Když AI začne pracovat - transformace tovární automatizace

Shrnutí epizody

Industrial AI se přesouvá z laboratoře do továrny. V této epizodě Optimistický výhled v pětiLauren Espinová zkoumá, jak může umělá inteligence pomoci výrobcům řešit nedostatek kvalifikovaných pracovních sil a zlepšit technickou produktivitu.

Ve středu příběhu je Eigen Engineering Agent, vyvinutý AI centrem Siemens v Seattlu. Kombinací umělé inteligence s technickými daty specifickými pro závod může Eigen pomoci inženýrům automatizace psát kód a konfigurovat průmyslové systémy — provádět složité inženýrské úkoly až pětinásobek lidské rychlosti. Při pilotním nasazení ve více než 100 společnostech v 19 zemích dosáhla společnost Eigen až o 50% vyšší technickou efektivitu.

Přivedení umělé inteligence do průmyslových prostředí však vyžaduje více než výkonné modely. Lidská odbornost, simulace a validace zůstávají zásadní zajistit, aby práce generovaná umělou inteligencí byla bezpečná, spolehlivá a připravená pro skutečný svět.

Výsledek? Pohled na to, jak by Industrial AI mohla přetvářet výrobu - nikoli nahrazením inženýrů, ale tím, že pomůže kvalifikovaným lidem dělat více.

Úplný přepis

Jsem Lauren Espinová, a tohle je Optimistický výhled v pěti, rychlá aktualizace o důležitém vývoji formujícím budoucnost.

Spojené státy si stanovily ambiciózní cíl reindustrializovat svou ekonomiku. To znamená budování nových výrobních kapacit, modernizovat stávající provozy a zůstat globálně konkurenceschopný - to vše v době, kdy průmysl čelí přetrvávajícímu nedostatku kvalifikované pracovní síly.

Industrial AI by mohla být jedním z nejdůležitějších nástrojů pro řešení této výzvy. Může stavět na desetiletích pokroku v oblasti automatizace, softwaru a digitálního dvojče a pomoci inženýrům, operátorům a technikům zvýšit produktivitu, urychlit inovace a řešit stále složitější problémy.

Uvědomit si však tuto příležitost vyžaduje více než výkonné modely AI. Potřebujeme nasadit umělou inteligenci v reálném světě ve velkém měřítku způsobem, který přinese měřitelné zvýšení produktivity.

A to nás přivádí k technologii, o které většina z nás málokdy přemýšlí - pokud, samozřejmě, nepracujete ve výrobě.

PLC, nebo programovatelný logický řadič. Jeden mohl ovládat linku, která naplnila láhev vody na vašem stole. Další pomohl vyrobit součást uvnitř auta, které jste dnes řídili. A další mohl pomoci zabalit doručovací krabici, která se objevila na vaší verandě.

PLC jsou všude v moderním průmyslu. Siemens jich vyrábí hodně. Ve skutečnosti je asi třetina strojů na světě ovládána PLC Siemens.

A každý z těchto ovladačů musí být naprogramován.

To je práce automatizačních inženýrů. Píšou řídicí kód, konfigurují systémy a sítě, testují připojení a zajišťují, aby stále složitější průmyslové systémy fungovaly tak, jak bylo zamýšleno.

A dnes, těchto kvalifikovaných inženýrů je nedostatek.

Takže zřejmá otázka: Proč nepoužívat AI ke zvýšení produktivity pracovní síly, kterou máme?

AI již dnes tvrdě pracuje v továrnách. Kamery odhalují závady na výrobních linkách. Systémy předpovídají, kdy se motory chystají selhat. Jiní najdou způsoby, jak vytlačit větší propustnost z kritické linie.

Tyto aplikace fungují, protože jsou opravdu dobré v provádění konkrétní práce. Jedna kamera. Jedna výrobní linka. Uveďte AI dostatek příkladů a naučí se tuto práci dělat velmi dobře.

Ale programování řadiče není jedna práce.

Automatizační inženýr může být požádán, aby vyřešil libovolný počet problémů, a správná odpověď závisí na konkrétním zařízení - zařízení, konfiguraci, zapojení, dokonce i konvencích pojmenování.

To ztěžuje škálování AI stejným způsobem. Nemůžete postavit a trénovat nový model pro každý závod a každého zákazníka.

Mezitím univerzální AI řeší část tohoto problému. Dnešní nejvýkonnější modely dokážou uvažovat, psát software a řešit mnohem širší škálu úkolů. Ale neodmyslitelně nerozumí vaší továrně. Technická data, která popisují závod — jeho vybavení, konfiguraci a elektrické systémy — jsou specifická pro dané prostředí a často soukromá.

To je místo, kde záleží na průmyslovém kontextu.

Přemýšlejte o skvělém novém inženýrovi v jejich první den. Rozumí strojírenství, ale nikdy nevkročili do vašeho závodu. Neposíláš je zpátky do školy. Poskytujete jim přístup ke správným informacím o konkrétním systému, na kterém pracují, a velmi rychle přispívají.

To je myšlenka Eigen Engineering Agent.

Společnost Eigen, vyvinutá v centru AI společnosti Siemens v Seattlu, pracuje v rámci inženýrského softwaru, který již inženýři automatizace používají. Může přistupovat k informacím o projektu, které popisují konfiguraci zařízení, spolu se schématy elektrického zapojení a dalšími relevantními technickými daty.

Inženýr může jednoduše popsat, co chce. Eigen jde nad rámec generování návrhů k autonomnímu provádění složitých inženýrských úkolů. Dokáže porozumět výzvě a v zásadě jít do práce - psaní kódu nebo konfigurace systémů - dokud nedosáhne výkonnostního cíle stanoveného inženýrem.

A už je nasazen.

Při pilotním nasazení ve více než 100 společnostech v 19 zemích dosáhla společnost Eigen až o 50 procent vyšší technickou efektivitu. Dokáže provádět inženýrské úkoly dvakrát až pětinásobek lidské rychlosti.

Když jsou kvalifikovaní automatizační inženýři vzácní, na těchto ziscích záleží.

Aby mohla být průmyslová AI nasazena ve velkém měřítku, musí být také důvěryhodná.

Proto je do procesu zabudován lidský dohled a validace. Kód lze testovat pomocí simulačních nástrojů, které modelují, jak se bude řídicí jednotka chovat, než dosáhne živého zařízení, přičemž inženýr přezkoumá a schválí práci.

To je důležitý rozdíl. Industrial AI není jen o uvedení výkonných modelů umělé inteligence do továrny. Jde o kombinaci umělé inteligence s hlubokým průmyslovým kontextem a technickými znalostmi, aby mohla být bezpečně a spolehlivě nasazena v reálném světě.

A Eigen je součástí mnohem většího úsilí. Společnost Siemens investuje v příštích třech letech 1 miliardu dolarů do možností a nabídek umělé inteligence, a to na základě desetiletí zkušeností s aplikací technologií napříč průmyslem a infrastrukturou.

Protože další kapitolu AI nebudou definovat pouze výkonnější modely. Bude to také definováno naší schopností nasadit je v reálném světě - s průmyslovým kontextem a lidskými odbornými znalostmi potřebnými k řešení skutečných problémů a poskytování měřitelné hodnoty.

To je tišší druh pokroku než chytřejší chatbot. Děje se to uvnitř továren, pracujeme po boku inženýrů a nakonec uvnitř těch PLC, které většina z nás nikdy neuvidí.

Ale výsledky zažijeme všichni.

Jsem Lauren Espinová, a tohle je Optimistický výhled.