産業分野におけるAIの重要な役割

人工知能 (AI) は、多くの保守および制御エンジニアにとって新しい概念ではありません。デジタル変革の取り組みをさらに進めている企業は、機械学習 (ML) テクノロジーにすでに精通しています。機械学習は、多数のソースからの大規模なデータセットを分析して予測メンテナンス戦略を策定することで、企業がよりスマートな意思決定を行うのに役立ちます。

同様に、さまざまなアプリケーションにわたってコンテキスト化された大規模なデータセットを使用すると、デジタル先進企業は、エネルギー消費の削減、サプライチェーンの最適化、品質管理、その他のさまざまな最適化の取り組みなどの問題に対処することができます。

意思決定を改善するためにデータを収集して分析することは、あらゆるデジタル変革の中核であり、信頼性の高いデータを多くの場合リアルタイムで提供するためにサーバーテクノロジに依存しています。データは利用可能であるだけでなく、完全でなければなりません。データのダウンタイムは、あらゆるデジタル化の取り組みを根本的に損ないます。

自然言語ベースの機能

業界（および社会全体）における AI の将来について、Stratus Technologies の EMEA デジタルインダストリアル担当ディレクターの Greg Hookings 氏は、ChatGPT などの初期の大規模言語モデル (LLM) の出現により、AI アプリケーションは指数関数的な成長の刺激的な時代を迎えようとしていると考えています。

潜在的に無限かつ多様な公開データセットをクエリできるこの自然言語ベースの機能は、業界や社会全体に大きな影響を及ぼすでしょう。そのほとんどはまだ目に見えませんが、エンジニアがデータにアクセスして処理する方法が変わる可能性が高くなります。

LLM (または生成) AI を活用して保守エンジニアが遠隔地の問題を評価するのに役立つ初期の産業ユースケースはすでに実装されています。その結果、資産管理レイヤーソフトウェアにアクセスできるオペレーターは、ベアリングが熱くなっているかどうかを確認し、生産に問題が発生する前にメンテナンスチームにベアリングの交換を準備できるようになりました。

しかし、生成 AI を使用してさまざまなパブリックおよびプライベート (安全な IP ベース) リソースから豊富な追加情報を取得することで、エンジニアはシステムと効果的に対話し、考えられる原因と影響について質問したり、関連する機械のマニュアルページや履歴データを関連するアプリケーションから要求したりできるため、保守チームは訪問の準備をして、欠陥のある部品を交換するだけでなく、関連する問題を理解し、完全な作業指示書を作成することができます。

たとえば、資産が石油掘削装置上にある場合、貨物の積み込み、天候、人員配置、その他の変数に必要な物流を考慮して、すべてを計画するのに役立ちます。グレッグは説明した。「通常、調整に数時間、数日、あるいは数週間かかる問題の特定、解決計画、作業指示書のプロセス全体を、理論上はチャットウィンドウ内で 1 人の担当者が数分で完了できるため、関連する資産のダウンタイムと全体的なメンテナンスコストが大幅に削減されます。」

データを分析する

Pleora Technologies の製品マーケティング担当副社長 Ed Goffin 氏は、今日の産業用アプリケーションにおける AI の重要な役割は、データを分析してそれを使用可能な情報に変換することであると指摘しました。 Pleora は通常、ビジョンや人工知能などのツールを使用して製品の品質問題を解決するためにプロジェクトに導入されます。「品質問題を解決すると副産物としてデータが得られ、洞察を得る機会が少ない手作業による生産工程では特に有益です」と彼は語った。

このデータにアクセスすることで、製造業者はプロセスに関する是正措置を実施したり、メンテナンスの問題を特定したりできるようになります。エドは、消費財市場におけるメーカーとのコラボレーションの例を挙げています。彼らは AI ベースの品質検査を通じて品質の問題に対処しており、データにより、コストに大きな影響を与える前に自動化プロセスで発生する可能性のある問題を特定し始めることも可能になっています。

近い将来、Ed は、ソフトウェアツールを使用して AI ベースのワークフローを開発およびカスタマイズすることに重点が置かれるようになると予測しています。これらのソフトウェアツールはますます使いやすくなり、制御エンジニアに外部コンサルティングコストを削減する機会を提供します。これは、ソフトウェアが独自の AI ベースのワークフローを設計および展開するために必要なツールを提供するためです。

持続可能性

Augury の CEO である Saar Yoskovitz 氏は、エンジニアが持続可能性の目標を達成する上で AI が重要な役割を果たすと考えています。このテクノロジーは、膨大な量のデータを考慮して数十の製造プロセスを分析できるだけでなく、製造業者が生成 AI などの新しい進歩を活用し、テクノロジーがデータから提供する洞察に基づいて簡単に行動できるようにもします。

AI は予知保全において極めて重要な役割を果たし、差し迫った故障や、故障が重大になる前、またはダウンタイムが発生する前に製造業者に警告します。これにより、機器の寿命が延び、効率が向上し、ダウンタイムによる金銭的損失とリソース損失が最小限に抑えられます。

ダウンタイムの短縮と機械効率の向上によるもう 1 つの利点は、エネルギー使用量の少なくとも 20% 削減、水の消費量の減少、廃棄物の発生量の減少など、リソース消費量の削減です。 AI テクノロジーは、生産プロセスの持続可能性を確保するために、リアルタイムで 24 時間監視をサポートできる常時稼働のシステムです。

最後に、重要な利点として、多くの工業企業は、熟練したエンジニアが退職しようとしているため、新しいエンジニアの人材を採用するのに苦労しています。エンジニアリングのスキルを保存し、できるだけ早く若い世代に伝えることが重要です。 AI はここでも役立ちます。製造に関する知識を収集し、それを活用して実用的な洞察を生み出すことで、現場の新入社員がすぐに理解を深め、テクノロジーが提供する推奨事項に基づいて行動できるようになります。

<<:

>>: