不仅是人工智能(AI)技术的飞速发展控制工程网版权所有,自动化技术供应商所部署的不同类型的AI也给制造自动化市场带来了一些困惑。例如,一些人可能会因为基于生成式AI技术中的“幻觉”会影响输出结果的新闻而否定AI技术。
即使在生成式AI领域,也存在巨大差异:一种是经过特定数据集训练的生成式AI,这些数据集专门针对特定制造设施及其设备和软件系统;另一种则是被输入了来自各种来源、涵盖广泛主题的数据的生成式AI——其中许多数据来源可能从一开始就不够可靠。

用于数据分析的AI与生成式AI的区别
让我们从用于数据分析的AI说起。虽然这是自动化技术领域相对较新的补充,但它已经被使用了几年时间,应用范围从生产分析到预测性维护。从最基本的角度来说,在制造环境中,数据分析AI本质上会处理公司工厂设备和软件系统(包括企业资源规划(ERP)等前台办公软件)输入的数据,并应用算法对其进行筛选,以突出趋势和异常情况,并基于这些不同系统收集的数据的相关性,提供关于商业可能性的见解。
生成式AI可以根据用户的提示或请求,生成原创内容——包括文本、图像、视频、音频或软件代码。由于生成式AI可以从如此多的不同来源接收大量数据,我们看到了诸如“幻觉”等问题,这需要在将结果付诸实践之前,由人类对其进行全面审查。但请注意,这是一般用途的生成式AI。
在更受控的环境中,如果输入生成式AI系统的数据由可信来源提供,并且专注于特定公司或一组合作公司的设备和系统,那么结果将更加可靠。
这就是为什么你会看到许多自动化技术公司正在实施生成式AI技术,以开发通常被称为“Copilot”的系统。这些系统是基于相对封闭的数据集进行训练的,这些数据集专门针对用户的应用场景以及与之相关联的技术,而不是从互联网上抓取各种资源。
自动化技术供应商如何实施生成式AI
正如数据分析AI在过去几年中已成为各类制造系统的普遍应用一样,如今生成式AI在制造运营和设计应用中的应用也在迅速增加。最近的一些例子包括西门子和 ServiceNow 宣布建立合作伙伴关系,以促进工业网络安全并推动将生成式人工智能集成到车间操作中。这一合作涉及将西门子用于工业漏洞管理的 Sinec Security Guard 和生成式AI驱动的Industrial Copilot 与 ServiceNow 的工作流自动化连接起来。
由生成式AI 驱动的西门子Industrial Copilot 将通过静态和动态机器数据之间的交互,为 ServiceNow 平台的用户提供对运营过程的全新控制水平。所谓 “新的控制水平 ”是指用户能够用自己的语言与 Copilot 技术进行交互,根据自己的要求获得详细的指示和建议。ServiceNow 表示,其自动化工作流程的能力(从维护调度到实时问题解决)有助于确保 Copilot提供的由AI驱动的洞察力转化为切实有效的行动,从而提高生产率并最大限度地减少停机时间。
在制造设计方面,罗克韦尔自动化公司FactoryTalk Design Studio的业务经理Tony Carrara表示,生成式设计长期以来一直被自动化制造商用于其产品的设计www.cechina.cn,而随着生成式AI的集成CONTROL ENGINEERING China版权所有,生成式设计正在经历一场重大的演变。生成式AI为生成设计带来了新的维度,通过引入“人机回圈”(human-in-the-loop)功能www.cechina.cn,改变了工程师和制造商构思、创建和优化自动化技术的方式。
区分使用传统 AI 的现有生成式设计功能与集成生成式AI 的新兴趋势非常重要。与仅依赖AI算法的传统生成式设计方法不同,生成式AI的加入引入了一种更具互动性和迭代性的方法,工程师可以提供反馈,引导AI系统找到更优化的解决方案。这使他们能够探索广阔的设计空间www.cechina.cn,并根据指定的参数、约束条件和性能目标生成大量潜在设计。这种方法特别适合自动化系统,因为在自动化系统中往往需要平衡多种变量和相互竞争的目标。
将生成式AI驱动的生成式设计应用于自动化系统,可以提高生成和评估多个设计备选方案的速度。Tony说,在几小时或几天内,该系统可以生成数百甚至数千个设计选项,每个选项都针对给定参数进行了优化。例如,如果可持续性是优先事项,则可以指导 genAI 专注于环保设计选项。
Tony引用的另一个应用涉及技术与行业标准和最佳实践的一致性。生成式AI可用于验证系统是否符合网络安全标准,方法是突出显示系统偏离既定规范的领域,帮助工程师保持项目之间的一致性和质量。该技术还用于标准化工程团队的实践,尤其是在不同经验水平的工程师需要遵守相同的设计标准并使用一致的库的情况下。当跨不同站点或环境复制系统时,这种一致性非常有价值,因为生成式AI可以在保持整体设计完整性的同时提出适当的调整建议。
对工业生成式AI应用保持开放心态
不要因为我们都听说过 ChatGPT 或 Gemini 等媒体关注度最高的通用生成式AI 工具存在的问题,就对自动化技术中出现的新AI应用不屑一顾。自动化供应商提供的工业生成式AI 工具侧重于特定的数据集和数据源,以确保结果的准确性。
为了让您对工业生成式AI保持开放的心态,可以考虑一下这样一个案例:大约 20 年前,许多制造工程师并不认为以太网是一种有效的工厂车间网络选择。
生成式AI技术的进一步发展对于制造业专注于获取其专业工程、运营和维护人员的知识以指导下一代行业工人非常重要。这些专注于制造业的生成式AI工具有望成为使该目标更容易实现的技术。