GYÁRTÁS

Újraiparosítás és a gyártás valósága

Szerző: Del Costy, a Siemens Digital Industries elnöke és ügyvezető igazgatója

Az amerikai gyártás újjáéledése sokkal többet foglal magában, mint ami a boltban történik.

Az újraiparosítás megköveteli a szervezeteknek, hogy elsajátítsák a teljes innovációs életciklust a termékkoncepciótól kezdve a mérnöki tervezésen, a validálásig, a gyártáson és Az Egyesült Államok régóta vezető szerepet játszik az innovációban. A kihívás most az innováció összehangolása a modern gyártási képességekkel, hogy gyorsan folytathassuk az innovációt.

Amikor az ipari szegmensre gondolunk, még mindig a technológia bevezetésének görbéjének korai szakaszában vagyunk. Hatalmas nyereségek vannak, és az emberek fontos szerepet fognak játszani. És természetesen nem folytathat beszélgetést anélkül, hogy megkérdezné: Mit jelent az AI alkalmazása a gyártásban?

Ez a mentalitás formálta azt, hogyan gondolkodom arról, hogy mi történik ma a gyártásban. Bárhová megyek, az emberek mesterséges intelligenciáról beszélnek. Szívesen beszélnek arról, hogy mit tehet az AI, mégis kevesebben beszélnek arról, hogy mire van szüksége az AI-nek a hatékony működéshez, és ez az kontextus.

A gyártás megköveteli az összetett rendszerek, folyamatok, anyagok és korlátok világos megértését. Ez az, ahol az AI a gyártásban hihetetlenül erős lehet. Képes tisztázni az adatok hordáit, mintákat találni a betekintésekben, hogy ajánlásokat tegyen a termék, a rendszer, a folyamat és a növény fejlesztésére. A figyelmeztetés az, hogy ez csak akkor működik, ha az AI abban a valóságban alapul, hogy a gyártás precíziós környezet. Kontextus nélkül az intelligencia alig többé válik, mint előrejelzés - és önmagában az előrejelzés nem elegendő az ipar átalakításához.

Miért csak olyan jó Industrial AI mesterséges intelligencia, mint a mögötte álló adatok

Mostanra mindenki hallott az ígéretet: „Az AI optimalizálja a gyártósorokat, felgyorsítja a termékfejlesztést, javítja a minőséget, és megjósolja a kudarcokat, mielőtt azok megtörténnének.” Ezek a lehetőségek valósak. De a mesterséges intelligencia csak akkor méretezhet a gyártásban, ha az adatok kontextusba kerülnek, és összekapcsolódnak a mérnöki és a termelés fizikájához.

A világ legkifinomultabb modelljével rendelkezhet, de ha nem ismeri a tűréseket, az anyagokat, a gyártási korlátokat, az érvényesítési előzményeket és a működési követelményeket, az eredmények a legjobb esetben megbízhatatlanok, a legrosszabb esetben pedig károsak lesznek vállalkozására. A gyártók nem engedhetik meg maguknak a túlságosan magabiztos mesterséges intelligencia megvalósításának kockázatát. Szükségük van mesterséges intelligenciára, amely minden alkalommal pontos

Itt szakad le sok Industrial AI beszélgetés. Az AI megbeszélések túl gyakran nem tükrözik az üzlet korlátait, prioritásait és feltételeit. A szervezetek olyan érveket tesznek, amelyek meggyőzőnek tűnnek, de elszakadnak a fizikai világtól. És a gyártásban a bizonyosság nélküli bizalom veszélyes.

Ami gyakran kimondhatatlan, az az, hogy sok mesterséges intelligencia telepítése valaki más modelljére épül, és valaki más feltételezései alapján működik egy vállalkozás működéséről. Valójában a gyártók olyan intelligenciát bérelnek, amelyet birtokolniuk kell.

Ugyanakkor a termékfejlesztést továbbra is terhelik évtizedek óta tartó folyamatok. Egy új termék forgalomba hozatala 40-50 hónapig tarthat. Ráadásul a fejlesztési költségek akár 60 százalékát gyakran a fizikai prototípuskészítés fogyasztja. A K+F költségvetésből túl sokat költenek a tervek bizonyítására, nem pedig innovációra.

Ha az amerikai gyártók versenyezni akarnak és nyerni akarnak, össze kell szorítanunk az egész ipari ciklust a koncepciótól a gyártásig. Industrial AI intelligencia segíthet e cél elérésében, de csak akkor, ha olyan adatok alapjára épül, amelyek pontosan tükrözik a termékek tervezését, gyártását és üzemeltetését.

Kapcsolódó linkek:

A gyártás megköveteli az összetett rendszerek, folyamatok, anyagok és korlátok világos megértését. Ez az, ahol az AI a gyártásban hihetetlenül hatékony lehet, de csak akkor, ha az AI abban a valóságban alapul, hogy a gyártás precíziós környezet.

Hogyan építsük fel a megbízható ipari mesterséges intelligencia digitális alapjait

Tavaly a Siemens 15 milliárd dollárt fektetett be amerikai szoftvervállalatokba annak érdekében, hogy az ügyfelek tovább boldoguljanak a digitális és adatvezérelt átalakulás következő korszakában, és évtizedeket töltöttünk a kapcsolódó adatalapok kiépítésében.

Megközelítésünk olyan termék-életciklus-menedzsment rendszerekkel kezdődik, amelyek rögzítik és megőrzik minden tervezési felülvizsgálatot, mérnöki változást és érvényesítési eredményt az ügyfél saját környezetében. Ez az intézményi tudás ott marad, ahol tartozik: a gyártónál.

Ezt olyan fizikai alapú szimulációs technológiákkal kombináljuk, amelyek az AI ajánlásait a valós mérnöki modellekhez képest validálják, ahelyett, hogy kizárólag statisztikai kimenetekre támaszkodnak. Amikor a mesterséges intelligencia javaslatait a fizika törvényeivel összhangban lehet tesztelni, a gyártók bizalmat szereznek abban, hogy képesek cselekedni az eredmények alapján.

A harmadik rész az automatizálás. A tervezést és a gyártást összekapcsoló Siemens technológiával az adatok nem állnak meg a mérnöki szakaszban. Ez kiterjed a műveletekre, valós idejű láthatóságot teremtve a termékek, vonalak és üzemek valós idejű teljesítményéről. Ezek a képességek együttesen olyasmit hoznak létre, amit egyetlen önálló mesterséges intelligencia-platform nem képes megismételni: a teljes életciklus során összekapcsolt kontextusba hozott adatokat.

Ezt hívjuk digitális szálnak. Összeköti a tervezési szándékot a termelési valósággal, és megőrzi a szervezeti ismereteket a termékek és rendszerek fejlődésével. Az AI-nek biztosítja azt a kontextumot, amelyre az értelmes eredmények eléréséhez szükséges.

És ez a különbség számít. A megbízható Industrial AI mesterséges intelligenciát nem lehet utógondolatként rögzíteni. A gyártók nem tudják kiszervezni domainintelligenciájukat, és jobb eredményeket várnak el. Szükségük van egy összekapcsolt alapra, amely összekapcsolja a termékeket, folyamatokat és termelést, hogy az Industrial AI intelligencia az egész vállalkozásban működjön, nem pedig elszigetelt silókon belül.

Ennek a megközelítésnek az értéke világossá válik, ha megnézzük, hogyan valósítják meg a vállalatok a gyakorlatba.

Hogyan kell végrehajtanunk az újraiparosítást

Az Egyesült Államok ambiciózus célt tűzte ki gazdaságának újraiparosítását.

Az amerikai ipar már óriási előrelépést ért el az automatizálás, a szoftver és a digitális ikertechnológia révén. Ezek az innovációk segítették a gyártókat termelékenyebbé, rugalmasabbá és alkalmazkodóbbá válni.

Ügyfeleink azonban új szakaszba lépnek. Új kapacitásokat próbálnak kiépíteni, korszerűsíteni a meglévő műveleteket, és világszerte versenyképesek maradni — mindezt a szakképzett munkaerő tartós hiányával szembesülve.

Az ipari mesterséges intelligencia erre az erős digitális alapra épül, segítve az ügyfeleket abban, hogy kibővítsék azt, amire képesek embereik A mérnökök, az üzemeltetők és a technikusok számára új eszközöket biztosít a termelékenység növeléséhez, az innováció felgyorsításához és több megvalósításához.

A kihívás már nem az AI feltalálása. A mesterséges intelligenciát vállalati méretben telepíti. Manapság a szervezeteknek csak kis százaléka integrálta sikeresen az AI-t működésében. A bevezetési hiány megszüntetése a következő évtized egyik meghatározó ipari kihívása és lehetősége.

A Siemens erre összpontosít: segíteni ügyfeleinknek a mesterséges intelligencia célkitűzéseiről a mesterséges intelligencia telepítéséhez való áttérést, és az AI ígéretét valódi termelékenységnövekedésre fordítani az amerikai iparban.

Hogyan használja a PepsiCo a digitális ikreket és az AI-t a gyártási teljesítmény felgyorsítására

Egyik ügyfelünkkel, a PepsiCo segítségével egy replikálható keretrendszert építettünk ki, amely ötvözi a Digital Twin technológiát, az Industrial AI intelligenciát és az összekapcsolt IT/OT architektúrát, hogy elősegítse a gyártási, raktározási és logisztikai műveletek fejlesztését.

Az eredmények jelentősek voltak. Az egyik amerikai Gatorade létesítményben a PepsiCo mindössze három hónapon belül 20 százalékos növekedést ért el az áteresztőképességben. A vállalat becslése szerint a tőkeköltségek 10-15 százalékos csökkenése a virtuális validáció segítségével fedezheti fel a rejtett kapacitásokat a fizikai befektetések előtt.

A digitális iker segített a létesítmény tervezési és optimalizálási ütemterveinek összehangolásában hónapokról napokra. A több létesítményből származó valós működési adatok felhasználásával fizikán alapuló modellek létrehozásával a csapatok teljesítményalapú alapvonalakat állíthatnak ki, azonosíthatják a szűk görcsöket, megérthetik az anyagáramlást, és pontosan meghatározhatják, hol és miért fogyasztják az energiát.

A termelési problémák több mint 90 százaléka azonosítható még a gyártás megkezdése előtt.

Ez a digitális elsődleges megközelítés ereje, amelyet a PepsiCo használ. A mérnökök optimalizálják az elrendezéseket a berendezések mozgatása Az anyagáramlást a szállítószalag megérintése előtt validálják. Az energiaigényes folyamatokat azonosítják, mielőtt azok működési kihívásokat jelentenek. A döntéseket az adatok vezérlik, nem pedig a feltételezések.

Amikor a termékinnováció, a folyamatfejlesztés és a termelés végrehajtása összekapcsolódik, a szervezetek megszerzik a régi infrastruktúra korszerűsítéséhez szükséges sebességet és bizalmat. Pontosan így nyerik a gyártók az idővel való versenyt.

Míg az újraiparosítás minden bizonnyal a meglévő műveletek javításáról szól, egy másik kulcsfontosságú elem a teljesen új gyártási modellek kiépítése.

Hogyan mutatja be Haddy az elosztott gyártás jövőjét

Egy másik példa arra, hogy a Siemens integrált szoftver-, hardver- és automatizálási portfólióját használja ki, a Haddy, egy mesterséges intelligenciával működő robot 3D-nyomtató cég, amely alapvetően megváltoztatja a gyártás jövőjét.

A Haddy MicroFactory modellje ezt a valóságot bizonyítja, ötvözve az ipari termelési képességet a rendkívül hatékony gazdaságossággal, hogy a vidámpark dekorációjától kezdve a haditengerészet hajóásaiig mindent előállítson. Ez a cég, a Siemens nemrégiben nyertese Techcellence díj, áthidalja a kereskedelmi és védelmi követelményeket, segítve a vállalati innováció összekapcsolását a nemzeti ipari készenléttel.

A Haddy által használt modell meggyőzővé teszi, hogy az AI folyamatosan javítja a gyártási teljesítményt egy zárt visszacsatolási hurok révén:

1. lépés: A rész beszél: A kamera egy apró felületi bemélyedést észlel, amely szinte lehetetlen az emberi észrevétel számára.

2. lépés—A rendszer meghallgatja: A rendszer négy perccel a hiba megjelenése előtt felismeri a nyomáscsökkenést. Az AI összekapcsolja ezeket a jeleket és azonosítja a kapcsolatot.

3. lépés: A kiváltó ok nyomon követése: Az elemzés azt mutatja, hogy az anyag lebomlása történt a szárítási folyamat során a nyomtatás megkezdése előtt.

4. lépésMegjavítja magát: A szárító hőmérséklete automatikusan beállítható. A termelés megszakítás nélkül folytatódik.

5. lépésEllenőrzi: A következő tíz réteg sikeresen nyomtatja. A probléma naplózásra kerül és megoldottaként rögzítve.

6. lépés: Minden gép okosabbá válik: A megoldást minden Haddy nyomtatóval megosztják világszerte, elkészíti állandó és megismételhető.

Ez a hurok nem csak automatizálással lehetséges. Ez egy kombinált hardver, szoftver és automatizálási készlet, amely megkönnyíti az intézményi tanulást ipari méretekben.

Az újraiparosodás megköveteli az innováció összekapcsolását a

Az amerikai iparágak újraiparosítására irányuló erőfeszítésekkel kapcsolatos jó hír az, hogy a gyártóknak nem kell újrafeltalálniuk a mérnöki munkát az áttörő eredmények elérése érdekében. A bevált mérnöki keretek kombinálásával a szimulációval és az Industrial AI intelligenciával rendkívüli hatékonyságnövekedés érhető el.

A gyártás következő évtizedét vezető szervezetek építik ki az ipari mesterséges intelligencia legerősebb alapjait. Ők lesznek azok a vállalatok, amelyek megőrizték területi szakértelmüket, összekapcsolták a tervezést és a gyártást, és biztosították, hogy minden mesterséges intelligenciával vezérelt döntést a fizikával szemben érvényesí A valószínűségi AI ajánlások determinisztikus eredményekké alakítása.

Ez az a tanulság, amelyet olyan vállalatok között látunk, mint a PepsiCo, a Haddy és még sokan mások, akik rájöttek, hogy ez nemcsak versenyelőny, hanem az amerikai gyártás felgyorsításának útja is.

Az újraiparosítás mellett már elkötelezett amerikai városok és vállalkozások nem vártak arra, hogy jelet kezdjenek újjáépíteni jövőjüket. Az amerikai gyártás sem engedheti meg magának, hogy várjon.

Építsd meg az alapítványt, birtokolhatod az intelligenciát, és partnerkedj olyan szervezetekkel, amelyek megértik, hogyan lehet összekapcsolni az innovációt a termeléssel, és együtt felgyorsíthatjuk az amerikai újraiparosítás következő korszakát.

Megjelent: 2026. augusztus 17.