Quand l'IA se met au travail - Transformer l'automatisation d'usine

Résumé de l'épisode

L'Industrial AI passe du laboratoire à l'usine. Dans cet épisode de Perspectives optimistes en cinq, Lauren Espin explore comment l'IA peut aider les fabricants à remédier aux pénuries de main-d'œuvre qualifiée et à améliorer la productivité de l'ingénierie.

Au centre de l'histoire se trouve AGENT Eigen Engineering Agent, développé par le hub IA de Siemens à Seattle. En combinant l'IA avec des données d'ingénierie spécifiques à l'usine, Eigen peut aider les ingénieurs en automatisation à écrire du code et à configurer des systèmes industriels, en effectuant des tâches d'ingénierie complexes jusqu'à cinq fois la vitesse humaine. Dans le cadre de déploiements pilotes dans plus de 100 entreprises dans 19 pays, Eigen a amélioré l'efficacité technique jusqu'à 50 %.

Mais l'intégration de l'IA dans les environnements industriels nécessite plus que des modèles puissants. L'expertise humaine, la simulation et la validation restent essentielles pour s'assurer que le travail généré par l'IA est sûr, fiable et prêt pour le monde réel.

Le résultat ? Un aperçu de la façon dont l'Industrial AI pourrait remodeler la fabrication, non pas en remplaçant les ingénieurs, mais en aidant les personnes qualifiées à faire plus.

Transcription complète

Je suis Lauren Espin, et c'est Les perspectives optimistes en cinq, une mise à jour rapide sur un développement important qui façonne l'avenir.

Les États-Unis se sont fixé un objectif ambitieux de réindustrialiser leur économie. Cela signifie développer de nouvelles capacités de fabrication, moderniser les opérations existantes et demeurer concurrentiel à l'échelle mondiale, tout cela alors que l'industrie fait face à des pénuries persistantes de main-d'œuvre qualifiée.

L'Industrial AI pourrait être l'un des outils les plus importants pour relever ce défi. Il peut s'appuyer sur des décennies de progrès dans l'automatisation, les logiciels et le jumeau numérique pour aider les ingénieurs, les opérateurs et les techniciens à devenir plus productifs, à accélérer l'innovation et à résoudre des problèmes de plus en plus complexes.

Mais réaliser cette opportunité nécessite plus que de puissants modèles d'IA. Nous devons déployer l'IA dans le monde réel, à grande échelle, de manière à générer des gains de productivité mesurables.

Et cela nous amène à une technologie à laquelle la plupart d'entre nous pensent rarement — à moins, bien sûr, que vous travailliez dans le secteur manufacturier.

Le PLC, ou contrôleur logique programmable. On a peut-être contrôlé la ligne qui remplissait la bouteille d'eau sur votre bureau. Un autre a aidé à fabriquer un composant à l'intérieur de la voiture que vous avez conduite aujourd'hui. Et un autre a peut-être aidé à emballer la boîte de livraison qui est apparue sur votre porche.

Les PLC sont partout dans l'industrie moderne. Siemens en fabrique beaucoup. En fait, environ un tiers des machines dans le monde sont contrôlées par des PLC Siemens.

Et chacun de ces contrôleurs doit être programmé.

C'est le travail des ingénieurs en automatisation. Ils écrivent le code de contrôle, configurent les systèmes et les réseaux, testent les connexions et s'assurent que les systèmes industriels de plus en plus complexes fonctionnent comme prévu.

Et aujourd'hui, ces ingénieurs qualifiés sont en pénurie.

Donc, la question évidente : Pourquoi ne pas utiliser l'IA pour augmenter la productivité de la main-d'œuvre que nous avons ?

L'IA travaille déjà dur dans les usines aujourd'hui. Les caméras détecte les défauts sur les lignes de production. Les systèmes prédisent quand les moteurs sont sur le point de tomber en panne. D'autres trouvent des moyens d'extraire plus de débit d'une ligne critique.

Ces applications fonctionnent parce qu'elles sont vraiment douées pour faire un travail spécifique. Une caméra. Une ligne de production. Donnez à l'IA suffisamment d'exemples, et elle apprend à faire ce travail extrêmement bien.

Mais programmer un contrôleur n'est pas un travail.

Un ingénieur en automatisation peut être invité à résoudre n'importe quel nombre de problèmes, et la bonne réponse dépend de l'usine spécifique - l'équipement, la configuration, le câblage, même les conventions de dénomination.

Cela rend difficile de faire évoluer l'IA de la même manière. Vous ne pouvez pas construire et entraîner un nouveau modèle pour chaque usine et chaque client.

Pendant ce temps, l'IA à usage général résout une partie de ce problème. Les modèles les plus puissants d'aujourd'hui peuvent raisonner, écrire des logiciels et s'attaquer à un éventail beaucoup plus large de tâches. Mais ils ne comprennent pas intrinsèquement votre usine. Les données techniques qui décrivent une usine — son équipement, sa configuration et ses systèmes électriques — sont spécifiques à cet environnement et souvent privées.

C'est là que le contexte industriel compte.

Pensez à un nouvel ingénieur brillant le premier jour. Ils comprennent l'ingénierie, mais ils n'ont jamais mis les pieds dans votre usine. Vous ne les renvoyez pas à l'école. Vous leur donnez accès aux bonnes informations sur le système spécifique sur lequel ils travaillent, et très rapidement, ils contribuent.

C'est l'idée derrière l'Eigen Engineering Agent.

Développé au centre d'IA de Siemens à Seattle, Eigen travaille au sein des logiciels d'ingénierie que les ingénieurs en automatisation utilisent déjà. Il peut accéder aux informations du projet qui décrivent comment une usine est configurée, ainsi que des schémas de câblage électrique et d'autres données techniques pertinentes.

Un ingénieur peut décrire ce qu'il veut en langage clair. Eigen va au-delà de la génération de suggestions pour exécuter de manière autonome des tâches d'ingénierie complexes. Il peut comprendre le défi et essentiellement se mettre au travail — écrire du code ou configurer des systèmes — jusqu'à ce qu'il atteigne l'objectif de performance fixé par l'ingénieur.

Et il est déjà déployé.

Lors de déploiements pilotes dans plus de 100 entreprises dans 19 pays, Eigen a fourni une efficacité technique jusqu'à 50 % supérieure. Il peut exécuter des tâches d'ingénierie à deux à cinq fois la vitesse humaine.

Lorsque les ingénieurs en automatisation qualifiés sont rares, ces gains comptent.

Pour que l'Industrial AI soit déployée à grande échelle, il faut aussi lui faire confiance.

C'est pourquoi la surveillance humaine et la validation sont intégrées au processus. Le code peut être testé à l'aide d'outils de simulation qui modélisent le comportement du contrôleur avant qu'il n'atteigne l'équipement sous tension, avec un ingénieur examinant et approuvant le travail.

C'est une distinction importante. L'Industrial AI ne consiste pas simplement à introduire de puissants modèles d'IA dans une usine. Il s'agit de combiner l'IA avec un contexte industriel profond et une expertise en ingénierie afin qu'elle puisse être déployée en toute sécurité et de manière fiable dans le monde réel.

Et Eigen fait partie d'un effort beaucoup plus vaste. Siemens investit 1 milliard de dollars dans les capacités et les offres d'IA au cours des trois prochaines années, s'appuyant sur des décennies d'expérience dans l'application de la technologie dans l'industrie et l'infrastructure.

Parce que le prochain chapitre de l'IA ne sera pas défini uniquement par des modèles plus puissants. Il sera également défini par notre capacité à les déployer dans le monde réel — avec le contexte industriel et l'expertise humaine nécessaires pour résoudre de vrais problèmes et fournir une valeur mesurable.

C'est un genre de progrès plus silencieux qu'un chatbot qui devient plus intelligent. Cela se passe à l'intérieur des usines, en travaillant aux côtés d'ingénieurs et, en fin de compte, à l'intérieur de ces automs que la plupart d'entre nous ne verront jamais.

Mais nous allons tous connaître les résultats.

Je suis Lauren Espin, et c'est Les perspectives optimistes.