【AI 對產品生命周期管理（PLM）的影響】
2025/01/23 23:42
瀏覽108
迴響0
推薦0
引用0
近日，作者 Josh Epstein 有幸與弗勞恩霍夫機電系統設計研究所人工智慧卓越中心主任 Rik Rasor，以及 AI Marketplace 聯席 CEO 兼 Heinz Nixdorf Institute 系統工程負責人 Ruslan Bernijazov，討論人工智慧（AI）的未來及其對現代產品生命周期管理（PLM）的影響。我們的討論分為以下四個部分：
1. 將 AI 應用於 PLM 和數位工程的廣泛方法
2. 生成式 AI 在 PLM 中的機會
3. 在 Aras Innovator 中構建 AI 增強的自然語言搜索
4. 生成式 AI 在 PLM 和數位工程中的未來
將 AI 應用於 PLM 和數位工程可以說，圍繞 AI 進步的熱潮和期待，遠超過了 AI 在傳統數位工程工具和業務流程中的實際應用。根據 Gartner 2023 年市場指南：
挑戰在於如何自信地將 AI 融入您的 PLM 技術堆疊中，並以能為公司及客戶創造真實價值的方式實現。
根據 Rik 的觀點，目前 AI 在 PLM 的應用可分為機器學習、生成式 AI（GenAI）、大型語言模型（LLMs）和對話代理（如 ChatGPT 和 GPT-4，有時稱為“副駕駛”）。雖然機器學習已被整合到數千個工程應用中，從研究角度看 AI 並不新鮮，但自 ChatGPT 啟動一年後，生成式 AI 展現出了一些過去認為只有人類才能完成的能力。
生成式 AI 在 PLM 中的機會生成式 AI 在 PLM 中的機會在哪裡？Rik 認為，從產品行銷到變異管理（VM），涵蓋所有相關領域！
策略制定的第一步，是將廣泛的應用分類成一個框架，使不同角色能理解、評估和優先確定起點。隨後，可根據路線圖找到更多“低垂的果實”，快速展現此技術的額外效益。
AI 在 PLM 中的三個用例在展示部分，我們分享了 AI 在 PLM 中三個低垂果實的應用示例：
1. 系統工程：AI 可檢查產品新需求是否與其他需求、相關文件或先前版本一致，尤其適用於技術文檔。
2. 技術文檔草擬：AI 能生成基於數據的基本用戶指南，並輔以聊天用戶界面。此外，利用 Aras Innovator 的數據結構，可創建額外的非結構化文檔。
3. 企業搜索：聊天功能可用於搜索 PLM 系統，要求系統具有流暢的用戶體驗及無縫的聊天界面，能識別用戶提示並正確查詢系統。
成功應用 AI 的數據基礎建設展示結束後，我們討論了成功開發 AI 集成策略所需的條件。Rik 指出，工程數據、語義豐富的數據庫、開放系統（具有合適的 API）、語義及 AI 能區分數據以便提取的證據，均為關鍵。
Ruslan 同意 Rik 的觀點，認為雖然高質量數據很重要，但數據訪問更為關鍵。由於 PLM 系統中的許多數據由工程師輸入，數據質量似乎不如可用性那麼令人擔憂。
接下來怎麼辦？歸根結底，您需要從數據開始，數據越多越好，並應整合和連接整個產品生命周期的數據。接著，要專注於這些數據的語義：
● 是否可被機器讀取？
● 是否能識別數據信息的交集？
● 是否易於理解？
挑戰最大的部分可能是習慣 AI 建模。 雖然認為 AI 無法理解不一致需求是錯誤的，但過於信任 AI 同樣危險。AI 經常出現所謂的“幻覺”，即創造出看似合理但實際上不正確的答案。關於幻覺檢測及緩解的討論在所有 LLM 圈子裡都是熱點，組織需要密切監控最新技術，並確保其生成式 AI 實施有適當的防護措施。對 PLM 生態系統中的人員進行培訓，是確保員工擁有所需新技能的必要步驟，這將為更廣泛的應用和更大 AI 效益敞開大門。
原文：https://aras.com/en/blog/rethinking-your-digital-engineering-strategy-leveraging-the-power-of-generative-ai?fbclid=IwY2xjawH_QxRleHRuA2FlbQIxMAABHeSY5JOqd0G-zD3z50Qky5WWc4cq0hZYPc4AyyKSJ3f31PxKVCkmOnxp6g_aem_d-UqeTM92RSYZguqndgT4Q
原文：https://aras.com/en/blog/rethinking-your-digital-engineering-strategy-leveraging-the-power-of-generative-ai?fbclid=IwY2xjawH_QxRleHRuA2FlbQIxMAABHeSY5JOqd0G-zD3z50Qky5WWc4cq0hZYPc4AyyKSJ3f31PxKVCkmOnxp6g_aem_d-UqeTM92RSYZguqndgT4Q
你可能會有興趣的文章：
