Siemens: вскоре ИИ сможет управлять промышленным оборудованием и даже целыми заводами

 

Согласно совместному исследованию «Сименс» и Longitude Research, посвященному вопросам развития и внедрения ИИ, в котором приняли участие более 500 топ-менеджеров из различных отраслей промышленности, большинство респондентов считает возможным, что в течение ближайших пяти лет искусственному интеллекту доверят управление активами большой ценности — заводами, оборудованием и станками.

Getty Images

Getty Images

В ходе исследования 515 менеджерам промышленного сектора (в т. ч. в сферах энергетики, производства, тяжелой промышленности, инфраструктуры и транспорта) задавались следующие вопросы: «Что, если бы вы смогли автоматизировать ряд повседневных операционных решений в своей организации, чтобы сотрудники могли сконцентрироваться на таких стратегических проектах, как разработка новых линеек продукции или расширение бизнеса? Насколько хорошей должна быть модель ИИ, прежде чем вы готовы будете передать ей контроль? Должна ли ее производительность быть на уровне инженеров или же она должна его превосходить? Что, если ошибка может привести к серьезным финансовым потерям или даже травмам?».

Уже сейчас ИИ пользуется высоким уровнем доверия — 56 % респондентов готовы внедрить идеальную модель ИИ вместо поиска опытного сотрудника. Впрочем, это также означает, что остальные респонденты больше доверяют решениям, принимаемым людьми.

Также участники опроса высказали мнение об уровне полезности разных типов контекстуальных данных. Наиболее полезными (71 % голосов) респонденты считают данные от производителей оборудования. За ними следуют внутренние данные других подразделений, регионов или департаментов (70 %), данные поставщиков (70 %) и показатели производительности проданной продукции при использовании заказчиками (68 %).

Многие сценарии использования ИИ предполагают возможность его применения для повышения безопасности рабочих мест.

По мнению 44 % респондентов, в ближайшие 5 лет системы на базе ИИ будут автономно контролировать машинное оборудование, эксплуатация которого несёт потенциальные риски травм или гибели персонала. Еще больше респондентов (54 %) считает, что ИИ до конца этого периода будет автономно контролировать отдельные активы большой ценности их компаний. Но для того потребуется, чтобы ИИ вышел на новый уровень. В большинстве случаев этому будут способствовать новые подходы к управлению, сбору, отображению и обмену данными.

Этот перечень включает графы знаний, отражающие отношения между объектами и связи в различных наборах данных, или цифровые двойники, позволяющие создавать детальные цифровые модели и имитировать поведение реальных систем, активов или процессов. Отмечен также высокий потенциал использования промышленных графов знаний для улучшения моделей ИИ за счет комбинации различных наборов данных.

«Графы знаний добавляют контекст анализируемым данным, — пояснил руководитель отдела научных исследований в области цифровизации и автоматизации компании «Сименс» Норберт Гаус. — Например, технические характеристики станка можно анализировать в контексте данных проектирования, в том числе задач, для которых предназначен станок, температур, при которых он должен работать, ключевых параметров, встроенных в компоненты и т.п. Добавьте сюда историю обслуживания аналогичных станков, в том числе неисправности, отзывы и ожидаемые результаты проверок на протяжении всего срока службы такого станка. Графы знаний существенно упрощают связывание промышленных данных, необходимое для обучения моделей ИИ, и добавляют ценную контекстную информацию».

Если вы заметили ошибку — выделите ее мышью и нажмите CTRL+ENTER. | Можете написать лучше? Мы всегда рады новым авторам.

Источник:

Постоянный URL: https://servernews.ru/1023835
Поделиться:  

Комментарии

Система Orphus