當人工智能開始工作時-改變工廠自動化

集合摘要

Industrial AI 正在從實驗室轉移到工廠樓層。 在這一集中 五年度樂觀的前景Lauren Espin 探索人工智能如何幫助製造商解決技術勞動力短缺並提高工程生產力。

故事的中心是 Eigen Engineering Agent，由西門子在西雅圖的 AI 中心開發。透過將 AI 與工廠特定工程資料結合，Eigen 可協助自動化工程師編寫程式碼和設定工業系統，以人工速度高達五倍執行複雜的工程任務。在 19 個國家/地區的 100 多家公司進行試驗部署，Eigen 提高了高達 50% 的工程效率。

但是，將 AI 引入工業環境中需要不僅僅是強大的模型。 人類專業知識、模擬和驗證仍然至關重要 確保 AI 生成的工作安全、可靠，並準備好迎接現實世界。

結果？一覽 Industrial AI 如何重塑製造業，不是通過替代工程師，而是通過幫助技術人員做更多。

完整成績單

我是勞倫·埃斯賓，這是 五年的樂觀前景，快速更新關於塑造未來的重要發展。

美國設立了一個雄心勃勃的目標，重新工業化其經濟。這意味著建立新的製造能力、現代化現有營運並保持全球競爭力，同時產業面臨持續短缺技術勞動力。

Industrial AI 可能是應對這種挑戰的最重要工具之一。它可以基於數十年的自動化、軟體和數位雙胞胎的進步，幫助工程師、操作員和技術人員提高生產力、加速創新並解決越來越複雜的問題。

但意識到這種機會不僅需要強大的 AI 模型。我們需要大規模地在現實世界中部署 AI，以提供可衡量的生產力提高的方式。

而這將我們帶到一個我們大多數人很少想到的技術，除非當然，除非您從事製造業工作。

PLC 或可編程邏輯控制器。人們可能控制了填滿桌子上水瓶的線路。另一個幫助您今天駕駛的汽車內製造零件。另一個可能幫助打包出現在門廊上的送貨盒。

PLC 在現代工業中無處不在。西門子製造很多。事實上，世界上大約三分之一的機器由西門子 PLC 控制。

這些控制器中的每一個都需要進行編程。

這就是自動化工程師的工作。他們編寫控制程式碼、設定系統和網路、測試連線，並確保越來越複雜的工業系統按照預期運作。

而今天，那些熟練的工程師的供應不足。

所以，明顯的問題：為什麼不使用 AI 來增強我們擁有的勞動力的生產力？

人工智能已經在工廠中正在努力工作。相機發現生產線上的缺陷。系統預測馬達何時即將故障。其他人會找到方法從關鍵生產線中擠出更多輸送量。

這些應用程序有效，因為它們非常擅長執行特定工作。一個相機。一條生產線。給 AI 足夠的例子，它會學會非常好地完成這項工作。

但是編程控制器並不是一項工作。

自動化工程師可能會被要求解決任何數量的問題，而正確的答案取決於特定工廠-設備、配置、佈線，甚至命名慣例。

這使得以相同的方式擴展 AI 很難。您無法為每個工廠和每個客戶構建和訓練一個新模型。

同時，通用的 AI 解決了一部分問題。當今最強大的模型可以推理，編寫軟件並處理更廣泛的任務。但他們本質上並不了解您的工廠。描述工廠（包括其設備、配置和電氣系統）的工程資料是特定於該環境的工程資料，通常是私有的。

這就是工業環境重要的地方。

想想在他們的第一天的一個傑出的新工程師。他們了解工程，但他們從來沒有踏足您的工廠。你不能把他們送回學校您可以讓他們存取有關他們正在工作的特定系統的正確信息，並且非常迅速地進行貢獻。

這就是 Eigen 工程代理背後的想法。

Eigen 在西門子在西雅圖的 AI 中心開發，在工程師自動化工程師已經使用的工程軟件中心中工作。它可以存取描述工廠如何配置的專案資訊，以及電氣接線圖和其他相關工程資料。

工程師可以用簡單的語言描述他們想要的東西。Eigen 不僅是產生建議，而是自主執行複雜的工程任務。它可以理解挑戰，並基本上開始工作 — 編寫程式碼或配置系統 — 直到達到工程師設定的效能目標為止。

而且它已經在部署中。

在 19 個國家/地區的 100 多家公司進行試驗部署，Eigen 提高了高達 50% 的工程效率。它可以以人類速度的兩到五倍執行工程任務。

當熟練的自動化工程師缺乏時，這些收益很重要。

若要大規模部署 Industrial AI，它也必須受到信任。

這就是為什麼人類監督和驗證都包含在過程中的原因。程式碼可透過模擬工具進行測試，這些工具可建模控制器在到達實時設備之前的行為，並且工程師會審查並核准該工作。

這是一個重要的區別。Industrial AI 不僅僅僅是將強大的 AI 模型帶入工廠。它是將 AI 與深厚的工業環境和工程專業知識結合，以便在現實世界中安全可靠地部署。

而 Eigen 是更大的努力的一部分。在未來三年，西門子將在 AI 功能和產品上投資 10 億美元，以數十年應用技術在產業和基礎設施中的經驗。

因為 AI 的下一章不僅僅由更強大的模型定義。它還將由我們在現實世界部署它們的能力來定義，並具有解決真實問題並提供可衡量價值所需的工業環境和人力專業知識。

這比聊天機器人變得更聰明的進度更安靜。它發生在工廠內，與工程師一起工作，最終在我們大多數人永遠不會看到的 PLC 內部。

但我們都會體驗結果。

我是勞倫·埃斯賓，這是 樂觀的前景。