Kada AI krene na posao - transformiranje tvorničke automatizacije

Sažetak epizode

Industrial AI kreće se iz laboratorija na tvornički pod. U ovoj epizodi Optimistični izgledi u pet, Lauren Espin istražuje kako AI može pomoći proizvođačima u rješavanju nedostatka kvalificirane radne snage i poboljšanju inženjerske produktivnosti.

U središtu priče je Eigen Engineering Agent, razvio Siemensovo AI središte u Seattleu. Kombinirajući AI s inženjerskim podacima specifičnim za postrojenje, Eigen može pomoći inženjerima automatizacije da napišu kod i konfiguriraju industrijske sustave — izvodeći složene inženjerske zadatke brzinom do pet puta većom ljudskom brzinom. U pilot implementacijama u više od 100 tvrtki u 19 zemalja, Eigen je postigao do 50% veću inženjersku učinkovitost.

No, unošenje AI u industrijska okruženja zahtijeva više od moćnih modela. Ljudska stručnost, simulacija i validacija ostaju bitni osigurati da je rad generiran umjetnom inteligencijom siguran, pouzdan i spreman za stvarni svijet.

Rezultat? Pogled na to kako bi Industrial AI mogla preoblikovati proizvodnju - ne zamjenom inženjera, već pomažući vještim ljudima da učine više.

Cijeli transkript

Ja sam Lauren Espin, a ovo je Optimistični izgledi u pet, brzo ažuriranje o važnom razvoju koji oblikuje budućnost.

Sjedinjene Države postavile su ambiciozan cilj reindustrijalizacije svog gospodarstva. To znači izgradnju novih proizvodnih kapaciteta, modernizaciju postojećih operacija i ostajanje globalno konkurentnim - sve dok se industrija suočava s trajnim nedostatkom kvalificirane radne snage.

Industrial AI mogla bi biti jedan od najvažnijih alata za suočavanje s tim izazovom. Može se nadograditi na desetljećima napretka u automatizaciji, softveru i digitalnom blizancu kako bi pomogao inženjerima, operaterima i tehničarima da postanu produktivniji, ubrzaju inovacije i rješavaju sve složenije probleme.

Ali shvaćanje te prilike zahtijeva više od moćnih AI modela. Moramo implementirati umjetnu inteligenciju u stvarnom svijetu, u velikoj mjeri, na načine koji donose mjerljive dobitke produktivnosti.

A to nas dovodi do dijela tehnologije o kojoj većina nas rijetko razmišlja - osim ako, naravno, ne radite u proizvodnji.

PLC ili programabilni logički kontroler. Možda je netko kontrolirao liniju koja je napunila bocu vode na vašem stolu. Drugi je pomogao u proizvodnji komponente unutar automobila koji ste danas vozili. A drugi je možda pomogao u spakiranju kutije za dostavu koja se pojavila na vašem trijemu.

PLC-ovi su posvuda u modernoj industriji. Siemens ih pravi puno. Zapravo, oko trećine strojeva na svijetu kontroliraju Siemens PLC-ovi.

I svaki od tih kontrolera mora biti programiran.

To je posao inženjera automatizacije. Oni pišu kontrolni kod, konfiguriraju sustave i mreže, testiraju veze i osiguravaju da sve složeniji industrijski sustavi rade kako je predviđeno.

A danas, tih vještih inženjera nedostaje.

Dakle, očito pitanje: Zašto ne upotrijebiti AI za povećanje produktivnosti radne snage koju imamo?

AI već danas naporno radi u tvornicama. Kamere uočavaju nedostatke na proizvodnim linijama. Sustavi predviđaju kada će motori uskoro otkazati. Drugi pronalaze načine da istisnu veću propusnost iz kritične linije.

Ove aplikacije rade jer su stvarno dobre u obavljanju određenog posla. Jedna kamera. Jedna proizvodna linija. Navedite AI dovoljno primjera i on nauči raditi taj posao izuzetno dobro.

Ali programiranje kontrolera nije jedan posao.

Od inženjera automatizacije moglo bi se tražiti da riješi bilo koji broj problema, a pravi odgovor ovisi o određenom postrojenju - opremi, konfiguraciji, ožičenju, čak i konvencijama imenovanja.

To otežava skaliranje AI na isti način. Ne možete izgraditi i obučiti novi model za svaku tvornicu i svakog kupca.

U međuvremenu, AI opće namjene rješava dio tog problema. Današnji najmoćniji modeli mogu rasuđivati, pisati softver i nositi se s mnogo širim rasponom zadataka. Ali oni sami po sebi ne razumiju vašu tvornicu. Inženjerski podaci koji opisuju postrojenje - njegovu opremu, konfiguraciju i električne sustave - specifični su za to okruženje i često su privatni.

Tu je industrijski kontekst važan.

Razmislite o briljantnom novom inženjeru prvog dana. Oni razumiju inženjering, ali nikada nisu kročili u vašu tvornicu. Ne šalješ ih natrag u školu. Dajete im pristup pravim informacijama o određenom sustavu na kojem rade i vrlo brzo doprinose.

To je ideja iza Eigen Engineering Agent.

Razvijen u Siemensovom AI čvorištu u Seattleu, Eigen radi unutar inženjerskog softvera koji inženjeri automatizacije već koriste. Može pristupiti informacijama o projektu koje opisuju kako je postrojenje konfigurirano, zajedno s dijagramima električnih ožičenja i drugim relevantnim inženjerskim podacima.

Inženjer može opisati što želi jednostavnim jezikom. Eigen nadilazi generiranje prijedloga za autonomno izvršavanje složenih inženjerskih zadataka. Može razumjeti izazov i u osnovi ići na posao - pisanje koda ili konfiguriranje sustava - sve dok ne postigne cilj izvedbe koji je postavio inženjer.

I već se raspoređuje.

U pilot implementacijama u više od 100 tvrtki u 19 zemalja, Eigen je postigao do 50 posto veću inženjersku učinkovitost. Može izvršavati inženjerske zadatke brzinom od dva do pet puta ljudske.

Kada su kvalificirani inženjeri automatizacije oskudni, ti dobici su važni.

Da bi se Industrial AI primijenila u velikim razmjerima, također mu se mora vjerovati.

Zato su ljudski nadzor i validacija ugrađeni u proces. Kod se može testirati pomoću simulacijskih alata koji modeliraju kako će se kontroler ponašati prije nego što dođe do opreme pod naponom, a inženjer pregleda i odobrava rad.

To je važna razlika. Industrial AI nije samo uvođenje moćnih AI modela u tvornicu. Riječ je o kombiniranju umjetne inteligencije s dubokim industrijskim kontekstom i inženjerskom stručnošću kako bi se mogao sigurno i pouzdano implementirati u stvarnom svijetu.

A Eigen je dio mnogo većeg napora. Siemens ulaže milijardu dolara u mogućnosti i ponude umjetne inteligencije tijekom sljedeće tri godine, nadovezujući se na desetljeća iskustva primjene tehnologije u industriji i infrastrukturi.

Budući da sljedeće poglavlje AI neće biti definirano samo moćnijim modelima. To će također biti definirano našom sposobnošću da ih implementiramo u stvarni svijet - s industrijskim kontekstom i ljudskom stručnošću potrebnom za rješavanje stvarnih problema i pružanje mjerljive vrijednosti.

To je tiši napredak nego što chatbot postaje pametniji. To se događa unutar tvornica, radeći zajedno s inženjerima i, na kraju, unutar onih PLC-ova koji većina nas nikada neće vidjeti.

Ali svi ćemo iskusiti rezultate.

Ja sam Lauren Espin, a ovo je Optimistični izgledi.