Même dans le domaine de l'IA génératif, il existe d'énormes différences: l'une est une IA générative formée sur des ensembles de données spécifiques spécifiques à des installations de fabrication spécifiques et à leurs équipements d'équipement et logiciels; L'autre est une IA générative qui est alimentée par des données sur un large éventail de sujets provenant de diverses sources - dont beaucoup peuvent ne pas être suffisamment fiables pour commencer.
Pour aider à clarifier ce problème, examinons les applications de l'IA dans l'analyse des données et l'IA générative dans les opérations de production de fabrication, et comment elles interagissent avec les technologies d'automatisation industrielle.
La différence entre l'IA pour l'analyse des données et l'IA générative
Commençons par l'IA pour l'analyse des données. Bien qu'il s'agisse d'un ajout relativement nouveau au domaine de la technologie d'automatisation, il est utilisé depuis plusieurs années, avec des applications allant de l'analyse de production à la maintenance prédictive. Dans sa base, dans un environnement de fabrication, l'IA d'analyse de données traite essentiellement l'entrée de données des systèmes d'équipement et de logiciels d'usine d'une entreprise et applique des algorithmes pour parcourir l'informatique pour mettre en évidence les tendances et les anomalies et fournir des informations sur les possibilités commerciales basées sur la corrélation des données collectées par ces différents systèmes.
L'IA générative peut générer du contenu original - y compris du texte, des images, des vidéos, du code audio ou du logiciel - en fonction des invites ou des demandes utilisateur. Étant donné que l'IA générative peut recevoir de grandes quantités de données provenant de tant de sources différentes, nous voyons des problèmes tels que les «hallucinations», qui doivent être entièrement vérifiées par les humains avant que les résultats ne soient mis en pratique. Notez cependant qu'il s'agit d'une IA générative à usage général.
Dans un environnement plus contrôlé, les résultats seront plus fiables si les données alimentées dans un système d'IA génératives sont fournies par une source de confiance et se concentre sur l'équipement et les systèmes d'une entreprise spécifique ou d'un groupe d'entreprises partenaires.
C'est pourquoi vous voyez de nombreuses entreprises de technologie d'automatisation mettant en œuvre des technologies d'IA génératives pour développer des systèmes communément appelés «copilote». Ces systèmes sont formés sur des ensembles de données relativement fermés qui sont spécifiques au scénario d'application de l'utilisateur et aux technologies qui y sont associées, plutôt que de gratter diverses ressources d'Internet.
Comment les fournisseurs de technologie d'automatisation peuvent-ils implémenter une IA générative
Tout comme l'IA pour l'analyse des données est devenu omniprésent dans tous les types de systèmes de fabrication au cours des dernières années, l'utilisation de l'IA générative dans les opérations de fabrication et les applications de conception augmente rapidement aujourd'hui. Pour promouvoir la cybersécurité industrielle et conduire l'intégration de l'IA générative dans les opérations de l'atelier.
L'interaction entre les données de machine statique et dynamique fournira aux utilisateurs de la plate-forme un nouveau niveau de contrôle sur les processus opérationnels. Le «nouveau niveau de contrôle» signifie que les utilisateurs pourront interagir avec la technologie Copilot dans leur propre langue et recevoir des instructions et des recommandations détaillées en fonction de leurs exigences. ServiceNow affirme que sa capacité à automatiser les flux de travail - de la planification de la maintenance à la résolution de problèmes en temps réel - permet de garantir que les informations alimentées par l'IA fournies par Copilot se traduisent en actions tangibles et efficaces qui augmentent la productivité et minimisent les temps d'arrêt.
La conception générative a longtemps été utilisée par les fabricants d'automatisation pour concevoir leurs produits, et avec l'intégration de l'IA générative, la conception générative subit une évolution majeure. L'IA générative apporte une nouvelle dimension à la conception générative, en modifiant la façon dont les ingénieurs et les fabricants conçoivent, créent et optimisent les technologies d'automatisation en introduisant des capacités "humaines en boucle".
Il est important de faire la distinction entre les capacités de conception génératrices existantes en utilisant l'IA traditionnelle et la tendance émergente de l'IA générative intégrée. Contrairement aux méthodes de conception générative traditionnelles, qui reposent uniquement sur les algorithmes d'IA, l'ajout de l'IA génératif introduit une approche plus interactive et itérative où les ingénieurs peuvent fournir des commentaires pour guider les systèmes d'IA vers des solutions plus optimisées. Cela leur permet d'explorer un large espace de conception et de générer un grand nombre de conceptions potentielles basées sur des paramètres, des contraintes et des objectifs de performance spécifiés. Cette approche est particulièrement adaptée aux systèmes automatisés, où il est souvent nécessaire d'équilibrer plusieurs variables et des objectifs concurrents.
L'application de la conception générative générative de l'AI aux systèmes automatisés peut augmenter la vitesse à laquelle plusieurs alternatives de conception sont générées et évaluées. En quelques heures ou jours, dit Tony, le système peut générer des centaines, voire des milliers d'options de conception, chacun optimisé pour un paramètre donné.
Une autre application citée concerne l'alignement de la technologie avec les normes de l'industrie et les meilleures pratiques. L'IA générative peut être utilisée pour vérifier qu'un système répond aux normes de cybersécurité en mettant en évidence les domaines où le système s'écarte des normes établies, aidant les ingénieurs à maintenir la cohérence et la qualité entre les projets. La technologie est également utilisée pour normaliser les pratiques des équipes d'ingénierie, en particulier dans les situations où les ingénieurs ayant différents niveaux d'expérience doivent respecter les mêmes normes de conception et utiliser des bibliothèques cohérentes. Cette cohérence est très précieuse lors de la copie des systèmes sur différents sites ou environnements, car l'IA générative peut suggérer des ajustements appropriés tout en maintenant l'intégrité globale de la conception.
Gardez l'esprit ouvert sur les applications de l'IA industrielle
Le problème avec les outils génératifs d'IA à usage général, qui attirent le plus d'attention des médias, est qu'ils dédaignent les nouvelles applications d'IA émergeant dans les technologies d'automatisation. Les outils d'IA génératifs industriels des fournisseurs d'automatisation se concentrent sur des ensembles de données spécifiques et des sources de données pour assurer la précision des résultats.
Pour garder votre esprit ouvert à l'IA de génération industrielle, considérez cette affaire: il y a une vingtaine d'années, de nombreux ingénieurs de fabrication n'ont pas considéré Ethernet comme un choix efficace pour le réseautage d'usine.
Le développement ultérieur de la technologie d'IA générative est important pour l'industrie manufacturière de se concentrer sur l'acquisition des connaissances de son personnel professionnel d'ingénierie, d'exploitation et de maintenance pour guider la prochaine génération de travailleurs de l'industrie. Ces outils d'IA génératifs axés sur la fabrication devraient être les technologies qui facilitent l'objectif à atteindre.