ТЕХНОЛОГИИ
Caterpillar применяет многолетний опыт автоматизации горнодобывающей промышленности для внедрения корпоративного ИИ
Caterpillar расширяет уроки, извлеченные из автономной добычи полезных ископаемых, на AI-ассистентов, цифровые двойники и разработку программного обеспечения во всех своих промышленных операциях. Его стратегия внедрения делает акцент на собственных машинных данных, опытных операторах и переработке рабочих процессов, а не на том, чтобы рассматривать доступ к модели как конечный продукт.
Патрик Т ·
Компания Caterpillar применяет опыт, накопленный за десятилетия в области автоматизации добычи, к более широкому развертыванию корпоративного ИИ, включающему помощников техников, цифровые двойники и программную инженерию. Их подход исходит из предположения, которое многие корпоративные внедрения обнаруживают слишком поздно: доступ к способной модели не является конечным продуктом. Промышленная ценность проявляется только тогда, когда система подключена к надежным эксплуатационным данным, встроена в существующий рабочий процесс и поддерживается людьми, которые достаточно хорошо понимают технику, чтобы распознавать неправильные ответы.
Компания уже продает автономные самосвалы, буровые установки, подземные погрузчики, бульдозеры и дистанционно управляемое оборудование, а также командные центры и программное обеспечение для управления парком техники. Эти продукты работают в условиях, где простой дорого обходится, а небезопасное поведение может привести к физическому вреду. Технический директор Caterpillar Хайме Минеарт рассказал TechCrunch что компания теперь хочет перенести опыт добычи на более динамичные строительные площадки, карьеры и строительные объекты.
Горное дело является полезным фундаментом, потому что автономия там никогда не была только моделью восприятия. Сайт должен определять маршруты, зоны запрета, коммуникации, процедуры технического обслуживания и ответственность, когда оборудование прекращает работу. Операторам нужен командный интерфейс, который показывает, чем занимаются машины, и позволяет людям вмешиваться. Работа этих систем переносится на корпоративный ИИ. Модель, встроенная в процесс технического обслуживания, нуждается в разрешениях, актуальной документации, путях эскалации и записи действий, на которые она повлияла.
Ассистент стоит рядом с машиной
Кошка ИИ Ассистент предназначен для полевых техников, работающих рядом с оборудованием. С помощью голосового взаимодействия техник может получить инструкции по ремонту, исследовать неисправность и определить детали перед началом работы. Важна правильная расстановка. Обычный чат-бот может суммировать руководство, но полезный промышленный помощник должен определять правильную конфигурацию машины, учитывать историю обслуживания и избегать смешивания инструкций для разных моделей. Он должен сокращать время поиска, не побуждая техника пропускать проверку или меры безопасности.
Caterpillar заявляет, что у нее примерно 1,6 миллиона подключенных объектов и более 16 петабайт структурированных данных. Эта история может предоставить моделям контекст, недоступный в публичных обучающих наборах: тенденции датчиков, коды неисправностей, записи о техническом обслуживании, взаимосвязь деталей и условия эксплуатации. Только количество недостаточно. Идентификаторы объектов должны быть точными, временные метки согласованными, а записи о сервисе нормализованными. Промышленные данные часто отражают десятилетия использования различных систем, что делает управление и интеграцию постоянной инженерной задачей.
Компании автономная добыча Портфолио демонстрирует ценность замкнутого операционного цикла. Машины генерируют телеметрию, программное обеспечение флота координирует работу, а команды на площадке возвращают информацию о результатах технического обслуживания и производства для принятия решений. Та же схема может поддерживать предиктивное обслуживание и руководство техников, если рекомендации оцениваются на основании того, что произошло после ремонта. Без этой обратной связи ассистент может давать связные инструкции, в то время как организация никогда не измеряет, улучшились ли показатели первичной починки или время простоя.
Caterpillar также использует ИИ для генерации цифровые двойники и анализировать производственные операции. Цифровой двойник наиболее ценен, когда он остается привязанным к состоянию реального объекта или процесса, а не становится отполированным, но устаревшим визуализированием. Покрытие сенсорами, частота обновления и калибровка определяют, какие решения может поддерживать двойник. Командам следует сначала определить эксплуатационный вопрос, а затем создать минимальное представление, необходимое для безопасного тестирования изменения.
Проектирование рабочей силы является частью системы
Майнарт подчеркнул, что опытные операторы помогают обучать и оценивать новые системы. Их знания включают признаки, которые могут не быть указаны в руководстве: необычную вибрацию, изменение поведения материала или последовательность отказов, которая обычно предшествует поломке. Для того чтобы зафиксировать этот опыт, требуется больше, чем просто попросить работников пометить данные. Командам по продукту нужны наблюдение, обратная связь и процесс разрешения случаев, когда рекомендации модели противоречат полевым суждениям.
По мере того как машины становятся более автономными, некоторые операторы могут перейти от управления одним транспортным средством к наблюдению за несколькими из удаленного центра. Это меняет работу, а не просто уничтожает её. Руководителям нужны интерфейсы, которые выделяют исключения, объясняют, почему машина остановилась, и не перегружают одного человека сигналами. Соотношение персонала должно определяться на основе измеренной нагрузки и требований к восстановлению, а не по максимальному количеству машин, которое может отображать панель управления.
Компания Caterpillar планирует потратить 100 миллионов долларов в течение пяти лет на обучение своих 118 000 сотрудников в области ИИ, автономных систем и робототехники. Эта цифра примечательна, потому что бюджеты на обучение часто малы по сравнению с покупками программного обеспечения и инфраструктуры. Эффективное обучение должно варьироваться в зависимости от роли. Технику необходимы надежные процедуры использования и проверки; менеджеру требуется перепроектировать работу и измерять результаты; разработчику нужны контрольные меры для кода и данных. Один общий курс по ИИ не подготовит всех троих.
Компания также использует AI-агентов для модернизации устаревшего кода, генерации программного обеспечения, тестирования и раннего обнаружения дефектов. Эти приложения могут дать немедленное преимущество, поскольку Caterpillar управляет большими, долгоживущими программными комплексами. Они также требуют консервативного контроля выпусков. Сгенерированные изменения должны быть проверены на соответствие интерфейсам машин и требованиям безопасности, с тестами, которые воспроизводят полевые условия. В промышленной компании программный дефект может выйти за пределы экрана и изменить работу физического оборудования.
Спрос на ИИ уже достигает отчета о доходах
Результаты Caterpillar за второй квартал отразила доход в размере 20,5 миллиарда долларов, в то время как продажи в сегменте производства энергии выросли на 72 процента и достигли 3,10 миллиарда долларов на фоне высокого спроса, связанного с центрами обработки данных. Таким образом, компания подвергается влиянию ИИ с двух сторон. Она продает оборудование, поддерживающее бум в инфраструктуре, и внедряет ИИ для улучшения своих собственных продуктов и операций. Такое сочетание дает руководству повод для инвестиций, но не должно служить оправданием слабой внутренней доходности. Каждый случай использования по-прежнему требует базового уровня и измеримого операционного прироста.
Доступ к данным должен соответствовать должностным обязанностям. Ассистент по техническому обслуживанию может нуждаться в информации о сервисной истории и деталях без доступа к коммерческим записям или несвязанным с ним паркам клиентов. Агентам, используемым в разработке программного обеспечения, нужны права доступа к репозиторию, которые не позволяют внесённым изменениям попадать в производство без проверки. Промышленные компании уже понимают процедуры физической блокировки. Сравнимые цифровые средства контроля могут ограничивать, что система ИИ может читать, изменять или утверждать.
Поставщики и дилеры являются частью развертывания. Глобальная дилерская сеть Caterpillar часто владеет отношениями с клиентами и выполняет обслуживание, поэтому помощник, который обходит системы дилеров, может фрагментировать рабочий процесс, а не улучшать его. Общие стандарты обмена данными, идентификации и эскалации случаев позволяют технику перейти от предложения ИИ к заказу запчастей и экспертной поддержке без повторного ввода одной и той же информации в разных инструментах.
Оценка модели должна использовать полевые случаи, которые включают неполные и противоречивые данные. Чистые демонстрации обычно начинаются с известного оборудования и ясной неисправности. Реальная эксплуатационная работа может включать модифицированный объект, прерывистый код или отсутствие истории. Безопасный помощник должен указывать на неопределённость и запрашивать проверку, а не навязывать уверенный диагноз. Измерение того, когда система эскалирует, так же важно, как и измерение того, как часто её первая рекомендация верна.
Компания Caterpillar также может учиться на близких к несчастным случаям ситуациях в автономных операциях. Остановившаяся машина, ручное вмешательство или отклонённая рекомендация содержит информацию о том, где предположения системы оказались неверными. Организации часто игнорируют такие события, потому что задача не была выполнена. Зрелый цикл обучения сохраняет эти данные, классифицирует причину и проверяет, что последующее обновление улучшает конкретное условие, не ухудшая повседневную работу.
Самая сильная часть стратегии Caterpillar, представленная на Конференция AI4, заключается в его отказе отделять технологии от рабочего места. Собственные данные, знания оператора и дисциплина внедрения сложнее продемонстрировать, чем новый интерфейс, но их также труднее копировать конкуренту. Риск заключается в организационном масштабе: различные бизнес-единицы могут использовать повторяющиеся инструменты, дублировать конвейеры данных или позволять локальным экспериментам стать критическими без общих контрольных мер. Центральная платформа должна создавать стандарты, не блокируя полезную адаптацию на уровне объектов.
В пользовательских контрактах должно быть указано, изменяют ли рекомендации ИИ гарантию или ответственность. Техник может разумно колебаться перед тем, как следовать системе, если ответственность не ясна в случае, когда совет приводит к ущербу. Компания Caterpillar может уменьшить эту неопределённость, определив одобренное использование, зафиксировав представленные работнику доказательства и сохранив за человеком полномочия остановить процесс. Эти меры контроля упрощают внедрение, поскольку превращают экспериментального ассистента в поддерживаемую часть сервиса.
Язык и связь будут определять, насколько широко инструменты будут использоваться. Оборудование работает на удалённых объектах и на рынках, где техники могут не пользоваться английским языком или не иметь надёжного широкополосного интернета. Доступ офлайн, местная терминология и проверка на разных языках являются операционными требованиями, а не элементами локализации для улучшения внешнего вида. Ассистент, который работает только при постоянном подключении на хорошо оснащённом объекте в США, охватил бы лишь небольшую часть условий, с которыми сталкивается глобальный парк техники Caterpillar.
Следующие доказательства от Caterpillar должны исходить из операций, а не из объявлений. Время ремонта, повторные визиты, доступность оборудования, количество инцидентов, ошибки в программном обеспечении и адаптация работников покажут, улучшают ли системы бизнес. Автоматизация в горнодобывающей отрасли научила компанию тому, что машина становится автономной только внутри переработанного участка. Корпоративный ИИ следует тому же правилу. Модель может помогать, но рабочий процесс, данные и люди определяют, выживет ли результат при столкновении с реальной работой.
Темы: Caterpillar, промышленный ИИ, автоматизация горнодобычи, цифровые двойники, рабочая сила