Trots alla löften om digital transformation och artificiell intelligenss roll för att driva framtidens fabriker, är dess antagande fortfarande relativt begynnande i stora delar av tillverkningssektorn. Om författaren Ted Plummer, senior produktchef och bosatt artificiell intelligensexpert på det industriella 3D-utskriftsföretaget Markforged. Det finns flera anledningar till detta, inklusive en bristande förståelse för vad AI verkligen är och vilka förändringar det kommer att medföra. Att skilja fakta från (science) fiction kan vara utmanande. Förvirring, förknippad med osäkerhet, skapar des craintes et des idees fausses, qu'il s'agisse de risques pour la sécurité, de pertes d'emplois, de parte de contrôle et de ce que la technology peut et ne peut pas do.
Myt 1: AI är slutmålet
Det finns en missuppfattning om att AI i sig är en fördel: jag har haft otaliga samtal med klienter som har missförstått att AI är en mekanism, inte en fördel. Jag har hört "Jag väntar på att han ska 'AI'" fler gånger än jag kan räkna. Verkligheten är att fördelen med AI inte är själva processen, men som alla typer av dataanalys kommer värdet av AI från dess förmåga att lösa problem snabbare, vilket påskyndar produktionen. AI är hur, inte varför. Den andra delen av AI-ekvationen är federerad inlärning. Apple- eller Android-smarttelefoner använder federerad inlärningsteknik för att förbättra med varje maskinskrivet textmeddelande baserat på hur enskilda användare och gruppanvändare interagerar med sina tangentbord. På samma sätt tillämpar vårt nätverk av mer än 10,000 3 säkert anslutna XNUMXD-skrivare denna AI-teknik för att göra det möjligt för varje maskin att "bli smartare" med varje utskrift, samtidigt som de högsta standarderna för integritet, integritet och konfidentialitet för kunddata upprätthålls. Genom att analysera data från "flottan" av skrivare kan AI:n upptäcka korrigeringar eller justeringar som görs regelbundet, till exempel när kastvinklar eller fyllningsmönster inte är riktigt rätt. Dessa förbättringsmöjligheter kan sedan återkopplas till systemet, vilket förbättrar skrivarnas samlade prestanda utan mänsklig inblandning.
Myt 2: AI är osäkert och baserat på proprietär data
Det finns en missuppfattning att eftersom AI är datadrivet, tvingar det de som använder det att dela sin immateriella egendom (IP) för vinst. Så är inte fallet. När det kommer till AI i 3D-utskrift förblir kundens IP-adress och deldata separerade inom säkra gränser. Det är inte denna proprietära information som driver den federerade inlärningen som beskrivs ovan, utan anonym metadata. Det är informationen som i huvudsak samlas in i en datamängd som gör det möjligt för maskiner att lära sig och förbättra. Det är inte möjligt att återskapa någon av käll-IP-adresserna från den samlade informationen. Men som med all datadriven teknik är säkerhet alltid av yttersta vikt när det kommer till användning av AI. Att se till att du är baserad på en säker plattform med kunddatas integritet och konfidentialitet är avgörande, och en ISO 27001-certifiering är ett utmärkt sätt att visa att du har investerat i riskhantering.
Myt 3: AI utvecklas ständigt, vilket gör dess resultat oförutsägbara och otillräckliga för repeterbarhet
För starkt reglerade industrier som flyg- och rymdindustrin är repeterbarhet av största vikt. När man skapar delar för flygplan, till exempel, bör den 10.000 XNUMX:e tryckta delen vara exakt densamma som den första. Av denna anledning undviks AI, och i synnerhet federerat lärande, ofta av reglerade industrier. Dess fördelar med progressiv inlärning och förbättringar anses stå i motsättning till strikta och kritiska säkerhetskrav under hela livslängden. Men industrier som flyg, där repeterbarhet krävs, kan fortfarande dra nytta av AI-baserad teknik. Den kan användas för designiterationer, till exempel för att hjälpa till att förfina och perfekta flygplansdelar i de tidiga utvecklingsstadierna. När teamet är nöjda med rumsinställningen kan systemet "låsas" för att säkerställa att inga ytterligare ändringar eller uppdateringar av flottadata införlivas. Vid det här laget kan tekniken användas som ett verifieringsverktyg för att säkerställa att det inte finns några bypass i utskriftsprocessen och att varje del är exakt likadan som den förra. På lång sikt kan samma teknik ge ännu större repeterbarhet genom att upptäcka och kompensera för förändringar i systembeteende, såsom bristande smörjning eller maskinslitage.
Myt 4: AI kommer att ersätta människor och ta våra jobb
Denna myt finns fortfarande mycket i science fiction-världen. Jag säger låt maskinen ta över när det kommer till maskinproblem! Väldigt få operatörer, ingenjörer eller industridesigners skulle klaga om maskiner kunde "reparera sig själva", befria dem från vardagliga felsökningsuppgifter och låta dem utföra sina dagliga uppgifter. Istället för att göra oss lata eller överflödiga, hjälper användningen av artificiell intelligens och maskininlärning att driva innovation och smartare arbetsmetoder. Inom tillverkning eller produktdesign, istället för att fokusera på mer processorienterade "vad" och "hur"-frågor, tillåter det ingenjörer att ställa "varför" och "vad om"-frågor och utforska konsekvenserna av olika scenarier när det gäller att öka effektiviteten eller skapa nya produkter, vilket i slutändan leder till större affärsmöjligheter.
Myt 5: Kostnaden för AI håller tillbaka dess antagande
Det finns två vanliga svar jag hör när jag pratar med kunder om våra AI-drivna maskiner: (1) "Jag kan inte fatta hur prisvärt det här är!" Eller (2) "Det kostar för mycket!" Som med all teknik under utveckling finns det de som kan se värdet det kan ge och de som ser det som en dyr lyx. Vi börjar se denna förändring när AI går bortom den tidiga adoptionsfasen. De som förespråkar AI-baserade lösningar i fabriken fokuserar på värdet de kan leverera, vilket i huvudsak gör det möjligt för maskiner att lösa maskinrelaterade problem, frigöra ingenjörer och operatörer att investera sina ansträngningar i innovation, produktutveckling med mera. produkter och andra människors relaterade strävanden. . Det är viktigt att komma ihåg att många av dessa myter existerar eftersom inte alla AI är skapade lika. För att vara ett effektivt verktyg kräver AI tillgång till stora mängder data; maskiner kan inte "lära sig" utan en konstant ström av tillförlitlig data. Innan du investerar i någon AI-driven teknik, se till att du har en pålitlig datakälla som kan skalas med de maskiner du driver.