I v oblasti generativní AI existují obrovské rozdíly: jeden je generativní AI vyškolený na konkrétní datové soubory, které jsou specifické pro konkrétní výrobní zařízení a jejich vybavení a softwarové systémy; Druhým je generativní AI, která je krmena údaji o široké škále témat z různých zdrojů - z nichž mnohé nemusí být dostatečně spolehlivé, aby začaly.
Abychom pomohli objasnit tento problém, podívejme se na aplikace AI v analýze dat a generativní AI ve výrobních výrobních operacích a na to, jak interagují s technologiemi průmyslové automatizace.
Rozdíl mezi AI pro analýzu dat a generativní AI
Začněme s AI pro analýzu dat. I když se jedná o relativně nový přírůstek do oblasti technologie automatizace, používá se již několik let, přičemž aplikace se pohybují od analýzy výroby po prediktivní údržbu. Ve svém nejzákladnějším, ve výrobním prostředí, ANAYTIKA DATA ANALYTICS AI v podstatě zpracovává vstup dat z rostlinných zařízení a softwarových systémů společnosti a aplikuje algoritmy k procházení, aby se zvýraznil trendy a anomálie a poskytoval informace o obchodních možnostech na základě korelace údajů shromážděných těmito různými systémy.
Generativní AI může generovat originální obsah - včetně textu, obrázků, videa, zvuku nebo softwarového kódu - založené na uživatelských výzvách nebo požadavcích. Protože generativní AI může přijímat velké množství dat z tolika různých zdrojů, vidíme problémy, jako jsou „halucinace“, které musí lidé plně prověřit, než budou výsledky uvedeny do praxe. Všimněte si však, že se jedná o generativní generativní AI.
V rámci kontrolovanějšího prostředí budou výsledky spolehlivější, pokud jsou údaje přiváděné do generativního systému AI poskytovány důvěryhodným zdrojem a jsou zaměřeny na zařízení a systémy konkrétní společnosti nebo skupiny partnerských společností.
Proto vidíte mnoho společností pro automatizaci technologií implementující generativní technologie AI pro vývoj systémů běžně označovaných jako „copilot“. Tyto systémy jsou vyškoleny na relativně uzavřených datových souborech, které jsou specifické pro scénář aplikace uživatele a technologie s ním spojené, spíše než škrábání různých zdrojů z internetu.
Jak mohou dodavatelé automatizace implementovat generativní AI
Stejně jako AI pro analýzu dat se v posledních několika letech stala všudypřítomnou ve všech typech výrobních systémů, používání generativní AI ve výrobních operacích a designových aplikacích se dnes rychle zvyšuje. Podporovat průmyslovou kybernetickou bezpečnost a vést integraci generativní AI do provozu v obchodě.
Interakce mezi daty statických a dynamických strojů poskytne uživatelům platformy novou úroveň kontroly nad operačními procesy. „Nová úroveň kontroly“ znamená, že uživatelé budou schopni komunikovat s technologií Copilot ve svém vlastním jazyce a přijímat podrobné pokyny a doporučení na základě jejich požadavků. ServiceNow říká, že jeho schopnost automatizovat pracovní postupy - od plánování údržby až po řešení problémů v reálném čase - pomáhá zajistit, aby se poznatky poháněné AI poskytovaly Copilot přeloženy do hmatatelných a efektivních akcí, které zvyšují produktivitu a minimalizují prostoje.
Generativní design výrobci automatizací již dlouho používají k navrhování svých produktů a při integraci generativní AI prochází generativní design hlavním vývojem. Generativní AI přináší novou dimenzi do generativního designu, změnu způsobu, jakým inženýři a výrobci představují, vytvářejí a optimalizují automatizační technologie zavedením schopností „člověka-in-the-the-the-the-the-the-the-the-the-the-the-the-the-the-the-the-the-the-loop“.
Je důležité rozlišovat mezi existujícími generativními konstrukčními schopnostmi pomocí tradičního AI a vznikajícím trendem integrované generativní AI. Na rozdíl od tradičních generativních designových metod, které se spoléhají pouze na algoritmy AI, přidání generativní AI představuje interaktivní a iterativní přístup, kde inženýři mohou poskytnout zpětnou vazbu, aby systémy AI provedli optimalizované řešení. To jim umožňuje prozkoumat široký designový prostor a generovat velké množství potenciálních návrhů založených na určených parametrech, omezeních a výkonnostních cílech. Tento přístup je zvláště vhodný pro automatizované systémy, kde je často potřeba vyvážit více proměnných a konkurenčních cílů.
Použití generativního generativního designu řízeného AI na automatizované systémy může zvýšit rychlost, při které je generováno a vyhodnoceno více alternativ designu. Během několika hodin nebo dnů, říká Tony, může systém generovat stovky nebo dokonce tisíce možností návrhu, z nichž každý je optimalizován pro daný parametr.
Další citovaná aplikace se týká sladění technologie s průmyslovými standardy a osvědčenými postupy. Generativní AI lze použít k ověření, že systém splňuje standardy kybernetické bezpečnosti zvýrazněním oblastí, kde se systém odchyluje od zavedených norem a pomáhá inženýrům udržovat konzistenci a kvalitu napříč projekty. Tato technologie se také používá ke standardizaci postupů inženýrských týmů, zejména v situacích, kdy inženýři s různými úrovními zkušeností musí dodržovat stejné konstrukční standardy a používat konzistentní knihovny. Tato konzistence je velmi cenná při kopírování systémů na různých místech nebo prostředích, protože generativní AI může navrhnout vhodné úpravy při zachování celkové integrity designu.
Mějte otevřenou mysl o průmyslových generativních aplikacích AI
Problém s generativními nástroji AI obecně, které získávají nejvíce mediální pozornosti, spočívá v tom, že odmítá nové aplikace AI, které se objevují v automatizačních technologiích. Průmyslové generativní nástroje AI od dodavatelů automatizace se zaměřují na konkrétní soubory dat a zdroje dat, aby byla zajištěna přesnost výsledků.
Aby byla vaše mysl otevřená průmyslové generativní AI, zvažte tento případ: Asi před 20 lety mnoho výrobních inženýrů nepovažovalo Ethernet za účinnou volbu pro síťové sítě v továrně.
Další rozvoj generativní technologie AI je důležitý pro to, aby se zpracovatelský průmysl zaměřil na získání znalostí svého profesionálního inženýrství, provozních a údržbářských zaměstnanců, aby vedl další generaci průmyslových pracovníků. Očekává se, že tyto generační nástroje zaměřené na výrobu budou technologie, které usnadňují dosažení tohoto cíle.