对于许多维护和控制工程师来说，人工智能(AI)并不是一个新概念。那些在数字化转型之路上走得更远的人已经非常熟悉机器学习(ML)技术，该技术通过分析来自众多来源的大型数据集来制定预测性维护策略，以帮助企业做出更明智的决策。
同样，在一系列应用中使用大型情景化数据集，也有助于数字化先进企业解决诸如降低能耗、优化供应链、质量控制以及其他各种优化工作等问题。
收集和分析数据以改进决策是任何数字化转型的核心，它依赖于服务器技术来提供可靠的数据，通常是实时数据。数据不仅要可用，而且要完整。数据宕机将从根本上破坏任何数字化计划。
基于自然语言的能力
谈到人工智能在工业(乃至整个社会)中的未来，Stratus Technologies 公司欧洲、中东和非洲地区数字工业总监 Greg Hookings 认为，随着 ChatGPT 等早期大型语言模型(LLM)的出现，AI应用即将迎来一个令人兴奋的指数增长期。
这种基于自然语言的能力可以查询潜在的无限和多样的公共数据集，将对整个行业和社会产生巨大影响，虽然其中大部分影响尚未显现，但很可能会使工程师以不同的方式访问和处理数据。
受益于 LLM(或生成式)人工智能帮助维护工程师评估远程站点问题的早期工业用例已经实施。因此，目前能够访问资产控制层软件的操作员已经可以看到轴承是否发热，并在轴承对生产造成问题之前让维护团队做好更换的准备。
但是，通过生成式AI从各种公共和私有(安全的、基于IP的)资源中获取大量附加信息，工程师可以有效地与系统对话，询问可能的原因和影响，并从相关应用中请求相关的机械手册页面和历史数据，这样维护团队就可以为访问做好准备，而不仅仅是更换一个有缺陷的部件，而是了解相关问题并制定一份完整的工作说明书。
例如，如果资产位于石油钻井平台上，它可以帮助规划所有这些，并考虑到货物装载、天气、人员配备和任何其他变量所需的物流。Greg 解释道。“问题识别、解决计划和工作说明书的整个过程通常需要几个小时、几天甚至几周的时间来协调，理论上，一个人可以几分钟内在聊天窗口中完成，从而大大减少了相关资产的停机时间，以及总体维护成本。”
分析数据
Pleora Technologies公司产品营销副总裁Ed Goffin指出，人工智能目前在工业应用中的关键作用是分析数据并将其转化为可用的信息。Pleora通常会被引入一个项目，利用视觉和人工智能等工具帮助解决产品质量问题。他说：“解决质量问题的副产品就是数据，这在手工生产流程中尤其有利，因为在手工生产流程中，收集洞察力的机会较少。”
通过获得这些数据，制造商可以开始实施纠正措施，围绕一个流程或确定一个维护问题。Ed举例说明了与一家消费品市场制造商的合作。他们通过基于AI的质量检测来解决质量问题，同时这些数据还能让他们开始识别自动化流程中可能出现的问题，以免对成本造成重大影响。
在不久的将来，Ed预计人们将越来越关注使用软件工具来开发和定制基于 AI 的工作流程。这些软件工具正变得越来越易于使用，并为控制工程师提供了降低外部咨询成本的机会，因为该软件将为他们提供设计和部署自己的基于AI的工作流程所需的工具。
可持续性
Augury 公司首席执行官 Saar Yoskovitz 认为，人工智能将在帮助工程师实现其可持续发展目标方面发挥重要作用。该技术不仅可以考虑大量数据并分析数十个制造过程，还可以帮助制造商利用生成式人工智能等新进展，从而轻松根据该技术从数据中提供的见解采取行动。
AI在预测性维护中起着举足轻重的作用，可以在即将发生故障或故障变得严重或导致停机之前提醒制造商。这有助于延长设备的使用寿命，提高其效率，并最大限度地减少停机造成的财务和资源损失。
减少停机时间和提高机器效率的另一个好处是减少资源消耗，包括能源使用量至少减少 20%，用水量减少，废物产生减少。AI技术是一个永远在线的系统，可以支持实时、全天候的监控，以确保生产过程保持可持续性。
最后，还有一个很重要的好处，许多工业企业都在努力招聘新的工程人才，因为他们的成熟工程师正在寻求退休。保留工程技能并尽快将其传授给年轻一代非常重要。AI也可以在这方面提供帮助，因为它收集制造知识并使用它来创建可操作的见解，这使车间的新员工能够快速上手并根据技术提供的建议采取行动。