Yapay Zeka Çalışmaya Başladığında - Fabrika Otomasyonunun Dönüşümü

Bölüm Özeti

Industrial AI laboratuvardan fabrika katına taşınıyor. Bu bölümde Beşte İyimser GörünümLauren Espin, yapay zekanın üreticilerin vasıflı işgücü kıtlığını gidermelerine ve mühendislik verimliliğini artırmalarına nasıl yardımcı olabileceğini araştırıyor.

Hikayenin merkezinde Eigen Engineering Agent, Siemens'in Seattle'daki AI merkezi tarafından geliştirilmiştir. Eigen, yapay zekayı tesise özel mühendislik verileriyle birleştirerek otomasyon mühendislerinin kod yazmasına ve endüstriyel sistemleri yapılandırmasına yardımcı olabilir ve karmaşık mühendislik görevlerini insan hızının beş katına kadar gerçekleştirir. 19 ülkede 100'den fazla şirkette pilot uygulamalarda, Eigen %50'ye kadar daha fazla mühendislik verimliliği sağlamıştır.

Ancak yapay zekayı endüstriyel ortamlara getirmek, güçlü modellerden daha fazlasını gerektirir. İnsan uzmanlığı, simülasyon ve doğrulama önemli olmaya devam ediyor Yapay zeka tarafından oluşturulan çalışmaların güvenli, güvenilir ve gerçek dünyaya hazır olmasını sağlamak.

Sonuç? Industrial AI'nın mühendisleri değiştirerek değil, yetenekli insanların daha fazlasını yapmasına yardımcı olarak üretimi nasıl yeniden şekillendirebileceğine bir bakış.

Tam Transkript

Ben Lauren Espin ve bu Beşte İyimser Görünüm, geleceği şekillendiren önemli bir gelişme hakkında hızlı bir güncelleme.

ABD, ekonomisini yeniden sanayileştirmek için iddialı bir hedef belirledi. Bu, yeni üretim kapasitesi oluşturmak, mevcut operasyonları modernize etmek ve küresel olarak rekabetçi kalmak anlamına gelir; bunların tümü endüstri sürekli kalifiye işgücü kıtlığıyla karşı karşıya kalıyor.

Industrial AI, bu zorluğun üstesinden gelmek için en önemli araçlardan biri olabilir. Mühendislerin, operatörlerin ve teknisyenlerin daha üretken olmalarına, yeniliği hızlandırmalarına ve giderek karmaşıklaşan sorunları çözmelerine yardımcı olmak için otomasyon, yazılım ve dijital ikizdeki onlarca yıllık ilerlemeye dayanabilir.

Ancak bu fırsatın farkına varmak, güçlü AI modellerinden daha fazlasını gerektirir. Yapay zekayı gerçek dünyada, ölçülebilir verimlilik kazanımları sağlayacak şekilde ölçekte dağıtmamız gerekiyor.

Ve bu bizi çoğumuzun nadiren düşündüğü bir teknoloji parçasına getiriyor - tabii ki, imalatta çalışmadığınız sürece.

PLC veya programlanabilir mantık denetleyicisi. Masanızdaki su şişesini dolduran hattı kontrol etmiş olabilir. Bir diğeri bugün kullandığınız arabanın içinde bir bileşenin üretilmesine yardımcı oldu. Ve bir başkası verandanızda görünen teslimat kutusunu paketlemeye yardımcı olmuş olabilir.

PLC'ler modern endüstride her yerdedir. Siemens bunlardan çoğunu yapıyor. Aslında, dünyadaki makinelerin yaklaşık üçte biri Siemens PLC'leri tarafından kontrol ediliyor.

Ve bu kontrolörlerin her birinin programlanması gerekiyor.

Otomasyon mühendislerinin işi budur. Kontrol kodu yazarlar, sistemleri ve ağları yapılandırırlar, bağlantıları test ederler ve giderek karmaşıklaşan endüstriyel sistemlerin amaçlandığı gibi çalışmasını sağlarlar.

Ve bugün, bu yetenekli mühendisler yetersiz.

Yani, bariz soru: Sahip olduğumuz işgücünün üretkenliğini artırmak için neden yapay zekayı kullanmıyorsunuz?

Yapay zeka bugün fabrikalarda zaten çok çalışıyor. Kameralar üretim hatlarındaki kusurları tespit ediyor. Sistemler motorların ne zaman arızalanmak üzere olduğunu tahmin eder. Diğerleri kritik bir çizgiden daha fazla verim elde etmenin yollarını bulur.

Bu uygulamalar işe yarıyor çünkü belirli bir işi yapmakta gerçekten iyidirler. Bir kamera. Bir üretim hattı. Yapay zekaya yeterince örnek verin ve bu işi son derece iyi yapmayı öğrenir.

Ancak bir denetleyiciyi programlamak tek bir iş değildir.

Bir otomasyon mühendisinden herhangi bir sayıda sorunu çözmesi istenebilir ve doğru cevap belirli tesise (ekipman, konfigürasyon, kablolama, hatta adlandırma kuralları) bağlıdır.

Bu, AI'yı aynı şekilde ölçeklendirmeyi zorlaştırır. Her tesis ve her müşteri için yeni bir model oluşturamaz ve eğitemezsiniz.

Bu arada, genel amaçlı yapay zeka bu sorunun bir kısmını çözer. Günümüzün en güçlü modelleri akıl yürütebilir, yazılım yazabilir ve çok daha geniş bir görev yelpazesinin üstesinden gelebilir. Ama fabrikanızı doğası gereği anlamıyorlar. Bir tesisi tanımlayan mühendislik verileri (ekipmanı, konfigürasyonu ve elektrik sistemleri) o ortama özgüdür ve genellikle özeldir.

Endüstriyel bağlamın önemli olduğu yer burasıdır.

İlk günlerinde mükemmel bir yeni mühendis düşünün. Mühendisliği anlıyorlar ama fabrikanıza hiç ayak basmadılar. Onları okula geri göndermiyorsun. Üzerinde çalıştıkları belirli sistem hakkında doğru bilgilere erişmelerini sağlıyorsunuz ve çok hızlı bir şekilde katkıda bulunuyorlar.

Eigen Engineering Agent'ın arkasındaki fikir bu.

Siemens'in Seattle'daki AI merkezinde geliştirilen Eigen, otomasyon mühendislerinin halihazırda kullandığı mühendislik yazılımı içinde çalışıyor. Elektrik bağlantı şemaları ve diğer ilgili mühendislik verileriyle birlikte bir tesisin nasıl yapılandırıldığını açıklayan proje bilgilerine erişebilir.

Bir mühendis ne istediğini sade bir dille açıklayabilir. Eigen, karmaşık mühendislik görevlerini bağımsız olarak yürütmek için öneriler üretmenin ötesine geçer. Zorluğu anlayabilir ve mühendis tarafından belirlenen performans hedefini sağlayana kadar temel olarak işe koyabilir - kod yazmak veya sistemleri yapılandırmak - başlayabilir.

Ve zaten konuşlandırılıyor.

19 ülkede 100'den fazla şirkette pilot uygulamalarda, Eigen yüzde 50'ye kadar daha fazla mühendislik verimliliği sağladı. Mühendislik görevlerini insan hızının iki ila beş katı kadar yürütebilir.

Yetenekli otomasyon mühendisleri az olduğunda, bu kazanımlar önemlidir.

Industrial AI'nın büyük ölçekte konuşlandırılması için, aynı zamanda güvenilir olması gerekir.

Bu nedenle insan gözetimi ve doğrulaması sürece dahil edilmiştir. Kod, denetleyicinin canlı ekipmana ulaşmadan önce nasıl davranacağını modelleyen simülasyon araçları aracılığıyla test edilebilir ve bir mühendis işi gözden geçirip onaylar.

Bu önemli bir ayrım. Industrial AI, yalnızca güçlü yapay zeka modellerini bir fabrikaya getirmekle ilgili değildir. Bu, yapay zekayı derin endüstriyel bağlam ve mühendislik uzmanlığıyla birleştirmekle ilgilidir, böylece gerçek dünyada güvenli ve güvenilir bir şekilde dağıtılabilir.

Ve Eigen çok daha büyük bir çabanın bir parçası. Siemens, önümüzdeki üç yıl boyunca yapay zeka yeteneklerine ve tekliflerine 1 milyar dolar yatırım yaparak endüstri ve altyapı genelinde teknolojiyi uygulama deneyimine dayanıyor.

Çünkü AI'nın bir sonraki bölümü yalnızca daha güçlü modeller tarafından tanımlanmayacak. Aynı zamanda, gerçek sorunları çözmek ve ölçülebilir değer sağlamak için gereken endüstriyel bağlam ve insan uzmanlığı ile onları gerçek dünyada kullanma yeteneğimizle tanımlanacaktır..

Bu, bir chatbot'un daha akıllı hale gelmesinden daha sessiz bir ilerleme türüdür. Fabrikaların içinde, mühendislerle birlikte çalışarak ve nihayetinde çoğumuzun asla göremeyeceği PLC'lerin içinde gerçekleşir.

Ama sonuçları hepimiz deneyimleyeceğiz.

Ben Lauren Espin ve bu İyimser Görünüm.