شراکت سیسکو و راکول: گسترش هوش مصنوعی برای خودمختاری صنعتی

Cisco & Rockwell Partnership: Scaling AI for Industrial Autonomy

گسترش هوش مصنوعی صنعتی: چگونه سیسکو و راک‌ول فاصله تا خودمختاری واقعی را پر می‌کنند

چالش زیرساخت در تولید مدرن

خط تولید کارخانه به‌عنوان میدان آزمایش نهایی نوآوری صنعتی عمل می‌کند. سیستم‌ها به‌طور مداوم کار می‌کنند و تصمیمات خودکار در میلی‌ثانیه‌ها گرفته می‌شوند. با این حال، تولیدکنندگان اغلب با موانع قابل توجهی هنگام انتقال هوش مصنوعی از آزمایش‌های کنترل‌شده به خطوط تولید زنده مواجه می‌شوند. مدل‌هایی که به‌خوبی در شرایط ایزوله عمل می‌کنند، اغلب در مواجهه با متغیرهای دنیای واقعی دچار مشکل می‌شوند. در نتیجه، تأخیر افزایش می‌یابد، همگام‌سازی داده‌ها شکست می‌خورد و بهره‌وری کاهش می‌یابد. بیشتر پروژه‌های هوش مصنوعی به دلیل الگوریتم‌های ضعیف متوقف نمی‌شوند، بلکه به این دلیل است که زیرساخت‌های پایه نمی‌توانند نیازهای داده‌های با سرعت بالا را پشتیبانی کنند.

پر کردن فاصله بین آزمایش و تولید

گزارش وضعیت هوش مصنوعی صنعتی سیسکو در سال ۲۰۲۶ واقعیت تلخی را برای این بخش نشان می‌دهد. در حالی که ۶۱٪ از سازمان‌های صنعتی از هوش مصنوعی در عملیات زنده استفاده می‌کنند، تنها ۲۰٪ به استقرارهای بالغ و مقیاس‌پذیر دست یافته‌اند. این اختلاف نشان می‌دهد که اثبات قابلیت هوش مصنوعی بسیار آسان‌تر از تضمین قابلیت اطمینان آن در چندین کارخانه است. برای غلبه بر این گلوگاه، شرکت‌ها باید فراتر از سیستم‌های پراکنده حرکت کنند. آن‌ها به یک پایه یکپارچه نیاز دارند که شبکه، محاسبات و امنیت را به‌عنوان یک واحد منسجم در نظر بگیرد.

بنیان‌های عصر خودمختاری صنعتی

تولید در حال حاضر از اتوماسیون پایه به خودمختاری کامل صنعتی در حال گذار است. در این مرحله جدید، سیستم‌ها فقط دستورالعمل‌های ثابت را دنبال نمی‌کنند. بلکه به تغییرات محیطی در زمان واقعی واکنش نشان می‌دهند و سازگار می‌شوند. این تغییر نیازمند زیرساختی است که برای «هوش مصنوعی قطعی» طراحی شده باشد. اگر شبکه نتواند داده‌ها را در میلی‌ثانیه دقیق مورد نیاز تحویل دهد، کل حلقه خودمختار فرو می‌ریزد. بنابراین، طراحی زیرساخت پایه تعیین می‌کند که آیا هوش مصنوعی یک آزمایش شکننده باقی می‌ماند یا به یک دارایی مقیاس‌پذیر تبدیل می‌شود.

هم‌افزایی زیرساخت سیسکو و هوش راک‌ول

شراکت استراتژیک بین سیسکو و راک‌ول اتوماسیون به عملیاتی کردن هوش مصنوعی می‌پردازد. راک‌ول تخصص حوزه‌ای ضروری را از طریق PLCهای پیشرفته ControlLogix و مجموعه نرم‌افزاری FactoryTalk خود ارائه می‌دهد. در همین حال، سیسکو زیرساخت امن و مقیاس‌پذیری را فراهم می‌کند که برای اجرای این بارهای کاری در مناطق جهانی لازم است. با ترکیب زمینه کارخانه‌ای راک‌ول با پلتفرم‌های Unified Edge سیسکو، تولیدکنندگان می‌توانند هوش را مستقیماً در نقطه تولید مستقر کنند. این همکاری تضمین می‌کند که امنیت و شبکه‌سازی به‌جای اینکه پس از نصب در نظر گرفته شوند، در سخت‌افزار ادغام شده باقی بمانند.

گذار از قابلیت به نتایج ملموس

تولیدکنندگان باید از نگهداری واکنشی به بهینه‌سازی پیش‌بینی و حلقه بسته پیشرفته حرکت کنند. این تحول نتایج تجاری قابل اندازه‌گیری مانند شناسایی ناهنجاری در زمان واقعی و بهبود بازرسی کیفیت را به همراه دارد. برای مثال، یک سیستم ممکن است نقص میکروسکوپی را شناسایی کرده و بلافاصله منطق PLC را برای اصلاح فرآیند تنظیم کند. این بارهای کاری مستقیماً بر سودآوری تأثیر می‌گذارند با کاهش ضایعات و جلوگیری از توقف‌های برنامه‌ریزی‌نشده. استفاده از یک زیرساخت سازمانی به تیم‌ها اجازه می‌دهد این موفقیت‌ها را به‌طور همزمان در ده‌ها کارخانه گسترش دهند.

دیدگاه کارشناسی: آینده عملیات تطبیقی

از دیدگاه فنی، حرکت به سمت خودمختاری پایان اتوماسیون «تنظیم و فراموش کن» را نشان می‌دهد. ما شاهد همگرایی هستیم که در آن فناوری اطلاعات (IT) و فناوری عملیاتی (OT) بالاخره به یک زبان مشترک صحبت می‌کنند. به نظر من، موفقیت این ابتکارات به شدت به «قابلیت مشاهده» بستگی دارد. اگر نتوانید جریان داده بین DCS (سیستم کنترل توزیع‌شده) و مدل هوش مصنوعی را ببینید، نمی‌توانید به نتیجه اعتماد کنید. تولیدکنندگانی که امروز در پلتفرم‌های یکپارچه سرمایه‌گذاری می‌کنند، در چشم‌انداز رقابتی سال ۲۰۳۰ تسلط خواهند داشت.

سناریوهای راه‌حل عملی

  • نگهداری پیش‌بینی: ادغام داده‌های لرزش زنده از موتورها در مدل‌های هوش مصنوعی برای پیش‌بینی خرابی بلبرینگ قبل از توقف خط.

  • بازرسی کیفیت در زمان واقعی: استفاده از دوربین‌های صنعتی با سرعت بالا و محاسبات لبه برای شناسایی نقص‌ها با سرعت خطی که از توانایی انسان فراتر است.

  • بهینه‌سازی حلقه بسته: تنظیم پویا جریان بخار یا سوخت در سیستم‌های توربین بر اساس حسگرهای محیطی در زمان واقعی برای حداکثر بهره‌وری.

  • نظارت ایمنی: استفاده از سیستم‌های بینایی مجهز به هوش مصنوعی برای شناسایی افراد غیرمجاز در مناطق خطرناک و فعال‌سازی فوری توقف اضطراری از طریق PLC ایمنی.