Pabrik Masa Depan Sedang Ditulis dalam Prompt

Berikut adalah hal yang benar tentang bagaimana objek fisik dibuat: hampir tidak ada orang di luar manufaktur yang tahu bagaimana objek fisik dibuat.

Mereka tahu garis besarnya. Seseorang merancang sesuatu. Seseorang lain membangunnya. Truk tiba. Tapi bagian tengah, di mana konsep menjadi spesifikasi, di mana spesifikasi menjadi keputusan sumber, di mana keputusan sumber menjadi produksi, di mana produksi menjadi hal yang Anda pesan, itu bagian yang sebagian besar tidak terlihat, dan itu sangat kompleks, dan itu telah bekerja lebih atau kurang sama selama waktu yang lama.

Itu sedang berubah sekarang.

AI generatif mulai menulis ulang siklus hidup manufaktur dengan cara yang sulit untuk dilebih-lebihkan. Biarkan saya mencoba untuk menjadi presisi tentang itu. Perubahan itu tidak terutama tentang kecepatan, meskipun itu akan membuat hal-hal lebih cepat. Itu tidak terutama tentang biaya, meskipun itu akan mengubah struktur biaya secara signifikan. Itu tentang sesuatu yang lebih mendasar: di mana dalam proses kecerdasan diterapkan, dan oleh siapa, dan bagaimana awal. Kami berada di awal transformasi yang akan membentuk perekonomian industri dengan signifikan seperti elektrifikasi atau komputerisasi, dan perusahaan yang memahami ini sekarang, sementara itu masih awal dan masih sedikit membingungkan, akan menjadi mereka yang menulis aturan untuk semua orang lain nanti.

Masalah Paling Mahal dalam Manufaktur Bukan Apa yang Anda Pikir

Tanyakan kepada kebanyakan orang di mana manufaktur salah dan mereka akan menunjuk Anda ke arah pabrik. Tapi beberapa kegagalan paling mahal terjadi jauh lebih awal, dalam fase tanpa bentuk ketika ide produk mulai mengkristal menjadi serangkaian persyaratan. Dan itu adalah di mana sejumlah besar waktu dan uang menghilang.

Masalahnya adalah ketidaksesuaian. Persyaratan dikumpulkan melalui email, dokumen setengah dibaca, dan pertemuan di mana keselarasan terasa dicapai tetapi tidak. Mereka tiba di brief teknik beberapa minggu kemudian membawa ketidakjelasan yang tertanam yang tidak ada yang memperhatikan—ketidakjelasan yang hanya muncul ketika prototipe kembali salah, atau supplier mengutip sesuatu yang tidak quite cocok, atau tim produksi menyadari desain yang mereka terima tidak dapat diproduksi secara massal.

AI generatif mengintervensi pada tahap yang tepat, dan efeknya berantai ke depan melalui semua yang mengikuti. Sistem ini dapat mengkonsumsi input yang tidak terstruktur besar—umpan balik pelanggan, pengajuan regulasi, data kegagalan lapangan, teardown kompetitor—dan mensintesisnya menjadi persyaratan yang terstruktur, silang-referensi lebih cepat dan lebih kohesif daripada tim manusia dapat mengelola. Apa yang dulunya membutuhkan minggu sistem teknik dapat disusun dalam beberapa jam.

Ketika persyaratan tiba lebih awal dan dengan kesesuaian yang lebih besar, handoff berubah. Tim sumber dapat mulai mengidentifikasi supplier secara paralel dengan desain, bukan setelah itu. Perencanaan produksi dapat dimulai sebelum gambar selesai. Tahap yang dulunya berurutan mulai berjalan secara paralel.

Untuk perusahaan yang membangun komponen mekanis khusus, di mana setiap pesanan adalah masalah teknik baru dan kecepatan-kuota sering kali menjadi perbedaan antara memenangkan bisnis dan kehilangan bisnis, ini adalah transformasi strategis.

Apa yang Diketahui oleh Insinyur Veteran

Ada jenis pengetahuan yang hidup di dalam insinyur manufaktur terbaik yang hampir tidak mungkin dideskripsikan dari luar. Pengetahuan tentang toleransi yang dapat dicapai pada skala besar. Pengetahuan tentang aloi yang gagal di bawah kombinasi panas dan stres tertentu. Pengetahuan tentang keputusan desain yang terlihat elegan di atas kertas dan menciptakan bencana untuk tim tooling. Ini membutuhkan dekade untuk mengumpulkan, sebagian besar tidak dapat dipindahkan, dan berjalan keluar pintu setiap kali insinyur senior pensiun.

Kopilot AI mulai mengubah itu. Insinyur yang bekerja pada geometri komponen baru sekarang dapat mengquery sistem tentang kemampuan produksi pada skala besar, menerima analisis kegagalan melintasi beberapa skenario beban, dan mengevaluasi implikasi biaya dari beralih bahan. Semua ini terjadi dalam lingkungan desain, sebelum ada prototipe fisik ada, pada saat ketika informasi itu benar-benar berguna.