不僅是人工智能(AI)技術(shù)的飛速發(fā)展，自動化技術(shù)供應(yīng)商所部署的不同類型的AI也給制造自動化市場帶來了一些困惑。例如，一些人可能會因?yàn)榛谏墒紸I技術(shù)中的“幻覺”會影響輸出結(jié)果的新聞而否定AI技術(shù)。

即使在生成式AI領(lǐng)域，也存在巨大差異：一種是經(jīng)過特定數(shù)據(jù)集訓(xùn)練的生成式AI，這些數(shù)據(jù)集專門針對特定制造設(shè)施及其設(shè)備和軟件系統(tǒng);另一種則是被輸入了來自各種來源、涵蓋廣泛主題的數(shù)據(jù)的生成式AI——其中許多數(shù)據(jù)來源可能從一開始就不夠可靠。

為了幫助澄清這個問題，讓我們來了解一下AI在數(shù)據(jù)分析和生成式AI 在制造業(yè)生產(chǎn)運(yùn)營中的應(yīng)用，以及它們?nèi)绾闻c工業(yè)自動化技術(shù)互動。

用于數(shù)據(jù)分析的AI與生成式AI的區(qū)別

讓我們從用于數(shù)據(jù)分析的AI說起。雖然這是自動化技術(shù)領(lǐng)域相對較新的補(bǔ)充，但它已經(jīng)被使用了幾年時間，應(yīng)用范圍從生產(chǎn)分析到預(yù)測性維護(hù)。從最基本的角度來說，在制造環(huán)境中，數(shù)據(jù)分析AI本質(zhì)上會處理公司工廠設(shè)備和軟件系統(tǒng)(包括企業(yè)資源規(guī)劃(ERP)等前臺辦公軟件)輸入的數(shù)據(jù)，并應(yīng)用算法對其進(jìn)行篩選，以突出趨勢和異常情況，并基于這些不同系統(tǒng)收集的數(shù)據(jù)的相關(guān)性，提供關(guān)于商業(yè)可能性的見解。

生成式AI可以根據(jù)用戶的提示或請求，生成原創(chuàng)內(nèi)容——包括文本、圖像、視頻、音頻或軟件代碼。由于生成式AI可以從如此多的不同來源接收大量數(shù)據(jù)，我們看到了諸如“幻覺”等問題，這需要在將結(jié)果付諸實(shí)踐之前，由人類對其進(jìn)行全面審查。但請注意，這是一般用途的生成式AI。

在更受控的環(huán)境中，如果輸入生成式AI系統(tǒng)的數(shù)據(jù)由可信來源提供，并且專注于特定公司或一組合作公司的設(shè)備和系統(tǒng)，那么結(jié)果將更加可靠。

這就是為什么你會看到許多自動化技術(shù)公司正在實(shí)施生成式AI技術(shù)，以開發(fā)通常被稱為“Copilot”的系統(tǒng)。這些系統(tǒng)是基于相對封閉的數(shù)據(jù)集進(jìn)行訓(xùn)練的，這些數(shù)據(jù)集專門針對用戶的應(yīng)用場景以及與之相關(guān)聯(lián)的技術(shù)，而不是從互聯(lián)網(wǎng)上抓取各種資源。

自動化技術(shù)供應(yīng)商如何實(shí)施生成式AI

正如數(shù)據(jù)分析AI在過去幾年中已成為各類制造系統(tǒng)的普遍應(yīng)用一樣，如今生成式AI在制造運(yùn)營和設(shè)計(jì)應(yīng)用中的應(yīng)用也在迅速增加。最近的一些例子包括西門子和 ServiceNow 宣布建立合作伙伴關(guān)系，以促進(jìn)工業(yè)網(wǎng)絡(luò)安全并推動將生成式人工智能集成到車間操作中。這一合作涉及將西門子用于工業(yè)漏洞管理的 Sinec Security Guard 和生成式AI驅(qū)動的Industrial Copilot 與 ServiceNow 的工作流自動化連接起來。

由生成式AI 驅(qū)動的西門子Industrial Copilot 將通過靜態(tài)和動態(tài)機(jī)器數(shù)據(jù)之間的交互，為 ServiceNow 平臺的用戶提供對運(yùn)營過程的全新控制水平。所謂 “新的控制水平 ”是指用戶能夠用自己的語言與 Copilot 技術(shù)進(jìn)行交互，根據(jù)自己的要求獲得詳細(xì)的指示和建議。ServiceNow 表示，其自動化工作流程的能力(從維護(hù)調(diào)度到實(shí)時問題解決)有助于確保 Copilot提供的由AI驅(qū)動的洞察力轉(zhuǎn)化為切實(shí)有效的行動，從而提高生產(chǎn)率并最大限度地減少停機(jī)時間。

在制造設(shè)計(jì)方面，羅克韋爾自動化公司FactoryTalk Design Studio的業(yè)務(wù)經(jīng)理Tony Carrara表示，生成式設(shè)計(jì)長期以來一直被自動化制造商用于其產(chǎn)品的設(shè)計(jì)，而隨著生成式AI的集成，生成式設(shè)計(jì)正在經(jīng)歷一場重大的演變。生成式AI為生成設(shè)計(jì)帶來了新的維度，通過引入“人機(jī)回圈”(human-in-the-loop)功能，改變了工程師和制造商構(gòu)思、創(chuàng)建和優(yōu)化自動化技術(shù)的方式。

區(qū)分使用傳統(tǒng) AI 的現(xiàn)有生成式設(shè)計(jì)功能與集成生成式AI 的新興趨勢非常重要。與僅依賴AI算法的傳統(tǒng)生成式設(shè)計(jì)方法不同，生成式AI的加入引入了一種更具互動性和迭代性的方法，工程師可以提供反饋，引導(dǎo)AI系統(tǒng)找到更優(yōu)化的解決方案。這使他們能夠探索廣闊的設(shè)計(jì)空間，并根據(jù)指定的參數(shù)、約束條件和性能目標(biāo)生成大量潛在設(shè)計(jì)。這種方法特別適合自動化系統(tǒng)，因?yàn)樵谧詣踊到y(tǒng)中往往需要平衡多種變量和相互競爭的目標(biāo)。

將生成式AI驅(qū)動的生成式設(shè)計(jì)應(yīng)用于自動化系統(tǒng)，可以提高生成和評估多個設(shè)計(jì)備選方案的速度。Tony說，在幾小時或幾天內(nèi)，該系統(tǒng)可以生成數(shù)百甚至數(shù)千個設(shè)計(jì)選項(xiàng)，每個選項(xiàng)都針對給定參數(shù)進(jìn)行了優(yōu)化。例如，如果可持續(xù)性是優(yōu)先事項(xiàng)，則可以指導(dǎo) genAI 專注于環(huán)保設(shè)計(jì)選項(xiàng)。

Tony引用的另一個應(yīng)用涉及技術(shù)與行業(yè)標(biāo)準(zhǔn)和最佳實(shí)踐的一致性。生成式AI可用于驗(yàn)證系統(tǒng)是否符合網(wǎng)絡(luò)安全標(biāo)準(zhǔn)，方法是突出顯示系統(tǒng)偏離既定規(guī)范的領(lǐng)域，幫助工程師保持項(xiàng)目之間的一致性和質(zhì)量。該技術(shù)還用于標(biāo)準(zhǔn)化工程團(tuán)隊(duì)的實(shí)踐，尤其是在不同經(jīng)驗(yàn)水平的工程師需要遵守相同的設(shè)計(jì)標(biāo)準(zhǔn)并使用一致的庫的情況下。當(dāng)跨不同站點(diǎn)或環(huán)境復(fù)制系統(tǒng)時，這種一致性非常有價值，因?yàn)樯墒紸I可以在保持整體設(shè)計(jì)完整性的同時提出適當(dāng)?shù)恼{(diào)整建議。

對工業(yè)生成式AI應(yīng)用保持開放心態(tài)

不要因?yàn)槲覀兌悸犝f過 ChatGPT 或 Gemini 等媒體關(guān)注度最高的通用生成式AI 工具存在的問題，就對自動化技術(shù)中出現(xiàn)的新AI應(yīng)用不屑一顧。自動化供應(yīng)商提供的工業(yè)生成式AI 工具側(cè)重于特定的數(shù)據(jù)集和數(shù)據(jù)源，以確保結(jié)果的準(zhǔn)確性。

為了讓您對工業(yè)生成式AI保持開放的心態(tài)，可以考慮一下這樣一個案例：大約 20 年前，許多制造工程師并不認(rèn)為以太網(wǎng)是一種有效的工廠車間網(wǎng)絡(luò)選擇。

生成式AI技術(shù)的進(jìn)一步發(fā)展對于制造業(yè)專注于獲取其專業(yè)工程、運(yùn)營和維護(hù)人員的知識以指導(dǎo)下一代行業(yè)工人非常重要。這些專注于制造業(yè)的生成式AI工具有望成為使該目標(biāo)更容易實(shí)現(xiàn)的技術(shù)。