Siemens आणि NVIDIA जर्मनीतील एर्लांगेन येथील Siemensच्या इलेक्ट्रॉनिक्स कारखान्यात प्रत्यक्ष उत्पादनादरम्यान औद्योगिक AIच्या दोन कार्यप्रवाहांची चाचणी घेत आहेत. पहिला डिजिटल ट्विनवरून तयार केलेल्या प्रतिमांच्या साहाय्याने नवीन सर्किट बोर्डच्या दृश्य तपासणीची तयारी करतो. दुसरा उत्पादन वेळापत्रके सुचवितो; मानवी नियोजक त्यांची तुलना करून कारखान्याच्या सिम्युलेशनमध्ये पडताळणी करू शकतात. Siemensने 19 ऑक्टोबरला ही कामे स्वायत्त उत्पादनाच्या दिशेने प्रगती म्हणून मांडली, तसेच एर्लांगेन हे विकास व चाचणीचे केंद्र असल्याचे सांगितले.

अशा प्रणालींचा विचार करणाऱ्या उत्पादकांसाठी हा फरक महत्त्वाचा आहे. सांगितलेले कार्यप्रवाह विलंबाच्या दोन नेमक्या कारणांवर काम करतात: तपासणीच्या तयारीसाठी भौतिक बोर्डची वाट पाहणे आणि ऑर्डर किंवा साहित्य बदलल्यावर उत्पादन योजनांचा तौलनिक विचार करणे. Siemensने प्रक्रिया व संभाव्य फायदे सांगितले आहेत, पण बाहेरील व्यक्तींना बचत किंवा इतर कारखान्यांमधील प्रणालींचे कार्यप्रदर्शन तपासता येईल असा अभ्यास प्रकाशित केलेला नाही.

पहिला बोर्ड येण्यापूर्वीच तपासणीची तयारी करता येते

एर्लांगेनचा कारखाना औद्योगिक ड्राइव्ह आणि फ्रिक्वेन्सी कन्व्हर्टर बनवितो, ज्यांमध्ये प्रिंटेड सर्किट बोर्ड असेंब्ली असतात. Siemensच्या 19 ऑक्टोबरच्या घोषणेनुसार, पूर्वी नवीन असेंब्लीच्या तपासणीची तयारी करण्यासाठी भौतिक प्रोटोटाइपची वाट पाहावी लागत असे; त्यानंतर व्हिजन प्रणालींना प्रशिक्षण व तपासणी उपकरणांचे कॉन्फिगरेशन केले जाई. याला काही आठवडे लागू शकत होते.

नवीन कार्यप्रवाहात प्रस्तावित बोर्डच्या डिजिटल ट्विनच्या आधारे तपासणीच्या तयारीसाठी छायाचित्रासारख्या वास्तवदर्शी प्रतिमा तयार केल्या जातात. Siemensच्या कार्यक्रमाची तथ्यपत्रिका सांगते की NVIDIA Cosmosचे वर्ल्ड मॉडेल संभाव्य दोष असलेल्या आणि नसलेल्या बोर्डच्या प्रतिमा तयार करण्यात मदत करतात. भौतिक प्रोटोटाइप तयार होण्यापूर्वी अभियंते या प्रतिमांच्या साहाय्याने तपासणी उपकरणांना प्रशिक्षण देऊ शकतात. प्रसिद्धिपत्रक प्रतिमा निर्मितीचे श्रेय NVIDIA Cosmosला देते; मात्र त्यातून तयार झालेल्या तपासणी प्रणालीचा प्रशिक्षण डेटा, दोषांचा समावेश किंवा त्रुटी दर उघड करत नाही.

Siemens म्हणते की उत्पादनाची ही आभासी तयारी नवीन बोर्ड असेंब्लींसाठी अभियांत्रिकी प्रयत्न 85%पर्यंत आणि बाजारात आणण्यासाठी लागणारा वेळ 40%पर्यंत कमी करू शकते. हे कंपनीने सांगितलेले संभाव्य फायदे आहेत. प्रसिद्धिपत्रकात या दोन आकड्यांसाठी तुलना पद्धती किंवा स्वतंत्रपणे पडताळलेले निष्कर्ष दिलेले नाहीत. एर्लांगेनमध्ये सादर होणाऱ्या प्रत्येक उत्पादनातील मोजलेली सुधारणा म्हणून ते वाचू नयेत.

एजंट योजना देतो, निवड माणसे करतात

दुसरा कार्यप्रवाह उत्पादन नियोजनाशी संबंधित आहे. नवीन ऑर्डरमुळे लाइनची क्षमता, साहित्याची उपलब्धता, खर्च आणि वितरणाच्या तारखा यांचा समतोल बदलू शकतो. Siemens म्हणते की AI एजंट अनेक परिदृश्ये तयार करतो आणि ठरविलेल्या प्रमुख कार्यप्रदर्शन निर्देशकांद्वारे त्यांचे परिणाम दाखवितो. नियोजक पर्यायांची तुलना करून योजना निवडतात; अंमलबजावणीपूर्वी प्रस्तावित योजना कारखान्याच्या डिजिटल ट्विनमध्ये पडताळली जाते. तथ्यपत्रिकेत NVIDIA Factory Operations Blueprintच्या साहाय्याने तयार केलेल्या Siemens Intelligence Center X Agentsचे नाव आहे आणि ही पडताळणी भौतिकशास्त्रावर आधारित सिम्युलेशन असल्याचे म्हटले आहे. प्रसिद्धिपत्रकानुसार NVIDIA Omniverse लायब्ररी वास्तविक कारखाना डेटासह आभासी चाचण्यांना आधार देतात.

हे वर्णन स्वतःचे परिचालन निर्णय घेणाऱ्या कारखान्यापेक्षा मर्यादित आहे. सार्वजनिक साहित्यात एजंटने तयार केलेले प्रस्ताव, सिम्युलेशनमधील पडताळणी आणि मानवी देखरेखीचे वर्णन आहे. प्रणाली स्वतंत्रपणे वेळापत्रके मंजूर करते, उपकरणांची सेटिंग बदलते किंवा नियोजकांशिवाय एर्लांगेन केंद्र चालविते, असे त्यात म्हटलेले नाही. Siemens म्हणते की नियोजनाची ही पद्धत खर्चात 20%पर्यंत बचत शक्य करू शकते, ज्यात तथ्यपत्रिकेनुसार भांडवली व तातडीच्या कामांचे खर्च समाविष्ट आहेत. कंपनीने या अंदाजासाठी सार्वजनिक तुलना-आधार, मापन कालावधी किंवा स्वतंत्र लेखापरीक्षण दिलेले नाही.

मोठा बदल

जानेवारीत जाहीर झालेल्या भागीदारीचे उद्दिष्ट पूर्णपणे AIवर चालणारी, परिस्थितीनुसार जुळवून घेणारी उत्पादन केंद्रे उभारणे होते; सुरुवातीचा नमुना म्हणून एर्लांगेन निवडण्यात आले. ऑक्टोबरच्या अद्ययावत माहितीत संयुक्तपणे विकसित होत असलेले आणि प्रत्यक्ष उत्पादनात तपासले जात असलेले दोन ठोस कार्यप्रवाह दिले आहेत: तपासणीची तयारी करण्यासाठी बोर्डच्या सिंथेटिक प्रतिमा आणि माणसांनी कृती करण्यापूर्वी कारखान्याच्या ट्विनमध्ये नियोजन पर्याय पडताळले जाणारा एजंट. प्रत्यक्ष बदल असा की भौतिक बोर्ड किंवा सुधारित उत्पादन योजना लाइनपर्यंत पोहोचण्यापूर्वी पथके काही निर्णयांची आभासी तयारी व तपासणी करू शकतात.

इतर उत्पादकांसाठी एर्लांगेन हे Siemens आणि NVIDIA ही साधने कुठे वापरत आहेत याचा पुरावा आहे; स्वायत्त कारखाना मोठ्या प्रमाणावर सिद्ध झाल्याचा पुरावा नाही. कार्यप्रवाहांची पुनर्निर्मिती अचूक उत्पादन व कारखाना मॉडेल, उत्पादन डेटा, तपासणीचे प्रमाणीकरण आणि स्थानिक परिचालन नियंत्रणांवर अवलंबून असेल. वर्णन केलेल्या केंद्राबाहेर या पद्धतीचा खर्च, विश्वासार्हता किंवा इतरत्र वापरता येण्याची क्षमता ठरविण्यासाठी पुरेसा अंमलबजावणी किंवा परिणामांचा डेटा कंपन्यांनी प्रकाशित केलेला नाही. BIG CHANGEने दोन्हीपैकी कोणत्याही कार्यप्रवाहाची चाचणी घेतलेली नाही.

स्रोत आणि अधिक वाचन