ระบบอัตโนมัติในภาคอุตสาหกรรมเคลื่อนจากพื้นที่การผลิตไปสู่เรือบรรทุกเครื่องบินและโดนัท

AI กำลังขยายความหมายของระบบอัตโนมัติในภาคอุตสาหกรรม

ปัญญาประดิษฐ์ไม่ได้จำกัดอยู่แค่สายการประกอบรถยนต์ โรงงานผลิตเซมิคอนดักเตอร์ หรือการผลิตอากาศยานที่มีมาตรฐานสูงอีกต่อไป พัฒนาการล่าสุดแสดงให้เห็นถึงการเปลี่ยนแปลงในวงกว้างมากขึ้น นั่นคือ เทคโนโลยีระบบอัตโนมัติกำลังถูกปรับใช้กับอุตสาหกรรม ที่มีขนาดการผลิต วัสดุ กระบวนการ และข้อจำกัดในการดำเนินงานแตกต่างกันอย่างมาก

ตัวอย่างสองกรณีแสดงให้เห็นถึงการเปลี่ยนแปลงนี้ได้อย่างชัดเจน Huntington Ingalls Industries กำลังสำรวจการใช้ AI เชิงกายภาพและหุ่นยนต์ในการผลิตชิ้นส่วนเรือรบขนาดใหญ่ ขณะที่ Siemens กำลังนำ AI แบบเอเจนต์มาใช้กับการผลิตอาหารที่มีความยืดหยุ่นสูง ซึ่งรวมถึงคุกกี้ไส้ต่าง ๆ และโดนัท

แม้การประยุกต์ใช้งานเหล่านี้ดูไม่เกี่ยวข้องกัน แต่ทั้งสองกรณีมีเป้าหมายทางวิศวกรรมเดียวกัน นั่นคือการทำให้ระบบอัตโนมัติปรับตัวได้มากขึ้น เมื่อระบบอัตโนมัติแบบติดตั้งตายตัวทั่วไปไม่คุ้มค่าต่อการลงทุน

Huntington Ingalls มุ่งพัฒนาระบบอัตโนมัติสำหรับการผลิตชิ้นส่วนเรือขนาดใหญ่

Huntington Ingalls Industries ผู้ต่อเรือให้กองทัพเรือสหรัฐฯ รายใหญ่ ได้ทำข้อตกลงกับพันธมิตรด้านหุ่นยนต์เพื่อปรับปรุงการผลิตชิ้นส่วนเรือขนาดใหญ่

แนวทางที่เสนอเน้นการผลิตชุดประกอบหลักนอกสภาพแวดล้อมอู่ต่อเรือแบบเดิม ก่อนขนส่งไปประกอบรวมขั้นสุดท้าย วิธีนี้อาจเปลี่ยนรูปแบบการผลิตโครงสร้างเรือรบขนาดใหญ่ โดยย้ายการดำเนินงานด้านการผลิตบางส่วนไปยังสภาพแวดล้อมที่ควบคุมได้มากกว่าและเหมาะสมกับระบบอัตโนมัติมากกว่า

จากมุมมองด้านวิศวกรรมระบบอัตโนมัติ เรื่องนี้มีความสำคัญ เนื่องจากการต่อเรือมีความท้าทายแตกต่างจากการผลิตยานยนต์อย่างมาก ชิ้นส่วนมีขนาดใหญ่ รูปทรงแตกต่างกันมาก ปริมาณการผลิตค่อนข้างต่ำ และกระบวนการมักต้องอาศัยการตัดสินใจของมนุษย์

ดังนั้น AI เชิงกายภาพและหุ่นยนต์จึงต้องทำงานได้มากกว่าการเคลื่อนที่ซ้ำ ๆ อย่างง่าย ระบบต้องตีความสภาพทางกายภาพ ปรับตัวตามความแตกต่าง และทำงานประสานกับพนักงานรวมถึงอุปกรณ์การผลิตแบบเดิม

AI เชิงกายภาพอาจเปลี่ยนแปลงการผลิตปริมาณน้อย

หุ่นยนต์อุตสาหกรรมแบบดั้งเดิมทำงานได้ดีที่สุดเมื่อสภาพแวดล้อมการผลิตมีความคาดเดาได้ การต่อเรือกำลังท้าทายสมมติฐานดังกล่าว

โครงสร้างขนาดใหญ่อาจมีความคลาดเคลื่อนด้านมิติ พื้นผิวไม่สม่ำเสมอ ตำแหน่งปฏิบัติงานเปลี่ยนแปลง และลำดับการประกอบที่ซับซ้อน ระบบหุ่นยนต์ที่ออกแบบโดยอิงพิกัดตายตัวและสมมติฐานของกระบวนการที่แข็งตัว อาจไม่มีประสิทธิภาพเมื่อปัจจัยเหล่านี้เปลี่ยนแปลง

AI เชิงกายภาพเพิ่มชั้นความอัจฉริยะเข้ามาอีกระดับ แทนที่จะเพียงทำตามลำดับที่กำหนดไว้ล่วงหน้า ระบบอัตโนมัติอาจผสานการรับรู้ของเครื่องจักร ข้อมูลจากเซนเซอร์ แบบจำลองกระบวนการ และการควบคุมแบบปรับตัว เพื่อรับมือกับสภาพทางกายภาพที่เปลี่ยนแปลง

คุณค่าในทางปฏิบัติจะขึ้นอยู่กับการปรับปรุงการผลิตที่วัดผลได้ มากกว่าคำศัพท์เกี่ยวกับ AI ความแม่นยำของตำแหน่ง เวลารอบการผลิต อัตราการแก้ไขงาน ความปลอดภัยของผู้ปฏิบัติงาน การใช้ประโยชน์จากอุปกรณ์ และการทำงานร่วมกับระบบการผลิตที่มีอยู่ จะยังคงเป็นตัวชี้วัดประสิทธิภาพที่แท้จริง

Siemens นำ AI เข้าสู่การผลิตอาหารที่มีความหลากหลายสูง

ในอีกด้านหนึ่งของภาคการผลิต Siemens กำลังนำ AI แบบเอเจนต์มาใช้ในกระบวนการผลิตอาหาร

บริษัทได้ร่วมมือกับบริษัทระบบอัตโนมัติในอุตสาหกรรมอาหารสองแห่ง เพื่อพัฒนาโซลูชันระบบอัตโนมัติแบบยืดหยุ่นสำหรับผลิตภัณฑ์ เช่น คุกกี้ไส้ต่าง ๆ และโดนัท สภาพแวดล้อมเป้าหมายมีผลิตภัณฑ์หลากหลายและปริมาณการผลิตค่อนข้างต่ำ

การผลิตอาหารมีโจทย์ด้านระบบอัตโนมัติแตกต่างจากการต่อเรือ แทนที่จะต้องจัดการกับโครงสร้างขนาดมหึมา วิศวกรต้องบริหารสูตรผลิตภัณฑ์ การเปลี่ยนผลิตภัณฑ์บ่อยครั้ง ส่วนผสมที่แตกต่าง ข้อกำหนดด้านบรรจุภัณฑ์ ขั้นตอนการทำความสะอาดและสุขอนามัย ตลอดจนความสม่ำเสมอของกระบวนการที่เข้มงวด

ในสภาพแวดล้อมเช่นนี้ ความยืดหยุ่นอาจมีคุณค่ามากกว่าความเร็วสูงสุดของเครื่องจักร

AI แบบเอเจนต์อาจช่วยลดต้นทุนการเปลี่ยนผลิตภัณฑ์

การผลิตที่มีความหลากหลายสูงและปริมาณต่ำสร้างความท้าทายทางเศรษฐกิจให้กับระบบอัตโนมัติมาโดยตลอด เครื่องจักรเฉพาะทางสามารถให้ปริมาณการผลิตสูงได้ แต่ความคุ้มค่าจะลดลงเมื่อมีการเปลี่ยนผลิตภัณฑ์บ่อยครั้ง

AI แบบเอเจนต์อาจนำเสนอรูปแบบการดำเนินงานที่แตกต่าง โดยช่วยให้ระบบอัตโนมัติประสานการตัดสินใจด้านการผลิต การตั้งค่าอุปกรณ์ สูตรผลิตภัณฑ์ และลำดับกระบวนการให้สอดคล้องกับข้อกำหนดที่เปลี่ยนแปลง

ประเด็นสำคัญคือ AI ไม่ได้เข้ามาแทนที่สถาปัตยกรรมระบบอัตโนมัติพื้นฐาน PLC ตัวควบคุมการเคลื่อนที่ ไดรฟ์ เซนเซอร์ ระบบความปลอดภัย เครือข่ายอุตสาหกรรม และแพลตฟอร์ม HMI ยังคงทำหน้าที่เป็นชั้นควบคุมแบบกำหนดแน่นอน

แต่ AI กำลังทำหน้าที่เป็นชั้นความอัจฉริยะที่อยู่เหนือโครงสร้างพื้นฐานนี้มากขึ้น

สองอุตสาหกรรม หนึ่งกลยุทธ์ด้านระบบอัตโนมัติ

การต่อเรือและการผลิตอาหารดูเหมือนไม่มีอะไรเหมือนกันเลย แต่ความท้าทายด้านระบบอัตโนมัติของทั้งสองอุตสาหกรรมเผยให้เห็นแนวโน้มเดียวกัน

การประยุกต์ใช้งานทั้งสองรูปแบบต้องการให้เครื่องจักรรับมือกับความแปรผัน ทั้งสองกรณีได้รับประโยชน์จากการผสานระบบอัตโนมัติแบบเดิมเข้ากับการรับรู้ การประมวลผลข้อมูล หุ่นยนต์ และ AI ที่สำคัญยิ่งกว่านั้น ทั้งสองกรณีไม่สามารถพึ่งพาการเขียนโปรแกรมแบบตายตัวเพียงอย่างเดียวได้ หากผู้ผลิตต้องการเพิ่มความยืดหยุ่น

สิ่งนี้ชี้ให้เห็นว่า ระยะถัดไปของระบบอัตโนมัติในภาคอุตสาหกรรมจะไม่ใช่เพียงการแทนที่งานที่ทำด้วยมือด้วยหุ่นยนต์มากขึ้น แต่โอกาสที่ยิ่งใหญ่กว่าคือการสร้างระบบที่สามารถปรับพฤติกรรมให้เข้ากับสภาพการผลิตที่เปลี่ยนแปลง

บททดสอบที่แท้จริงคือการผสานระบบ ไม่ใช่ AI

จากมุมมองด้านวิศวกรรม คำถามที่สำคัญที่สุดไม่ใช่ว่าระบบใช้ AI เชิงกายภาพหรือ AI แบบเอเจนต์ คำถามคือระบบสามารถผสานความอัจฉริยะดังกล่าวเข้ากับสถาปัตยกรรมควบคุมที่มีอยู่ได้อย่างปลอดภัยและคาดการณ์ได้หรือไม่

AI ในภาคอุตสาหกรรมต้องทำงานร่วมกับการควบคุมแบบกำหนดแน่นอน ความปลอดภัยเชิงหน้าที่ ข้อกำหนดด้านความมั่นคงปลอดภัยไซเบอร์ ฐานข้อมูลการผลิต ระบบคุณภาพ และผู้ปฏิบัติงาน คำแนะนำใด ๆ ที่ขับเคลื่อนด้วย AI และส่งผลต่อกระบวนการทางกายภาพจะต้องทำงานอยู่ภายใต้ขอบเขตที่กำหนดไว้อย่างชัดเจนด้วย

เรื่องนี้มีความสำคัญเป็นพิเศษในการใช้งาน เช่น การผลิตทางเรือ ซึ่งข้อผิดพลาดในการผลิตอาจมีผลกระทบอย่างมาก และการแปรรูปอาหาร ซึ่งคุณภาพผลิตภัณฑ์และการปฏิบัติตามกระบวนการถูกควบคุมอย่างเข้มงวด

ระบบอัตโนมัติกำลังปรับตัวได้มากขึ้น

ตัวอย่างจาก Huntington Ingalls Industries และ Siemens แสดงให้เห็นว่าระบบอัตโนมัติกำลังขยายเข้าสู่สภาพแวดล้อมที่ก่อนหน้านี้ถูกมองว่ายากต่อการทำให้เป็นระบบอัตโนมัติอย่างคุ้มค่า

ทิศทางร่วมกันนั้นชัดเจน ระบบอัตโนมัติในภาคอุตสาหกรรมกำลังพัฒนาจากลำดับการทำงานแบบตายตัวไปสู่ระบบการผลิตแบบปรับตัวได้

อย่างไรก็ตาม ควรมอง AI เป็นขีดความสามารถทางวิศวกรรมเพิ่มเติม ไม่ใช่สิ่งทดแทนพื้นฐานของระบบอัตโนมัติที่ผ่านการพิสูจน์แล้ว เซนเซอร์ยังต้องส่งสัญญาณที่แม่นยำ เครือข่ายยังต้องสื่อสารได้อย่างคาดการณ์ได้ ระบบควบคุมยังต้องทำงานแบบกำหนดแน่นอน และเครื่องจักรยังต้องมีฟังก์ชันความปลอดภัยที่ได้รับการออกแบบทางวิศวกรรมอย่างรอบคอบ

บริษัทที่ได้รับประโยชน์สูงสุดจาก AI ในภาคอุตสาหกรรมมีแนวโน้มที่จะเป็นบริษัทที่ผสานพื้นฐานเหล่านี้เข้ากับซอฟต์แวร์อัจฉริยะ แทนที่จะมอง AI เป็นเทคโนโลยีแบบแยกเดี่ยว