Contents ...
udn網路城邦
【AI 對產品生命周期管理(PLM)的影響】
2025/01/23 23:42
瀏覽96
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
發表迴響

會員登入