När AI går till jobbet — omvandlar fabriksautomation

Avsnittsöversikt

Industrial AI flyttar från labbet till fabriksgolvet. I det här avsnittet av Optimistisk syn på femLauren Espin utforskar hur AI kan hjälpa tillverkare att hantera brist på kvalificerad arbetskraft och förbättra teknisk produktivitet.

I centrum av berättelsen är Eigen Engineering Agent, utvecklad av Siemens AI-nav i Seattle. Genom att kombinera AI med anläggningsspecifika tekniska data kan Eigen hjälpa automationsingenjörer att skriva kod och konfigurera industrisystem — utföra komplexa tekniska uppgifter med upp till fem gånger mänsklig hastighet. Genom pilotimplementeringar i mer än 100 företag i 19 länder har Eigen levererat upp till 50% högre teknisk effektivitet.

Men att föra in AI i industriella miljöer kräver mer än kraftfulla modeller. Mänsklig expertis, simulering och validering är fortfarande avgörande för att säkerställa att AI-genererat arbete är säkert, pålitligt och redo för den verkliga världen.

Resultatet? En glimt av hur Industrial AI kan omforma tillverkningen - inte genom att ersätta ingenjörer, utan genom att hjälpa skickliga människor att göra mer.

Fullständigt transkript

Jag är Lauren Espin, och det här är Den optimistiska utsikterna i fem, en snabb uppdatering om en viktig utveckling som formar framtiden.

USA har satt upp ett ambitiöst mål att återindustrialisera sin ekonomi. Det innebär att bygga ny tillverkningskapacitet, modernisera befintlig verksamhet och förbli globalt konkurrenskraftig - allt medan industrin står inför ihållande brist på kvalificerad arbetskraft.

Industrial AI kan vara ett av de viktigaste verktygen för att möta den utmaningen. Det kan bygga på årtionden av framsteg inom automation, programvara och den digitala tvillingen för att hjälpa ingenjörer, operatörer och tekniker att bli mer produktiva, påskynda innovation och lösa allt mer komplexa problem.

Men att inse den möjligheten kräver mer än kraftfulla AI-modeller. Vi måste distribuera AI i den verkliga världen, i stor skala, på sätt som ger mätbara produktivitetsvinster.

Och det leder oss till en teknik som de flesta av oss sällan tänker på - såvida du naturligtvis inte arbetar inom tillverkning.

PLC, eller programmerbar logisk styrenhet. Man kan ha kontrollerat linjen som fyllde flaskan med vatten på skrivbordet. En annan hjälpte till att tillverka en komponent inuti bilen du körde idag. Och en annan kan ha hjälpt till att packa leveranslådan som dök upp på din veranda.

PLC: er finns överallt i modern industri. Siemens gör många av dem. Faktum är att ungefär en tredjedel av maskinerna i världen styrs av Siemens PLC: er.

Och var och en av dessa kontroller måste programmeras.

Det är automatiseringsingenjörernas jobb. De skriver styrkod, konfigurerar system och nätverk, testar anslutningar och ser till att allt mer komplexa industriella system fungerar som avsett.

Och idag, de skickliga ingenjörerna är bristfälliga.

Så den uppenbara frågan: Varför inte använda AI för att öka produktiviteten hos den arbetskraft vi har?

AI arbetar redan hårt i fabriker idag. Kameror upptäcker defekter på produktionslinjer. System förutsäger när motorerna är på väg att gå sönder. Andra hittar sätt att pressa ut mer genomströmning från en kritisk linje.

Dessa applikationer fungerar eftersom de är riktigt bra på att göra ett specifikt jobb. En kamera. En produktionslinje. Ge AI tillräckligt med exempel, och den lär sig att göra det jobbet extremt bra.

Men att programmera en styrenhet är inte ett jobb.

En automatiseringsingenjör kan bli ombedd att lösa ett antal problem, och rätt svar beror på den specifika anläggningen - utrustningen, konfigurationen, ledningarna, till och med namnkonventionerna.

Det gör det svårt att skala AI på samma sätt. Du kan inte bygga och träna en ny modell för varje anläggning och varje kund.

Samtidigt löser AI för allmänt ändamål en del av det problemet. Dagens mest kraftfulla modeller kan resonera, skriva programvara och hantera ett mycket bredare utbud av uppgifter. Men de förstår inte i sig din fabrik. De tekniska data som beskriver en anläggning - dess utrustning, konfiguration och elektriska system - är specifika för den miljön och ofta privata.

Det är där det industriella sammanhanget spelar roll.

Tänk på en lysande ny ingenjör på deras första dag. De förstår teknik, men de har aldrig satt sin fot i din anläggning. Du skickar dem inte tillbaka till skolan. Du ger dem tillgång till rätt information om det specifika system de arbetar med, och mycket snabbt bidrar de.

Det är tanken bakom Eigen Engineering Agent.

Utvecklad vid Siemens AI-nav i Seattle, arbetar Eigen inom den tekniska mjukvara som automationsingenjörer redan använder. Den kan komma åt projektinformationen som beskriver hur en anläggning är konfigurerad, tillsammans med elektriska kopplingsscheman och andra relevanta tekniska data.

En ingenjör kan beskriva vad de vill ha på vanligt språk. Eigen går utöver att generera förslag till att autonomt utföra komplexa tekniska uppgifter. Det kan förstå utmaningen och i princip gå till jobbet - skriva kod eller konfigurera system - tills det levererar det prestandamål som fastställts av ingenjören.

Och det distribueras redan.

Genom pilotimplementeringar i mer än 100 företag i 19 länder levererade Eigen upp till 50 procent högre teknisk effektivitet. Den kan utföra tekniska uppgifter med två till fem gånger mänsklig hastighet.

När skickliga automationsingenjörer är knappa är dessa vinster viktiga.

För att Industrial AI ska kunna distribueras i stor skala måste det också vara pålitligt.

Det är därför mänsklig övervakning och validering är inbyggd i processen. Koden kan testas genom simuleringsverktyg som modellerar hur styrenheten kommer att bete sig innan den når levande utrustning, med en ingenjör som granskar och godkänner arbetet.

Det är en viktig skillnad. Industrial AI handlar inte bara om att föra kraftfulla AI-modeller till en fabrik. Det handlar om att kombinera AI med djup industriell kontext och teknisk expertis så att den kan distribueras säkert och pålitligt i den verkliga världen.

Och Eigen är en del av en mycket större ansträngning. Siemens investerar 1 miljard dollar i AI-funktioner och erbjudanden under de kommande tre åren och bygger på årtionden av erfarenhet av att tillämpa teknik inom industri och infrastruktur.

Eftersom nästa kapitel i AI inte bara kommer att definieras av kraftfullare modeller. Det kommer också att definieras av vår förmåga att distribuera dem i den verkliga världen - med det industriella sammanhanget och den mänskliga expertis som krävs för att lösa verkliga problem och leverera mätbart värde.

Det är en tystare typ av framsteg än att en chatbot blir smartare. Det händer inne i fabriker, arbetar tillsammans med ingenjörer och, i slutändan, inuti de PLC: er som de flesta av oss aldrig kommer att se.

Men vi kommer alla att uppleva resultaten.

Jag är Lauren Espin, och det här är Den optimistiska utsikten.