"Mavila est un modèle de vision et de langage très avancé spécifiquement pour la fabrication intelligente, un domaine dans lequel nous avons été profondément impliqués depuis près d'une décennie", a déclaré Lee dans une interview avec le NSF.

Forces clés de Mavila

La plupart des systèmes d'IA industriels actuels dépendent toujours d'outils de vision basés sur des règles qui luttent avec des formes de pièces ou des conditions d'éclairage inconnues sur le plancher de l'usine. Ce qui distingue Mavila, c'est sa formation sur les données spécifiques au domaine - des milliers d'images étiquetées, des manuels techniques et des journaux de capteurs à partir de machines CNC, d'unités de filme filaire et d'imprimantes 3D. Lorsqu'il est présenté avec un support de titane nouvellement imprimé, le modèle peut identifier un micro-crack et recommander instantanément des ajustements à la puissance laser. Cette tache nécessiterait généralement un ingénieur de processus sur place.

Mavila peut analyser un frappeur, détecter une anomalie et proposer une vitesse de coupe optimale - tout avant qu'un opérateur humain puisse frapper l'arrêt d'urgence.

?Des modèles traditionnels de grande langue sont con?us pour traiter et générer du texte?, a expliqué Lee. "Mais le modèle de vision de Mavila est capable d'interpréter les informations visuelles et textuelles."

Dans les premiers essais en laboratoire, Mavila a détecté avec succès des défauts introduits délibérément dans des composants imprimés en 3D et proposé des paramètres d'impression corrigés en quelques secondes. L'équipe a ensuite déployé le modèle sur un robot mobile qui a capturé les images d'un processus de fraisage, a récupéré la spécification de couple correcte à partir d'un manuel PDF et a recommandé un réglage du chemin d'outil, le tout pendant que la machine était en service.

Lee a souligné que le contr?le des données spécialisées définira la prochaine vague d'IA industrielle.

"Je crois que le c?ur de l'industrie de l'IA réside dans les algorithmes et les modèles que vous développez", a-t-il déclaré. ?Mais tout aussi important est les données. Celui qui contr?le les données a le plus de valeur.?

Son équipe a créé l'une des premières références accessibles au public pour des images de fabrication intelligentes et amélioré Mavila à l'aide d'un pipeline de traitement auprès de la récupération, ce qui lui permet d'accéder à la bonne section d'un manuel pendant l'interaction en temps réel.

étant donné que les ensembles de données publics abordent rarement des scénarios de fabrication de niche, l'équipe de Lee a passé des années à collecter des images haute résolution d'outils de coupe, à compiler les données de capteurs à partir d'imprimantes 3D et à numériser les manuels des opérateurs dans une base de données consultable. Cet effort a conduit à un système amélioré de la récupération qui permet à Mavila de fournir des réponses précises pendant qu'une machine fonctionne toujours.

L'IA gagne du terrain dans les environnements de fabrication

Siemens apporte déjà une solution similaire au marché. Son copilote industriel, intégré au portail TIA de la société, peut générer du code API et des interfaces HMI, réduisant les taux de développement et les taux d'erreur. L'outil sera lancé cet été.

Nvidia collabore avec Foxconn, Pegatron et d'autres entreprises pour créer des répliques numériques à grande échelle de leurs lignes de production. En simulant les dispositions d'usine avant le début de la construction physique, ces entreprises signalent un déploiement plus rapide et une meilleure sécurité. BMW affirme également que son usine virtuelle a réduit jusqu'à 30% des co?ts de planification en simulant chaque mouvement robotique dans un environnement photoréaliste.

Ces développements indiquent que les principaux fabricants adoptent des assistants alimentés par l'IA, mais ils présentent également un défi pour les petits fournisseurs qui peuvent manquer de ressources ou de données pour rivaliser.

Soutien politique et défis de la main-d'?uvre

Le financement du gouvernement soutient de plus en plus la fabrication américaine. Ce printemps, le NSF a alloué 25,5 millions de dollars en subventions pour des initiatives de ?fabrication future?, y compris le développement du jumeau numérique et le ?recyclofacture? - une méthode circulaire qui convertit les déchets de métaux industriels directement en nouveaux matériaux, minimisant le cycle en aval et la réduction des émissions de carbone. Cependant, un rapport Deloitte met en évidence une pénurie prévue de 2,1 millions de travailleurs de fabrication aux états-Unis d'ici 2030, une des raisons pour lesquelles Siemens promeut son copilote comme solution pour combler les lacunes des compétences.

Certains experts avertissent que même les modèles les plus sophistiqués ne peuvent pas remplacer la nécessité de données fra?ches et propriétaires. Les fabricants de taille moyenne doivent décider de la quantité de connaissances internes qu'ils sont prêts à partager avec les institutions de recherche ou payer pour rester en sécurité.

Lee reconna?t ce défi. Son prochain objectif est d'établir des collaborations pilotes avec au moins trois petits et moyens fabricants. Sans données de production réelles, le modèle risque de rester limité à l'utilisation académique.

Le succès de Mavila dépend désormais de savoir si les usines sont disposées à fournir des images et des journaux suffisants pour maintenir l'efficacité du modèle et à quelle facilité il peut être déployé.

Si ces obstacles sont surmontés, les usines américaines pourraient remplacer les liants techniques épais par un assistant d'IA capable d'identifier les problèmes, de les expliquer et de les corriger en temps réel - transformant l'automatisation statique dans des systèmes de production intelligents et adaptatifs et potentiellement donner à la fabrication américaine l'avantage concurrentiel qu'il recherchait depuis longtemps.

Ce qui précède est le contenu détaillé de. pour plus d'informations, suivez d'autres articles connexes sur le site Web de PHP en chinois!