ניו-טק מגזין | יולי 2026 | המהדורה הדיגיטלית

הבקרה. כדי לתמוך בתהליכי קבלת החלטות, המערכת נדרשת להבין לא רק כל מקור מידע בנפרד, אלא גם את הקשרים ביניהם. כך למשל, עלייה בטמפרטורת מנוע עשויה להיראות בתחילה כחריגה פשוטה. אולם כאשר משלבים את נתוני החיישנים עם היסטוריית התחזוקה, מפרט הציוד, שרטוטי המערכת והוראות היצרן, מתקבלת תמונה רחבה יותר המאפשרת לזהות את מקור הבעיה ולהציע דרכי פעולה מתאימות. המשמעות היא שמודלי הבסיס אינם מחליפים את הידע ההנדסי שנצבר במפעל, אלא מספקים שכבה חדשה המאפשרת לקשור בין מקורות מידע שבעבר נותרו מנותקים זה מזה. אולם גם כאשר מערכת מצליחה להבין מגוון רחב של מידע, עדיין נותרת שאלה מהותית: כיצד הופכים את הידע הזה לרצף של פעולות? כאן נכנסת לתמונה ההתפתחות . Agentic AI הבאה - - השלב הבא באוטומציה Agentic AI .2 התעשייתית במפעל מודרני מתקבלות מדי יום אלפי החלטות קטנות: האם לעצור קו ייצור בעקבות חריגה? האם לדחות פעולת תחזוקה כדי להשלים הזמנה דחופה? האם השינוי במדידות מצביע על תקלה מתפתחת או על סטייה זמנית בתהליך? ברוב המקרים, המידע הדרוש לקבלת ההחלטה כבר קיים - אך הוא מפוזר בין מערכות שונות ודורש מהמהנדס לחבר את התמונה. זו בדיוק הנקודה שבה מתחיל להסתמן . AI תפקידם של סוכני בשונה ממערכות שפותחו למשימה אחת אינו מתמקד רק בזיהוי AI בלבד, סוכן חריגה או בהפקת דוח. הוא מיועד לתזמר תהליך עבודה: לאסוף מידע ממספר מקורות, להבין את מטרת המשימה, לבחור אילו כלים להפעיל ולהציג למהנדס או למפעיל תמונת מצב והמלצה המבוססת על כלל הנתונים הזמינים. במילים אחרות, מוקד השינוי אינו ביכולת של המערכת לענות על שאלה, אלא ביכולת שלה לתאם בין שלבים שונים בתהליך העבודה. כך, למשל, טיפול בתקלה במכונה אינו מסתכם עוד בהתראה על חריגה. סוכן תוכנה יכול לאסוף את נתוני החיישנים, להשוות אותם להיסטוריית התחזוקה, לבדוק אם התקלה הופיעה בעבר, לעיין בהוראות היצרן ולהציג למהנדס את סדר הפעולות המומלץ.

אין די בשליחת הנתונים לענן לצורך עיבוד. יישומים כגון רובוטיקה, בקרת תנועה, ראייה ממוחשבת או מערכות בטיחות מחייבים זמני תגובה של מילישניות בודדות. לכן יותר ויותר עוברות להתבצע ישירות בבקרים, AI יכולות במחשבי קצה ובמערכות המשולבות ברצפת הייצור. אינו Industrial AI מנקודת מבט הנדסית, מחליף את האוטומציה התעשייתית המוכרת. הוא מוסיף לה שכבת אינטליגנציה המאפשרת למערכות להבין טוב יותר את סביבת העבודה, להציע דרכי פעולה ולהסתגל Industrial למצבים משתנים. אפשר לראות ב־ - Industry 4.0 את המשך ההתפתחות של AI שלב נוסף בהתפתחות המפעל החכם, הנשען על התשתיות שנבנו בעשור האחרון. אינו מבוסס על Industrial AI המעבר ל־ טכנולוגיה אחת, אלא על שילוב של מספר יכולות המשלימות זו את זו. לכל אחת מהן תפקיד שונה, אך הערך האמיתי נוצר כאשר הן פועלות כמערכת אחת. חמש הטכנולוגיות הבאות מסתמנות כיום כבסיס שעליו ייבנה הדור הבא של מערכות הייצור. - בסיס ידע Foundation Models .1 משותף ליישומים תעשייתיים מרבית יישומי הבינה המלאכותית בתעשייה פותחו עד היום כדי לבצע משימה מוגדרת היטב: לזהות פגם במוצר, לחזות תקלה בציוד, לנתח תמונה ממצלמה או לבצע אופטימיזציה של תהליך מסוים. כל מודל אומן למטרה ייעודית, ולעיתים קרובות התקשה להתמודד עם משימות אחרות או עם מידע שהגיע ממקורות שונים. ) מציעים Foundation Models מודלי בסיס ( גישה שונה. במקום לפתח מודל חדש עבור כל יישום, הם יוצרים בסיס ידע רחב שניתן להתאים למגוון רחב של משימות. בדומה לטכנולוגיה שעליה מבוססים רבים מכלי המוכרים כיום, גם בעולם התעשייה AI ה־ מתפתחים מודלים המסוגלים להבין סוגים שונים של מידע ולשלב ביניהם. האתגר התעשייתי מורכב במיוחד. מידע אינו מגיע רק כמספרים מטבלאות או כחיישנים, אלא גם כתמונות ממערכות ראייה ממוחשבת, שרטוטים הנדסיים, ו־ MES הוראות תחזוקה, מסמכי יצרן, נתוני , דוחות איכות ומידע המגיע ממערכות ERP חמש אבני הבניין של המפעל 2030־ החכם ב

אם הוגדרו לכך הרשאות מתאימות, הוא יכול גם להכין את הפעולות הבאות - למשל פתיחת קריאת שירות או עדכון משימת תחזוקה - תוך השארת ההחלטה הסופית בידי האדם. המעבר הזה כבר אינו תיאורטי. בשנים האחרונות החלו ספקיות טכנולוגיה מובילות לתרגם את הרעיון לארכיטקטורות מעשיות. את Siemens הציגה 2025 כך, למשל, בשנת , המרחיבה Industrial AI Agents תפיסת ה־ מעבר למענה על AI את תפקידם של כלי ה־ שאלות או סיוע בכתיבת קוד, לכיוון של תזמור תהליכי עבודה שלמים. שנה לאחר מכן הרחיבה החברה את התפיסה והציגה AI וסוכני Copilots ארכיטקטורה שבה פועלים לאורך שרשרת הערך - משלב התכנון וההנדסה ועד הייצור והתפעול. מעלה AI לצד הפוטנציאל, המעבר לסוכני גם שאלות חדשות. ככל שמערכת מסוגלת לבצע יותר פעולות באופן עצמאי, כך גדלה החשיבות של מנגנוני בקרה, ניהול הרשאות, יכולת להסביר כיצד התקבלה כל החלטה ואפשרות להתערבות אנושית בכל שלב. זו גם אחת הסיבות לכך שהאימוץ בתעשייה צפוי להיות הדרגתי: לא בגלל מגבלה טכנולוגית בלבד, אלא משום שבסביבות ייצור נדרשות אמינות, עקיבות ובטיחות ברמה גבוהה במיוחד. אינו נועד להחליף Agentic AI במובן זה, את המהנדס או את מערכת האוטומציה, אלא להוסיף שכבת תיאום וקבלת החלטות, המאפשרת לחבר בין מערכות קיימות ולנצל טוב יותר את הידע שכבר קיים במפעל. יוכל לקבל החלטות AI אולם כדי שסוכן מושכלות, הוא זקוק להבנה מדויקת של סביבת הייצור שבה הוא פועל. כאן נכנסים לתמונה התאומים הדיגיטליים. - הרבה יותר ממודל Digital Twins .3 תלת־ממדי כאשר מהנדס מחליט לשנות פרמטר בקו ייצור, הוא עושה זאת בדרך כלל על סמך שילוב של ניסיון, נתוני עבר ומידע המתקבל בזמן אמת. אולם ככל שמערכות הייצור הופכות מורכבות יותר, קשה יותר להעריך כיצד שינוי בנקודה אחת ישפיע על כלל התהליך. ניסוי ישיר על קו פעיל אינו תמיד אפשרי, ולעיתים גם אינו כדאי מבחינה כלכלית או בטיחותית. כאן נכנסים לתמונה התאומים הדיגיטליים ). בשונה ממודל הנדסי סטטי Digital Twins (

43 l New-Tech Magazine