Fabryka przyszłości jest pisana w podpowiedziach

Oto co jest prawdą o tym, jak powstają przedmioty fizyczne: prawie nikt spoza branży produkcyjnej nie wie, jak powstają przedmioty fizyczne.

Ludzie znają ogólne założenia. Ktoś coś projektuje. Ktoś inny to buduje. Przyjeżdża ciężarówka. Ale część pośrednia, gdzie koncepcja staje się specyfikacją, gdzie specyfikacja staje się decyzją dotyczącą źródła dostaw, gdzie decyzja dotycząca źródła dostaw staje się seria produkcyjną, a seria produkcyjna staje się tym, co zostało zamówione, jest w dużej mierze niewidoczna i jest ogromnie złożona, i działała mniej więcej w ten sam sposób przez bardzo długi czas.

To się teraz zmienia.

Sztuczna inteligencja generatywna zaczyna przebudowywać cykl życia produkcji w sposób, który jest trudny do przecenienia. Pozwól, że będę precyzyjny w tym zakresie. Zmiana nie dotyczy przede wszystkim szybkości, chociaż sprawi, że wszystko będzie działo się szybciej. Nie dotyczy przede wszystkim kosztów, chociaż zmieni struktury kosztów w znacznym stopniu. Dotyczy czegoś bardziej fundamentalnego: gdzie w procesie stosowana jest inteligencja, przez kogo i jak wcześnie. Jesteśmy na początku transformacji, która zmieni gospodarkę przemysłową w sposób równie znaczący, jak elektryfikacja lub komputeryzacja, a firmy, które to teraz rozumieją, jeszcze zanim będzie to w pełni zrozumiane, będą tymi, które będą ustalać reguły dla wszystkich innych później.

Najdroższy problem w produkcji nie jest tym, o czym myślisz

Poproś większość ludzi, gdzie produkcja idzie nie tak, i wskażą cię w stronę fabryki. Ale niektóre z najdroższych niepowodzeń występują znacznie wcześniej, w fazie bezkształtnej, kiedy pomysł na produkt zaczyna krystalizować w zestawie wymagań. I to jest miejsce, w którym znika ogromna ilość czasu i pieniędzy.

Problemem jest brak współpracy. Wymagania są gromadzone za pomocą e-maili, niedoczytanych dokumentów i spotkań, na których osiągana jest współpraca, ale tak naprawdę nie jest. Przychodzą one do biur inżynierskich tygodnie później, niosąc ze sobą wbudowane niejasności, których nikt nie zauważył – niejasności, które pojawiają się dopiero wtedy, gdy powstaje błędny prototyp, lub gdy dostawca podaje coś, co nie do końca odpowiada, lub gdy zespół produkcyjny zdaje sobie sprawę, że otrzymany projekt nie może być wyprodukowany na dużą skalę.

Sztuczna inteligencja generatywna interweniuje dokładnie na tym etapie, a efekty są widoczne we wszystkim, co następuje. Te systemy mogą przyjmować ogromne, nieustrukturyzowane dane wejściowe – opinie klientów, dokumenty regulacyjne, dane o awariach w terenie, analizy konkurencji – i syntetyzować je w strukturalne, skorelowane wymagania szybciej i bardziej spójnie niż zespoły ludzkie. To, co wcześniej zajmowało tygodnie inżynierii systemów, może być opracowane w ciągu kilku godzin.

Gdy wymagania przychodzą wcześniej i z większą wiernością, zmieniają się przekazania. Zespoły zaopatrzenia mogą zacząć identyfikować dostawców równolegle z projektem, a nie po jego zakończeniu. Planowanie produkcji może rozpocząć się przed ostatecznymi rysunkami. Etapy, które wcześniej były sekwencyjne, zaczynają dziać się jednocześnie.

Dla firm produkujących niestandardowe części mechaniczne, gdzie każde pojedyncze zamówienie jest nowym problemem inżynierskim, a szybkość do czasu cytaty często jest różnicą między zdobyciem biznesu a jego utratą, jest to strategiczna transformacja.

Co wie doświadczony inżynier

Istnieje rodzaj wiedzy, który żyje w najlepszych inżynierach produkcyjnych, który jest prawie niemożliwy do opisania z zewnątrz. Jakie tolerancje są osiągalne w skali. Jakie stopy metalu zawodzą pod określonymi kombinacjami ciepła i stresu. Jakie decyzje projektowe wyglądają elegancko na papierze i tworzą katastrofy dla zespołu narzędziowego. To wymaga dekad, aby się tego nauczyć, jest w dużej mierze nieprzenaszalne i wychodzi za drzwi każdego razu, gdy starszy inżynier przechodzi na emeryturę.

Pilotzy AI zaczynają zmieniać to. Inżynier pracujący nad nową geometrią komponentu może teraz zapytać system o możliwość produkcji na dużą skalę, otrzymać analizę awarii w wielu scenariuszach obciążenia i ocenić implikacje kosztowe przełączenia materiałów. Wszystko to dzieje się w środowisku projektowym, zanim powstanie jakikolwiek fizyczny prototyp, w momencie, gdy informacje są naprawdę przydatne.

Aby być jasnym: nie jest to zastąpienie osądu inżynierskiego. Decyzje, które wymagają wiedzy kontekstowej, profesjonalnej odpowiedzialności i twórczego rozwiązywania problemów pod ograniczeniami, nadal wymagają osoby. To, co pilotzy AI robią, to rozszerzanie przestrzeni rozwiązań, które inżynierowie mogą zbadać przed zaangażowaniem się w określoną ścieżkę, i dystrybuowanie aspektów intuicji produkcyjnej starszych inżynierów do więcej osób, wcześniej. Zespoły, które je przyjmują, dotrą do lepszych projektów, ponieważ będą oceniać więcej opcji przed tym, jak fizyka i ekonomia produkcji zamkną ich wybory.

Dwa rodzaje AI łączą się, a fabryka nigdy nie będzie taka sama

Istnieje różnica, która ma ogromne znaczenie. Istnieje cyfrowy AI – systemy generatywne, które pomagają w projekcie, dokumentacji, analizie źródeł i obsłudze decyzji. Te działają na informacjach. I istnieje fizyczny AI – systemy percepcji, planowania i sterowania napędzające roboty przemysłowe, logistykę autonomiczną, adaptacyjne urządzenia produkcyjne. Te działają na materii. Poczucie świata, planowanie działań i poruszanie się.

Przez większość minionego dziesięciolecia te dwie kategorie rozwijały się w niemal całkowicie oddzielnych światach. Ale teraz modele generatywne są coraz częściej używane do programowania, kierowania i interpretowania systemów fizycznych. Roboty mogą otrzymywać instrukcje w języku naturalnym i tłumaczyć je na sekwencje ruchu. Modele języka-wizji pozwalają systemom inspekcji opisać to, co obserwują, w sposób, który ludzie mogą wykorzystać. Narzędzia projektowe generatywne są łączone bezpośrednio z maszynami CNC i systemami drukowania addytywnego, tak aby to, co model projektuje, fabryka mogła wyprodukować.

Dla technologii klimatycznych implikacje są uderzające. Sztuczna inteligencja generatywna przyspiesza odkrywanie materiałów, znajduje lepsze chemie baterii, bardziej wydajne katalizatory, materiały strukturalne, które redukują intensywność węgla przemysłowego. Dla produkcji w ogóle konwergencja oznacza, że fabryki stają się prawdziwymi systemami adaptacyjnymi, zdolnymi do rekonfigurowania się w odpowiedzi na zmiany popytu lub zakłócenia dostaw w czasie rzeczywistym. Granica między cyfrowym modelem fabryki a fizyczną infrastrukturą zanika. To, co ją zastępuje, to infrastruktura przemysłowa, która uczy się, adaptuje i zamyka pętlę między projektem a produkcją w sposób, który wcześniej nie był możliwy.

Pytanie o pracowników

W pewnym momencie każdego szczerzego artykułu o AI i produkcji trzeba porozmawiać o ludziach. Nie zwykłym lądowaniem z nowymi pracami, które stało się rodzajem rytuału w technologicznym pisarstwie. Naprawdę porozmawiać o tym.

Lęk jest rzeczywisty i nie jest bezpodstawny. Zatrudnienie w produkcji już przeszło przez bolesne zakłócenia w ciągu czterech dekad. Kolejna runda transformacji napędzanej przez AI nie jest abstrakcją dla ludzi, którzy pracują w tych branżach.

To, co wczesne dane pokazują, to fakt, że najbardziej znaczący krótkoterminowy efekt nie jest wypieraniem, ale podniesieniem. Inżynierowie używający pilotów AI wykonują bardziej istotną inżynierię, spędzają mniej czasu na rutynowej dokumentacji i więcej na decyzjach, które determinują, czy produkt odniesie sukces. Menedżerowie łańcucha dostaw nawigują większą złożoność z lepszymi informacjami. Liderzy operacyjni stosują wnioski wygenerowane przez AI do środowisk, w których odpowiedzialność pozostaje wyraźnie ludzką.

Role zdefiniowane przede wszystkim przez rutynowe przetwarzanie danych, powtarzalne zadania koordynacyjne lub pracę fizyczną, która mieści się w bieżącej możliwości robota, będą napotykać realne naciski. To wymaga szczerej uwagi ze strony firm i instytucji.

Pracownicy produkcyjni w ciągu najbliższej dekady będą definiowani przez zdolność do skutecznej współpracy z AI. Zrozumieć ich dane wyjściowe, zakwestionować ich założenia i zastosować ich rekomendacje do decyzji wymagających ludzkiej oceny. To jest inny profil umiejętności niż ten, wokół którego zbudowano produkcję. Budowanie go na dużą skalę, sprawiedliwie, na czas, aby to miało znaczenie, jest jednym z naprawdę trudnych problemów tego momentu.

Okno

Produkcja nie jest monolitem. Przyjęcie AI w branży lotniczej wygląda inaczej niż w elektronice konsumenckiej, inaczej niż w niestandardowych komponentach przemysłowych, inaczej niż w urządzeniach medycznych. Tempo zmian różni się ogromnie w zależności od infrastruktury danych, środowiska regulacyjnego i zdolności organizacyjnej.

Ale kierunek nie jest niejednoznaczny. Cykl życia produkcji jest restrukturyzowany przez AI na każdym węźle. Firmy, które inwestują w infrastrukturę danych, przepływy pracy inżynierskich wspomaganych przez AI, zdolności pracowników i systemy zarządzania decyzjami o wysokim ryzyku, zdefiniują, jak wyglądać będzie zaawansowana produkcja za dekadę.

Fabryka przyszłości będzie kształtowana przez modele, napisane w podpowiedziach, i udoskonalane przez współpracę człowieka i maszyny, której branża dopiero zaczyna rozumieć. To, co to wyprodukuje, będzie zależało od wyborów podejmowanych teraz, w firmach, które jeszcze nie wiedzą, jakie pytania zadać.

Okno do budowania znaczącej przewagi jest otwarte. Nie pozostanie otwarte na zawsze.