بازگشت به وبلاگ

زیمنس هوش مصنوعی عامل‌محور را به تولید افزایشی تطبیقی پیوند می‌دهد

زیمنس مهندسی گیره مبتنی بر پرامپت را به یک سلول تولید افزایشی تطبیقی پیوند داده است. این رویکرد از نظر مهندسی فرصت واقعی ایجاد می‌کند، اما استقرار در تولید همچنان به اعتبارسنجی، ردیابی‌پذیری، امنیت...

زیمنس در 16 نوامبر 2026 اعلام کرد که روند کار مهندسی عامل‌محور را به یک سلول تولید افزایشی تطبیق‌پذیر متصل می‌کند. در این نمایش، از یک گریپر رباتیک ویژه یک وظیفه استفاده می‌شود تا نشان داده شود یک نیاز کاربر چگونه می‌تواند از طراحی مبتنی بر پرامپت، از مسیر شبیه‌سازی و آماده‌سازی تولید، به یک فرایند تولید یکپارچه برسد.

این اطلاعیه از ادعای کلی «هوش مصنوعی برای تولید» مشخص‌تر است. زیمنس ابزارهای مهندسی، شرکای تولید و مرز فرایند برنامه‌ریزی‌شده را معرفی می‌کند. همچنین پرسش‌های مهم صنعتی را بی‌پاسخ می‌گذارد: هیچ آمار عملکرد تولید، فهرست مواد و قطعات کنترل‌گر، معماری ایمنی یا نتیجه اعتبارسنجی منتشر نشده است.

مواردی که زیمنس تأیید کرده است

زیمنس می‌گوید روند کار مهندسی را با AGIBOT و با تمرکز بر یک گریپر برای ربات انسان‌نما توسعه داده است. کاربر شیئی را که باید جابه‌جا شود و وظیفه موردنیاز را توصیف می‌کند. سپس یک روند کار عامل‌محور، نوع گریپر را انتخاب می‌کند، هندسه آن را در Siemens Designcenter تطبیق می‌دهد، طرح را شبیه‌سازی می‌کند، رابط ربات و وظیفه جابه‌جایی را بررسی می‌کند و داده‌های حاصل را برای تولید افزایشی آماده می‌سازد.

این شرکت اعلام می‌کند که عامل هوش مصنوعی از طریق یکپارچه‌سازی MCP به قابلیت‌های نرم‌افزار مهندسی دسترسی دارد. در اطلاعیه، مدل دقیق، داده‌های آموزشی، کنترل‌های پرامپت یا روند تأیید مشخص نشده است. بنابراین، این اطلاعیه هماهنگ‌سازی نرم‌افزار را تأیید می‌کند، نه تأیید خودکار سخت‌افزار تولیدی برای عرضه.

برای مرحله تولید، زیمنس با EOS و AM Solutions روی یک سلول تطبیق‌پذیر در کارخانه الکترونیک زیمنس در ارلانگن کار می‌کند. زنجیره برنامه‌ریزی‌شده، تولید افزایشی، اتوماسیون، نرم‌افزار و پس‌پردازش را ترکیب می‌کند. زیمنس در Formnext 2026 در فرانکفورت، روند کار با گریپر را معرفی خواهد کرد.

چرا سلول تولید از پرامپت مهم‌تر است

تولید هندسه فقط گام نخست است. یک سیستم تولیدی قابل‌استفاده باید هویت مواد، دستورالعمل ماشین، جهت‌گیری ساخت، راهبرد پشتیبانی، تاریخچه حرارتی، پس‌پردازش، بازرسی و تعیین تکلیف نهایی را کنترل کند. اگر هر گریپر با دیگری متفاوت باشد، سیستم کنترل نمی‌تواند به یک دستورالعمل ثابت و یک مجموعه حدود پذیرش ثابت تکیه کند.

بنابراین، یک سلول تطبیقی به قرارداد داده‌ایِ تحت حاکمیت میان طراحی، اجرای تولید و کنترل ماشین نیاز دارد. دست‌کم، هر کار باید شامل نسخه‌ای یکتا، مواد و پارامترهای تأییدشده ماشین، مراحل لازم پس‌پردازش، ویژگی‌های مورد بازرسی و سابقه‌ای از این باشد که چه کسی یا چه چیزی مجوز آزادسازی را صادر کرده است. سامانه تولید باید بسته‌های کاری ناقص یا ناسازگار را رد کند، نه اینکه در پای ماشین بداهه‌پردازی کند.

اینجا هم اتوماسیون متداول همچنان ضروری است. کنترلر تأییدشده، سامانه ایمنی، لایه ورودی/خروجی و شبکه صنعتی همچنان توالی‌های بلادرنگ، اینترلاک‌ها و حالت‌های ایمن را اجرا می‌کنند. جریان کاری جدید هوش مصنوعی ممکن است کارها را پیشنهاد یا ارکستراسیون کند، اما کنترل قطعی و عملکردهای ایمنی مستقل باید محدود و آزمون‌پذیر باقی بمانند.

بررسی‌های مهندسی پیش از تبدیل پروژه آزمایشی به تولید

  • مرجع تأیید طراحی: مشخص کنید کدام خروجی‌های عامل پیشنهاد هستند، کدام‌یک به‌طور خودکار بررسی می‌شوند و کدام‌یک به تأیید مهندس مشخصی نیاز دارند.
  • شواهد شبیه‌سازی: نسخه هندسه، بارها، شرایط مرزی و معیارهای قبولی/رد را ثبت کنید تا بتوان شبیه‌سازی موفق را بازتولید کرد.
  • رابط ربات: نصب، ظرفیت بار، مرکز ثقل، محدوده دسترسی، محدوده برخورد و رفتار هنگام ازدست‌رفتن گیرایی را برای هر گونه تولیدشده بررسی کنید.
  • ایمنی عملکردی: عملکردهای ایمنی را مستقل از خروجی تأییدنشده هوش مصنوعی نگه دارید. هندسه جدید ابزار می‌تواند فرض‌های مربوط به سرعت ایمن، فاصله جداسازی و خطر توقف را تغییر دهد.
  • امنیت سایبری فناوری عملیاتی (OT): بسته‌های کار را احراز هویت کنید، قابلیت‌های نرم‌افزاریِ در دسترس از طریق رابط‌های ارکستراسیون را محدود کنید، تغییرات را ثبت کنید و مانع شوید عامل مهندسی خارج از مسیر تأییدشده مستقیماً در دارایی‌های تولیدی تغییری ایجاد کند.
  • ردیابی‌پذیری کیفیت: قطعه فیزیکی نهایی را به نسخه طراحی، محموله مواد، سوابق ساخت، سوابق پس‌پردازش و نتیجه بازرسی پیوند دهید.
  • راهکار جایگزین: مشخص کنید وقتی عامل، سرویس شبیه‌سازی یا اتصال داده در دسترس نیست، چه باید کرد. تولید باید متوقف شود یا از روند کاری دستیِ تأییدشده پیروی کند.

آنچه این اطلاعیه مشخص نمی‌کند

زیمنس کاهش زمان چرخه، بازدهی بار اول، فرایندهای ساخت افزایشی پشتیبانی‌شده، مدل ربات، کنترلر تولید، PLC ایمنی یا توپولوژی شبکه را منتشر نکرد. همچنین نگفت که می‌توان گیره تولیدشده را بدون بازبینی انسانی تأیید کرد. نباید چنین جزئیاتی را از عبارت «هوش مصنوعی عامل‌گرا» استنباط کرد.

ابزار AM I Navigator این شرکت که اکنون با هوش مصنوعی صنعتی توسعه یافته، به‌عنوان راهی برای شناسایی موارد کاربرد و برنامه‌ریزی پروژه‌های آزمایشی معرفی شده است. این مرزبندی منطقی است: کارخانه‌ها باید کار را با کاربردی محدود آغاز کنند که قواعد طراحی، ریسک‌ها و معیارهای بازرسی آن از پیش مشخص باشند؛ سپس پیش از گسترش کار، زمان مهندسی، تلاش لازم برای اعتبارسنجی و تکرارپذیری تولید را بسنجند.

پیامدها برای سامانه‌های اتوماسیون موجود زیمنس

لایه مهندسی تطبیقی محدودیت‌های سخت‌افزار نصب‌شده را از بین نمی‌برد. داده‌های تولید همچنان باید از طریق رابط‌های تعریف‌شده به محیط کنترل‌شده برسند. برای نمونه، پردازنده ارتباطی مانند SIMATIC S7-1500 CP 1543-1 باید بر اساس الزامات واقعی شبکه، امنیت و کنترلر انتخاب و پیکربندی شود؛ این خبر به این معنا نیست که محصول مشخصی بخشی از نمایش زیمنس بوده است.

به همین ترتیب، کیفیت اندازه‌گیری همچنان مسئله‌ای فیزیکی است. ماژول‌های موجود، مانند ماژول ورودی آنالوگ SIPLUS S7-1500، نشان می‌دهند که با تطبیقی‌تر شدن داده‌های تولید، باید الزامات محدوده، وضوح، سیم‌کشی و شرایط محیطی حفظ شوند.

خبر راه‌اندازی سلول تطبیقی همچنین پس از معرفی جداگانه پلتفرم محرکه ربات متحرک ۲۴/۴۸ ولتی از سوی زیمنس منتشر شده است. بررسی یکپارچه‌سازی Sinamics E210 ما همین اصل خرید را نشان می‌دهد: معرفی یک پلتفرم به‌معنای ارائه پیکربندی کامل و قابل سفارش نیست و پیش از انتخاب باید محدوده‌های ایمنی، شبکه و مکانیک مشخص شوند.

ارزیابی تحریریه: نکته مهم این نیست که هوش مصنوعی می‌تواند شکلی برای گیره طراحی کند؛ بلکه تلاش زیمنس برای پیوند دادن مراحل مهندسیِ تحت کنترل با زنجیره‌ای یکپارچه از تولید و پس‌پردازش است. ارزش تجاری به این بستگی دارد که آیا این سلول می‌تواند قطعاتی ردیابی‌پذیر و تکرارپذیر تولید کند و در عین حال کنترل، ایمنی و اختیار تأیید نهایی را به‌روشنی مشخص نگه دارد.

منبع: بیانیه مطبوعاتی زیمنس، منتشرشده در ۱۶ نوامبر ۲۰۲۶: زیمنس هوش مصنوعی صنعتی و تولید افزایشی را برای توسعه و تولید تطبیقی محصول ترکیب می‌کند.

یک نظر بگذارید

لطفاً توجه داشته باشید که نظرات باید قبل از انتشار تأیید شوند.