4 Wege, wie generative KI Herausforderungen in der Fertigung angeht

Die Fertigungsbranche befindet sich in einer nicht beneidenswerten Lage. Das Unternehmen ist mit einem ständigen Ansturm von Kostendruck, Volatilität in der Lieferkette und disruptiven Technologien wie 3D-Druck und IoT konfrontiert. Die Branche muss kontinuierlich Prozesse optimieren, die Effizienz verbessern und die Gesamtequipment-Effektivität verbessern.

Gleichzeitig gibt es diese riesige Welle der Nachhaltigkeit und der Energiewende. Die Hersteller sind aufgefordert, ihren Speicherbedarf zu reduzieren, die Kreislaufwirtschaft zu etablieren und allgemein umweltfreundlicher zu werden.

Und Hersteller stehen unter Druck, ständig zu innovieren und gleichzeitig Stabilität und Sicherheit zu gewährleisten. Eine ungenaue KI-Vorhersage in einer Marketingkampagne ist zwar ärgerlich, aber eine ungenaue KI-Vorhersage in einer Fertigungshalle kann fatale Folgen haben.

Technologie und Disruption sind für Hersteller nichts Neues, aber das Hauptproblem ist, dass das, was theoretisch gut funktioniert, in der Praxis oft versagt. Als Hersteller erstellen wir zum Beispiel eine Wissensdatenbank, aber niemand kann etwas finden, ohne stundenlang zu suchen und den Inhalt zu durchstöbern. Oder wir erstellen einen Data Lake, der schnell zu einem Datensumpf ausartet. Oder wir fügen immer neue Anwendungen hinzu, sodass unsere technische Schulden immer weiter anwachsen. Aber wir sind nicht in der Lage, unsere Anwendungen zu modernisieren, da die über die Jahre entwickelte Logik dort verborgen ist.

Lassen Sie uns einige der Funktionen oder Anwendungsfälle erkunden, bei denen wir am meisten Anklang finden:

1. Zusammenfassung

Die Zusammenfassung ist nach wie vor der wichtigste Anwendungsfall für generative KI-Technologie (Gen AI). In Kombination mit Suchfunktionen und multimodaler Interaktion ist generative KI ein hervorragender Assistent. Hersteller verwenden Zusammenfassungen auf unterschiedliche Weise.

Sie können es nutzen, um eine bessere Methode zu entwickeln, mit der die Bediener schnell und effektiv die richtigen Informationen aus dem riesigen Fundus an Betriebshandbüchern, SOPs, Logbüchern, vergangenen Vorfällen und mehr abrufen können. Dadurch können sich die Mitarbeiter mehr auf ihre Aufgaben konzentrieren und ohne unnötige Verzögerungen Fortschritte erzielen.

IBM verfügt über generative KI-Beschleuniger, die sich auf die Fertigung konzentrieren. Zusätzlich sind diese Beschleuniger mit verschiedenen Cloud-KI-Diensten vorintegriert und empfehlen das beste LLM (Large Language Model) für ihren Bereich.

Eine Zusammenfassung hilft auch in rauen Betriebsumgebungen. Wenn die Maschine oder das Gerät ausfällt, können die Wartungsingenieure mithilfe von generativer KI Probleme auf der Grundlage des Wartungshandbuchs und einer Analyse der Prozessparameter schnell diagnostizieren.

2. Kontextuelles Datenverständnis

Datensysteme verursachen in Fertigungsunternehmen oft große Probleme. Sie sind oft verteilt, isoliert und multimodal. Verschiedene Initiativen zur Erstellung eines Wissensgraphen für diese Systeme waren nur teilweise erfolgreich. Grund dafür sind Legacy-Knowledge, die unvollständige Dokumentation und die über Jahrzehnte hinweg entstandenen technischen Schulden.

IBM entwickelte ein KI-gestütztes Knowledge Discovery-System , das generative KI nutzt, um neue Erkenntnisse freizuschalten und datengesteuerte Entscheidungen mit kontextualisierten Industriedaten zu beschleunigen. IBM hat auch einen Accelerator für kontextbezogenes Funktion-Engineering im industriellen Bereich entwickelt. Dies ermöglicht Echtzeit-Transparenz über Prozesszustände (normal/abnormal), mildert häufige Prozessbehinderungen und erkennt und prognostiziert Golden Batch.

IBM hat einen Personalberater entwickelt, der Zusammenfassungen und kontextbezogenes Datenverständnis mit Absichtserkennung und multimodaler Interaktion nutzt. Betreiber und Anlagentechniker können das nutzen, um sich schnell auf einen Problembereich zu konzentrieren. Benutzer können Fragen per Sprache, Text und Zeigen stellen, und der generative KI Advisor wird sie verarbeiten und eine Antwort geben, wobei er ein Bewusstsein für den Kontext hat. Dies reduziert die kognitive Belastung der Benutzer, indem es ihnen hilft, eine Ursachenanalyse schneller durchzuführen und so ihren Zeit- und Arbeitsaufwand zu verringern.

3. Unterstützung bei der Codierung

Generative KI hilft auch bei der Codierung, einschließlich der Code-Dokumentation, der Code-Modernisierung und der Code-Entwicklung. Als Beispiel dafür, wie generative KI bei der IT-Modernisierung hilft, betrachten wir den Anwendungsfall der Water Corporation. Die Water Corporation hat Watson Code Assistant eingeführt, der auf den Funktionen der generativen KI von IBM basiert, um ihnen den Übergang zu einer cloudbasierten SAP-Infrastruktur zu erleichtern.

Dieses Tool beschleunigte die Code-Entwicklung durch die Verwendung von KI-generierten Empfehlungen auf der Grundlage von natürlichen Sprach-Eingaben, wodurch die Deploymentzeiten und die manuelle Arbeit erheblich reduziert wurden. Mit Watson Code Assistant konnte die Water Corporation den Entwicklungsaufwand und die damit verbundenen Kosten um 30 % reduzieren und gleichzeitig die Codequalität und Transparenz aufrechterhalten.

4. Asset-Management

Die generative KI kann das Asset-Management verändern.

Generative KI kann Foundation Models für Asset erstellen. Wenn wir mehrere KPIs für denselben Prozess vorhersagen müssen oder es eine Flotte ähnlicher Assets gibt. Es ist besser, ein Foundation Model des Assets zu entwickeln und eine Feinabstimmung mehrfach durchzuführen.

Die generative KI kann auch für die vorausschauende Wartung trainieren, schulen. Foundation-Modelle sind sehr nützlich, wenn Ausfalldaten knapp sind. Herkömmliche KI-Modelle benötigen viele Labels, um eine angemessene Genauigkeit zu erreichen. In Foundation-Modells können wir jedoch Modelle ohne Labels vortrainieren und mit den begrenzten Labels eine Feinabstimmung durchführen.

Generative KI kann außerdem technischen Support und Schulungen anbieten. Die Hersteller können generative KI-Technologien nutzen, um einen Trainingssimulator für die Bediener und Techniker zu erstellen. Darüber hinaus können generative KI-Technologien während des Reparaturprozesses Hilfestellung leisten und das beste Reparaturverfahren entwickeln.

IBM glaubt, dass die Agilität, Flexibilität und Skalierbarkeit, die generative KI-Technologien bieten, Digitalisierungsinitiativen in der Fertigungsindustrie erheblich beschleunigen werden.

Generative KI befähigt Unternehmen im strategischen Kern ihres Geschäfts. Innerhalb von zwei Jahren werden Foundation Modells etwa ein Drittel der KI  innerhalb von Unternehmensumgebungen antreiben.

In IBMs frühen Arbeiten zur Anwendung von Foundation Models ist die Time-to-Value bis zu 70 % schneller als bei einem traditionellen KI-Ansatz. Generative KI macht andere KI- und Analysetechnologien nutzbarer, was produzierenden Unternehmen hilft, den Wert ihrer Investitionen in die Technologie zu erkennen.