuottamaan työtä myös muilla aloilla, joilla hänellä ei ole samanlaista koulutusta. Tällaista moniosaamista kuvastaa lause: ”Tekoäly ei vie työpaikkaasi, mutta tekoälyä käyttävä henkilö todennäköisesti vie”.
Tekoäly ja tulostus
Tekoälyllä voi olla syvällinen vaikutus tulostukseen monilla aloilla, joista osa on jo nähtävissä. Tekoälyteknologia ei ole aivan niin uutta kuin jotkut lehtiotsikot antavat ymmärtää. Sitä on käytetty jo yli vuosikymmenen ajan, ja sitä käytetään jo nyt joissakin painoteollisuuden käytettävissä ohjelmistoissa. Uutta on se, että siinä missä sitä on aiemmin käytetty yksittäisissä erillisissä tuotteissa, voimme nyt odottaa näkevämme, että nämä ratkaisut ovat entistä integroituneempia ja että tekoälyn avulla tapahtuva automaatio lisääntyy koko tuotannon työnkulun ajan.
Kuvateksti: Esko Phoenix käyttää tekoälyä automatisoituun imurointiin ja pesäyttämiseen.
Tähän sisältyy tehokkaimman tuotantotavan suunnittelu, jota voidaan käyttää sekä tarjouksen laatimiseen että tuotantoreitin suunnitteluun. Tekoälyä käytetään yhä useammin myös työjonon hallintaan. Tähän liittyy olennaisena osana tapa, jolla eri työt ryhmitellään yhteen tai sijoitetaan toistensa ympärille arkille tai rullalle, jotta hukkatiedot saadaan minimoitua. Tämä on kehittynyt impositiosta eli sivujen järjestämisestä painokonearkille ulkoasun optimoimiseksi. Useat nykyiset ohjelmat, kuten Esko Phoenix, käyttävät jo tekoälyä imitoimiseen, ja tämä tekniikka on nyt siirretty suurkuvatyön hallintaan. On otettava huomioon useita eri parametreja, kuten se, miten nämä eri työt viimeistellään, ja kunkin työn sovitut toimitusajat. Kaikki nämä tekijät muuttuvat tietysti jatkuvasti päivän mittaan, kun tilauksia tulee lisää. Kyky selviytyä myöhästyneistä tilauksista on kuitenkin olennainen osa nykypäivän nopeaa tilauskiertoa, jota asiakkaat ovat nykyään alkaneet odottaa.
Toinen alue, joka jo hyötyy tekoälyteknologiasta, on värinhallinta. Monet asiakastiedostot sisältävät värinhallintavirheitä, joista osa, kuten väärä väriavaruus, voidaan helposti korjata. Monet värinhallintaohjelmat käyttävät nykyään tekoälyä myös näiden tiedostojen värien virittämiseen luonnollisemman ilmeen aikaansaamiseksi, mikä voi vähentää sitä, että asiakkaat hylkäävät töitä painettuihin väreihin liittyvien käsitysten vuoksi. Usein tämä merkitään ohjelmistossa vain automaattiseksi parannukseksi, eikä sitä merkitä tekoälyyn perustuvaksi.
Kuvateksti: HP:n uusimmassa 830-sarjan lateksitulostimessa on sisäänrakennettu spektrofotometri, joka mahdollistaa automaattisen, tekoälyyn perustuvan värinhallinnan.
Värinhallinta kattaa myös muita alueita tulostimien linearisoinnista ja kalibroinnista profiilien tekemiseen eri materiaaleille ja oikeiden asetusten valitsemiseen jokaista työtä varten. Suurkuvatulostimiin aletaan vähitellen integroida yhä enemmän spektrofotometrejä, jotta kaikki tämä värinhallinta voidaan automatisoida mahdollisimman vähällä käyttäjän työpanoksella. Tekoäly ohjaa myös tätä kehitystä.
Tekoälyä käytetään myös kuvanlaadun muiden osa-alueiden parantamiseen. Tämä voi tarkoittaa esimerkiksi kuvien skaalausta, jossa tekoälyä käytetään lisäämään kuvaan lisää pikseleitä olemassa olevien pikseleiden analysoinnin jälkeen parhaan arvion perusteella. Tästä on selvää hyötyä kaikille, jotka haluavat luoda suuria mainostauluja. Se auttaa myös ratkaisemaan ongelmat, jotka liittyvät asiakkaiden lähettämiin matalan resoluution tiedostoihin.
Yksi alue, joka todella hyötyy tekoälyn laajemmasta käytöstä, on ennakoiva kunnossapito. Pandemia ja sen aiheuttamat lukkiutumiset pakottivat useimmat toimittajat miettimään palvelutarjontaansa uudelleen, koska insinöörien lähettäminen työmaakäynneille kävi vaikeammaksi. Tekoälyn avulla nämä toimittajat ovat kuitenkin voineet analysoida tietoja, joita niillä on jo huoltokäyntien syistä, ja ennakoida, milloin kukin komponentti saattaa vikaantua.
Jotta automaatiota voidaan lisätä, suurkuvatulostimien on tuotettava enemmän tietoa. Siksi suurkuvatulostimiin lisätään lähivuosina melko varmasti lisää antureita, joiden avulla voidaan havaita mahdolliset ongelmat ja havaita vikaantuvat osat. Suurempiin tulostimiin hankitaan varmasti lisää visiojärjestelmiä, joilla tarkistetaan, että tulostettu materiaali vastaa asiakkaan odotuksia.
Toinen osa-alue, jolla tekoäly voisi toimia, on varastonhallinta, mukaan lukien kulutustarvikkeiden ja varaosien tilaaminen tarpeen mukaan. Juju on siinä, ettei tilata liikaa – mikä sitoo pääomaa varastoon – mutta samalla ei myöskään oteta riskiä siitä, että jokin loppuu kesken, mikä hidastaa tuotantoa.
Tekoäly on myös joidenkin tulostinvalmistajien käyttöön ottamien analyysipalvelujen sekä joidenkin MIS-palvelujen taustalla. Se on hyvä havaitsemaan kuvioita, kuten myynnin laskua joillakin alueilla, ja keksimään ratkaisuja, jotka perustuvat ideoihin, joita muut ovat onnistuneesti kokeilleet, mutta jotka on räätälöity yksittäisen käyttäjän erityistilanteeseen hänen tietojensa perusteella.
Yhteenvetona voidaan todeta, että tekoäly ei suinkaan ole tulevaisuuden teknologia, vaan se on jo sisällytetty suurimpaan osaan jo käytössä olevista automaatio-ohjelmistoista. Voimme odottaa, että tulostimiin lisätään lisää laitteistoja – antureita, spektrofotometrejä ja näköjärjestelmiä – automaation helpottamiseksi. Tekoälyn pitäisi helpottaa eri toimittajien ratkaisujen integrointia. Tämän puolestaan pitäisi antaa suurkuvatulostimien käyttäjille enemmän vapautta rakentaa tuotantotyönkulkuja, jotka sopivat paremmin heidän yksilöllisiin vaatimuksiinsa.