Isegi generatiivse AI valdkonnas on tohutuid erinevusi: üks on generatiivne AI koolitatud konkreetsete andmekogumite jaoks, mis on spetsiifilised konkreetsetele tootmisvõimalustele ning nende seadmetele ja tarkvarasüsteemidele; Teine on generatiivne AI, mida toidetakse andmeid mitmesuguste allikate teemadel - paljud neist ei pruugi olla piisavalt usaldusväärsed, et alustada.
Selle probleemi selgitamiseks vaatame AI rakendusi andmeanalüüsikas ja generatiivses AI -s tootmise tootmises ning kuidas need suhtlevad tööstusautomaatikatehnoloogiatega.
Erinevus andmeanalüüsi AI ja generatiivse AI vahel
Alustame andmeanalüüsi AI -ga. Kuigi see on automatiseerimistehnoloogia valdkonna suhteliselt uus lisand, on seda kasutatud juba mitu aastat, rakendused ulatuvad tootmisanalüüsist kuni ennustava hoolduseni. Kõige elementaarsemas osas töötleb tootmiskeskkonnas andmeanalüüs AI sisuliselt ettevõtte taimeseadmete ja tarkvarasüsteemide andmeid ning rakendab algoritme selle kaudu sõelumiseks, et tuua välja suundumused ja kõrvalekalded ning anda ülevaate ärivõimalustest, mis põhinevad nende erinevate süsteemide kogutud andmete korrelatsioonil.
Generatiivne AI saab genereerida kasutajajuhtide või taotluste põhjal originaalse sisu - sealhulgas teksti, pilte, video-, heli- või tarkvarakoodi. Kuna generatiivne AI võib saada suures koguses andmeid nii paljudest erinevatest allikatest, näeme selliseid probleeme nagu "hallutsinatsioonid", mille inimesed peavad enne tulemuste rakendamist täielikult kontrollima. Pange siiski tähele, et see on üldotstarbeline generatiivne AI.
Kontrollitud keskkonnas on tulemused usaldusväärsemad, kui generatiivsesse AI -süsteemi antud andmeid pakub usaldusväärne allikas ning see on keskendunud konkreetse ettevõtte või partnerfirmade rühma seadmetele ja süsteemidele.
Seetõttu näete paljusid automatiseerimistehnoloogiaettevõtteid, kes rakendavad generatiivseid AI -tehnoloogiaid süsteemide arendamiseks, mida tavaliselt nimetatakse "kopilotiks". Need süsteemid on koolitatud suhteliselt suletud andmekogumites, mis on spetsiifilised kasutaja rakenduse stsenaariumi ja sellega seotud tehnoloogiate jaoks, selle asemel, et mitmesuguseid ressursse Internetist kraapida.
Kuidas saavad automatiseerimistehnoloogia müüjad rakendada generatiivset AI -d
Nii nagu andmeanalüütika AI on viimase paari aasta jooksul muutunud igat tüüpi tootmissüsteemides üldlevinud, kasvab generatiivse AI kasutamine tootmistegevuses ja projekteerimisrakendustes tänapäeval kiiresti. Tööstusliku küberturvalisuse edendamiseks ja generatiivse AI integreerimine kaupluse põrandaoperatsioonidesse.
Staatiliste ja dünaamiliste masinaandmete koostoime annab platvormi kasutajatele uue kontrolli tööprotsesside üle. "Uus kontrolli tase" tähendab, et kasutajad saavad oma keeles Copilot -tehnoloogiaga suhelda ja saada üksikasjalikke juhiseid ja soovitusi nende nõuetele. Servicenow ütleb, et tema võime automatiseerida töövooge - alates hooldusplaani koostamisest kuni reaalajas probleemide lahendamiseni - aitab tagada, et Copiloti pakutav AI -toega teadmised tähendavad käegakatsutavaid, tõhusaid toiminguid, mis suurendavad tootlikkust ja minimeerivad seisakuid.
Generatiivset disaini on automatiseerimise tootjad juba pikka aega kasutanud oma toodete kujundamisel ning generatiivse AI integreerimisel on generatiivne disain suur areng. Generatiivne AI toob generatiivsele disainile uue mõõtme, muutes inseneride ja tootjate automatiseerimistehnoloogiate loomise, loomise ja optimeerimise viisi, tutvustades võimalusi "inimese-ahelaga".
Oluline on eristada olemasolevaid generatiivseid kujundusvõimalusi, kasutades traditsioonilist AI -d, ja integreeritud generatiivse AI esilekerkivat suundumust. Erinevalt traditsioonilistest generatiivsetest kujundusmeetoditest, mis tuginevad ainult AI algoritmidele, tutvustab generatiivse AI lisamine interaktiivsemat ja iteratiivsemat lähenemisviisi, kus insenerid saavad tagasisidet anda AI -süsteemide juhendamiseks optimeeritumatele lahendustele. See võimaldab neil uurida laia disainiruumi ja genereerida palju potentsiaalseid kujundusi, mis põhinevad määratud parameetritel, piirangutel ja jõudluseesmärkidel. See lähenemisviis sobib eriti automatiseeritud süsteemide jaoks, kus sageli on vaja tasakaalustada mitut muutujat ja konkureerivaid eesmärke.
Generatiivse AI-juhitud generatiivse kujunduse rakendamine automatiseeritud süsteemidele võib suurendada mitme kujunduse alternatiivi genereerimise ja hinnangu kiirust. Tony sõnul võib süsteemi või päevade jooksul genereerida sadu või isegi tuhandeid disainivalikuid, millest igaüks on antud parameetri jaoks optimeeritud.
Veel üks viidatud rakendus on seotud tehnoloogia vastavusega tööstusstandardite ja parimate tavadega. Generatiivset AI -d saab kasutada selleks, et kontrollida, kas süsteem vastab küberturvalisuse standarditele, tuues välja valdkonnad, kus süsteem kaldub välja kehtestatud normidest, aidates inseneridel säilitada projektide järjepidevust ja kvaliteeti. Seda tehnoloogiat kasutatakse ka insenerimeeskondade tavade standardiseerimiseks, eriti olukordades, kus erineva kogemusega insenerid peavad järgima samu kujundusstandardit ja kasutama järjepidevaid raamatukogusid. See järjepidevus on väga väärtuslik süsteemide kopeerimisel erinevatel saitidel või keskkondadel, kuna generatiivne AI võib soovitada sobivaid muudatusi, säilitades samal ajal üldise disaini terviklikkuse.
Hoidke tööstuslike generatiivsete AI -rakenduste osas avatult meeles
Üldotstarbeliste generatiivsete AI-tööriistade probleem, millele on kõige rohkem tähelepanu pööratud, on see, et nad on automatiseerimistehnoloogiates tekkivate uute AI-rakenduste halvustatavad. Tulemuste täpsuse tagamiseks keskenduvad automatiseerimismüüjate tööstuslikud generatiivsed AI -tööriistad konkreetsetele andmekogudele ja andmeallikatele.
Tööstusgeneratiivse AI -le meelelahutuse hoidmiseks kaaluge seda juhtumit: umbes 20 aastat tagasi ei pidanud paljud tootmisinsenerid Etherneti tõhusaks valikuks tehase põrandavõrgustiku loomiseks.
Generatiivse AI -tehnoloogia edasine arendamine on töötleva tööstuse jaoks oluline keskenduda teadmiste omandamisele oma professionaalse inseneri-, operatsiooni- ja hooldustöötajate kohta, et juhendada järgmise põlvkonna tööstuses töötajaid. Nendele tootmisele keskendunud generatiivsete AI -tööriistade jaoks on eeldatavasti tehnoloogiad, mis muudavad selle eesmärgi saavutamiseks lihtsamaks.