Завод будущего пишется на промптах

Вот одно из истин о том, как создаются физические объекты: почти никто вне производства не знает, как создаются физические объекты.

Они знают общие черты. Кто-то проектирует что-то. Кто-то другой строит. Приезжает грузовик. Но середина, где концепция становится спецификацией, где спецификация становится решением о закупке, где решение о закупке становится производственной партией, где производственная партия становится тем, что вы заказали, эта часть в основном невидима и чрезвычайно сложна, и она работала более или менее одинаково очень долгое время.

Это сейчас меняется.

Генеративный ИИ начинает переписывать жизненный цикл производства способами, которые трудно преувеличить. Давайте попробуем быть точными. Изменение не заключается в первую очередь в скорости, хотя оно сделает вещи быстрее. Оно не заключается в первую очередь в стоимости, хотя оно изменит структуры затрат существенно. Оно заключается в чем-то более фундаментальном: где в процессе применяется интеллект, и кем, и как рано. Мы находимся на пороге трансформации, которая изменит промышленную экономику так же значительно, как электрификация или компьютеризация, и компании, которые понимают это сейчас, пока это еще рано и еще немного запутанно, будут теми, кто будет писать правила для всех остальных позже.

Самая дорогая проблема в производстве не то, что вы думаете

Спросите большинство людей, где производство идет не так, и они укажут на завод. Но некоторые из самых дорогих неудач происходят гораздо раньше, в безформной фазе, когда идея продукта начинает кристаллизоваться в набор требований. И это то место, где исчезает огромное количество времени и денег.

Проблема заключается в несоответствии. Требования собираются через электронные письма, полупрочитанные документы и встречи, где достигается согласование, но оно не реально. Они приходят в инженерные брифы через недели, несущие встроенные неоднозначности, которые никто не заметил – неоднозначности, которые появляются только тогда, когда прототип возвращается неправильно, или поставщик предлагает что-то, что не совсем соответствует, или производственная команда осознает, что дизайн, который они получили, не может быть произведен в объеме.

Генеративный ИИ вмешивается именно на этой стадии, и эффекты распространяются вперед через все, что следует. Эти системы могут потреблять огромные неструктурированные входные данные – обратную связь клиентов, нормативные материалы, данные о неисправностях в поле, конкурентные разборки – и синтезировать их в структурированные, перекрестно ссылающиеся требования быстрее и более связно, чем могут справиться человеческие команды. То, что раньше занимало недели системной инженерии, теперь может быть составлено за несколько часов.

Когда требования приходят раньше и с большей точностью, передачи меняются. Команды по закупкам могут начать выявлять поставщиков параллельно с дизайном, а не после него. Планирование производства может начаться до того, как чертежи будут завершены. Этапы, которые раньше были последовательными, начинают работать параллельно.

Для компаний, которые строят индивидуальные механические детали, где каждый отдельный заказ является новой инженерной проблемой, и скорость до цитаты часто является разницей между выигрышем бизнеса и его потерей, это стратегическая трансформация.

Что знает ветеран-инженер

Существует определенный вид знаний, который живет внутри лучших производственных инженеров, который почти невозможно описать извне. Какие допуски достижимы в масштабе. Какие сплавы ломаются под определенной комбинацией тепла и стресса. Какие решения по дизайну выглядят элегантно на бумаге и создают катастрофы для команды инструментов. Для этого требуется десятилетия, чтобы накопить, в основном не передается, и уходит из двери каждый раз, когда старший инженер выходит на пенсию.

ИИ-ко-пилоты начинают менять это. Инженер, работающий над новой геометрией компонентов, теперь может запросить систему о производительности в масштабе, получить анализ неисправностей по нескольким нагрузочным сценариям и оценить последствия изменения материалов. Все это происходит внутри среды дизайна, до того, как существует физический прототип, в момент, когда информация действительно полезна.

Чтобы быть ясным: это не замена инженерного суждения. Решения, которые включают контекстные знания, профессиональную ответственность и творческое решение проблем под ограничением, все еще требуют человека. То, что делают ИИ-ко-пилоты, – это расширение пространства решений, которое инженеры могут исследовать, прежде чем выбрать путь, и распространение аспектов интуиции старшего производственного инженера на больше людей, раньше. Команды, которые хорошо принимают их, придут к лучшим дизайнам, потому что они будут оценивать больше вариантов, прежде чем физика и экономика производства закроют их выбор.

Два вида ИИ сливаются, и завод никогда не будет прежним

Вот различие, которое имеет большое значение. Существует цифровой ИИ – генеративные системы, которые помогают с дизайном, документацией, анализом закупок и поддержкой принятия решений. Они работают с информацией. И существует физический ИИ – системы восприятия, планирования и управления, которые управляют промышленными роботами, автономной логистикой, адаптивным производственным оборудованием. Они работают с материей. Они чувствуют мир, планируют действия и перемещают вещи.

На протяжении большей части прошлого десятилетия эти две категории развивались в почти совершенно отдельных мирах. Но теперь генеративные модели все чаще используются для программирования, направления и интерпретации физических систем. Роботы могут получать инструкции на естественном языке и переводить их в последовательности движений. Модели языка и зрения позволяют системам инспекции описывать то, что они наблюдают, в терминах, которые люди могут использовать. Инструменты генеративного дизайна подключаются напрямую к станкам с ЧПУ и системам аддитивного производства, поэтому то, что проектирует модель, завод может построить.

Для технологий, связанных с климатом, последствия поразительны. Генеративный ИИ ускоряет открытие материалов, находит лучшие химии батарей, более эффективные катализаторы, конструкционные материалы, которые снижают промышленную интенсивность углерода. Для производства в целом слияние означает, что заводы становятся真正 адаптивными системами, способными переконфигурироваться в ответ на сдвиги спроса или нарушения поставок почти в режиме реального времени. Граница между цифровой моделью завода и физическим заводом исчезает. То, что заменяет ее, – это промышленная инфраструктура, которая учится, адаптируется и закрывает петлю между дизайном и производством способами, которые были невозможны раньше.

Вопрос о рабочей силе

В какой-то момент в любой честной статье об ИИ и производстве вы должны поговорить о людях. Не с обычным мягким приземлением “новые рабочие места появятся”, которое стало своего рода ритуальным оправданием в технологической журналистике. Действительно поговорите об этом.

Тревога реальна и не беспочвенна. Занятость в производстве уже прошла через мучительные нарушения за четыре десятилетия. Еще один раунд трансформации, обусловленной ИИ, не является абстракцией для людей, которые работают в этих отраслях.

Что показывают ранние данные, так это то, что наиболее значимым ближайшим эффектом является не замена, а повышение. Инженеры, использующие ИИ-ко-пилоты, выполняют более значимую инженерию, тратят меньше времени на рутинную документацию и больше на решения, которые определяют, будет ли продукт успешным. Менеджеры цепочки поставок ориентируются в большей сложности с лучшей информацией. Руководители операций применяют ИИ-генерируемые идеи к средам, где ответственность остается твердо человеческой.

Роли, определяемые в первую очередь обработкой данных, повторяющимися координационными задачами или физической работой, которая попадает в текущий диапазон возможностей робототехники, будут сталкиваться с реальным давлением. Это требует честного внимания от компаний и учреждений.

Рабочая сила производства следующего десятилетия будет определяться способностью эффективно работать с ИИ. Понимать его выводы, ставить под сомнение его предположения и применять его рекомендации к решениям, требующим человеческого суждения. Это другой профиль навыков, чем тот, вокруг которого было построено производство. Построение его в масштабе, справедливо, вовремя, чтобы иметь значение, – это одна из действительно сложных проблем этого момента.

Окно

Производство не является монолитом. Принятие ИИ в аэрокосмической промышленности выглядит иначе, чем в потребительской электронике, иначе, чем в индивидуальных промышленных компонентах, иначе, чем в медицинских устройствах. Темп изменений сильно варьируется по инфраструктуре данных, нормативной среде и организационной способности.

Но направление не является двусмысленным. Жизненный цикл производства перестраивается ИИ на каждом узле. Компании, которые инвестируют в инфраструктуру данных, ИИ-усиленные рабочие процессы инженерии, возможности рабочей силы и системы управления для решений высокого риска, определят, как будет выглядеть продвинутое производство через десятилетие.

Завод будущего будет формироваться моделями, написанными на промптах, и усовершенствованными через сотрудничество человека и машины, которое отрасль только начинает понимать. То, что это произведет, будет зависеть от выборов, которые делаются прямо сейчас, в компаниях, которые еще только начинают понимать, какие вопросы задавать.

Окно для построения значительного преимущества открыто. Оно не будет оставаться открытым бесконечно.