未来の工場はプロンプトで書かれている

ここでは、物理的な物体がどのように作られるかについて、外部から見た真実を1つ述べる。物理的な物体がどのように作られるかについて、ほとんどの人は製造業以外では知らない。デザインする人がいる。作る人がいる。トラックが届ける。ただし、コンセプトが仕様になる部分、仕様が調達の決定になる部分、調達の決定が生産になる部分、生産が注文した物になる部分は、ほとんど見えず、驚くほど複雑であり、非常に長い間同じように機能してきた。ただし、それは今変化している。ジェネレーティブAIは、製造ライフサイクルを、過大評価するのが難しいほど書き換え始めている。正確に説明しよう。変化は、主に速度についてではない。速度を速くするだろうが。主にコストについてではない。コスト構造を大幅に変えるだろうが。もっと根本的なものについてである。プロセスの中で、どこで知能が適用され、誰が、どのくらい早く適用するかについてである。工業経済を、電気化やコンピュータ化と同様に大幅に変える変革の始まりに立っており、現在、まだ早い段階であり、まだ多少混乱しているが、これを理解している企業が、後から参入する他社のルールを書くことになる。

製造業で最も高価な問題は思いのほかではない

ほとんどの人が製造業でどこが間違っているのか聞かれると、工場のほうを指すだろう。しかし、最も高価な失敗は、製品アイデアが要件に結晶化し始める形のない段階で発生する。そこでは、多大な時間とお金が消える。問題は、不一致である。要件は、メール、半分読んだ文書、達成されたと思えるが実際にはそうでない一致を感じる会議を通じて収集される。誰も気が付かなかった曖昧さを含んだ状態で、数週間後にエンジニアリングブリーフに到着し、プロトタイプが間違っている、またはサプライヤーが一致しないものを引用した、または生産チームが設計を量産できないことを実際に気付くときに、曖昧さが表面化する。ジェネレーティブAIは、ちょうどこの段階で介入し、以降のすべての影響が連鎖する。これらのシステムは、膨大な非構造化入力を—顧客のフィードバック、規制上の提出物、フィールドの故障データ、競合他社の分解—迅速に人間のチームが管理できるよりも構造化され、相互参照された要件に合成できる。システムエンジニアリングで数週間かかっていたことが、数時間で草案できるようになる。要件が早くて高忠実度で到着すると、ハンドオフが変わる。調達チームは設計と並行してサプライヤーを特定し始めることができる。生産計画は、図面が最終化される前に開始できる。シーケンシャルだった段階が同時に実行されるようになる。カスタム機械部品を構築する企業にとって、毎回の注文が新しいエンジニアリング問題であり、見積もりまでのスピードがビジネスを勝ち取るか失うかを決定することが多いので、これは戦略的な変革である。

ベテランエンジニアが知っていること

製造エンジニアの中で最高のエンジニアの中に住む、ほとんど説明できない種類の知識がある。どの公差が大規模で達成可能か。どの合金が特定の熱とストレスの組み合わせで故障するか。どの設計決定が紙上では優雅に見えながらツールチームにとって災害を生み出すか。これは数十年かけて蓄積され、ほとんど移転できないし、シニアエンジニアが退職するたびにドアの外に出ていく。 AIコパイロットはこれを変え始めている。新しいコンポーネント幾何学について作業しているエンジニアは、システムに大規模な製造可能性について問い合わせ、複数の負荷シナリオに対する故障分析を受け取り、材料を切り替えるコストの影響を評価することができる。すべてが、物理的なプロトタイプが存在する前に、設計環境内で、情報が実際に役立つときに発生する。明確に述べておく。エンジニアリング判断の代わりではない。文脈の知識、専門的責任、制約下での創造的な問題解決を必要とする決定は、依然として人間が必要である。AIコパイロットが行っていることは、エンジニアがコミットする前に検討できるソリューションの空間を拡大し、シニアレベルの製造の直感を、より多くの人に、より早く配布することである。AIコパイロットをうまく採用するチームは、より優れた設計に到達するだろう。なぜなら、物理学と生産の経済学が選択肢を閉じる前に、より多くの選択肢を評価したからである。

2種類のAIが融合し、工場は二度と同じにはならない

ここで重要な区別がある。デジタルAI — デザイン、文書化、調達分析、意思決定支援を支援するジェネレーティブシステム — がある。これらは情報で動作する。物理AI — 工業ロボット、自律ロジスティクス、適応型製造装置を動かす認識、計画、制御システム — がある。これらは物質で動作する。世界を感知し、行動を計画し、物体を動かす。過去10年間のほとんどで、これら2つのカテゴリはほとんど別々の世界で開発された。しかし、ジェネレーティブモデルは、物理システムをプログラミングし、指示し、解釈するために、ますます使用されるようになってきた。ロボットは自然言語の指示を受け取り、それを動作シーケンスに翻訳できる。ビジョン言語モデルにより、検査システムが人間が行動できる用語で観察を説明できる。ジェネレーティブ設計ツールは、CNCマシンや加法製造システムに直接接続されており、モデルが設計したものが、工場で構築できる。気候技術の意味は、注目に値する。ジェネレーティブAIは、材料の発見を加速し、より優れたバッテリー化学、より効率的な触媒、工業の炭素強度を削減する構造材料を見つけている。製造業全体では、融合は、工場が需要の変化や供給の混乱に応じてほぼリアルタイムで再構成できる適応システムになることを意味する。デジタルモデルと物理的な工場の境界が消えている。代わりに、設計と生産の間でループを閉じ、以前は不可能だった方法で学習し、適応し、工業インフラストラクチャが形成される。

労働力の問題

AIと製造業について正直に書く場合、どこかで人について話さなければならない。テクノロジー文章で慣習的な「新しい仕事が生まれる」という種の儀式的な赦しを伴わずに。実際に話す。不安は現実であり、根拠のないものではない。製造業雇用は、すでに4つの10年間にわたる激しい混乱を経験してきた。AI駆動の変革の別のラウンドは、これらの産業で働く人々にとって抽象概念ではない。初期データは、最も重大な近期的な影響は、置き換えではなく、昇格であることを示している。AIコパイロットを使用するエンジニアは、より重大なエンジニアリングを行っており、ルーチンワークのドキュメントに費やす時間が減り、製品が成功するかどうかを決定する判断に費やす時間が増えている。サプライヤーチェーンマネージャーは、より優れた情報で複雑さをナビゲートしている。運用リーダーは、人間の責任が依然として存在する環境に、AI生成の洞察を適用している。ルーチンワークのデータ処理、繰り返しの調整タスク、または現在のロボティクスの能力範囲内にある物理的な作業で定義される役割は、実際の圧力に直面することになる。これには、企業や機関からの真摯な注意が必要である。次の10年の製造業労働力は、AIと効果的に協力する能力で定義されることになる。出力を理解し、仮定を疑い、人間の判断が必要な決定に推奨事項を適用する。これは、製造業が構築されたプロファイルとは異なるスキルプロファイルである。スケールで、公平に、重要なタイミングで、構築することは、この瞬間の真正な難しい問題の1つである。

窓

製造業は一枚岩ではない。航空宇宙、消費者向け電子機器、カスタム工業部品、医療機器でのAIの採用は、それぞれ異なる。変化のペースは、データインフラストラクチャ、規制環境、組織の能力によって非常に異なる。ただし、方向は明確ではない。製造ライフサイクルは、すべてのノードでAIによって再構成されている。データインフラストラクチャ、AI強化エンジニアリングワークフロー、労働力能力、高リスクの意思決定のためのガバナンスシステムに投資する企業が、10年後の先進的な製造業の姿を定義することになる。未来の工場は、プロンプトで書かれ、人間とマシンのコラボレーションを通じて精錬されるモデルによって形作られることになる。どのようなものが生み出されるかは、現在行われている選択によって決まる。現在、まだ質問するべき質問を理解しようとしている企業の中で。有意義なアドバンテージを構築する窓は開いている。いつまでも開いたままではない。