Primena ISO/IEC 42001 u procesnoj industriji: upravljanje veštačkom inteligencijom u funkciji održivog razvoja
##plugins.themes.bootstrap3.article.sidebar##
##plugins.themes.bootstrap3.article.main##
http://orcid.org/0000-0001-9380-7046
Vladan Pantović
http://orcid.org/0009-0001-6319-8822
Apstrakt
Sve intenzivnija primena veštačke inteligencije u procesnoj industriji donosi značajne mogućnosti za optimizaciju proizvodnje i operacija, kao i efikasnije korišćenje resursa. Međutim, paralelno sa pozitivnim aspektima, javljaju se i izazovi u vezi sa pouzdanošću samih sistema, transparentnošću odluka, upravljanjem podacima i usklađenošću sa regulatornim i etičkim zahtevima. ISO/IEC 42001, predstavlja prvi međunarodni standard za sistem menadžmenta veštačkom inteligencijom (AIMS), i kao takav pruža struktu-riran okvir i smernice za upravljanje AI sistemima kroz ceo njihov životni ciklus. Iako je primarno prepoznat u IT sektoru, njegova primena u pro-cesnoj industriji može predstavljati ključni korak ka odgovornoj i održivoj digitalnoj transformaciji. U okviru rada se analizira mogućnosti implementacije ISO/IEC 42001 u ne-IT okruženjima, sa fokusom na procesnu industriju, uključujući ener-getiku, hemijsku i proizvodnu industriju. Poseban akcenat stavljen je na integraciju AIMS elemenata sa postojećim sistemima menadžmenta kvaliteta (ISO 9001), zaštite životne sredine (ISO 14001) i informacione bezbednosti (ISO 27001). Na kraju, rad sadrži i predlog praktičnog okvira za implementaciju koji povezuje zahteve standarda sa operativnim procesima, ciljevima održivog razvoja i principima ekonomije. Kroz ovaj pristup, kompanije mogu obezbediti veću transparentnost, smanjiti rizike i unaprediti donošenje odluka zasnovano na podacima.
##plugins.themes.bootstrap3.article.details##
Reference
[2] Floridi, L., Cowls, J., Beltrametti, M., Chatila, R., Chazerand, P., Dignum, V., Luetge, C., Madelin, R., Pagallo, U., Rossi, F., Schafer, B., Valcke, P., Vayena, E., AI4People—An eth-ical framework for a good AI society, Minds and Machines, 28 (4), 689–707, 2018.
[3] Dwivedi, Y. K., Hughes, D. L., Ismagilova, E., Aarts, G., Coombs, C., Crick, T., Duan, Y., Dwivedi, R., Edwards, J., Eirug, A., Galanos, V., Ilavarasan, P. V., Janssen, M., Jones, P., Kar, A. K., Kizgin, H., Kronemann, B., Lal, B., Lucini, B., Medaglia, R., Artificial Intelli-gence (AI): Multidisciplinary perspectives on emerging challenges, opportunities, and agenda for research, International Journal of Information Management, 57, 2021.
[4] Raji, I. D., Smart, A., White, R. N., Mitchell, M., Gebru, T., Hutchinson, B., Smith-Loud, J., Theron, D., Barnes, P., Closing the AI accountability gap: Defining an end-to-end frame-work for internal algorithmic auditing, Proceedings of the FAT* Conference, 2020.
[5] Amershi, S., Weld, D., Vorvoreanu, M., Fourney, A., Nushi, B., Collisson, P., Suh, J., Iq-bal, S., Bennett, P. N., Inkpen, K., Teevan, J., Kikin-Gil, R., Horvitz, E., Guidelines for human-AI interaction, Proceedings of the CHI Conference on Human Factors in Computing Systems, 2019.
[6] Sculley, D., Holt, G., Golovin, D., Davydov, E., Phillips, T., Ebner, D., Chaudhary, V., Young, M., Crespo, J. F., Dennison, D., Hidden technical debt in machine learning systems, Advances in Neural Information Processing Systems, 2015.
[7] Lee, J., Bagheri, B., Kao, H. A., A cyber-physical systems architecture for Industry 4.0-based manufacturing systems, Manufacturing Letters, 3, 18–23, 2015.
[8] Carvalho, T. P., Soares, F. A. A. M. N., Vita, R., Francisco, R. P., Basto, J. P., Alcalá, S. G. S., A systematic literature review of machine learning methods applied to predictive maintenance, Computers & Industrial Engineering, 137, 2019.
[9] Zonta, T., da Costa, C. A., da Rosa Righi, R., de Lima, M. J., da Trindade, E. S., Li, G. P., Predictive maintenance in the Industry 4.0: A systematic literature review, Computers & Indus-trial Engineering, 150, 2020.
[10] Chien, C. F., Hong, T. Y., Guo, H. Z., An empirical study for smart production for TFT-LCD to empower Industry 3.5, Journal of the Chinese Institute of Engineers, 40 (7), 552–561, 2017.