西門子與 NVIDIA 正在德國埃爾朗根的西門子電子工廠，於實際生產中測試兩項工業 AI 工作流程。一項利用數位孿生產生的影像，為新電路板的視覺檢測做準備；另一項提出生產排程，讓人工規劃人員比較，並在工廠模擬中檢查。西門子於 10 月 19 日介紹這些工作，將其視為邁向自主製造的進展，同時將埃爾朗根定位為開發與測試基地。

對於考慮採用類似系統的製造商，這項區別很重要。所述工作流程針對兩個具體的延誤來源：準備檢測前等待實體電路板，以及訂單或材料改變時權衡生產計畫。西門子已介紹流程及其潛在效益，但尚未發表可讓外部人士評估節省幅度，或系統在其他工廠表現的研究。

第一塊電路板出現前，就能準備檢測

埃爾朗根工廠製造含有印刷電路板組件的工業驅動裝置與變頻器。根據西門子 10 月 19 日的公告，過去為新組件準備檢測，必須先等待實體原型，接著訓練視覺系統、設定檢測設備。這可能需要數週時間。

新工作流程以擬議電路板的數位孿生為基礎，產生用於檢測準備的擬真影像。西門子活動資料表表示，NVIDIA Cosmos 世界模型協助產生具有或不具有潛在缺陷的電路板影像。工程師可在實體原型出現前，利用這些影像訓練檢測設備。新聞稿將影像產生歸功於 NVIDIA Cosmos，卻未揭露所形成檢測系統的訓練資料、缺陷涵蓋範圍或錯誤率。

西門子表示，這種虛擬生產準備方式可讓工程工作量最多減少 85%，上市所需時間最多縮短 40%，適用於新的電路板組件。這些是公司報告的潛在效益。新聞稿未提供這兩項數字的比較方法或獨立驗證結果，不應解讀為埃爾朗根推出的每一項產品，都獲得了這些實測改善。

代理提出計畫，由人作出選擇

第二項工作流程處理生產規劃。新訂單可能改變產線產能、材料供應、成本及交貨日期之間的平衡。西門子表示，AI 代理會產生多種情境，透過明確定義的關鍵績效指標顯示影響。規劃人員比較選項並選擇計畫；實施之前，提議的計畫還會透過工廠的數位孿生檢查。資料表點名以 NVIDIA Factory Operations Blueprint 建構的 Siemens Intelligence Center X Agents，並將這項檢查描述為以物理原理為基礎的模擬。新聞稿表示，NVIDIA Omniverse 程式庫支援使用真實工廠資料進行虛擬測試。

這比工廠自行作出營運決策的描述更有限。公開資料描述的是代理產生提案、模擬檢查及人工監督，並未表示系統會獨立核准排程、變更設備設定，或在沒有規劃人員的情況下運作埃爾朗根基地。西門子表示，這種規劃方法可能帶來最多 20% 的成本節省，資料表稱其中包括資本成本與趕工成本。公司尚未為此估計提供公開基準、測量期間或獨立稽核。

重大改變

1 月宣布的合作關係，提出建設完全由 AI 驅動、具適應能力的製造基地之願景，先以埃爾朗根作為藍本。10 月的更新提供了兩項正在共同開發、並於實際生產中測試的具體工作流程：以合成電路板影像準備檢測，以及由代理提供規劃選項，在人員採取行動前，先在工廠孿生中檢查。實際改變在於，團隊能在實體電路板或修訂後的生產計畫抵達產線之前，先在虛擬環境準備及檢視部分決策。

對其他製造商而言，埃爾朗根顯示的是西門子與 NVIDIA 在何處應用這些工具，並不能證明自主工廠已經在大規模應用中獲得驗證。要重現這些工作流程，必須仰賴準確的產品與工廠模型、生產資料、檢測驗證，以及當地營運控制措施。兩家公司尚未公布足夠的實施或成果資料，來確定此方法在報導基地之外的成本、可靠性或移轉應用能力。BIG CHANGE 並未測試這兩項工作流程中的任何一項。

來源與延伸閱讀