Kiedy sztuczna inteligencja idzie do pracy - przekształcanie automatyzacji fabryki

Podsumowanie odcinka

Przemysłowa sztuczna inteligencja przenosi się z laboratorium do hali fabrycznej. W tym odcinku Optymistyczne perspektywy w pięciuLauren Espin bada, w jaki sposób sztuczna inteligencja może pomóc producentom w rozwiązaniu niedoborów wykwalifikowanej siły roboczej i poprawie produktywności inżynierskiej.

W centrum opowieści jest Eigen Engineering Agent, opracowany przez centrum AI firmy Siemens w Seattle. Łącząc sztuczną inteligencję z danymi inżynierskimi specyficznymi dla zakładu, Eigen może pomóc inżynierom automatyki pisać kod i konfigurować systemy przemysłowe — wykonując złożone zadania inżynieryjne z prędkością do pięciu razy większą niż ludzką. Podczas pilotażowych wdrożeń w ponad 100 firmach w 19 krajach firma Eigen osiągnęła nawet o 50% większą wydajność inżynieryjną.

Jednak wprowadzenie sztucznej inteligencji do środowisk przemysłowych wymaga czegoś więcej niż potężnych modeli. Wiedza ludzka, symulacja i walidacja pozostają niezbędne zapewnienie, że praca generowana przez sztuczną inteligencję jest bezpieczna, niezawodna i gotowa na rzeczywisty świat.

Rezultat? Spojrzenie na to, jak Industrial AI inteligencja może zmienić kształt produkcji — nie poprzez zastępowanie inżynierów, ale pomagając wykwalifikowanym ludziom robić więcej.

Pełna transkrypcja

Jestem Lauren Espin, a to Optymistyczne perspektywy w pięciu, szybka aktualizacja o ważnym rozwoju kształtującym przyszłość.

Stany Zjednoczone postawiły sobie ambitny cel reindustrializacji swojej gospodarki. Oznacza to budowanie nowych zdolności produkcyjnych, unowocześnienie istniejących operacji i utrzymanie konkurencyjności na całym świecie — wszystko to podczas gdy przemysł boryka się z uporczywymi brakami wykwalifikowanej siły roboczej.

Industrial AI może być jednym z najważniejszych narzędzi do sprostania temu wyzwaniu. Może opierać się na dziesięcioleciach postępu w dziedzinie automatyzacji, oprogramowania i cyfrowego bliźniaka, aby pomóc inżynierom, operatorom i technikom stać się bardziej produktywnym, przyspieszyć innowacje i rozwiązywać coraz bardziej złożone problemy.

Ale uświadomienie sobie tej możliwości wymaga więcej niż potężnych modeli sztucznej inteligencji. Musimy wdrożyć sztuczną inteligencję w świecie rzeczywistym, na dużą skalę, w sposób zapewniający wymierne wzrosty produktywności.

A to prowadzi nas do technologii, o której większość z nas rzadko myśli - chyba że, oczywiście, pracujesz w produkcji.

PLC lub programowalny kontroler logiczny. Być może ktoś kontrolował linię, która napełniała butelkę wody na biurku. Inny pomógł wyprodukować komponent wewnątrz samochodu, którym dziś jeździłeś. A inny mógł pomóc spakować pudełko dostawcze, które pojawiło się na twojej werandzie.

PLC są wszędzie we współczesnym przemyśle. Siemens robi ich wiele. W rzeczywistości około jedna trzecia maszyn na świecie jest kontrolowana przez sterowniki PLC Siemens.

Każdy z tych kontrolerów musi być zaprogramowany.

To zadanie inżynierów automatyki. Piszą kod sterujący, konfigurują systemy i sieci, testują połączenia i upewniają się, że coraz bardziej złożone systemy przemysłowe działają zgodnie z przeznaczeniem.

A dziś brakuje tych wykwalifikowanych inżynierów.

Więc oczywiste pytanie: Dlaczego nie wykorzystać sztucznej inteligencji do zwiększenia produktywności siły roboczej, którą posiadamy?

Sztuczna inteligencja już dziś ciężko pracuje w fabrykach. Kamery wykrywają wady na liniach produkcyjnych. Systemy przewidują, kiedy silniki wkrótce ulegną awarii. Inni znajdują sposoby na wyciśnięcie większej przepustowości z krytycznej linii.

Te aplikacje działają, ponieważ są naprawdę dobre w wykonywaniu określonej pracy. Jedna kamera. Jedna linia produkcyjna. Podaj sztucznej inteligencji wystarczającą ilość przykładów, a nauczy się wykonywać tę pracę niezwykle dobrze.

Ale programowanie kontrolera to nie jedno zadanie.

Inżynier automatyki może zostać poproszony o rozwiązanie dowolnej liczby problemów, a właściwa odpowiedź zależy od konkretnego zakładu — sprzętu, konfiguracji, okablowania, a nawet konwencji nazewnictwa.

To utrudnia skalowanie sztucznej inteligencji w ten sam sposób. Nie można zbudować i szkolić nowego modelu dla każdego zakładu i każdego klienta.

Tymczasem sztuczna inteligencja ogólnego przeznaczenia rozwiązuje część tego problemu. Dzisiejsze najpotężniejsze modele potrafią rozumować, pisać oprogramowanie i rozwiązywać znacznie szerszy zakres zadań. Ale z natury nie rozumieją twojej fabryki. Dane inżynieryjne opisujące instalację — jej wyposażenie, konfigurację i systemy elektryczne — są specyficzne dla tego środowiska i często prywatne.

Tutaj liczy się kontekst przemysłowy.

Pomyśl o genialnym nowym inżynierze pierwszego dnia. Rozumieją inżynierię, ale nigdy nie postawili stopy w twoim zakładzie. Nie odsyłasz ich z powrotem do szkoły. Dajesz im dostęp do właściwych informacji o konkretnym systemie, nad którym pracują, i bardzo szybko wnoszą wkład.

To jest pomysł Eigen Engineering Agent.

Opracowany w centrum sztucznej inteligencji Siemens w Seattle, Eigen pracuje w ramach inżynierów automatyzacji oprogramowania, z którego korzystają już inżynierowie. Może uzyskać dostęp do informacji o projekcie, które opisują sposób konfiguracji instalacji, wraz ze schematami elektrycznymi i innymi istotnymi danymi inżynierskimi.

Inżynier potrafi opisać, czego chce prostym językiem. Eigen wykracza poza generowanie sugestii do autonomicznego wykonywania złożonych zadań inżynierskich. Może zrozumieć wyzwanie i zasadniczo przejść do pracy - pisania kodu lub konfigurowania systemów - dopóki nie osiągnie celu wydajności wyznaczonego przez inżyniera.

I jest już wdrażany.

Podczas pilotażowych wdrożeń w ponad 100 firmach w 19 krajach firma Eigen zapewniła nawet o 50% większą wydajność inżynieryjną. Może wykonywać zadania inżynieryjne z prędkością od dwóch do pięciu razy większą niż ludzką.

Kiedy brakuje wykwalifikowanych inżynierów automatyki, te zyski mają znaczenie.

Aby przemysłowa sztuczna inteligencja mogła być wdrażana na dużą skalę, trzeba jej również zaufać.

Dlatego ludzki nadzór i walidacja są wbudowane w proces. Kod można przetestować za pomocą narzędzi symulacyjnych, które modelują zachowanie się kontrolera, zanim dotrze do sprzętu pod napięciem, przy czym inżynier sprawdza i zatwierdza pracę.

To ważne rozróżnienie. Przemysłowa sztuczna inteligencja to nie tylko wprowadzenie potężnych modeli sztucznej inteligencji do fabryki. Chodzi o połączenie sztucznej inteligencji z głębokim kontekstem przemysłowym i doświadczeniem inżynieryjnym, aby można ją było bezpiecznie i niezawodnie wdrożyć w prawdziwym świecie.

A Eigen jest częścią znacznie większego wysiłku. Siemens zainwestuje 1 miliard dolarów w możliwości i oferty sztucznej inteligencji w ciągu najbliższych trzech lat, opierając się na dziesięcioleciach doświadczenia w stosowaniu technologii w przemyśle i infrastrukturze.

Ponieważ następny rozdział sztucznej inteligencji nie będzie zdefiniowany tylko przez potężniejsze modele. Będzie to również zdefiniowane przez naszą zdolność do wdrażania ich w prawdziwym świecie - z kontekstem przemysłowym i ludzką wiedzą niezbędną do rozwiązywania rzeczywistych problemów i dostarczania wymiernej wartości.

To cichszy rodzaj postępu niż chatbot, który staje się mądrzejszy. Dzieje się tak w fabrykach, pracując razem z inżynierami i ostatecznie wewnątrz tych sterowników PLC, których większość z nas nigdy nie zobaczy.

Ale wszyscy doświadczymy rezultatów.

Jestem Lauren Espin, a to Optymistyczne perspektywy.