אימוץ בינה מלאכותית נכנס לשלב חדש מעבר לפרויקטים פיילוט
בינה מלאכותית עברה מפרויקטים ניסיוניים לסביבות ייצור אמיתיות. על פי מחקר שנערך לאחרונה בתעשייה, 72% מהיצרנים כבר יישמו בינה מלאכותית בצורה כלשהי. עם זאת, רק אחוז קטן הצליח להרחיב בהצלחה פתרונות בינה מלאכותית על פני מספר אתרי ייצור ורשתות תפעוליות.
האתגר הנוכחי אינו עוד רק פריסת טכנולוגיית בינה מלאכותית. ארגוני ייצור כבר הוכיחו את יכולתם להתקין חיישנים, לחבר מכונות, לאסוף נתונים ולהכניס פלטפורמות תוכנה חכמות. האתגר האמיתי הוא יצירת סביבה שבה מפעילים, מהנדסים ומנהלים סומכים על החלטות המונעות על ידי בינה מלאכותית.
מנקודת מבטי כמהנדס אוטומציה תעשייתית , מעבר זה מייצג שינוי מהותי באופן פעולתם של מפעלים. בינה מלאכותית אינה עוד רכיב אוטומציה כמו מודול PLC או מתג רשת תעשייתי. היא משנה תהליכי קבלת החלטות, ולכן דורשת גם אינטגרציה טכנית וגם יישור כוח אדם.
המחסום העיקרי אינו טכנולוגיה, אלא ביטחון אנושי
יצרנים רבים ניגשים לפריסת בינה מלאכותית כפרויקט התקנת טכנולוגיה מסורתי. הם בוחרים פלטפורמה, מחברים מקורות נתוני ייצור ומצפים לשיפורים תפעוליים מיידיים. עם זאת, סביבות תעשייתיות שונות מיישומי תוכנה טהורים מכיוון שהחלטות ייצור משפיעות ישירות על ביצועי הציוד, איכות המוצר ואחריות העובדים.
מערכת אוטומציה חדשה דורשת בדרך כלל הפעלה, בדיקה, הכשרת מפעילים ואופטימיזציה הדרגתית. מערכות בינה מלאכותית צריכות לפעול לפי אותה תחום הנדסי. מודל תחזוקה ניבוי, אלגוריתם בדיקת איכות או מערכת אופטימיזציה של ייצור חייבים להוכיח את ערכם באמצעות תוצאות מעשיות לפני שהעובדים יקבלו את המלצותיה במלואן.
ההיסוס מצד עובדי המפעלים לעיתים קרובות אינו מובן כראוי. עובדים רבים אינם דוחים את הבינה המלאכותית עצמה. במקום זאת, הם אינם בטוחים כיצד הבינה המלאכותית תשפיע על תחומי האחריות היומיומיים שלהם, סמכות ההחלטות שלהם והתפתחות הקריירה ארוכת הטווח.
אמון בכוח העבודה קובע האם בינה מלאכותית יכולה להתרחב
יישום מוצלח של בינה מלאכותית דורש מהמפעילים להפוך למשתתפים פעילים ולא למשתמשים פסיביים. עובדים העובדים ישירות עם מכונות מבינים שינויים בתהליך, התנהגות ציוד ומגבלות ייצור טוב יותר מכל מודל תוכנה.
יצרנים שמשיגים אימוץ בינה מלאכותית בקנה מידה גדול בדרך כלל מערבים צוותי ייצור בשלבי בחירת הטכנולוגיה המוקדמים ובדיקתה. גישה זו מאפשרת למהנדסים להתאים יישומי בינה מלאכותית בהתאם לדרישות התפעול בפועל במקום להנחות תיאורטיות.
בפרויקטים של אוטומציה תעשייתית, משוב ממפעילים הוא לעתים קרובות הקשר החסר בין ביצועי המערכת ליעילות בעולם האמיתי. מודל למידת מכונה עשוי לזהות דפוסי רטט חריגים, אך טכנאי תחזוקה מנוסים מבינים האם דפוסים אלה מייצגים בעיה מכנית אמיתית או מצב ייצור רגיל.
מערכות הבינה המלאכותית החזקות ביותר משלבות אינטליגנציה של מכונה עם ניסיון אנושי.
אוריינות בינה מלאכותית צריכה להפוך לחלק מאסטרטגיית הנדסת תעשייה
הכשרה היא אחד הגורמים החשובים ביותר באימוץ בינה מלאכותית. עם זאת, חינוך יעיל בתחום הבינה המלאכותית לא צריך להתמקד רק בתפעול תוכנה. עובדים צריכים להבין מדוע מערכת בינה מלאכותית מייצרת המלצות ספציפיות וכיצד המלצות אלו קשורות לתהליכי ייצור.
לדוגמה, מהנדס תחזוקה יבטח יותר במערכת חיזוי כשלים מבוססת בינה מלאכותית כאשר המערכת מסבירה את הקשר בין מגמות רעידות, שינויי טמפרטורה, מחזורי הפעלה וכשלים היסטוריים בציוד.
בינה מלאכותית שקופה יוצרת ביטחון. החלטות קופסה שחורה יוצרות התנגדות.
על יצרנים להתייחס לאוריינות בינה מלאכותית כאסטרטגיה ארוכת טווח לפיתוח כוח אדם ולא כפעילות הכשרה קצרת טווח בתחום ה-IT. מהנדסים, טכנאים, מפקחים ומפעילים כולם דורשים רמות שונות של הבנה בהתאם לאחריותם.
ניצחונות תפעוליים קטנים יוצרים קבלה ארוכת טווח של בינה מלאכותית
טרנספורמציה רחבת היקף של בינה מלאכותית צריכה להתחיל ביישומים ממוקדים המספקים שיפורים מדידים. ניסיון להפוך רשתות ייצור שלמות לאוטומטיות באופן מיידי יוצר לעתים קרובות מורכבות והתנגדות מיותרות.
גישה מעשית היא לבחור בעיות ספציפיות כגון צמצום זמני השבתה בלתי צפויים, שיפור דיוק הבדיקות, אופטימיזציה של צריכת אנרגיה או תמיכה בתכנון תחזוקה. ברגע שהעובדים חווים יתרונות מדידים, הביטחון בבינה מלאכותית עולה באופן טבעי.
ההיסטוריה של אוטומציה תעשייתית מראה שמפעילים מקבלים טכנולוגיות שמשפרות את עבודתם במקום להחליף את המומחיות שלהם. אותו עיקרון חל על בינה מלאכותית.
בינה מלאכותית צריכה לעזור לצוות מנוסה לקבל החלטות מהירות וטובות יותר, לא להסיר מעורבות אנושית מתהליכים קריטיים.
מכלי בינה מלאכותית לבינה תעשייתית מערכתית
השלב הבא של טרנספורמציה בייצור ידרוש מעבר ליישומי בינה מלאכותית מבודדים. בינה מלאכותית מערכתית מחברת ציוד ייצור, מערכות ארגוניות, נתוני הנדסה וקבלת החלטות תפעוליות למסגרת בינה מאוחדת.
פרויקטים מסורתיים של Industry 4.0 התמקדו לעתים קרובות בחיבור מכונות ואיסוף מידע. הדור הבא של אוטומציה יתמקד בשימוש במידע זה כדי לתמוך בהחלטות מתואמות על פני מפעלים שלמים.
זה דורש שילוב חזק של IT ו-OT, רשתות תעשייתיות מאובטחות, מודלי נתונים סטנדרטיים וגבולות ברורים של אחריות בין מערכות אוטומטיות למפעילים אנושיים.
לדעתי, המפעל העתידי לא יהיה אוטונומי לחלוטין. במקום זאת, הוא יהפוך לסביבה שיתופית שבה בינה מלאכותית מטפלת בניתוח נתונים מורכב בעוד שבני אדם יישארו אחראים לשיקול דעת, בטיחות והחלטות אסטרטגיות.
שליטה אנושית נותרה חיונית במפעלים חכמים
ככל שבינה מלאכותית הופכת משולבת יותר במערכות תעשייתיות, יצרנים חייבים להגדיר גבולות תפעוליים ברורים. לא כל החלטה צריכה להיות אוטומטית, במיוחד ביישומים קריטיים לבטיחות הכוללים ציוד ייצור, בקרת תהליכים או מערכות אנרגיה.
אסטרטגיית פריסה בוגרת של בינה מלאכותית צריכה לכלול רמות שונות של בקרה:
- המלצות מבוססות בינה מלאכותית עם אישור אנושי.
- פעולות אוטומטיות במסגרת מגבלות הפעלה מוגדרות מראש.
- הליכי הסלמה במצבים חריגים.
- יכולת התערבות ידנית במהלך אירועים בלתי צפויים.
גישה זו יוצרת מודל אוטומציה מאוזן שבו בינה משפרת את היעילות תוך שמירה על בטיחות תפעולית.
עתיד הבינה המלאכותית התעשייתית תלוי באנשים ובטכנולוגיה יחד
היצרנים שיצליחו להגדיל את הבינה המלאכותית לא בהכרח יהיו אלו עם האלגוריתמים המורכבים ביותר. הם יהיו הארגונים שמבינים את הקשר בין טכנולוגיה, תהליכי הנדסה וביטחון כוח העבודה.
אימוץ בינה מלאכותית באוטומציה תעשייתית הוא בסופו של דבר אתגר ניהול שינויים הנתמך על ידי טכנולוגיה. מפעלים חייבים לבנות אמון צעד אחר צעד באמצעות מערכות שקופות, הכשרה מתמשכת ושיפורים תפעוליים מדידים.
המפעל החכם של העתיד לא ייווצר על ידי החלפת המומחיות האנושית. הוא ייווצר על ידי שילוב של ניסיון אנושי עם אינטליגנציה של מכונה כדי להשיג רמות גבוהות יותר של פרודוקטיביות, גמישות וביצועים תפעוליים.
