ИИ глубоко проникает в основные сценарии промышленной автоматизации из «технических концепций», способствуя переходу отрасли от традиционного логического управления к интеллектуальному автономному принятию решений.
Это изменение — не просто технологическая суперпозиция, а систематическое изменение архитектуры автоматизации, промышленной экологии и системы талантов.
Гиганты отрасли, представленные Siemens, Schneider и Центральным управлением Чжэцзянского университета, создают новые конкурентные барьеры через стратегические позиции в области ИИ; в то время как инженеры по автоматизации сталкиваются с двойной проблемой: «необходимо заменить базовую работу и реконструировать основные возможности» — ИИ не устранит инженеров, но устранит инженеров, которые не могут использовать ИИ.
Ядром традиционной автоматизации является выполнение детерминированной логики, которое опирается на заранее заданные программы и фиксированные процессы и может работать только со стандартизированными сценариями; в то время как ядром автоматизации на основе искусственного интеллекта является неопределенное автономное принятие решений, которое адаптируется к сложным и постоянно меняющимся промышленным сценариям посредством изучения данных, моделирования и динамической оптимизации, а также обеспечивает автономную работу с замкнутым циклом «восприятие-анализ-решение-исполнение».
С точки зрения технической архитектуры произошел огромный переход от «жесткой проводки + ПЛК» к «ИИ + цифровой двойник + сотрудничество на границе облака». В ходе преобразования уровня управления ПЛК был повышен с «логического исполнителя» до «периферийного интеллектуального узла», оснащенного облегченной моделью искусственного интеллекта для настройки параметров в реальном времени на миллисекундном уровне и предупреждения об аномальных ситуациях.
Реконструкция уровня платформы делает промышленную облачную платформу основным средством обучения и развертывания искусственного интеллекта, аккумулирует библиотеки отраслевых моделей и поддерживает повторное использование в разных сценариях.
Открытие уровня данных обеспечивает глубокую интеграцию данных ОТ и ИТ, а также унифицированное управление данными временных рядов, данными об оборудовании и данными о качестве, предоставляя высококачественные учебные материалы для ИИ.
Что касается промышленной ценности, ИИ привел к повышению эффективности, снижению затрат и инновациям в моделях.
С точки зрения повышения эффективности прогнозное обслуживание на основе искусственного интеллекта может сократить время незапланированных простоев на 30–50 %; интеллектуальные алгоритмы оптимизации могут повысить общую эффективность оборудования (OEE) на 10–20 %.
С точки зрения оптимизации затрат генеративный ИИ сокращает цикл автоматизированного проектирования на 40–60 %, повышает эффективность генерации кода в три раза и значительно снижает трудозатраты.
Инновационная модель отражается в переходе от «продажи оборудования» к «продаже решений искусственного интеллекта + услуг по подписке», при этом подписка на промышленное программное обеспечение становится новым двигателем роста.
Что касается гигантских стратегических позиций в области ИИ, Siemens использует цифровых двойников + промышленный интеллект для создания экосистемы ИИ с полной цепочкой создания стоимости. Ее основной продукт, Industrial Copilot (Industrial AI Assistant), поддерживает генерацию кода ПЛК на естественном языке, проектирование интерфейса HMI и диагностику неисправностей; ИИ-агент может автономно выполнять полнопроцессные задачи без ручного вмешательства.
Что касается технических барьеров, в мире насчитывается более 1500 экспертов по искусственному интеллекту, более 3700 патентов на искусственный интеллект, более 300 промышленных моделей искусственного интеллекта и глубокая интеграция технологии цифровых двойников для обеспечения виртуальной отладки и прогнозной оптимизации.
В случае реализации OEE штамповочной линии завода BMW в Шэньяне увеличилось до 91,2%; система оптимизации процесса плавки позволила добиться высококачественного и энергосберегающего независимого производства.
Schneider Electric использует определение программного обеспечения + искусственный интеллект в области энергоэффективности, чтобы сосредоточиться на «зеленом интеллекте» и упрощенном внедрении.
Основной продукт EcoStruxure Automation Expert Copilot (в сотрудничестве с Microsoft) поддерживает генерацию промышленного кода на естественном языке, проектирование функциональных блоков и интеллектуальную отладку;
ПЛК Modicon M262 объединяет модели прогнозирования энергопотребления для оптимизации энергоэффективности в реальном времени. Технической особенностью является глубокое развитие искусственного интеллекта для управления энергоэффективностью, позволяющее достичь ошибки прогнозирования срока службы катализатора менее 3% на нефтеперерабатывающих заводах; облегченная модель ИИ адаптируется к сценариям малого и среднего размера, снижая порог реализации.
В случае внедрения фабрика в Шанхае в Путуо будет полностью покрыта искусственным интеллектом, что повысит эффективность производства на 25% и снизит потребление энергии на 18%.
SUPCON Чжэцзянского университета заложил прочную основу для искусственного интеллекта перерабатывающей промышленности с помощью независимых управляемых и крупных промышленных моделей.
Его промышленная архитектура искусственного интеллекта «1+2+N» включает заводскую операционную систему (унифицированную интеграцию данных), две основные большие модели (большая модель временных рядов TPT + мультимодальная промышленная большая модель) и N сценариев отраслевого применения.
Основным прорывом является самостоятельно разработанная большая модель временных рядов TPT, которая адаптируется к характеристикам данных промышленных временных рядов и была реализована на более чем 100 крупных промышленных установках. DCS занимает долю внутреннего рынка в 40,4% (впервые за 14 лет подряд), обеспечивая масштабную поддержку промышленных данных для ИИ.
Стратегическая цель — стать мировым лидером в области промышленного ИИ и использовать ИИ для достижения четырех ценностей: безопасности, качества, низкого уровня выбросов углерода и эффективности.
ИИ также оказывает двойное влияние на инженеров по автоматизации.
На уровне замены базовая, повторяющаяся и регулярная работа эффективно заменяется ИИ, такая как базовое программирование, рутинная отладка, ввод данных и отчетность и т. д. Младшие инженеры, персонал по эксплуатации и техническому обслуживанию на местах, а также базовые программисты сталкиваются с риском сокращения рабочих мест.
Но на базовом уровне ценные возможности, которые не могут быть заменены ИИ, такие как проектирование сложной системной архитектуры, глубокая интеграция и инновации процессов, обучение и настройка моделей ИИ, управление проектами и междоменное сотрудничество, стали новым рвом для инженеров.
В эпоху искусственного интеллекта основная формула компетентности инженеров по автоматизации была обновлена: 40 % опыт работы на производственной линии + 30 % алгоритмическое мышление + 20 % коммуникационные технологии + 10 % эстетика дизайна.
Что касается выживания и развития инженеров, в краткосрочной перспективе (1-2 года) им следует освоить инструменты искусственного интеллекта, повысить базовую эффективность, овладеть навыками использования инструментов генеративного искусственного интеллекта и изучить базовые концепции анализа данных временных рядов и промышленного искусственного интеллекта.
В среднесрочной перспективе (3-5 лет) необходимо глубоко развивать отраслевые процессы, овладевать основными навыками искусственного интеллекта, укореняться в разделенных отраслях, накапливать глубокий процессный опыт и систематически изучать машинное обучение и другие навыки.
В долгосрочной перспективе (5 лет и более) мы должны превратиться в комплексного эксперта, возглавить отраслевые инновации, вырасти в «промышленного архитектора» и «эксперта по решениям ИИ», а также способствовать глубокой интеграции технологий ИИ и промышленных сценариев.
Короче говоря, изменения, которые ИИ вносит в индустрию автоматизации, разрушительны и необратимы. Отрасль переходит от «автоматизации» к «интеллекту», а гиганты меняют конкурентную среду с помощью искусственного интеллекта; инженеры превращаются из «технических исполнителей» в «создателей ценностей», а сложные способности стали ключом к выживанию.
В отрасли ИИ не заменяет людей, но высвобождает творческий потенциал человека, освобождая инженеров от рутинной работы и сосредотачивая их на инновациях и решении сложных проблем. Для инженеров беспокойство бесполезно. Только активно внедряя искусственный интеллект, реконструируя систему возможностей и глубоко культивируя ценность отрасли, мы сможем прочно закрепиться в эпоху искусственного интеллекта и добиться карьерного роста.
