General Electric baut eine KI-Belegschaft auf

Als Teil seiner Verlagerung hin zu High-Tech-Unternehmen führt das 125 Jahre alte Unternehmen, Nummer 40 auf unserer Liste der 50 intelligentesten Unternehmen, künstliche Intelligenz in allen Bereichen ein, beginnend mit seinen Wissenschaftlern. Durch

• Elisabeth Woyke Archivseite

27. Juni 2017

Leonhard Greco

Als Jason Nichols 2011 zu GE Global Research kam, kurz nachdem er seine Postdoc-Arbeit in organischer Chemie an der University of California, Berkeley, abgeschlossen hatte, erwartete er eine lange Karriere in der chemischen Forschung. Aber nachdem er vier Jahre lang Materialien und Systeme zur Behandlung von Industrieabwässern entwickelt hatte, wechselte Nichols in das Labor für maschinelles Lernen des Unternehmens. Seit diesem Jahr arbeitet er mit Augmented Reality. Halb Chemiker, halb Datenwissenschaftler, Nichols ist jetzt genau die Art von hybridem Mitarbeiter, der entscheidend für die Zukunft eines Unternehmens ist, das daran arbeitet, künstliche Intelligenz in seine Maschinen und industriellen Prozesse zu integrieren.

Vor fünfzehn Jahren überwachten die Maschinenbediener und Techniker von GE seine Flugzeugtriebwerke, Lokomotiven und Gasturbinen, indem sie auf ihr Klirren und Surren lauschten und ihre Anzeigen überprüften. Heute nutzt das Unternehmen KI, um das Äquivalent zu tun, und sagt sogar Ausfälle im Voraus voraus (siehe „50 intelligenteste Unternehmen 2017“). Durch den Einsatz dieser Technologie hofft GE, bis 2020 einer der weltweit führenden Softwareanbieter zu werden, eine Suche, die 2011 mit einer 1-Milliarden-Dollar-Initiative zur Erfassung und Analyse von Sensordaten von Maschinen verstärkt wurde. Intelligentere Modelle über KI zu erstellen, ist der nächste Schritt in der Strategie des Unternehmens, von dem man sich einen Vorteil gegenüber langjährigen Konkurrenten wie Siemens und Softwaregiganten wie IBM erhofft, die jetzt in die industrielle Analytik expandieren.

Diese Geschichte war Teil unserer Juli-Ausgabe 2017

• Siehe den Rest des Problems
• Abonnieren

Natürlich ist es eine schwierige Aufgabe, künstliche Intelligenz in eine 1892 gegründete Organisation zu integrieren. Es beginnt mit der Schulung der technischen Köpfe hinter dem Unternehmen, das weltweit 300.000 Mitarbeiter in allen seinen Geschäftsbereichen beschäftigt. GE Global Research, wo Jason Nichols arbeitet, richtet Online-Programme ein, die maschinelles Lernen lehren, und Symposien, bei denen Wissenschaftler neue Rollen erkunden können. Bisher haben fast 400 Mitarbeiter aus dem gesamten Unternehmen das Zertifizierungsprogramm von GE für Datenanalyse absolviert, und etwa 50 Wissenschaftler haben in Digital-Analytics-Jobs der Art gewechselt, die Nichols angenommen hat.

Doppelte Karrieren

Viele dieser dualen Wissenschaftler helfen bei der Erstellung von Cloud-gehosteten Softwaremodellen von GE-Maschinen, die verwendet werden können, um Geld zu sparen und die Sicherheit für seine Kunden zu verbessern. GE erstellt diese digitalen Zwillinge anhand von Informationen, die es von Sensoren an den Maschinen sammelt, ergänzt durch physikbasierte Modelle, KI, Datenanalyse und das Wissen seiner Wissenschaftler und Ingenieure. Obwohl digitale Zwillinge in erster Linie Softwarecodezeilen sind, sehen die aufwändigsten Versionen wie computergestützte 3D-Konstruktionszeichnungen voller interaktiver Diagramme, Diagramme und Datenpunkte aus. Sie ermöglichen es GE, den Verschleiß seiner Flugzeugtriebwerke, Lokomotiven, Gasturbinen und Windturbinen mithilfe von Sensordaten anstelle von Annahmen oder Schätzungen zu verfolgen, wodurch es einfacher wird, vorherzusagen, wann sie gewartet werden müssen. Ein Flugzeugtriebwerk, das über die USA fliegt, könnte beispielsweise einen digitalen Zwilling auf einem GE-Computerserver in Kalifornien haben, der dabei hilft, den besten Wartungsplan für seine Teile zu ermitteln.

Neben der Vorhersage der Lebenserwartung einer Maschine ermöglichen die virtuellen Modelle GE, den Betrieb seiner Produkte zu optimieren. Laut GE erhöhen digitale Zwillinge die Menge an Strom, die Windparks produzieren, um bis zu 20 Prozent und reduzieren den jährlichen Kraftstoffverbrauch und die CO2-Emissionen für eine seiner Lokomotiven um 32.000 Gallonen bzw. 174.000 Tonnen pro Jahr. Mehr als 700.000 Modelle wurden an Kunden ausgeliefert, eine Zahl, die bis Ende dieses Jahres eine Million überschreiten könnte.

Die Technologie ist auf künstliche Intelligenz angewiesen, um sich ständig selbst zu aktualisieren. Wenn Daten beschädigt sind oder fehlen, füllt das Unternehmen die Lücken mit Hilfe von maschinellem Lernen, einer Art von KI, die Computer lernen lässt, ohne explizit programmiert zu werden, sagt Colin Parris, Vizepräsident für Softwareforschung bei GE Global Research. Laut Parris kombiniert GE Computer Vision mit Deep Learning, einer Art von KI, die besonders geschickt darin ist, Muster zu erkennen, und Reinforcement Learning, einem weiteren jüngsten Fortschritt in der KI, der es Maschinen ermöglicht, den Betrieb zu optimieren, damit Kameras winzige Risse auf Metallturbinenschaufeln finden können, selbst wenn sie vorhanden sind sind dreckig und staubig.

Nehmen Sie den winzigen Roboter, etwas größer als ein Matchbox-Auto, der verwendet wird, um funktionierende Motoren zu inspizieren. Mithilfe von Computer Vision und einer Vielzahl von KI-Techniken kann der Bot nach Rissen in Flugzeugtriebwerken suchen, indem er auf einem sich langsam bewegenden Lüfterblatt fährt.

Eine ähnliche Technologie kann an einer Drohne angebracht werden, um Korrosion an den 200 Fuß hohen Fackelschornsteinen zu finden, die überschüssiges Gas verbrennen, das an Öl- und Gasförderstandorten freigesetzt wird.

GE-Wissenschaftler untersuchen und adaptieren seit Jahrzehnten sich verändernde Technologien. Auf diesem Foto vom 18. April 1968 bedient ein Systemingenieur von GE die Telexverbindung eines Student Response Systems an der Syracuse University. Der Computer analysierte die Antworten der Schüler auf Multiple-Choice-Fragen und leitete sie an den Lehrer zurück.

Am 20. März 1969 untersuchten GE-Forscher den Fluss von Gasen, die in ihrem natürlichen Zustand unsichtbar sind, indem sie Simulationen auf einem Gerät erstellten, das als funktionierender Grundwasserspiegel bezeichnet wird, wo Strömungen durch die Verwendung von Farbstoffen beobachtet wurden.

Keine Modeerscheinung

Um diese Systeme zu entwickeln und mit ihnen zu arbeiten, müssen GE-Forscher sowohl die Physik der Maschinen als auch die KI-Algorithmen verstehen.

Dies ist ein Ort, an dem ein Molekularbiologe mit einem Experten für maschinelles Lernen oder eine Person aus der Steuerungstheorie mit jemandem zusammensitzt, der sich mit Materialwissenschaften auskennt, sagt Mark Grabb, Technologiedirektor für Analytik bei GE Global Research. Diese Art der Zusammenarbeit ist sehr mächtig, aber es gibt nichts Mächtigeres, als dieselben Informationen im selben Gehirn zu haben; es ist einfach hypereffizient.

Betrachten Sie das Gehirn von Matt Nielsen, der 1998 zu GE Global Research kam, nachdem er in Physik promoviert hatte. Nielsen entwickelte Photonik und arbeitete an Software für Elektrofahrzeuge, bevor er 2015 vollständig auf die digitale Seite des Unternehmens wechselte. Heute leitet er ein Team von Entwicklern digitaler Zwillinge und hilft beim Aufbau physikbasierter Modelle, die mit maschinellen Lernalgorithmen kombiniert werden können.

GE verwendet KI, um kontinuierlich aktualisierte digitale Darstellungen seiner Maschinen zu erstellen, wie z. B. dieser Gasturbine, der 9HA, in einem Werk in Belfort, Frankreich.

Digitale Nachbildungen von Düsentriebwerken helfen den Luftfahrtkunden von GE, Geld zu sparen, indem sie genau vorhersagen, wann sie gewartet werden müssen. Hier steht ein GE-Motor in einer Überholungsanlage in Rio de Janeiro, Brasilien.

Sahika Genc, ​​eine weitere duale Wissenschaftlerin, entwickelte Systeme für Alarme auf der Intensivstation, bevor sie 2014 in das Labor für maschinelles Lernen von GE wechselte. Genc ist jetzt eine Wissenschaftlerin für maschinelles Lernen, die Deep Learning und Reinforcement Learning einsetzt, um die Energiemanagementsysteme von GE effizienter zu machen. Eines ihrer jüngsten Projekte wandte maschinelles Lernen und Wärmeübertragungstheorie an, um zu ermitteln, wie Gebäudeenergie abgeführt und gespeichert wird. Die Prognosen werden GE-Kunden helfen, ihren Energieverbrauch zu senken.

Diese Hybridforscher könnten GEs beste Chance sein, für ein weiteres Jahrhundert relevant zu bleiben, während das Unternehmen nach Wachstumsmöglichkeiten in so wettbewerbsfähigen und ausgereiften Branchen wie Turbinen, Strahltriebwerken und Lokomotiven sucht.

Parris, der Leiter der Softwareforschung, gibt zu, dass einige der 2.000 Forscher von GE bestimmte Aspekte des neuen Ansatzes immer noch als vorübergehende Modeerscheinung betrachten.

Aber Wissenschaftler, die den Sprung nicht schaffen, können zurückbleiben. Im Januar entließ das Unternehmen Forscher in Bereichen, die als peripher für die digitale Industriestrategie von GE galten. Das ist nach der Schaffung von 100 neuen Forschungsstellen im Zusammenhang mit KI und Robotik im Jahr 2016.

verbergen