- 西门子 Industrial Copilot 助力优化工程设计和车间运营
- 蒂森克虏伯将在全球范围内使用Industrial Copilot
- Industrial Copilot未来将支持多模态、代理及本地部署
西门子近日发布了Industrial Copilot多项新功能,并宣布蒂森克虏伯自动化工程公司(蒂森克虏伯)将在全球范围内应用Industrial Copilot。西门子Industrial Copilot for Engineer 能够帮助工程师编写自动化工程代码,未来其功能还将支持多模态和AI代理。为保障用户的数据主权,西门子Industrial Copilot for Operations将作为本地部署的软硬件套装提供给用户。
西门子数字化工业集团工厂自动化首席执行官 Rainer Brehm 表示:“借助西门子的多领域专业知识,我们正在将生成式AI技术转化为工业级解决方案,让用户无需专业的AI知识即可轻松部署。西门子Industrial Copilot是自动化工程领域首款生成式AI产品,它将作为工业自动化领域的加速器,帮助客户加速创新、提高生产率和竞争力。”
蒂森克虏伯与西门子电子工厂将全面部署Industrial Copilot
竞争压力和技术工人短缺是当今工业企业面临的两大挑战。将生成式AI转化为工业级解决方案并引入车间一线,能够助力工业企业大幅提高生产效率,更好地应对当前挑战。 研究机构Gartner 数据显示,到 2028 年,75% 的开发人员将经常性地利用生成式AI协助创建代码,而在 2023 年初这一数据仅为不足 10%。
专业机械和设备制造商蒂森克虏伯将Industrial Copilot for Engineering 集成到了其用于电动汽车电池质量检测的设备中。蒂森克虏伯计划从 2025 年开始在其全球工厂规模化应用这款生成式AI助手进行机械设计。Industrial Copilot 协助蒂森克虏伯工程师创建 TIA 博途项目,帮助他们更快地为可编程逻辑控制器 (PLC) 开发结构化控制语言 (SCL) 代码,更智能地将代码集成到 TIA 博途中,并在 WinCC Unified 中生成机械可视化。工程团队就能够减少自动化数据管理和传感器配置等单调重复的任务,从而提高工作效率、优化流程、推动创新。
蒂森克虏伯自动化工程有限公司首席执行官 Rolf-Günther Nieberding 博士说道:“ 蒂森克虏伯与西门子的合作由来已久。希望通过此次合作,借助Industrial Copilot提升工程项目效率,从而更好地服务我们的客户。”
位于德国埃尔兰根的西门子电子工厂在其焊接机上应用了 Copilot for Operations。Industrial Copilot 可帮助西门子操作人员和维护工程师了解机器的错误代码,并将信息翻译成自然语言。Industrial Copilot能够梳理不同的文档、手册或备件清单,根据机器的详细信息和历史记录提出解决方案。得益于此,工厂将大幅减少机器停机时间,更快地解决生产瓶颈,更加高效地完成交接班工作。
Industrial Copilot再升级:支持多模态、AI代理和本地部署
Industrial Copilot for Operations让车间工人能够直接与机器交互,并帮助他们完成维护任务、错误处理、轮班协助以及性能优化等工作。Industrial Copilot将具有多模态功能,可以分析和解读图像,并通过基于代理的自动化处理各种任务, 提高生产率。为保障客户的数据安全,确保数据不会外泄,未来Industrial Copilot for Operations将与 SIMATIC IPC 1047E作为本地部署的软硬件套装提供给用户。在 IPC 上运行的软件堆栈由 NVIDIA NIM 微服务提供支持,它允许自动化和维护工程师对运行数据和文档数据进行实时查询,从而实现快速决策并减少机器停机时间。这种配置不需要互联网连接,数据存储在本地硬件设备上,保障客户的数据安全、存储、随时随地可用。
Industrial Copilot for Engineering将支持多模态输入:例如,通过检测和转换用于电气规划的 ECAD 文档中的手动更改。这些更改会自动突出显示、注释并最终在TIA 博途项目中实施。
高度复杂的自动化项目将利用代理概念实现部分自动化。代理概念超越了简单的问答式交互,通过将大型复杂任务分解为子任务来实现流程自动化。然后从包括 ECAD 信息在内的多个来源收集所有相关信息,以了解用户目标。代理还可以连接到外部系统和信息源,将不同的工具相互连接起来,从而创建一个闭环。接下来,代理能够就如何实现目标制定计划,并独立执行所需的操作。这些操作包括发送消息、访问外部系统和更新数据集。工程师还可以通过代理来控制和指导所有生产过程,同时保持完全透明化,了解数据的总体情况以及下一步应采取哪些步骤。