Dokonca aj v oblasti generatívnej AI existujú obrovské rozdiely: jedna je generatívna AI vyškolená v konkrétnych súboroch údajov, ktoré sú špecifické pre konkrétne výrobné zariadenia a ich zariadenia a softvérové systémy; Druhou je generatívna AI, ktorá je kŕmená údajmi o širokej škále tém z rôznych zdrojov - z ktorých mnohé nemusia byť dostatočne spoľahlivé na začiatok.
Aby sme pomohli objasniť tento problém, pozrime sa na aplikácie AI v analýze údajov a generatívnej AI pri výrobných výrobných operáciách a ako interagujú s technológiami priemyselnej automatizácie.
Rozdiel medzi AI pre analýzu údajov a generatívna AI
Začnime s AI pre analýzu údajov. Aj keď je to relatívne nový doplnok do oblasti automatizačnej technológie, používa sa už niekoľko rokov, s aplikáciami od výrobnej analýzy po prediktívnu údržbu. Vo svojom najzákladnejšom, vo výrobnom prostredí, AI Data Analytics AI v podstate spracováva vstupné vstupy zo zariadení pre rastliny a softvérové systémy spoločnosti a aplikuje algoritmy na preosievanie cez IT, aby zvýraznili trendy a anomálie a poskytovali informácie o obchodných možnostiach založených na korelácii údajov zozbieraných týmito systémami.
Generatívna AI môže vygenerovať pôvodný obsah - vrátane textu, obrázkov, videa, zvukového alebo softvérového kódu - na základe používateľských výziev alebo požiadaviek. Pretože generatívna AI môže dostávať veľké množstvo údajov z toľkých rôznych zdrojov, vidíme problémy, ako napríklad „halucinácie“, ktoré musia ľudia úplne preveriť skôr, ako sa výsledky uvedú do praxe. Upozorňujeme však, že ide o všeobecnú generatívnu AI.
V kontrolovanejšom prostredí budú výsledky spoľahlivejšie, ak údaje, ktoré sa privádzajú do generatívneho systému AI, poskytuje dôveryhodný zdroj a zameriava sa na vybavenie a systémy konkrétnej spoločnosti alebo skupiny partnerských spoločností.
Z tohto dôvodu vidíte mnoho spoločností v oblasti automatizácie, ktoré implementujú generatívne technológie AI na vývoj systémov, ktoré sa bežne označujú ako „copilot“. Tieto systémy sú vyškolené na relatívne uzavretých súboroch údajov, ktoré sú špecifické pre aplikačný scenár používateľa a technológie spojené s ním, a nie škrabať rôzne zdroje z internetu.
Ako môžu predajcovia automatizačnej technológie implementovať generatívnu AI
Rovnako ako AI pre analýzu údajov sa v posledných rokoch stala všadeprítomným vo všetkých typoch výrobných systémov, využívanie generatívnej AI vo výrobných operáciách a aplikáciách dizajnu sa dnes rýchlo zvyšuje. Podporovať priemyselnú kybernetickú bezpečnosť a riadiť integráciu generatívnej AI do operácií podlahy v obchode.
Interakcia medzi statickými a dynamickými strojovými údajmi poskytne používateľom platformy novú úroveň kontroly nad prevádzkovými procesmi. „Nová úroveň kontroly“ znamená, že používatelia budú môcť interagovať s technológiou Copilot vo svojom vlastnom jazyku a dostávať podrobné pokyny a odporúčania na základe ich požiadaviek. ServiceNow hovorí, že jeho schopnosť automatizovať pracovné toky - od plánovania údržby po riešenie problémov v reálnom čase - pomáha zabezpečiť, aby poznatky poháňané AI poskytované spoločnosťou Copilot prekladali do hmatateľných a účinných akcií, ktoré zvyšujú produktivitu a minimalizujú prestoje.
Generatívny dizajn už dlho používajú výrobcovia automatizácie na navrhovanie svojich výrobkov a s integráciou generatívnej AI generatívny dizajn prechádza hlavným vývojom. Generatívna AI prináša generatívny dizajn nový rozmer, mení spôsob, akým inžinieri a výrobcovia vymýšľajú, vytvárajú a optimalizujú technológie automatizácie zavedením schopností „človeka-v rámci“.
Je dôležité rozlišovať medzi existujúcimi generatívnymi dizajnovými schopnosťami pomocou tradičnej AI a vznikajúcim trendom integrovanej generatívnej AI. Na rozdiel od tradičných generatívnych metód navrhovania, ktoré sa spoliehajú výlučne na algoritmy AI, pridanie generatívnej AI zavádza interaktívnejší a iteratívnejší prístup, v ktorom môžu inžinieri poskytnúť spätnú väzbu, aby usmerňovali systémy AI k optimalizovanejším riešeniam. To im umožňuje preskúmať široký návrhový priestor a generovať veľké množstvo potenciálnych návrhov založených na určených parametroch, obmedzeniach a výkonnostných cieľoch. Tento prístup je obzvlášť vhodný pre automatizované systémy, kde je často potrebné vyvážiť viac premenných a konkurenčných cieľov.
Aplikácia generatívnej generatívnej dizajnu poháňanej AI na automatizované systémy môže zvýšiť rýchlosť, pri ktorej sa generujú a vyhodnotia viacnásobné alternatívy návrhu. V priebehu niekoľkých hodín alebo dní Tony hovorí, že systém môže generovať stovky alebo dokonca tisíce možností návrhu, z ktorých každá je optimalizovaná pre daný parameter.
Ďalšia citovaná aplikácia sa týka zosúladenia technológií s priemyselnými normami a osvedčenými postupmi. Generatívna AI sa dá použiť na overenie, či systém spĺňa normy kybernetickej bezpečnosti zdôraznením oblastí, v ktorých sa systém odchyľuje od zavedených noriem a pomáha inžinierom udržiavať konzistentnosť a kvalitu naprieč projektmi. Táto technológia sa tiež používa na štandardizáciu postupov inžinierskych tímov, najmä v situáciách, keď inžinieri s rôznymi úrovňami skúseností musia dodržiavať rovnaké konštrukčné normy a používať konzistentné knižnice. Táto konzistentnosť je veľmi cenná pri kopírovaní systémov na rôznych lokalitách alebo prostrediach, pretože generatívna AI môže navrhnúť vhodné úpravy pri zachovaní celkovej integrity dizajnu.
Majte otvorenú myseľ na priemyselné generatívne aplikácie AI
Problém s generatívnymi generatívnymi nástrojmi AI, ktoré dostávajú najväčšiu pozornosť médií, je v tom, že odmietajú nové aplikácie AI, ktoré sa objavujú v automatizačných technológiách. Priemyselné generatívne nástroje AI od dodávateľov automatizácie sa zameriavajú na konkrétne súbory údajov a zdroje údajov, aby sa zabezpečila presnosť výsledkov.
Aby ste udržali svoju myseľ otvorenú pre priemyselnú generatívnu AI, zvážte tento prípad: pred 20 rokmi mnohí výrobní inžinieri nepovažovali Ethernet za efektívnu voľbu pre vytváranie sietí v továrni.
Ďalší rozvoj generatívnej technológie AI je dôležitý pre výrobný priemysel, aby sa zamerali na získanie znalostí svojho profesionálneho inžinierstva, prevádzkových a údržbárskych pracovníkov s cieľom usmerniť ďalšiu generáciu pracovníkov v priemysle. Očakáva sa, že tieto výrobné generatívne nástroje AI budú technológie, ktoré uľahčujú dosiahnutie tohto cieľa.