Когда искусственный интеллект начнет работать — трансформация автоматизации производства

Краткое описание серии

Industrial AI переходит из лаборатории в производственный цех. В этом выпуске Оптимистичный прогноз за пять, Лорен Эспин изучает, как искусственный интеллект может помочь производителям решить проблему нехватки квалифицированной рабочей силы и повысить производительность машиностроения.

В центре истории Eigen Engineering Agent, разработанный центром искусственного интеллекта Siemens в Сиэтле. Объединяя искусственный интеллект с инженерными данными по конкретным предприятиям, компания Eigen может помочь инженерам по автоматизации писать код и конфигурировать промышленные системы, выполняя сложные инженерные задачи со скоростью, в пять раз превышающей человеческую скорость. При пилотном развертывании в более чем 100 компаниях в 19 странах компания Eigen добилась повышения инженерной эффективности на 50%.

Но для внедрения искусственного интеллекта в промышленную среду требуется нечто большее, чем просто мощные модели. Человеческий опыт, моделирование и валидация по-прежнему важны чтобы работа, созданная искусственным интеллектом, была безопасной, надежной и готовой к работе в реальном мире.

Результат? Взгляд на то, как Industrial AI может изменить производство — не заменив инженеров, а помогая квалифицированным специалистам делать больше.

Полная расшифровка

Я Лорен Эспин, а это Оптимистичный прогноз за пять, краткая информация о важном событии, определяющем будущее.

Соединенные Штаты поставили перед собой амбициозную цель реиндустриализации экономики. Это означает создание новых производственных мощностей, модернизацию существующих операций и сохранение конкурентоспособности на мировом рынке — и все это в условиях постоянной нехватки квалифицированной рабочей силы в промышленности.

Industrial AI может стать одним из важнейших инструментов для решения этой задачи. Основываясь на десятилетиях прогресса в области автоматизации, программного обеспечения и цифрового двойника, она может помочь инженерам, операторам и техническим специалистам повысить производительность, ускорить внедрение инноваций и решить все более сложные проблемы.

Но для реализации этой возможности требуется нечто большее, чем просто мощные модели искусственного интеллекта. Нам необходимо масштабно развертывать ИИ в реальном мире таким образом, чтобы обеспечить ощутимое повышение производительности.

И это подводит нас к технологии, о которой большинство из нас редко задумывается, если, конечно, вы не работаете на производстве.

ПЛК или программируемый логический контроллер. Возможно, кто-то контролировал линию, заполняющую бутылку воды на вашем столе. Другой помог изготовить компонент в машине, на которой вы сегодня ездили. А другой, возможно, помог упаковать коробку для доставки, которая была у вас на крыльце.

ПЛК используются повсеместно в современной промышленности. Siemens производит их много. Фактически, около трети машин в мире управляются ПЛК Siemens.

И каждый из этих контроллеров должен быть запрограммирован.

Это работа инженеров по автоматизации. Они пишут управляющий код, настраивают системы и сети, тестируют соединения и следят за тем, чтобы все более сложные промышленные системы работали по назначению.

И сегодня таких квалифицированных инженеров не хватает.

Итак, возникает очевидный вопрос: почему бы не использовать искусственный интеллект для повышения производительности имеющейся у нас рабочей силы?

Искусственный интеллект уже сегодня усердно работает на заводах. Камеры выявляют дефекты на производственных линиях. Системы предсказывают, когда двигатели могут выйти из строя. Другие находят способы повысить пропускную способность критически важной линии.

Эти приложения работают, потому что они действительно хорошо справляются с определенной работой. Одна камера. Одна производственная линия. Приведите искусственному интеллекту достаточно примеров, и он научится выполнять эту работу очень хорошо.

Но программирование контроллера — это не одна задача.

Инженера по автоматизации могут попросить решить любое количество проблем, и правильный ответ зависит от конкретного предприятия — оборудования, конфигурации, проводки и даже условных обозначений.

Это затрудняет масштабирование ИИ таким же образом. Невозможно создать и обучить новую модель для каждого завода и каждого клиента.

Между тем, искусственный интеллект общего назначения решает часть этой проблемы. Самые мощные модели современности могут рассуждать, писать программное обеспечение и решать гораздо более широкий спектр задач. Но они по своей сути не понимают вашу фабрику. Технические данные, описывающие предприятие — его оборудование, конфигурацию и электрические системы — специфичны для этой среды и часто являются частными.

Вот где промышленный контекст имеет значение.

Подумайте о новом блестящем инженере в первый день работы. Они разбираются в технике, но никогда не бывали на вашем заводе. Вы не отправляете их обратно в школу. Вы предоставляете им доступ к нужной информации о конкретной системе, над которой они работают, и они очень быстро вносят свой вклад.

Именно эта идея легла в основу проекта Eigen Engineering Agent.

Разработанный в центре искусственного интеллекта Siemens в Сиэтле, Eigen работает в рамках программного обеспечения, которое уже используют инженеры по автоматизации проектирования. Он может получить доступ к проектной информации, описывающей конфигурацию установки, а также к схемам электропроводки и другим соответствующим инженерным данным.

Инженер может описать то, что ему нужно, простым языком. Eigen — это не только создание предложений, но и автономное выполнение сложных инженерных задач. Он может понять суть проблемы и приступить к работе (написанию кода или настройке систем) до тех пор, пока не достигнет цели по производительности, поставленной инженером.

И оно уже развернуто.

При пилотном развертывании в более чем 100 компаниях в 19 странах компания Eigen добилась повышения инженерной эффективности на 50 процентов. Он может выполнять инженерные задачи со скоростью, в два-пять раз превышающей скорость человека.

Когда квалифицированных инженеров по автоматизации не хватает, эти преимущества имеют значение.

Чтобы промышленный искусственный интеллект можно было внедрить в больших масштабах, ему также необходимо доверять.

Вот почему человеческий надзор и валидация встроены в процесс. Код можно протестировать с помощью инструментов моделирования, которые моделируют поведение контроллера до того, как он попадет в действующее оборудование, а инженер рассматривает и утверждает работу.

Это важное различие. Industrial AI — это не просто внедрение мощных моделей искусственного интеллекта на фабрику. Речь идет о сочетании искусственного интеллекта с глубоким промышленным контекстом и инженерным опытом, чтобы его можно было безопасно и надежно внедрить в реальном мире.

И Eigen — это часть гораздо более масштабных усилий. Siemens инвестирует 1 миллиард долларов в возможности и предложения искусственного интеллекта в течение следующих трех лет, опираясь на многолетний опыт применения технологий в промышленности и инфраструктуре.

Потому что следующий этап развития искусственного интеллекта будет определяться не только более мощными моделями. Это также будет зависеть от нашей способности внедрять их в реальном мире, используя промышленный контекст и человеческий опыт, необходимые для решения реальных проблем и достижения ощутимых результатов.

Это более спокойный прогресс, чем развитие чат-бота, который становится умнее. Это происходит на заводах, в сотрудничестве с инженерами и, в конечном итоге, в тех ПЛК, которых большинство из нас никогда не увидит.

Но мы все ощутим на себе результаты.

Я Лорен Эспин, а это Оптимистичный прогноз.