AI가 제대로 작동할 때 - 공장 자동화의 혁신

에피소드 요약

산업용 AI가 실험실에서 공장 현장으로 이동하고 있어요. 이 에피소드에서는 파이브 인파이브 낙관적 전망, 로렌 에스핀이 제조업체들이 숙련된 노동력 부족 문제를 해결하고 엔지니어링 생산성을 향상시키는 데 AI가 어떻게 도움이 되는지 탐구해요.

이야기의 중심은 EIGEN 엔지니어링 에이전트예요시애틀에 있는 지멘스 AI 허브에서 개발했어요.AI와 플랜트별 엔지니어링 데이터를 결합하면 아이젠은 자동화 엔지니어가 코드를 작성하고 산업 시스템을 구성하도록 도와줘요. 복잡한 엔지니어링 작업을 사람의 속도보다 최대 5배 빠른 속도로 수행할 수 있어요.19개국 100개 이상의 회사에 파일럿 배포를 통해 아이겐은 엔지니어링 효율성을 최대 50% 향상시켰어요.

하지만 산업 환경에 AI를 도입하려면 강력한 모델보다 더 많은 것이 필요해요. 인간의 전문성, 시뮬레이션, 검증은 여전히 필수예요 AI로 생성한 작업이 안전하고 신뢰할 수 있고 현실 세계에 대비할 수 있도록 하기 위해서요.

결과는?산업용 AI가 제조업을 어떻게 바꿀 수 있는지 엿볼 수 있어요. 엔지니어를 대체하는 게 아니라 숙련된 사람들이 더 많은 일을 할 수 있도록 도와줘서요.

전체 성적표

저는 로렌 에스핀이에요. 그리고 이것은 파이브 인파이브에 대한 낙관적 전망, 미래를 형성하는 중요한 발전에 대한 간단한 업데이트예요.

미국은 경제를 재산업화하겠다는 야심찬 목표를 세웠어요.이는 산업이 지속적으로 숙련된 노동력 부족에 직면하고 있는 와중에도 새로운 제조 역량을 구축하고, 기존 운영을 현대화하고, 글로벌 경쟁력을 유지하는 것을 의미해요.

산업용 AI는 그 문제를 해결하는 데 가장 중요한 도구 중 하나일 수 있어요.자동화, 소프트웨어, 디지털 트윈에서 수십 년간 쌓아온 발전을 기반으로 엔지니어, 운영자, 기술자의 생산성을 높이고 혁신을 가속화하며 점점 복잡해지는 문제를 해결할 수 있어요.

하지만 그 기회를 실현하려면 강력한 AI 모델 이상이 필요해요.측정 가능한 생산성 향상을 제공하는 방식으로 AI를 대규모로 현실 세계에 배포해야 해요.

그러면 우리 대부분이 거의 생각하지 않는 기술이 탄생하게 돼요. 물론 제조업에 종사하는 경우가 아니라면 말이죠.

PLC, 즉 프로그래머블 로직 컨트롤러.책상 위의 생수를 채우는 줄을 제어한 사람이 있었을 수도 있어요.오늘 운전하신 차 안의 부품 제조를 도와준 게 또 한 대요.그리고 다른 사람이 현관에 나타난 택배 상자를 포장하는 데 도움을 주었나 봐요.

PLC는 현대 산업 어디에나 있어요.Siemens가 많이 만들어요.사실 전 세계 기계의 3분의 1이 Siemens PLC로 제어돼요.

그리고 그 컨트롤러는 전부 프로그래밍해야 돼요.

그게 자동화 엔지니어들이 하는 일이에요.그들은 제어 코드를 작성하고, 시스템과 네트워크를 구성하고, 연결을 테스트하고, 점점 복잡해지는 산업 시스템이 의도한 대로 작동하는지 확인합니다.

그리고 지금은 그 숙련된 엔지니어들이 부족해요.

그래서 당연한 질문이에요. 인력의 생산성을 높이기 위해 AI를 사용하지 않겠습니까?

오늘날 공장에서는 AI가 이미 열심히 작동하고 있어요.카메라가 생산 라인에서 결함을 발견해요.시스템이 모터가 고장날 때를 예측해요.임계선에서 처리량을 더 많이 끌어내는 방법을 찾는 사람들도 있어요.

이 애플리케이션들은 특정한 일을 정말 잘하기 때문에 효과가 있어요.카메라 한 대요.생산 라인 하나.AI에 충분한 예시를 주면 AI가 그 일을 아주 잘 할 수 있게 학습해요.

하지만 컨트롤러 프로그래밍은 한 가지 일이 아니에요.

자동화 엔지니어에게 여러 가지 문제를 해결하라는 요청을 받을 수 있는데 정답은 장비, 구성, 배선, 심지어 이름 지정 규칙까지 특정 플랜트에 따라 달라져요.

그래서 AI를 같은 방식으로 확장하기가 어려워요.모든 공장과 모든 고객을 위해 새 모델을 만들고 훈련시킬 수는 없어요.

한편, 범용 AI는 그 문제의 일부를 해결해요.오늘날 가장 강력한 모델은 추론하고, 소프트웨어를 작성하고, 훨씬 더 광범위한 작업을 처리할 수 있어요.하지만 그들은 선천적으로 당신 공장을 이해하지 못해요.플랜트를 설명하는 엔지니어링 데이터, 즉 장비, 구성, 전기 시스템은 해당 환경에 따라 다르며 비공개인 경우가 많아요.

산업적 배경이 중요한 부분이에요.

훌륭한 신입 엔지니어가 첫날에 나온다고 생각해 보세요.엔지니어링은 이해하지만 당신 공장에 한 번도 발을 들여놓지 않았대요.학교에 다시 보내면 안 돼요.그들이 작업 중인 특정 시스템에 대한 올바른 정보에 접근할 수 있게 해주면 그들이 매우 빠르게 기여하고 있어요.

그게 Eigen Engineering Agent의 아이디어예요.

시애틀에 있는 지멘스 AI 허브에서 개발한 아이젠은 엔지니어들이 이미 사용하는 엔지니어링 자동화 소프트웨어에서 작동해요.전기 배선도 및 기타 관련 엔지니어링 데이터와 함께 플랜트 구성 방법을 설명하는 프로젝트 정보를 액세스할 수 있어요.

엔지니어는 그들이 원하는 것을 쉬운 언어로 설명할 수 있어요.아이젠은 제안을 생성하는 것을 넘어서 복잡한 엔지니어링 작업을 자율적으로 실행하는 것까지 해요.어려움을 이해하고 엔지니어가 설정한 성능 목표를 달성할 때까지 기본적으로 코드 작성이나 시스템 구성 작업에 착수할 수 있어요.

그리고 이미 배포되고 있어요.

19개국 100개 이상의 회사에 시범 배포한 결과 아이겐은 엔지니어링 효율성을 최대 50% 향상시켰어요.인간 속도의 2~5배 속도로 엔지니어링 작업을 수행할 수 있어요.

숙련된 자동화 엔지니어가 부족할 때는 이러한 성과가 중요해요.

산업용 AI를 대규모로 배포하려면 그것도 신뢰할 수 있어야 해요.

이것이 인간의 감독과 검증이 프로세스에 내장된 이유예요.코드가 실제 장비에 도달하기 전에 컨트롤러가 어떻게 동작할지 모델링하는 시뮬레이션 도구를 통해 코드를 테스트할 수 있어요. 엔지니어가 작업을 검토하고 승인해요.

그게 중요한 차이예요.산업용 AI는 단순히 강력한 AI 모델을 공장에 도입하는 게 아니에요.AI를 심층적인 산업 환경 및 엔지니어링 전문 지식과 결합하여 현실 세계에 안전하고 안정적으로 배포할 수 있도록 하는 거예요.

그리고 아이겐은 훨씬 더 큰 노력의 일부예요.Siemens는 산업과 인프라 전반에 기술을 적용한 수십 년의 경험을 바탕으로 향후 3년간 AI 기능 및 오퍼링에 10억 달러를 투자할 거예요.

AI의 다음 챕터는 더 강력한 모델로만 정의되지 않을 것이기 때문이에요.또한 실제 문제를 해결하고 측정 가능한 가치를 제공하는 데 필요한 산업적 상황과 인간의 전문 지식을 바탕으로 현실 세계에 배포할 수 있는 능력으로도 정의될 거예요.

점점 똑똑해지는 챗봇보다 더 조용한 진전이에요.공장 안에서, 엔지니어들과 함께 일하고, 궁극적으로는 우리 대부분이 볼 수 없는 PLC 안에서 일어나요.

하지만 결과는 우리 모두 경험하게 될 거예요.

저는 로렌 에스핀이에요. 그리고 이것은 낙관적 전망.