Net generatyvinės AI srityje yra didžiuliai skirtumai: vienas yra generatyvinis AI, mokomas konkrečių duomenų rinkinių, būdingų konkrečioms gamybos įrenginiams ir jų įrangos bei programinės įrangos sistemoms; Kitas yra generatyvinis PG, kuris pateikia duomenis įvairiomis temomis iš įvairių šaltinių - iš kurių daugelis gali būti nepakankamai patikimi.
Norėdami padėti išsiaiškinti šią problemą, pažvelkime į AI programas duomenų analizėje ir generatyvinėje AI gamybos gamybos operacijose ir kaip jie sąveikauja su pramonės automatikos technologijomis.
Skirtumas tarp AI duomenų analizei ir generatyvinės AI
Pradėkime nuo AI duomenų analizei. Nors tai yra palyginti naujas automatizavimo technologijos srities papildymas, jis naudojamas keletą metų, o programos svyruoja nuo gamybos analizės iki numatomos priežiūros. Pagrindinėje gamybos aplinkoje duomenų analizė AI iš esmės apdoroja bendrovės augalų įrangos ir programinės įrangos sistemų duomenis ir taiko algoritmus, kad būtų galima išsijoti, kad būtų galima pabrėžti tendencijas ir anomalijas bei suteikti įžvalgų apie verslo galimybes, pagrįstas šių skirtingų sistemų koreliacija.
Generacinė AI gali generuoti originalų turinį, įskaitant tekstą, vaizdus, vaizdo įrašus, garso ar programinės įrangos kodą, pagrįstą vartotojo raginimais ar užklausomis. Kadangi generatyvinė PG gali gauti daug duomenų iš daugybės skirtingų šaltinių, mes matome tokias problemas kaip „haliucinacijos“, kurias žmonės turi visiškai patikrinti prieš įgyvendinant rezultatus. Tačiau atkreipkite dėmesį, kad tai yra bendrosios paskirties generatyvinė AI.
Labiau kontroliuojamoje aplinkoje rezultatai bus patikimesni, jei duomenis, pateiktus į generatyvinę AI sistemą, pateiks patikimas šaltinis ir yra orientuoti į konkrečios įmonės ar partnerių įmonių grupės įrangą ir sistemas.
Štai kodėl jūs matote daugybę automatizavimo technologijų kompanijų, įgyvendinančių generatyvines AI technologijas, kad sukurtų sistemas, paprastai vadinamas „kopilot“. Šios sistemos yra mokomos santykinai uždarų duomenų rinkinių, būdingų vartotojo programos scenarijui ir su ja susijusiomis technologijomis, užuot ištraukiant įvairius išteklius iš interneto.
Kaip automatizavimo technologijų pardavėjai gali įgyvendinti generatyvinę AI
Kaip ir duomenų analizės AI per pastaruosius kelerius metus tapo visur paplitęs visų rūšių gamybos sistemose, šiandien greitai didėja generatyvinės AI naudojimas gamybos operacijose ir projektavimo programose. Skatinti pramoninį kibernetinį saugumą ir paskatinti generatyvinės AI integraciją į parduotuvių grindų operacijas.
Statinių ir dinaminių mašinų duomenų sąveika suteiks platformos vartotojams naują veiklos procesų kontrolės lygį. „Naujas valdymo lygis“ reiškia, kad vartotojai galės savo kalba bendrauti su „Copilot“ technologija ir gauti išsamias instrukcijas bei rekomendacijas, pagrįstas jų reikalavimais. „ServiceNow“ sako, kad jos gebėjimas automatizuoti darbo eigas - nuo priežiūros planavimo iki realiojo laiko problemų sprendimo - padeda užtikrinti, kad „Copilot“ pateiktos AI varomos įžvalgos virsta apčiuopiamais, veiksmingais veiksmais, kurie padidina produktyvumą ir sumažina prastovą.
Automatikos gamintojai jau seniai naudoja generatyvų dizainą, kad suprojektuotų savo gaminius, o integruojant generatyvinę AI, generatyvinis dizainas yra svarbi. Generacinė PG suteikia naują dimensiją generaciniam dizainui, pakeisdamas inžinierių ir gamintojų pastojimo, kūrimo ir optimizavimo automatizavimo technologijas, įvesdami „žmogaus ir kilpos“ galimybes.
Svarbu atskirti esamas generatyvines projektavimo galimybes naudojant tradicinę AI ir kylančią integruotos generacinės AI tendenciją. Skirtingai nuo tradicinių generatyvinių projektavimo metodų, kurie priklauso tik nuo AI algoritmų, pridedant generatyvinės AI, pristatomas interaktyvus ir iteracinis požiūris, kai inžinieriai gali pateikti grįžtamąjį ryšį, norėdami nukreipti AI sistemas į labiau optimizuotus sprendimus. Tai leidžia jiems ištirti plačią dizaino erdvę ir sukurti daugybę galimų dizainų, pagrįstų nurodytais parametrais, apribojimais ir našumo tikslais. Šis požiūris ypač tinkamas automatinėms sistemoms, kai dažnai reikia subalansuoti kelis kintamuosius ir konkuruojančius tikslus.
Taikant generatyvinį AI varomą generatyvinį dizainą automatinėms sistemoms, gali padidinti greitį, kuriuo generuojamos kelios projektavimo alternatyvos, ir įvertinamos. Tony sako, kad per kelias valandas ar dienas sistema gali generuoti šimtus ar net tūkstančius dizaino variantų, kiekviena optimizuota tam tikram parametrui.
Kita cituojama programa yra susijusi su technologijų suderinimu su pramonės standartais ir geriausia praktika. Generatyvinė PG gali būti naudojama norint patikrinti, ar sistema atitinka kibernetinio saugumo standartus, pabrėžiant sritis, kuriose sistema nukrypsta nuo nustatytų normų, padeda inžinieriams išlaikyti nuoseklumą ir kokybę tarp projektų. Ši technologija taip pat naudojama inžinerijos komandų praktikai standartizuoti, ypač tais atvejais, kai inžinieriai, turintys skirtingą patirtį, turi laikytis tų pačių projektavimo standartų ir naudoti nuoseklias bibliotekas. Šis nuoseklumas yra labai vertingas kopijuojant sistemas skirtingose vietose ar aplinkose, nes generatyvinė PG gali pasiūlyti tinkamus pakeitimus, išlaikant bendrą projektavimo vientisumą.
Laikykitės atviros nuomonės apie pramonės generacines AI programas
Bendrosios paskirties generatyvių AI įrankių, kuriems daugiausia dėmesio skiriama žiniasklaidos, problema yra ta, kad jie atmeta naujas AI programas, atsirandančias automatizavimo technologijose. Automatikos pardavėjų pramoninės generatyvinės AI įrankiai sutelkia dėmesį į konkrečius duomenų rinkinius ir duomenų šaltinius, kad būtų užtikrintas rezultatų tikslumas.
Norėdami, kad jūsų protas būtų atviras pramoninei generatyvinei AI, apsvarstykite šį atvejį: Prieš maždaug 20 metų daugelis gamybos inžinierių nelaikė „Ethernet“ kaip veiksmingą pasirinkimą gamyklos grindų tinklams.
Tolesnis generatyvinės AI technologijos plėtra yra svarbu, kad gamybos pramonė sutelktų dėmesį į savo profesinės inžinerijos, operacijų ir priežiūros darbuotojų žinias, kad būtų galima padėti naujos kartos pramonės darbuotojams. Tikimasi, kad šios gamybos sutelktos generatyvinės AI įrankiai bus technologijos, kurios palengvina šį tikslą.