Όταν η τεχνητή νοημοσύνη λειτουργεί - Μετασχηματισμός εργοστασιακού αυτοματισμού

Περίληψη επεισοδίου

Η Industrial AI μετακινείται από το εργαστήριο στο εργοστάσιο. Σε αυτό το επεισόδιο του Αισιόδοξες προοπτικές σε πέντε, Η Lauren Espin διερευνά πώς η τεχνητή νοημοσύνη μπορεί να βοηθήσει τους κατασκευαστές να αντιμετωπίσουν τις ελλείψεις ειδικευμένου εργατικού δυναμικού και να βελτιώσουν την παραγωγικότητα

Στο επίκεντρο της ιστορίας είναι Eigen Engineering Agent, που αναπτύχθηκε από τον κόμβο AI της Siemens στο Σιάτλ. Συνδυάζοντας την τεχνητή νοημοσύνη με δεδομένα μηχανικής ειδικά για το εργοστάσιο, η Eigen μπορεί να βοηθήσει τους μηχανικούς αυτοματισμού να γράψουν κώδικα και να διαμορφώσουν βιομηχανικά συστήματα, εκτελώντας πολύπλοκες εργασίες μηχανικής με ταχύτητα έως και πέντε φορές την ανθρώπινη ταχύτητα. Σε πιλοτικές εφαρμογές σε περισσότερες από 100 εταιρείες σε 19 χώρες, η Eigen έχει επιτύχει έως και 50% μεγαλύτερη απόδοση μηχανικής.

Αλλά η μεταφορά της τεχνητής νοημοσύνης σε βιομηχανικά περιβάλλοντα απαιτεί περισσότερα από ισχυρά μοντέλα. Η ανθρώπινη τεχνογνωσία, η προσομοίωση και η επικύρωση παραμένουν απαραίτητες για να διασφαλιστεί ότι η εργασία που παράγεται από τεχνητή νοημοσύνη είναι ασφαλής, αξιόπιστη και έτοιμη για τον πραγματικό κόσμο.

Το αποτέλεσμα; Μια ματιά στο πώς η Industrial AI θα μπορούσε να αναδιαμορφώσει την κατασκευή - όχι αντικαθιστώντας μηχανικούς, αλλά βοηθώντας εξειδικευμένους ανθρώπους να κάνουν περισσότερα.

Πλήρης μεταγραφή

Είμαι η Λόρεν Έσπιν, και αυτό είναι Η αισιόδοξη προοπτική σε πέντε, μια γρήγορη ενημέρωση σχετικά με μια σημαντική εξέλιξη που διαμορφώνει το μέλλον.

Οι Ηνωμένες Πολιτείες έχουν θέσει έναν φιλόδοξο στόχο για την επανεκβιομηχάνιση της οικονομίας τους. Αυτό σημαίνει την οικοδόμηση νέας παραγωγικής ικανότητας, τον εκσυγχρονισμό των υφιστάμενων λειτουργιών και την παραμονή παγκοσμίως ανταγωνιστική—όλα αυτά ενώ η βιομηχανία αντιμετωπίζει επίμονες ελλείψεις ειδικευμένου εργατικού δυναμικού.

Η Industrial AI θα μπορούσε να είναι ένα από τα πιο σημαντικά εργαλεία για την αντιμετώπιση αυτής της πρόκλησης. Μπορεί να βασιστεί σε δεκαετίες προόδου στον αυτοματισμό, το λογισμικό και το ψηφιακό δίδυμο για να βοηθήσει τους μηχανικούς, τους χειριστές και τους τεχνικούς να γίνουν πιο παραγωγικοί, να επιταχύνουν την καινοτομία και να λύσουν ολοένα και πιο περίπλοκα προβλήματα.

Αλλά η συνειδητοποίηση αυτής της ευκαιρίας απαιτεί περισσότερα από ισχυρά μοντέλα AI. Πρέπει να αναπτύξουμε την τεχνητή νοημοσύνη στον πραγματικό κόσμο, σε κλίμακα, με τρόπους που παρέχουν μετρήσιμα κέρδη παραγωγικότητας.

Και αυτό μας φέρνει σε ένα κομμάτι τεχνολογίας που οι περισσότεροι από εμάς σπάνια σκεφτόμαστε - εκτός αν, φυσικά, εργάζεστε στη μεταποίηση.

Το PLC, ή προγραμματιζόμενος λογικός ελεγκτής. Κάποιος μπορεί να έχει ελέγξει τη γραμμή που γέμισε το μπουκάλι νερό στο γραφείο σας. Ένα άλλο βοήθησε στην κατασκευή ενός εξαρτήματος μέσα στο αυτοκίνητο που οδηγήσατε σήμερα. Και ένας άλλος μπορεί να βοήθησε να συσκευάσετε το κουτί παράδοσης που εμφανίστηκε στη βεράντα σας.

Τα PLC είναι παντού στη σύγχρονη βιομηχανία. Η Siemens κατασκευάζει πολλά από αυτά. Στην πραγματικότητα, περίπου το ένα τρίτο των μηχανών στον κόσμο ελέγχονται από PLC της Siemens.

Και κάθε ένας από αυτούς τους ελεγκτές πρέπει να προγραμματιστεί.

Αυτή είναι η δουλειά των μηχανικών αυτοματισμού. Γράφουν κώδικα ελέγχου, διαμορφώνουν συστήματα και δίκτυα, δοκιμάζουν συνδέσεις και διασφαλίζουν ότι όλο και πιο πολύπλοκα βιομηχανικά συστήματα λειτουργούν όπως προβλέπεται.

Και σήμερα, αυτοί οι εξειδικευμένοι μηχανικοί είναι σε έλλειψη.

Έτσι, η προφανής ερώτηση: Γιατί να μην χρησιμοποιήσετε την τεχνητή νοημοσύνη για να αυξήσετε την παραγωγικότητα του εργατικού δυναμικού που διαθέτουμε;

Η τεχνητή νοημοσύνη εργάζεται ήδη σκληρά στα εργοστάσια σήμερα. Οι κάμερες εντοπίζουν ελαττώματα στις γραμμές παραγωγής. Τα συστήματα προβλέπουν πότε οι κινητήρες πρόκειται να αποτύχουν. Άλλοι βρίσκουν τρόπους να αποσπάσουν περισσότερη απόδοση από μια κρίσιμη γραμμή.

Αυτές οι εφαρμογές λειτουργούν επειδή είναι πολύ καλές στο να κάνουν μια συγκεκριμένη δουλειά. Μια κάμερα. Μία γραμμή παραγωγής. Δώστε στο AI αρκετά παραδείγματα και μαθαίνει να κάνει αυτή τη δουλειά εξαιρετικά καλά.

Αλλά ο προγραμματισμός ενός ελεγκτή δεν είναι μια δουλειά.

Ένας μηχανικός αυτοματισμού μπορεί να κληθεί να λύσει οποιοδήποτε αριθμό προβλημάτων και η σωστή απάντηση εξαρτάται από τη συγκεκριμένη μονάδα - τον εξοπλισμό, τη διαμόρφωση, την καλωδίωση, ακόμη και τις συμβάσεις ονομασίας.

Αυτό καθιστά δύσκολη την κλιμάκωση της τεχνητής νοημοσύνης με τον ίδιο τρόπο. Δεν μπορείτε να δημιουργήσετε και να εκπαιδεύσετε ένα νέο μοντέλο για κάθε εργοστάσιο και κάθε πελάτη.

Εν τω μεταξύ, η τεχνητή νοημοσύνη γενικής χρήσης λύνει μέρος αυτού του προβλήματος. Τα πιο ισχυρά μοντέλα σήμερα μπορούν να αιτιολογήσουν, να γράψουν λογισμικό και να αντιμετωπίσουν ένα πολύ ευρύτερο φάσμα εργασιών. Αλλά δεν καταλαβαίνουν εγγενώς το εργοστάσιό σας. Τα δεδομένα μηχανικής που περιγράφουν μια μονάδα - τον εξοπλισμό, τη διαμόρφωση και τα ηλεκτρικά συστήματά της - είναι ειδικά για αυτό το περιβάλλον και συχνά ιδιωτικά.

Εκεί έχει σημασία το βιομηχανικό πλαίσιο.

Σκεφτείτε έναν λαμπρό νέο μηχανικό την πρώτη τους μέρα. Καταλαβαίνουν τη μηχανική, αλλά δεν έχουν πατήσει ποτέ το πόδι τους στο εργοστάσιό σας. Δεν τους στέλνεις πίσω στο σχολείο. Τους δίνετε πρόσβαση στις σωστές πληροφορίες σχετικά με το συγκεκριμένο σύστημα στο οποίο εργάζονται, και πολύ γρήγορα, συμβάλλουν.

Αυτή είναι η ιδέα πίσω από τον Eigen Engineering Agent.

Αναπτύχθηκε στο κέντρο τεχνητής νοημοσύνης της Siemens στο Σιάτλ, η Eigen εργάζεται στο λογισμικό μηχανικής που χρησιμοποιούν ήδη οι μηχανικοί αυτοματισμού. Μπορεί να έχει πρόσβαση στις πληροφορίες του έργου που περιγράφουν τον τρόπο διαμόρφωσης μιας εγκατάστασης, μαζί με ηλεκτρικά διαγράμματα καλωδίωσης και άλλα σχετικά δεδομένα μηχανικής.

Ένας μηχανικός μπορεί να περιγράψει τι θέλει σε απλή γλώσσα. Το Eigen προχωρά πέρα από τη δημιουργία προτάσεων στην αυτόνομη εκτέλεση σύνθετων εργασιών μηχανικής. Μπορεί να κατανοήσει την πρόκληση και βασικά να δουλέψει - γράφοντας κώδικα ή διαμορφώνοντας συστήματα - μέχρι να επιτύχει τον στόχο απόδοσης που έχει θέσει ο μηχανικός.

Και ήδη αναπτύσσεται.

Σε πιλοτικές εφαρμογές σε περισσότερες από 100 εταιρείες σε 19 χώρες, η Eigen παρείχε έως και 50% μεγαλύτερη απόδοση μηχανικής. Μπορεί να εκτελέσει εργασίες μηχανικής με δύο έως πέντε φορές την ανθρώπινη ταχύτητα.

Όταν οι εξειδικευμένοι μηχανικοί αυτοματισμού είναι σπάνιοι, αυτά τα κέρδη έχουν σημασία.

Για να αναπτυχθεί σε κλίμακα η Industrial AI, πρέπει επίσης να είναι αξιόπιστη.

Αυτός είναι ο λόγος για τον οποίο η ανθρώπινη επίβλεψη και επικύρωση ενσωματώνονται στη διαδικασία. Ο κώδικας μπορεί να δοκιμαστεί μέσω εργαλείων προσομοίωσης που μοντελοποιούν τον τρόπο συμπεριφοράς του ελεγκτή πριν φτάσει σε ζωντανό εξοπλισμό, με έναν μηχανικό να εξετάζει και να εγκρίνει το έργο.

Αυτή είναι μια σημαντική διάκριση. Το Industrial AI δεν αφορά απλώς τη μεταφορά ισχυρών μοντέλων τεχνητής νοημοσύνης σε ένα εργοστάσιο. Πρόκειται για το συνδυασμό της τεχνητής νοημοσύνης με το βαθύ βιομηχανικό πλαίσιο και την τεχνογνωσία της μηχανικής, ώστε να μπορεί να αναπτυχθεί με ασφάλεια και αξιοπιστία στον πραγματικό κόσμο.

Και το Eigen είναι ένα μέρος μιας πολύ μεγαλύτερης προσπάθειας. Η Siemens επενδύει 1 δισεκατομμύριο δολάρια σε δυνατότητες και προσφορές τεχνητής νοημοσύνης τα επόμενα τρία χρόνια, βασιζόμενη σε δεκαετίες εμπειρίας στην εφαρμογή τεχνολογίας σε ολόκληρη τη βιομηχανία και τις υποδομές.

Επειδή το επόμενο κεφάλαιο της τεχνητής νοημοσύνης δεν θα καθοριστεί μόνο από πιο ισχυρά μοντέλα. Θα καθοριστεί επίσης από την ικανότητά μας να τα αναπτύξουμε στον πραγματικό κόσμο - με το βιομηχανικό πλαίσιο και την ανθρώπινη τεχνογνωσία που απαιτούνται για την επίλυση πραγματικών προβλημάτων και την παροχή μετρήσιμης αξίας.

Αυτό είναι ένα πιο ήσυχο είδος προόδου από το chatbot που γίνεται πιο έξυπνο. Συμβαίνει μέσα στα εργοστάσια, δουλεύοντας μαζί με μηχανικούς και, τελικά, μέσα σε αυτά τα PLC που οι περισσότεροι από εμάς δεν θα δούμε ποτέ.

Αλλά όλοι θα βιώσουμε τα αποτελέσματα.

Είμαι η Λόρεν Έσπιν, και αυτό είναι Η αισιόδοξη προοπτική.