Þetta þýðir að undir AI bylgjunni stendur framleiðsluiðnaðurinn frammi fyrir djúpstæðum uppbyggingaráskorunum og umbreytingarþrýstingi, sem stendur við þröskuldinn „endurskilgreining“ .
Annars vegar er alþjóðlega iðnaðarkeðjan að flýta fyrir uppbyggingu sinni, það er uppbyggingarskortur á vinnuafli og tvöfaldur þrýstingur gæða og skilvirkni er sífellt að koma fram . hins vegar er gervigreind að komast í alla tengingu frá rannsóknum og þróun, framleiðsla til framboðs keðju á ósannfærðu hraða, verður ný breytan sem knýr hágæða þróun á framleiðslu.}}}
Með hliðsjón af þessu er framleiðsla ekki lengur fylgjandi AI forritum heldur aðal vígvöllur og vél fyrir framkvæmd þeirra .
Samt sem áður er valdefling framleiðslu með gervigreind ekki eingöngu að því að auka skilvirkni og draga úr kostnaði . það hefur djúpstæðari áhrif á rökrétt uppbyggingu, skipulagsaðferðir og stjórnunargetu framleiðslukerfa, að stuðla að þróun framleiðsluiðnaðar frá mönnum til að vera ekið til gagnaaksturs, frá sjálfstætt til greindar og frá mannstýrð samstarf .
Þess vegna er innfelling AI tækni að hefja „endurskilgreiningu“ framleiðsluiðnaðarins .
Þessi grein mun einbeita sér að samþættingarþróun „gervigreindar + framleiðslu“ og brjóta niður hana frá mörgum víddum, svo sem útfærslustígum, dæmigerðum forritum, lykiláskorunum og skipulagsgetu . Það mun kanna hvernig AI er hægt að fella inn í framleiðslukerfið Lag með laginu frá skynjun, stjórna, reka, til að ákvarða, þar með stuðla að því að framleiða Enterprises til að hreyfa sig til að hreyfa sig til að hreyfa sig til að hreyfa sig, aðgerða, þar með stuðla að því hærri gæði og seigari framtíð .
Útfærslustígur „gervigreind + framleiðslu“: fimm endurtekningar frá skynjun til ákvarðanatöku
Með framgangi djúps samþættingar „gervigreindar + framleiðslu“ er undirliggjandi arkitektúr framleiðslukerfa gangast undir rólega en djúpstæð uppbyggingu .
Hefðbundna framleiðslukerfið hefur löngum tekið upp sérstaka stigveldisarkitektúr „skynjunar - stjórn - framkvæmd - Aðgerð - ákvarðanataka“: Skynjarar safna gögnum og hlaða þeim upp í stjórnkerfið, leiðbeiningar knýja fram framkvæmdareininguna, sjálfvirkni kerfið framkvæmir ferli og ákvarðanatökuáætlanir og aðlagar út frá reglubundinni gagnagreiningu.} og ákvarðanatökuáætlanir og aðlagar út frá reglubundinni gagnagreiningu.} og ákvarðanatökuáætlanir og aðlagar út frá reglubundinni gagnagreiningu. og ákvarðanatökuáætlanir og aðlagar út frá reglubundinni gagnagreiningu. og ákvarðanatökuáætlanir og aðlagar út frá reglubundinni gagnagreiningu. og ákvarðanatökuáætlunum og aðlagar út frá reglubundinni gagnagreiningu. og aðlagast og aðlagar út frá reglubundinni gagnagreiningu {6}.
Þessi topp-niður, miðstýrt línuleg arkitektúr studdi einu sinni stórfellda og staðlaða iðnaðarframleiðslu . Hins vegar, í sífellt flóknari, kraftmiklu og breytanlegu framleiðsluumhverfi nú á dögum hafa takmarkanir þess orðið sífellt áberandi .
Í dag er framleiðsluiðnaðurinn að komast áfram frá stigveldisarkitektúr yfir í uppbyggingu kerfisins sem er byggð, samþætt og dreifð . skynjun, stjórnun, framkvæmd, rekstur og ákvarðanataka eru ekki lengur aðskild kerfi heldur starfa í samhæfingu, hafa samskipti í rauntíma og mynda greindan lokaðan loop á UNIDIFIED tæknilegum vettvangi .
Í þessum arkitektúr er getu gervigreind ekki lengur einfaldlega sett inn í ákveðinn hlekk, heldur djúpt innbyggð í taugamiðstöð alls framleiðslukerfisins og þjónar sem stuðningur við kerfis leyniþjónustu .
Þessi hugmyndafræði vakt teiknar einnig út fimm endurteknar leiðir til notkunar AI við framleiðslu:
Skynjun endurtekning: frá „að geta séð“ til „að geta skilið“
Fyrsta skrefið í framleiðslu hefst með skynjun . með þróun AI myndbandsgreiningar, greindur skynjara og iðnaðar Internet hlutanna, „augu“ framleiðslusíðurnar hafa orðið bráðari og innsæi .
AI-virkt myndbandagreiningarkerfið getur sjálfkrafa greint framleiðsluafbrigði, gefið út viðvörun um bilanir og breytt stöðu atriða, sem samanstendur af takmörkunum hefðbundinna reglubundinna reiknirita . við lok gagnaöflunar, skynjarar safna ekki aðeins gögnum heldur einnig framseldu greiningu og útrýmingu og kveikja í gegnum Edge, sem er til staðar fyrir síðari stjórn og framkvæmd .} Skynjunarlag markar upphafspunktinn fyrir alhliða samþættingu AI í framleiðslukerfi .
2. Stjórna endurtekningu: Frá „Reglaeftirliti“ til „greindur kynslóð“
Vitsmunir stjórnkerfa er að endurskrifa rökfræði iðnaðarstýringar . Ný kynslóð iðnaðarstýringarkerfa sem táknað er með hugbúnaðarskilgreindri sjálfvirkni (SDA) hefur brotið lokaða uppbyggingu þar sem vélbúnaður og forritun eru bundin í hefðbundnum stjórnkerfi og smíðuðu opinn, mát og endurstillanlegan stjórnunarvettvang.} sem er opinn, mát og endurstillanlegur stjórnvettvangur.}.
Á þessum grundvelli hefur kynning á AI Assistant Tools gert PLC forritun ekki lengur verkefni sem verkfræðingar geta klárað einir . með því að lýsa stjórnunarmarkmiðum með náttúrulegu máli, AI getur sjálfkrafa búið til stjórnunarrökfræði, flæðirit, merkingartækni og jafnvel framkvæmt kembiforrit og sannprófun, þar með til að ná fram afni og með því að stjórna COPACHING, þar með til að endurskoða, þar með umbætur, þar með tilfærslu á þróuninni og umgengni Humanats, þar með umgengni, þar með umgengni, þar af leiðandi, þar með tiltöluhæft, þar af leiðandi. Systems .
3. Framkvæmd endurtekning: Frá „Automation“ til „Intelligent Synergy“
Breytingar eiga einnig sér stað á framleiðslustigi framleiðslu . djúp samþætting AI og iðnaðar vélmenni stuðlar að myndun „iðnaðar greindur eininga“ með getu skynjunar, dóms og framkvæmdar .
Vélmenni sem ekið er af AI geta ekki aðeins framkvæmt endurteknar aðgerðir, heldur einnig náð aðlögunaráætlun, rauntíma sjónrænni viðurkenningu og fjölvirkni samvinnuáætlun . Í gegnum stafræna tvíbura og uppgerðarvettvang, geta vélmenni klárað þjálfun og sannprófun í sýndarumhverfi áður en þeir voru dreifðir, sem voru ekki til staðar, sem voru ekki til staðar, til að framkvæma, til að framkvæma, til að framkvæma, til að framkvæma, „hendur“ og fætur og fótum og fótum. en greindir framkvæmdastjórar með dómsmöguleika .
4. Rekstrartími: frá „Record Managem
Framleiðsluferli stjórnunarkerfisins hefur einnig verið endurskipulagt ítarlega vegna innleiðingar AI . Gervigreind er að flýta fyrir samþættingu þess í kjarnaframleiðslupöllum eins og MES og búnaðarstjórnunarkerfi og verður greindur vél til að framleiða hagræðingu .}
AI getur mótað rekstrargögn búnaðar, greint mögulega galla fyrirfram og náð forspárviðhaldi . Fínstilltu árangur OEE með rauntíma gagnagreiningu; Í gæðastjórnun er AI notað til að bera kennsl á gallamynstur og rótarástæður og auka þannig samkvæmni og samræmi vöru . Framleiðsluferli stjórnun er færð frá viðbragðseftirliti yfir í fyrirsjáanlegan rekstur, að ná ferlinu, gagnastýrðri greindri hagræðingu .}}}}
5. Ákvörðun endurtekning: Frá „Periodic Lag Analysis“ yfir í „Rauntíma greindur ákvarðanataka“
Ákvarðanataka framleiðslufyrirtækja er einnig í greindri umbreytingu . AI mun smám saman öðlast getu til að aðstoða við hátækni ákvarðanatöku eins og framleiðsluskipulag, birgðasýningar og gæða spá .
Með hjálp AI módela geta fyrirtæki framkvæmt atburðarás eftirlíkingar til að meta fljótt auðlindastarf og afhendingarmöguleika mismunandi áætlunar um framleiðsluáætlanir . með því Skilvirkni . Framleiðsluákvarðanir hafa færst frá því að batra viðbrögð yfir í framsýna innsýn og verða lykilstuðningur fyrir lipurð og seiglu fyrirtækisins .
Meðan á þessum fimm stökkum höfum við orðið vitni að því að gervigreind er ekki lengur utanaðkomandi tæki heldur greindur þáttur innan framleiðslukerfisins . það gengur þvert á hefðbundin mörk, samþættir í hvert stig og hvert hnút og stuðlar að framleiðslukerfinu frá hierarchic control til greindur samvinnu og frá staðbundinni hagræðingu til kerfis leyniþjónustunnar .
Þessi kerfisbundna uppbygging er einmitt kjarninn í „gervigreind + framleiðslu“ .
Hvaða kerfisgetu er þörf fyrir framleiðslustofnanir á „gervigreindinni +“ tímum?
Á núverandi tímum örra þróunar gervigreindar er spurning sem ítrekað hefur verið fjallað um: Mun AI koma í stað manna? Í framleiðsluiðnaðinum er þetta mál sérstaklega viðkvæmt .
Í fortíðinni virtist hvert stökk fram í sjálfvirkni fylgja þróuninni á „vélum sem koma í stað manna“ . Hins vegar er gervigreind nútímans, sérstaklega umsóknarleiðin í framleiðslu atburðarás, að gefa okkur ákveðið svar: AI er ekki hannað til að fækka fólki, heldur til að auka þá .} ekki hannað til
Greind framleiðsla krefst fleiri, ekki færri .
Þetta þýðir að víðtæk notkun AI hefur ekki leitt til bylgju uppsagna; Í staðinn hefur það gefið tilefni til mikillar eftirspurnar eftir nýrri færni og fjölhæfum hæfileikum .
Í fortíðinni var AI litið á sem tæki: notað til að aðstoða við uppgötvun, gagnagreiningu og skýrslugerð . Nú á dögum, með skarpskyggni AI líkana í forspárviðhaldi, gæðaeftirliti, framleiðsluskipulagi og öðrum tenglum, eru þeir smám saman að þróast frá aðstoðardómara til að taka þátt í ákvarðanatöku.}
Þessi þróun hefur ekki aðeins breytt hlutverki tækninnar heldur einnig að móta skipulagið .}}}}}}}}}}}}}}}}} AI aðstoð "yfir í tvíhliða samvinnulíkan af" manna-vélum með ákvörðuninni ". AI er ekki lengri tíma í að halda, sem er að ræða, sem er að ræða, sem er að ræða, sem er að ræða, sem er að ræða, sem er að ræða, og aftur. kveikja á ferli reengineering .
Þetta þýðir líka að kröfur fyrirtækja vegna hæfileika eru að fara í eigindlega breytingu: þeir þurfa ekki aðeins verkfræðinga sem skilja AI, heldur einnig AI hæfileika sem skilja framleiðslu . AI almennir með landamæri, mun kerfishugsun og viðskiptaskilningur verða lykillinn fyrir greindar umbreytingu stofnunarinnar.}}}}}}}}}}}}}
Ef AI er „heili“ greindur framleiðslu, þá er skipulagshæfni afgerandi þáttur fyrir því hvort þessi „líkami“ er sveigjanlegur, sterkur og sjálfbær . sem kemur inn í AI ERA, að framleiða fyrirtæki þurfa ekki aðeins að kynna reiknirit og einnig að byggja upp kerfisbundna hæfileika sem styður útfærslu, vöxt og stækkun Ai {{}
Strategic getu: AI er ekki eingöngu „IT verkefni“, heldur „venjuleg aðgerð“ .
Þegar mörg fyrirtæki stuðla að „gervigreind + framleiðslu“ líta þau á það sem einhliða upplýsingauppfærslu og láta það eftir upplýsingatæknideildinni að taka forystuna . Þessi aðferð leiðir oft til þess að AI verkefni byrja hátt en endar lágt, með árangursríkum tilraunaverkefnum og mistókst afritun .
Sönn umbreyting í greindri framleiðslu krefst þess að varðandi AI sem kjarna stefnumótandi auðlindarinnar sem knýr breytingu á rekstrarlíkönum . AI ætti ekki að vera til óháð rekstri en ætti að vera djúpt samþætt í kjarnaferla eins og framleiðslu, gæðaeftirlit, framboðs keðju og orkustjórnun . Líkanið „Business Stration Drive ".
2. hæfileikargeta: Byggja upp samsett echelon "AI verkfræðinga + viðskiptasérfræðingar"
Hagræðing á hæfileikauppbyggingu er forsenda þess að framkvæmd Ai .} annars vegar þurfa fyrirtæki verkfræðinga með AI reiknirit getu og gagnamódel, sem geta skilið uppbyggingu, einkenni og hávaða af framleiðslu gagna . á hinni höndunum er það jafnvel nauðsynlegt að framleiða sérhverfir sem skilja viðskipti, ferli og til að taka þátt í að taka þátt í því að taka þátt í því að gera það að verkum að framleiðsla er gerð grein fyrir því að viðskipti, sem eru til að taka þátt og taka þátt í því að gera ráð fyrir því að gera, sem gerir það að verkum að framleiðsla er gerð. Reynsla þeirra beinlínis og þekking uppbyggð, þannig að AI módel eru nær raunverulegum vandamálum .
Tvítyngdir hæfileikar með bæði verkfræðimál og viðskiptamál verða ómissandi burðarvirki til framleiðslu fyrirtækja í framtíðinni .
3. Skipulag: Stuðla að sambyggingu AI Midd
AI verkefni eru oft sundurlaus og erfitt að endurtaka í stórum stíl . Grundvallarástæðan liggur í skorti á sameinaðri gögnum og líkangrunni . Í þessu skyni þurfa fyrirtæki að byggja upp AI og gagnamiða með endurnýtanleika, samþætta undirliggjandi reiknibúnað sem er með plötustýringu og gagnahæfileika og viðskiptaferli til að mynda tveggja manna arkitektúr með „pallpallinum + Sviðsmynd ".
Skipulagslega er það einnig nauðsynlegt að koma á vegum umsóknarnefndir AI eða stafrænna rekstrarteymis til að brjóta niður hindranirnar milli upplýsingatækni og OT, R & D og framleiðslu, höfuðstöðva og vefsins og ná fram samsköpunarlíkani þar sem vandamál eru hækkuð frá fremstu víglínu og lausnir eru veittar af pallinum .
4. Útfærslustígur: Frá tilraunaverkefnum til dreifingar í fullri keðju
Samkvæmt greindri framleiðslu umbreytingarleið sem lagt er til í rannsóknarskýrslunni ættu fyrirtæki að fylgja átta þrepa aðferð Agile byrjun, skjótum endurtekningu og stöðugri stækkun þegar AI verkefnum er dreift, eins og sýnt er á ofangreindri mynd .
Þessi leið leggur áherslu á að beiting AI ætti ekki að vera of metnaðarfull og yfirgripsmikil . Í staðinn ætti hún að taka lítil en skjót skref, læra með því að gera og þróast smám saman til að ná spíralstoppi frá „staðbundnum upplýsingaöflun“ í „kerfis leyniþjónustu“ .}
Hið sanna gildi AI liggur ekki í því að skipta um menn, heldur með því að móta betri, lipur og þróaðri framleiðslusamtök . það gerir stofnunum kleift að breytast frá því að vera reynsladrifin yfir í gagnadrifið og frá vinnslustífli í greindur sveigjanleiki, að lokum myndar greindur samvinnukerfi sem miðst var við manna-vélarsamvinnu .
Samkeppnin í framtíðarframleiðsluiðnaðinum verður ekki lengur keppni um búnað og framleiðslugetu, heldur samkeppni um vitræna getu, skipulagsgetu og greindan getu . AI er ekki endirinn en upphafspunktur nýrrar iðnmenningar .
Gögn og líkön: ákaflega erfiður „gervigreind + framleiðslu“ tvískiptur vél til að ná tökum á
AI vélin getur aðeins raunverulega knúið áfram stöðuga þróun greindra framleiðslukerfisins þegar bæði „gögn“ og „líkön“ starfa á skilvirkan hátt samtímis .
Samt sem liggur einmitt í því að tvær grunnvélar gagna og gerða hafa ekki raunverulega byrjað .}
Gagnaáskorun: Framleiðslufyrirtæki hafa „mest gögn“, en einnig „erfiðustu gögnin til að nota“ .
Af hverju er erfitt að nýta gögn? Það eru aðallega þrjár meginástæður:
Gögnin eru í eðli sínu ófullnægjandi og af ójöfn gæðum: mikið magn iðnaðargagna hefur vandamál eins og hávaða, vantar gögn og misleitni . Það skortir stjórnunarkerfi og beint "fóðrun" það við líkanið er mótvægislegt .}
Gögn eru ekki unnin seinna á lífsleiðinni og skortir samhengisuppbyggingu: Mörg fyrirtæki safna „einangruðum gagnapunktum“, skortir samhengisupplýsingar eins og atburði, ferla og lotur, sem leiðir til vanhæfni líkansins til að skilja merkingarfræði þess og orsakasamhengi .}
Dýpra vandamálið liggur í því að þrátt fyrir að framleiðsla fyrirtækja hafi gögn, þá skortir þau getu kerfisins til að umbreyta gögnum í nothæfan þekkingu . Þetta er ekki vandamál með virkni hugbúnaðarins, heldur kerfisbundinn annmarki í skipulagsleiðinni, gagnahugsun og stjórnkerfi .}}}}}}}}}}}}}}}}}
Þess vegna eru gögnin í framleiðsluiðnaðinum ekki of lítil en of dreifð . það er ekki það að það sé ekkert gildi, heldur að samhengisupplýsingarnar séu ófullnægjandi .
2. líkan áskorun: Ekki er hægt að ná iðnaðar upplýsingaöflun á einni nóttu með því að treysta á „almennar stórar gerðir“
Iðnaðar AI gerðir standa frammi fyrir þremur helstu áskorunum:
Skortur á skilningi á ferlinu: Framleiðsluferlið felur í sér mikið magn af þegjandi þekkingu, svo sem reynslunni, líkamlegum aðferðum og fjölbreytilegum tengingum . Ef líkanið skilur ekki ferlið getur það aðeins gert viðeigandi spár og getur ekki framkvæmt rótaréttargreiningu eða hagræðingu á ferli.
Gagnaskortur og merkingarörðugleikar: Í samanburði við internetsvið eins og rafræn viðskipti og félagslegt net, skortir iðnaðarsviðsmyndir í stórum stíl opnum gagnapökkum og mörg óeðlileg gögn eru erfið að merkja, sem gerir eftirlit með námi ósjálfbært .}
Ófullnægjandi alhæfingargeta og erfiður vettvangur: Árangur sömu líkans er mjög breytilegur á mismunandi framleiðslulínum og tækjum . Það skortir undirliggjandi getu sem hægt er að flytja og fínstilla, sem leiðir til mikils AI dreifingarkostnaðar, langar hringrásir og lágar ROI.}}}
Þess vegna er það sem framleiðsluiðnaðurinn raunverulega þarfnast atburðarás ítarleg AI líkön: þau sem geta ekki aðeins skilið líkamlega hegðun og vinnsluaðferðir heldur einnig aðlagast öflugum aðstæðum og mismun á búnaði, hafa iðnaðar upplýsingaöflun með litlu sýnishornastærð og sterkri alhæfingu.
Það er augljóst að AI líkönin í framleiðslu eru ekki „Talandi líkön“, heldur „líkön sem geta skilið eðlisfræði“ . það er ekki „líkan til að búa til efni“, heldur „líkan til að endurgera ferlið“ .
3. Stjórnunaráskoranir: AI snýst ekki um lántöku; smíði getu kerfi er hinn raunverulegi upphafspunktur fyrir framleiðslu AI
Í ljósi tvöfaldra áskorana gagna og gerða geta fyrirtæki ekki lengur verið á stigi verkfæra sem dreifast, heldur ættu þau að færa sig til að byggja upp fullkomið og sjálfbært AI getu . Kjarni liggur í því að gera vel í þremur hlutum: í fyrsta lagi, gagnastjórnun: frá „að safna gögnum“ til „að búa til þekkingu“; II . vettvangsgerð: tjá vandamál á viðskiptamálum og leysa þau á reiknirit; III . líkan fínstillingarkerfi: Gakktu úr skugga um að hver umboðsmaður passi inn í sína eigin senu .
Ai er ekki eitthvað sem á að nota . „Gervi upplýsingaöflun + Framleiðsla“ ætti að líta á sem kerfisbundið verkefni . Færsla gervigreindar í framleiðslu þýðir ekki að það verði gagnlegt bara vegna þess að það er sett upp, þýðir það ekki að það verði greindur bara vegna þess að það er keypt . það er kerfisbundið verkefni frá gögnum, frá Algorithms til að gera það frá Algorithms til að til að Models, frá Algorithms til að til að Models, frá Algorithms til að Models, frá Algorithms til að Models, frá Algorithms til að Models, frá Algorithms til að Models til Models “. Samtök .
Ef fyrirtæki vonast til að sannarlega ná fram framleiðslu með AI-virkri, þurfa þau að slíta sig frá „verkfæramiðuðu“ hugarfari og byggja upp tvöfalt vélkerfi „gagnahæfileika + líkanagetu“ fyrir framtíðina . aðeins á þennan hátt getur gervigreind ekki eingöngu verið áhorfandi í framleiðslu, heldur orðið greindur samstarfsmaður sem getur skilið, ACT og stöðugt þróast {{5