Jedno rozhranie medzi fabrikou a viacerými AI modelmi
Siemens ukazuje architektúru, v ktorej sa výrobných dát možno pýtať bežným jazykom. Nie je pritom viazaná na jediný model a AI nemusí dostať voľný prístup k riadeniu stroja.
Predstavme si otázku: „Ktoré čerpadlo malo tento týždeň najviac nezvyčajných vibrácií?“ Jazykový model jej rozumie, no sám nevie, kde sú údaje uložené, čo znamenajú názvy zariadení ani čo smie v prevádzke urobiť. Siemens preto skladá medzi výrobu a AI niekoľko jasne oddelených vrstiev.
Od senzora k odpovedi vedie kontrolovaná cesta
- Stroje a senzory.Vytvárajú merania, udalosti a stavové informácie cez používané priemyselné rozhrania.
- Industrial Edge.Zbiera a predspracuje dáta blízko výroby, napríklad cez OPC UA, MQTT alebo REST.
- WinCC OA.Spája udalosti a výrobné údaje do kontextu, ktorému rozumie prevádzkový tím.
- MCP Server.Sprístupní vybrané nástroje a údaje AI modelu cez definované rozhranie.
- Jazykový model.Vysvetlí otázku, vyžiada si povolené dáta a pripraví zrozumiteľnú odpoveď alebo návrh kroku.
MCP je tlmočník, nie nový priemyselný kábel
Model Context Protocol, skrátene MCP, dáva AI jednotný spôsob, ako požiadať externý systém o dáta alebo povolenú funkciu. Siemens na svojom Architecture Hub opisuje WinCC OA MCP Server, ktorý môže spolupracovať s platformami OpenAI, AWS Bedrock a modelmi Claude či Gemini.
To je zaujímavé najmä preto, že podnik nemusí všetko uzavrieť do jedného jazykového modelu. Môže vybrať model podľa pravidiel, umiestnenia dát a úlohy. Siemens tu dodáva priemyselný kontext a integračnú vrstvu; neznamená to, že všetky menované modely vyvinul Siemens.
MCP nie je náhradou OPC UA, priemyselného Ethernetu ani bezpečnostného PLC. Je to rozhranie pre AI nástroje. Každý príkaz, ktorý by mohol ovplyvniť výrobu, potrebuje obmedzené oprávnenia, kontrolu a auditnú stopu.
Výpočtový výkon sa približuje k linke
Na Hannover Messe 2026 Siemens predstavil novú generáciu Industrial Automation DataCenter. Ide o vopred pripravenú IT/OT platformu s výpočtovým výkonom NVIDIA, na ktorej možno blízko výroby spúšťať kontrolu obrazu, prediktívnu údržbu alebo optimalizáciu procesu.
Lokálnejšie spracovanie môže skrátiť cestu dát a zjednodušiť ich ochranu, ale neznamená automaticky, že model pracuje úplne bez cloudu. Konkrétny tok údajov závisí od zvoleného modelu, aplikácie a architektúry podniku.
Čo z toho môže mať výrobný tím
Rýchlejšie hľadanie súvislostí
Technik sa môže opýtať na udalosti a merania bez manuálneho prechádzania viacerých obrazoviek.
Vysvetlenie odchýlky
AI môže spojiť výsledok kontroly s históriou stroja a výrobnou dávkou a navrhnúť, čo preveriť.
Riadený návrh kroku
Systém môže pripraviť odporúčanie, pričom vykonanie zostane viazané na pravidlá a oprávnenú osobu.
Novinkou nie je chatovacie okno na stroji. Podstatné je kontrolované prepojenie AI s presnými výrobnými dátami a jasná hranica toho, čo smie iba vysvetliť a čo môže po schválení vykonať.
Primárne zdroje