一部の雇用が大幅に変化したり、あるいは失われたりする可能性は否定できませんが、正味の雇用創出という確かな実績があります。
私たちは、設計コパイロットが製造工程の自然言語記述を取り込み、制御コードを生成できるようになることを議論しました。つまり、制御エンジニアはこれらのツールを使うことで、近いうちに生産性が2倍から5倍向上する可能性があるということです。その結果、開発時間が短縮され、エンジニアはより価値の高い活動に専念できるようになります。
実績のある技術を簡素化し、拡張するためのAIの利用もその一例です。予知保全は何十年も前から存在していますが、専門知識が不足していることと、設定や保守が複雑なことから、多くの産業で広く導入されていません。半教師付き学習により、メンテナンスチームは、製造資産の異常検知とMTTF (平均故障時間)予測を迅速に実装し、すべての資産に迅速に拡張することができます。
例えば、私たちは大手金属・鉱業ブランドと協力し、 FactoryTalk® Analytics™ GuardianAI™を使用してAIベースの異常検知を注入し、収益性を向上させ、フルシフトダウンタイムを防止しました。
この意味で、AIはコストやリソースに制約があり、大規模に実施することができなかった生産性向上の実践を民主化します。
もう1つの例は、モデル化が難しい複雑なプロセスや変動が激しいプロセスの制御性能を向上させるための機械学習(ML)の利用です。この場合、制御エンジニアは、仕事のアウトプットを改善するためのツールとして、教師あり学習と強化学習を使用します。これらのMLベースのモデルは、多くの場合、従来の「設定して忘れる」エキスパートベースのモデルを凌駕し、OEE (設備総合効率)の向上を実現し、環境の変化に継続的に適応します。