Fabryka przyszłości jest pisana w oparciu o prompty

Oto coś, co jest prawdą na temat tego, jak powstają przedmioty fizyczne: prawie nikt spoza branży produkcyjnej nie wie, jak powstają przedmioty fizyczne.

Ludzie wiedzą o ogólnych kierunkach. Ktoś coś projektuje. Ktoś inny to buduje. Przyjeżdża ciężarówka. Ale środkowa część, gdzie koncepcja staje się specyfikacją, gdzie specyfikacja staje się decyzją dotyczącą źródła, gdzie decyzja dotycząca źródła staje się seria produkcyjną, gdzie seria produkcyjna staje się tym, co zamówiłeś, 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. Zmiana nie dotyczy przede wszystkim szybkości, chociaż sprawi, że rzeczy będą szybsze. 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 stopniu równym elektryfikacji lub komputeryzacji, a firmy, które zrozumieją to teraz, kiedy jest to jeszcze wczesne i nieco mylące, będą tymi, które ustalą reguły dla innych później.

Najdroższy problem w produkcji nie jest tym, czym myślisz

Zapytaj 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 produktu zaczyna krystalizować w zestaw wymagań. I to jest miejsce, w którym znaczna ilość czasu i pieniędzy znika.

Problemem jest brak współpracy. Wymagania są gromadzone za pomocą e-maili, nieprzeczytanych dokumentów i spotkań, na których współpraca wydaje się osiągnięta, ale nie jest. Docierają one do briefów inżynierskich tygodnie później, niosąc wbudowane niejasności, których nikt nie zauważył – niejasności, które pojawiają się dopiero wtedy, gdy prototyp wraca niepoprawny, lub dostawca cytuję coś, co nie całkiem pasuje, lub zespół produkcyjny zdaje sobie sprawę, że projekt, który otrzymał, nie może być produkowany w dużych ilościach.

Sztuczna inteligencja generatywna interweniuje w tym dokładnie stadium, a skutki rozprzestrzeniają się do przodu przez wszystko, co następuje. Te systemy mogą spożywać 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 przekazy. Zespoły zaopatrzenia mogą zacząć identyfikować dostawców równolegle z projektem, a nie po nim. Planowanie produkcji może rozpocząć się przed ostatecznymi rysunkami. Etapy, które wcześniej były sekwencyjne, zaczynają działać równolegle.

Dla firm produkujących niestandardowe części mechaniczne, gdzie każde pojedyncze zamówienie jest nowym problemem inżynierskim, a szybkość do cytaty jest często 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. Które tolerancje są osiągalne w skali. Które stopy metalu zawodzą pod określonymi kombinacjami ciepła i stresu. Które decyzje projektowe wyglądają elegancko na papierze i tworzą katastrofy dla zespołu narzędziowego. To wymaga dekad, aby się nauczyć, jest w dużej mierze nieprzenaszalne i wychodzi za drzwi każdego razu, gdy starszy inżynier odchodzi na emeryturę.

Pomocnicy AI zaczynają zmieniać to. Inżynier pracujący nad nową geometrią komponentu może teraz zapytać system o możliwość produkcji w skali, otrzymać analizę awarii w wielu scenariuszach obciążenia i ocenić konsekwencje kosztowe przełączenia materiałów. Wszystko to dzieje się w środowisku projektowym, zanim powstanie jakikolwiek fizyczny prototyp, w momencie, gdy informacja jest naprawdę przydatna.

Aby być jasnym: nie jest to zastąpienie oceny inżynierskiej. Decyzje, które wymagają wiedzy kontekstowej, zawodowej odpowiedzialności i twórczego rozwiązywania problemów pod ograniczeniami, nadal wymagają osoby. To, co pomocnicy AI robią, to rozszerzanie przestrzeni rozwiązań, które inżynierowie mogą zbadać przed zaangażowaniem się w określoną ścieżkę, i dystrybuowanie aspektów senioralnej intuicji produkcyjnej do więcej osób, wcześniej. Zespoły, które je przyjmują, dotrą do lepszych projektów, ponieważ będą oceniać więcej opcji przed zamknięciem ich wyborów przez fizykę i ekonomię produkcji.

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

Istnieje różnica, która ma ogromne znaczenie. Istnieje AI cyfrowa – systemy generatywne, które pomagają w projekcie, dokumentacji, analizie źródeł i wsparciu decyzji. Te działają na informacjach. I istnieje AI fizyczna – systemy percepcji, planowania i kontroli napędzające roboty przemysłowe, logistykę autonomiczną, adaptacyjne urządzenia produkcyjne. Te działają na materii. Czują świat, planują działania i poruszają rzeczami.

Przez większość minionego dziesięciolecia te dwie kategorie rozwijały się w niemal całkowicie oddzielnych światach. Ale teraz modele generatywne są coraz częściej wykorzystywane do programowania, kierowania i interpretacji systemów fizycznych. Roboty mogą otrzymywać instrukcje w języku naturalnym i tłumaczyć je na sekwencje ruchu. Modele języka i 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 zbudować.

Dla technologii klimatycznych implikacje są uderzające. Sztuczna inteligencja generatywna przyspiesza odkrywanie materiałów, znajduje lepsze chemie baterii, bardziej wydajne katalizatory, materiały strukturalne, które zmniejszają 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 zbliżonym do rzeczywistego. Granica między modelem cyfrowym a fizyczną fabryką zanika. To, co ją zastępuje, to infrastruktura przemysłowa, która uczy się, adaptuje i zamyka pętlę między projektem a produkcją w sposób, który nie był możliwy wcześniej.

Pytanie o siłę roboczą

W pewnym momencie każdego szczerego artykułu o AI i produkcji trzeba porozmawiać o ludziach. Nie zwykłym lądowaniem miękkim “nowe miejsca pracy powstaną”, które stało się rodzajem rytuału w technologicznym pisarstwie. Naprawdę porozmawiaj o tym.

Lęk jest realny 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 efekt w najbliższej perspektywie nie jest wypieranie, ale podniesienie. Inżynierowie korzystający z pomocników AI wykonują bardziej istotną inżynierię, spędzają mniej czasu na rutynowych dokumentach i więcej na decyzjach, które determinują, czy produkt się powiedzie. Menedżerowie łańcucha dostaw nawigują bardziej złożone informacje. Liderzy operacyjni stosują wnioski wygenerowane przez AI do środowisk, w których odpowiedzialność pozostaje wyłącznie ludzką.

Role zdefiniowane głównie przez rutynowe obsługę danych, powtarzalne zadania koordynacyjne lub prace fizyczne, które mieszczą się w bieżącej możliwości robota, będą napotykać realne naciski. To wymaga uczciwej uwagi ze strony firm i instytucji.

Siła robocza produkcji w następnej dekadzie będzie definiowana przez zdolność do skutecznej współpracy z AI. Zrozumieć jej dane wyjściowe, zakwestionować jej założenia i zastosować jej rekomendacje do decyzji wymagających ludzkiej oceny. To jest inny profil umiejętności niż ten, wokół którego zbudowano produkcję. Budowanie go w skali, równo, na czas, jest jednym z naprawdę trudnych problemów tego momentu.

Okno

Produkcja nie jest monolitem. Przyjęcie AI w lotnictwie wygląda inaczej niż w elektronice konsumenckiej, inaczej niż w niestandardowych komponentach przemysłowych, inaczej niż w urządzeniach medycznych. Tempo zmiany 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, AI-wzmacniane przepływy pracy inżynierskiej, zdolności siły roboczej i systemy zarządzania decyzjami o wysokim ryzyku, zdefiniują, jak wygląda zaawansowana produkcja za dekadę.

Fabryka przyszłości będzie kształtowana przez modele, napisane w oparciu o prompty, i udoskonalone poprzez współpracę człowieka i maszyny, której branża dopiero zaczyna rozumieć. To, co to wyprodukuje, zależy od wyborów podejmowanych teraz, w firmach, które nadal próbują zrozumieć, jakie pytania zadać.

Okno na budowanie znaczącej przewagi jest otwarte. Nie pozostanie otwarte nieograniczenie.