Kada AI krene na posao - transformisanje fabričke automatizacije

Rezime epizode

Industrijska veštačka inteligencija se seli iz laboratorije na fabrički pod. U ovoj epizodi Optimistični izgledi za pet, Lauren Espin istražuje kako AI može pomoći proizvođačima da se reše sa nedostatkom kvalifikovane radne snage i poboljšaju inženjersku produktivnost.

U središtu priče je Eigen Engineering Agent, razvio Siemensov AI centar u Sijetlu. Kombinujući AI sa inženjerskim podacima specifičnim za postrojenje, Eigen može pomoći inženjerima automatizacije da napišu kod i konfigurišu industrijske sisteme - obavljajući složene inženjerske zadatke brzinom do pet puta većom od čoveka. U pilot implementacijama u više od 100 kompanija u 19 zemalja, Eigen je isporučio do 50% veću inženjersku efikasnost.

Ali unošenje AI u industrijsko okruženje zahteva više od moćnih modela. Ljudska stručnost, simulacija i validacija ostaju od suštinskog značaja osigurati da je rad generisan veštačkom inteligencijom siguran, pouzdan i spreman za stvarni svet.

Rezultat? Pogled na to kako bi Industrial AI inteligencija mogla da preoblikuje proizvodnju - ne zamenom inženjera, već pomažući kvalifikovanim ljudima da urade više.

Kompletan transkript

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

Sjedinjene Države su postavile ambiciozan cilj da reindustrijalizuju svoju ekonomiju. To znači izgradnju novih proizvodnih kapaciteta, modernizaciju postojećih operacija i ostajanje globalno konkurentnim - sve dok se industrija suočava sa stalnim nedostatkom kvalifikovane radne snage.

Industrijska veštačka inteligencija mogla bi biti jedno od najvažnijih alata za suočavanje sa tim izazovom. Može se nadograditi na decenije napretka u automatizaciji, softveru i digitalnom blizancu kako bi pomogao inženjerima, operaterima i tehničarima da postanu produktivniji, ubrzaju inovacije i rešavaju sve složenije probleme.

Ali shvatanje te mogućnosti zahteva više od moćnih AI modela. Moramo da primenimo AI u stvarnom svetu, u obimu, na načine koji donose merljive dobitke produktivnosti.

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

PLC ili programabilni logički kontroler. Možda je neko kontrolisao 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 spakovanju kutije za isporuku koja se pojavila na vašem tremu.

PLC-ovi su svuda u modernoj industriji. Siemens ih pravi mnogo. U stvari, oko trećine mašina na svetu kontrolišu Siemens PLC-ovi.

I svaki od tih kontrolera mora biti programiran.

To je posao inženjera automatizacije. Oni pišu kontrolni kod, konfigurišu sisteme i mreže, testiraju veze i osiguravaju da sve složeniji industrijski sistemi rade kako je predviđeno.

I danas tih kvalifikovanih inženjera nedostaje.

Dakle, očigledno pitanje: Zašto ne koristiti AI za povećanje produktivnosti radne snage koju imamo?

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

Ove aplikacije rade jer su zaista dobre u obavljanju određenog posla. Jedna kamera. Jedna proizvodna linija. Navedite AI dovoljno primera i on nauči da taj posao obavlja izuzetno dobro.

Ali programiranje kontrolera nije jedan posao.

Od inženjera automatizacije može se tražiti da reši bilo koji broj problema, a pravi odgovor zavisi od konkretnog postrojenja - opreme, konfiguracije, ožičenja, čak i konvencija o imenovanju.

To otežava skaliranje AI na isti način. Ne možete da napravite i obučite novi model za svaku fabriku i svakog kupca.

U međuvremenu, AI opšte namene rešava deo tog problema. Današnji najmoćniji modeli mogu razmišljati, pisati softver i baviti se mnogo širim spektrom zadataka. Ali oni inherentno ne razumeju vašu fabriku. Inženjerski podaci koji opisuju postrojenje - njegovu opremu, konfiguraciju i električne sisteme - specifični su za to okruženje i često su privatni.

Tu je industrijski kontekst važan.

Razmislite o briljantnom novom inženjeru prvog dana. Razumeju inženjering, ali nikada nisu kročili u vašu fabriku. Ne šalješ ih nazad u školu. Dajete im pristup pravim informacijama o specifičnom sistemu na kojem rade i vrlo brzo doprinose.

To je ideja iza Eigen Engineering Agent.

Razvijen u Siemensovom AI čvorištu u Sijetlu, Eigen radi u okviru inženjerskog softvera koji inženjeri za automatizaciju već koriste. Može pristupiti informacijama o projektu koje opisuju kako je postrojenje konfigurisano, zajedno sa dijagramima električnih ožičenja i drugim relevantnim inženjerskim podacima.

Inženjer može opisati šta želi jednostavnim jezikom. Eigen nadilazi generisanje predloga za autonomno izvršavanje složenih inženjerskih zadataka. Može da razume izazov i u osnovi ide na posao - pisanje koda ili konfigurisanje sistema - sve dok ne postigne cilj performansi koji je postavio inženjer.

I već se primenjuje.

U pilot implementacijama u više od 100 kompanija u 19 zemalja, Eigen je isporučio do 50 odsto veću inženjersku efikasnost. Može da izvršava inženjerske zadatke brzinom od dva do pet puta više od čoveka.

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

Da bi se industrijska veštačka inteligencija primenila u velikom obimu, takođe mu se mora verovati.

Zato su ljudski nadzor i validacija ugrađeni u proces. Kod se može testirati pomoću simulacionih alata koji modeliraju kako će se kontroler ponašati pre nego što stigne do opreme pod naponom, pri čemu inženjer pregleda i odobrava rad.

To je važna razlika. Industrijska veštačka inteligencija nije samo unošenje moćnih AI modela u fabriku. Radi se o kombinovanju AI sa dubokim industrijskim kontekstom i inženjerskom stručnošću kako bi se mogao bezbedno i pouzdano primeniti u stvarnom svetu.

A Eigen je jedan deo mnogo većeg napora. Siemens ulaže milijardu dolara u mogućnosti i ponude veštačke inteligencije u naredne tri godine, nadovezujući se na decenijsko iskustvo u primeni tehnologije u industriji i infrastrukturi.

Zato što sledeće poglavlje AI neće biti definisano samo moćnijim modelima. Takođe će biti definisano našom sposobnošću da ih primenimo u stvarnom svetu - sa industrijskim kontekstom i ljudskom stručnošću potrebnom za rešavanje stvarnih problema i pružanje merljive vrednosti.

To je tiša vrsta napretka nego što chatbot postaje pametniji. To se dešava unutar fabrika, radeći zajedno sa inženjerima i, na kraju, unutar onih PLC-ova koji većina nas nikada neće videti.

Ali svi ćemo iskusiti rezultate.

Ja sam Lauren Espin, a ovo je Optimistični izgledi.