Промышленный интеллект: следующая возможность для роста производства

У каждого производителя есть свой промышленный интеллект. Часть его задокументирована, а часть хранится в знаниях опытных работников.

Представим опытного оператора, готовящегося вновь запустить линию после переналадки. Важны настройки машины, но не менее важно знать, как ведёт себя конкретный материал, что произошло во время предыдущей смены и когда, казалось бы, незначительное отклонение требует более пристального внимания. Процедура может описывать последовательность действий, но успешное выполнение зависит от суждений, основанных на опыте, и накопленных организацией знаний.

Это сочетание и есть промышленный интеллект: накопленные производителем знания, методы работы, производственные данные и понимание собственного бизнеса.

Теперь важно сделать большую часть этого интеллекта доступной там, где принимаются решения, а затем связать его с физическим миром производства. Стратегическая цель заключается не в создании большего числа агентов, а в превращении уже имеющегося бизнес-интеллекта в двигатель прибыльного роста.

Индивидуальные знания можно превратить в организационное преимущество

Экспертиза имеет ограниченное применение, если она остаётся у одного человека, внутри одной системы или на одном предприятии. Теперь руководителям необходимо определить, как расширить сферу её применения, не утратив контекст, который делает эти знания полезными.

Например, инженеру, оценивающему изменение процесса, нужны не только производственные данные. Ему необходимо понимать обстоятельства, которые за ними стоят: конфигурацию оборудования, требования к качеству и компромиссы, на которые пошёл оператор. Объединение этих элементов может помочь применять опыт за пределами того места, где он был получен.

Когда индивидуальные знания становятся широко доступными, инновации могут распространяться в ремонтную мастерскую, отдел планирования, инженерную команду и производственный цех. Больше людей могут вносить вклад, поскольку больше людей получают возможность работать с тем, что знает организация.

Но доступ к знаниям — лишь часть возможностей. Производство в конечном счёте является физическим процессом и зависит от материалов, машин и продукции.

Когда интеллект участвует в действиях

Физический ИИ — это системы, способные воспринимать условия, рассуждать о них и действовать в физическом мире. Соединяя машины и процессы, производители получают более ясное представление о происходящем в цехе. Затем агенты могут анализировать эту информацию, выявлять закономерности, предсказывать проблемы и определять оптимальный план действий. Физический ИИ привносит бизнес-интеллект в физический процесс, позволяя машинам и системам реагировать на меняющиеся условия.

Рассмотрим операцию по роботизированной обработке, в которой возникает разброс параметров деталей, поступающих на рабочее место. Система технического зрения может помочь оценить положение детали. Модель, учитывающая характеристики материала и задачу, может помочь определить подходящее движение. Затем подключённые системы управления могут выполнить корректировку в пределах утверждённых ограничений. Ценность заключается не просто в обнаружении отклонения, а в правильной реакции на него.

Тот же принцип применим к операциям контроля качества. Когда Toyota Industries объединила ранее разрозненные данные малярного цеха, инженерные и операционные команды получили необходимый контекст для понимания причин дефектов. Компания сообщает, что продолжительность аналитических циклов сократилась с пяти дней до менее чем четырёх часов, а в рамках пилотного проекта количество соответствующих дефектов окраски уменьшилось примерно на 25%. Прорыв заключался не просто в выявлении ещё одного сигнала, а в том, чтобы помочь людям понять, почему возникают дефекты, и отреагировать до того, как результат становится неизбежным.

Именно в таких ситуациях промышленный интеллект становится необходимым. Данные могут показать, что происходит, но промышленный интеллект даёт контекст для понимания того, что должно происходить, какие ограничения нельзя нарушать и когда неопределённость требует человеческого суждения.

Моделирование позволяет изучать предлагаемые действия до их применения к оборудованию. Производители могут исследовать, как изменение может повлиять на процесс в цифровой среде. Это не отменяет необходимости физической проверки, но создаёт возможность учиться, не превращая производственную линию в место проведения первого эксперимента.

Поэтому ответственное внедрение начинается с операционной дисциплины. Руководителям необходимо установить чёткие полномочия в отношении того, что системы могут изменять, обеспечить надёжное подключение к оборудованию, определить границы безопасности и вести учёт решений и действий. Люди должны уметь распознавать неопределённость, вмешиваться и переводить оборудование в безопасное состояние. Доверие основывается на этих практических механизмах, а не только на уверенности в одной модели.

Более способные машины — более способные люди

Производство давно сочетает человеческую изобретательность со всё более совершенными инструментами. Физический ИИ развивает эти отношения. Интеллектуальное оборудование может взять на себя подходящие повторяющиеся или физически тяжёлые задачи, а операции с поддержкой агентов могут помогать людям ориентироваться в решениях, требующих работы с большими объёмами информации, и в меняющихся условиях.

Цель заключается не в том, чтобы сделать машины умнее, а в том, чтобы увидеть, что люди могут создать, когда знания могут распространяться, интеллект — действовать, а у стремлений появляется больше возможностей воплотиться в реальность.

Rockwell Automation наглядно демонстрирует эту идею. На заводе компании в Сингапуре технические специалисты используют помощника по техническому обслуживанию, который объединяет производственные данные, руководства по эксплуатации машин и знания, полученные от опытных работников. Благодаря этой системе время, необходимое новым сотрудникам для обучения поиску и устранению неисправностей в сотнях машин, сократилось с девяти месяцев до трёх. Инженер мог бы изучить больше вариантов изменения процесса до того, как принять окончательное решение. Оператор мог бы помогать совершенствовать реакцию системы, а не снова и снова устранять одно и то же исключение.

Такой прогресс требует инвестиций не только в оборудование, но и в людей: в обучение, время для освоения новых навыков и возможность играть значимую роль в формировании принципов работы систем. Машины становятся более способными, чтобы люди могли стать более способными.

Промышленный интеллект — ответ на вопрос об устойчивом росте

Промышленный интеллект объединяет всё, что знает производитель: опыт его сотрудников, сигналы от операционной деятельности и уроки, накопленные с течением времени. Физический ИИ даёт этому интеллекту возможность действовать в физическом мире, превращая знания в решения, а решения — в действия.

Следующая задача промышленности заключается не просто в том, чтобы производить больше, а в том, чтобы расти, не увеличивая сложность такими же темпами. Интеллект может помочь производителям превратить опыт в масштабируемые возможности — повысить производительность, ускорить инновации, расширить мощности и дать людям возможность решать задачи, которые раньше было трудно брать в работу.

Следующий рубеж развития промышленности — не более умные машины и не более автоматизированные фабрики, а предприятия, способные непрерывно учиться, адаптироваться и действовать. Возможность заключается в том, чтобы превратить интеллект, заложенный в каждой операции, в накапливающееся преимущество для роста.

Посмотрите серию видеороликов, чтобы узнать, как промышленные клиенты раскрывают потенциал интеллекта по всей цепочке создания стоимости, и присоединяйтесь к Microsoft на мероприятии Microsoft Ignite, чтобы узнать, что ждёт промышленный интеллект дальше.

Этот материал подготовлен Microsoft. Он не был написан редакцией MIT Technology Review.