Коли штучний інтелект починає працювати - трансформація автоматизації заводу

Підсумок епізоду

Industrial AI рухається з лабораторії на заводський поверх. У цьому епізоді Оптимістичний прогноз в п'ять, Лорен Еспін досліджує, як штучний інтелект може допомогти виробникам вирішити дефіцит кваліфікованої робочої сили та підвищити продуктивність інженерії.

У центрі сюжету знаходиться Eigen Engineering Agent, розроблений AI хабом Siemens в Сіетлі. Поєднуючи штучний інтелект із специфічними для заводу інженерними даними, Eigen може допомогти інженерам автоматизації писати код та налаштовувати промислові системи, виконуючи складні інженерні завдання зі швидкістю до п'яти разів більше людини. Під час пілотних розгортань у більш ніж 100 компаніях у 19 країнах компанія Eigen досягла до 50% більшої ефективності інженерії.

Але впровадження AI в промислове середовище вимагає більше, ніж потужних моделей. Людський досвід, моделювання та перевірка залишаються важливими щоб робота, створена штучним інтелектом, була безпечною, надійною та готовою до реального світу.

Результат? Погляд на те, як Industrial AI може змінити виробництво - не замінюючи інженерів, а допомагаючи кваліфікованим людям зробити більше.

Повна стенограма

Я Лорен Еспін, і це Оптимістичний прогноз у п'яти, швидке оновлення про важливий розвиток, який формує майбутнє.

Сполучені Штати поставили перед собою амбітну мету реіндустріалізувати свою економіку. Це означає нарощування нових виробничих потужностей, модернізацію існуючих операцій та збереження конкурентоспроможності у всьому світі, поки промисловість стикається з постійним дефіцитом кваліфікованої робочої сили.

Industrial AI може стати одним з найважливіших інструментів для вирішення цієї проблеми. Він може спиратися на десятиліття прогресу в автоматизації, програмному забезпеченні та цифровому близнюку, щоб допомогти інженерам, операторам та технікам стати більш продуктивними, прискорити інновації та вирішувати все більш складні проблеми.

Але усвідомлення цієї можливості вимагає більше, ніж потужні моделі штучного інтелекту. Нам потрібно розгорнути штучний інтелект у реальному світі в масштабах, таким чином, щоб забезпечити вимірний приріст продуктивності.

І це підводить нас до технології, про яку більшість з нас рідко думає - якщо, звичайно, ви не працюєте у виробництві.

ПЛК, або програмований логічний контролер. Можливо, хтось контролював лінію, яка наповнила пляшку води на вашому столі. Інший допоміг виготовити компонент всередині автомобіля, на якому ви їздили сьогодні. І інший, можливо, допоміг упакувати коробку доставки, яка з'явилася на вашому ганку.

ПЛК є скрізь в сучасній промисловості. «Сіменс» виготовляє їх чимало. Фактично, близько третини машин у світі управляються ПЛК «Сіменс».

І кожен з цих контролерів повинен бути запрограмований.

Це завдання інженерів автоматизації. Вони пишуть код управління, налаштовують системи та мережі, тестують з'єднання та забезпечують роботу все більш складних промислових систем за призначенням.

І сьогодні цих кваліфікованих інженерів не вистачає.

Отже, очевидне питання: чому б не використовувати AI для підвищення продуктивності робочої сили, яку ми маємо?

AI вже сьогодні наполегливо працює на заводах. Камери виявляють дефекти на виробничих лініях. Системи передбачають, коли двигуни ось-ось вийдуть з ладу. Інші знаходять способи вичавити більше пропускної здатності з критичної лінії.

Ці програми працюють, тому що вони дійсно добре виконують певну роботу. Одна камера. Одна виробнича лінія. Наведіть AI достатньо прикладів, і він навчиться виконувати цю роботу надзвичайно добре.

Але програмування контролера - це не одна робота.

Інженера з автоматизації можуть попросити вирішити будь-яку кількість проблем, і правильна відповідь залежить від конкретного заводу - обладнання, конфігурації, проводки, навіть умовностей іменування.

Це ускладнює масштабування AI таким же чином. Ви не можете побудувати та навчити нову модель для кожного заводу та кожного клієнта.

Тим часом штучний інтелект загального призначення вирішує частину цієї проблеми. Сьогодні найпотужніші моделі можуть міркувати, писати програмне забезпечення та вирішувати набагато ширший спектр завдань. Але вони за своєю суттю не розуміють вашу фабрику. Інженерні дані, які описують завод - його обладнання, конфігурацію та електричні системи - є специфічними для цього середовища і часто приватними.

Саме тут має значення промисловий контекст.

Подумайте про геніального нового інженера в перший день. Вони розуміють інженерію, але ніколи не ступили на ваш завод. Ви не відправляєте їх назад до школи. Ви надаєте їм доступ до правильної інформації про конкретну систему, над якою вони працюють, і дуже швидко вони роблять свій внесок.

Це ідея Eigen Engineering Agent.

Розроблений в центрі штучного інтелекту Siemens в Сіетлі, Eigen працює в інженерному програмному забезпеченні, яке вже використовують інженери автоматизації. Він може отримати доступ до інформації про проект, яка описує, як налаштована установка, разом із схемами електричної проводки та іншими відповідними інженерними даними.

Інженер може описати те, що він хоче простою мовою. Eigen виходить за рамки генерування пропозицій до автономного виконання складних інженерних завдань. Він може зрозуміти виклик і в основному працювати - написати код або налаштовувати системи - поки не досягне мети продуктивності, встановленої інженером.

І він вже розгортається.

Під час пілотних розгортань у більш ніж 100 компаніях у 19 країнах компанія Eigen забезпечила до 50 відсотків більшу ефективність інженерної роботи. Він може виконувати інженерні завдання з двох-п'ятьою швидкістю людини.

Коли кваліфікованих інженерів автоматизації мало, ці вигоди мають значення.

Щоб Industrial AI був широко розгорнутий, йому також потрібно довіряти.

Ось чому людський нагляд та перевірка вбудовані в процес. Код можна перевірити за допомогою інструментів моделювання, які моделюють поведінку контролера до того, як він досягне живого обладнання, а інженер переглядає та схвалює роботу.

Це важлива відмінність. Industrial AI — це не просто впровадження потужних моделей штучного інтелекту на завод. Йдеться про поєднання штучного інтелекту з глибоким промисловим контекстом та інженерним досвідом, щоб його можна було безпечно та надійно розгорнути в реальному світі.

І Ейген - це частина набагато більших зусиль. Протягом наступних трьох років Siemens інвестує 1 мільярд доларів у можливості та пропозиції штучного інтелекту, спираючись на десятиліття досвіду застосування технологій у промисловості та інфраструктурі.

Тому що наступна глава штучного інтелекту визначатиметься не лише більш потужними моделями. Це також визначатиметься нашою здатністю розгортати їх у реальному світі - з промисловим контекстом та людським досвідом, необхідними для вирішення реальних проблем та надання вимірної цінності.

Це більш тихий прогрес, ніж чат-бот, який стає розумнішим. Це відбувається всередині фабрик, працюючи разом з інженерами і, зрештою, всередині тих ПЛК, які більшість з нас ніколи не побачить.

Але всі ми відчуємо результати.

Я Лорен Еспін, і це Оптимістичний прогноз.