Каждый производитель уже обладает тем, что Microsoft и MIT Technology Review называют «промышленным интеллектом» — модный термин для накопленных ноу-хау, операционных практик, производственных данных и институциональной памяти, которые в настоящее время живут в смеси задокументированных процедур и головах опытных работников, которые, вероятно, скоро выйдут на пенсию. Пример из начала статьи: оператор перезапускает линию после переналадки, полагаясь не только на настройки машины, но и на знание того, как ведёт себя конкретный материал, что произошло в предыдущую смену и когда кажущееся незначительным отклонение заслуживает более пристального внимания. Процедура может описать последовательность, но успешное выполнение зависит от суждения, которое приходит с опытом. Иными словами, в инструкции нет той части, где Дэйв щурится на датчик и говорит: «Это не то».

Возможность, как нам говорят, заключается в том, чтобы сделать больше такого интеллекта доступным везде, где принимаются решения, и связать его с физическим миром производства. Стратегическая цель — не больше агентов, а превращение существующего бизнес-интеллекта в двигатель прибыльного роста. Экспертиза имеет ограниченный охват, когда остаётся у одного человека, одной системы или одного завода — проблема, которую лидеры должны теперь решить, не лишая знания контекста, который делает его полезным. Инженеру, оценивающему изменение процесса, нужно больше, чем производственная запись; ему нужны обстоятельства, стоящие за ней: конфигурация оборудования, требования к качеству и компромиссы, на которые пошёл оператор. Связывание этих элементов помогает людям применять опыт за пределами того места, где он возник, а это значит, что ремонтный цех, плановый отдел, инженерная команда и производственный участок могут все внести свой вклад, потому что больше людей могут работать с тем, что знает организация.

Но доступ к знаниям — лишь часть возможности. Производство в конечном счёте физическое, зависящее от материалов, машин и продуктов. На сцену выходит «физический ИИ» — системы, которые могут воспринимать условия, рассуждать о них и действовать в физическом мире. Связывая машины и процессы, производители получают более чёткое представление о цехе, и агенты могут рассуждать на основе этой информации, чтобы выявлять закономерности, предсказывать проблемы и определять наилучший курс действий. Рассмотрим операцию роботизированной обработки, сталкивающуюся с вариациями деталей, прибывающих на её станцию: зрение оценивает положение детали, модель, informed by material and task, определяет подходящее движение, а связанные элементы управления выполняют корректировку в пределах проверенных лимитов. Ценность не просто в том, чтобы увидеть вариацию; это в том, чтобы реагировать адекватно — различие, которое найдёт отклик у любого, кто наблюдал, как робот уверенно делает неправильную вещь.

Тот же принцип применяется к операциям обеспечения качества. Toyota Industries связала ранее разрозненные данные окрасочного цеха, предоставив инженерным и операционным командам контекст, необходимый для понимания причин дефектов. Компания сообщает, что циклы анализа сократились с пяти дней до менее чем четырёх часов, а её пилотный проект сократил соответствующие дефекты окраски примерно на 25%. Прорыв заключался не просто в выявлении ещё одного сигнала; он помогал людям понять, почему возникают дефекты, и реагировать до того, как результат зафиксирован. Данные могут показать, что происходит, но промышленный интеллект даёт контекст для того, что должно произойти, какие ограничения нельзя нарушать и когда неопределённость требует человеческого суждения — в идеале до того, как линия остановится и все начнут смотреть на новичка.

Симуляция предлагает способ изучить предлагаемые действия до их применения к оборудованию, позволяя производителям исследовать, как изменение может повлиять на процесс в цифровой среде. Это не устраняет необходимости физической проверки, но создаёт пространство для обучения без превращения производственной линии в первый эксперимент — новая концепция для любого, кто когда-либо работал в производстве. Ответственное развёртывание начинается с операционной дисциплины: чёткие полномочия в отношении того, какие системы