هوش صنعتی: فرصت رشد بعدی برای تولید

هر سازنده ای هوش صنعتی خاص خود را دارد. برخی از آنها مستند است، و برخی در دانش کارگران با تجربه است.

یک اپراتور با تجربه را در نظر بگیرید که آماده راه اندازی مجدد یک خط پس از تغییر است. تنظیمات دستگاه مهم است، اما دانستن اینکه یک ماده خاص چگونه رفتار می کند، چه اتفاقی در جابجایی قبلی رخ داده است، و زمانی که یک تغییر ظاهرا جزئی نیاز به بررسی دقیق تر دارد، نیز اهمیت دارد. یک رویه می تواند توالی را توصیف کند، اما اجرای موفقیت آمیز بستگی به قضاوتی دارد که از تجربه و دانش انباشته سازمان حاصل می شود.

این ترکیب، هوش صنعتی است: دانش انباشته سازنده، شیوه های عملیاتی، داده های تولید و درک کسب و کار خود.

اکنون فرصت این است که هر جا که تصمیم‌گیری می‌شود، اطلاعات بیشتری را در دسترس قرار دهیم، سپس آن را به دنیای فیزیکی تولید متصل کنیم. مقصد استراتژیک بیشتر عوامل نیست، بلکه تبدیل هوش تجاری موجود به موتوری برای رشد سودآور است.

دانش فردی را می توان به مزیت سازمانی تبدیل کرد

تخصص زمانی که با یک فرد، در یک سیستم یا در یک کارخانه باقی می ماند، دسترسی محدودی دارد. رهبران اکنون باید تعیین کنند که چگونه این دامنه را بدون حذف زمینه ای که دانش را مفید می کند، گسترش دهند.

برای مثال، یک مهندس که یک تغییر فرآیند را ارزیابی می کند، به چیزی بیش از یک رکورد تولید نیاز دارد. آنها باید شرایط پشت آن را درک کنند: پیکربندی تجهیزات، الزامات کیفیت، و مبادلاتی که یک اپراتور انجام داده است. اتصال آن عناصر می تواند به افراد کمک کند تا تجربه را فراتر از جایی که از آن سرچشمه گرفته است، اعمال کنند.

هنگامی که دانش فردی به طور گسترده در دسترس قرار می گیرد، نوآوری می تواند به کارگاه تعمیر و نگهداری، دفتر برنامه ریزی، تیم مهندسی و طبقه تولید گسترش یابد. افراد بیشتری می توانند مشارکت کنند زیرا افراد بیشتری می توانند با آنچه سازمان می داند کار کنند.

اما دسترسی به دانش تنها بخشی از فرصت است. ساخت در نهایت فیزیکی است و به مواد، ماشین آلات و محصولات بستگی دارد.

وقتی هوش در عمل شرکت می کند

هوش مصنوعی فیزیکی سیستم‌هایی را توصیف می‌کند که می‌توانند شرایط را درک کنند، درباره آنها استدلال کنند و در دنیای فیزیکی اقدام کنند. با اتصال ماشین‌ها و فرآیندها، تولیدکنندگان دید واضح‌تری از آنچه در کف کارخانه اتفاق می‌افتد به دست می‌آورند. سپس عوامل می توانند در بالای آن اطلاعات استدلال کنند تا الگوها را شناسایی کنند، مشکلات را پیش بینی کنند و بهترین مسیر عمل را تعیین کنند. هوش مصنوعی فیزیکی هوش تجاری را وارد فرآیند فیزیکی می‌کند و به ماشین‌ها و سیستم‌ها اجازه می‌دهد به شرایط متغیر پاسخ دهند.

یک عملیات هندلینگ رباتیک را در نظر بگیرید که با تغییراتی در قطعاتی که به ایستگاه می رسند مواجه می شوند. Vision می تواند به سیستم کمک کند موقعیت یک قطعه را ارزیابی کند. مدلی که از مواد و کار مطلع می شود می تواند به تعیین حرکت مناسب کمک کند. سپس کنترل های متصل می توانند یک تنظیم را در محدوده های معتبر انجام دهند. ارزش صرفا دیدن تغییرات نیست. به درستی پاسخ می دهد.

همین اصل در مورد عملیات با کیفیت نیز صدق می کند. زمانی که صنایع تویوتا داده‌های رنگ‌سازی را که قبلا تکه تکه شده بود به هم متصل کرد، به تیم‌های مهندسی و عملیات زمینه لازم برای درک رانندگان نقص داده شد. این شرکت گزارش می دهد که چرخه های آنالیز از پنج روز به کمتر از چهار ساعت کاهش یافته است، در حالی که پایلوت آن عیوب مربوط به رنگ را تا حدود 25٪ کاهش داده است. این پیشرفت صرفا شناسایی سیگنال دیگری نبود. این به مردم کمک می‌کرد تا بفهمند چرا نقص‌ها رخ می‌دهند و قبل از قفل شدن نتیجه، پاسخ دهند.

این همان موقعیتی است که هوش صنعتی ضروری شده است. داده ها ممکن است آنچه را که در حال رخ دادن است نشان دهند، اما هوش صنعتی زمینه را برای آنچه باید اتفاق بیفتد، فراهم می کند، که محدودیت ها نمی توانند نقض شوند، و زمانی که عدم اطمینان نیاز به قضاوت انسان دارد.

شبیه سازی راهی برای بررسی اقدامات پیشنهادی قبل از اعمال آنها در تجهیزات ارائه می دهد. تولیدکنندگان می توانند بررسی کنند که چگونه یک تغییر ممکن است بر فرآیند در یک محیط دیجیتال تأثیر بگذارد. این نیاز به اعتبارسنجی فیزیکی را برطرف نمی‌کند، اما بدون در نظر گرفتن خط تولید به عنوان اولین آزمایش، فضایی برای یادگیری ایجاد می‌کند.

بنابراین استقرار مسئولانه با انضباط عملیاتی آغاز می شود. رهبران باید قدرت روشن یا سیستم هایی که ممکن است تغییر کنند، اتصالات قابل اعتماد به تجهیزات، مرزهای ایمنی تعریف شده، و سابقه تصمیمات و اقدامات ایجاد کنند. مردم باید بتوانند عدم اطمینان را تشخیص دهند، مداخله کنند و تجهیزات را به حالت ایمن برسانند. اعتماد بر این ترتیبات عملی استوار است، نه تنها بر اعتماد به یک مدل.

ماشین های توانمندتر، افراد توانمندتر

تولید مدت‌هاست که نبوغ انسان را با ابزارهای توانمندتر ترکیب کرده است. هوش مصنوعی فیزیکی این رابطه را گسترش می دهد. تجهیزات هوشمند می توانند وظایف تکراری یا فیزیکی مناسب را انجام دهند، در حالی که عملیات به کمک عامل می تواند به افراد کمک کند تا در تصمیم گیری های اطلاعات فشرده و شرایط در حال تغییر حرکت کنند.

هدف این نیست که ماشین‌ها را هوشمندتر کنیم. این است که ببینیم وقتی دانش بتواند سفر کند، هوش بتواند عمل کند، و جاه طلبی فضای بیشتری برای تبدیل شدن به واقعیت داشته باشد، مردم چه چیزی می توانند بسازند.

راکول اتوماسیون این موضوع را نشان می دهد. در کارخانه خود در سنگاپور، تکنسین‌ها از یک کوپیلوت تعمیر و نگهداری استفاده می‌کنند که داده‌های تولید، کتابچه‌های راهنمای ماشین و دانش گرفته شده از کارگران با تجربه را ترکیب می‌کند. این سیستم زمان مورد نیاز کارگران جدید را برای یادگیری نحوه عیب یابی صدها ماشین از 9 ماه به سه کاهش داده است. یک مهندس می‌تواند جایگزین‌های فرآیند بیشتری را قبل از متعهد شدن به تغییر بررسی کند. یک اپراتور به جای مدیریت مکرر همان استثنا می تواند به بهبود پاسخ سیستم کمک کند.

این نوع پیشرفت مستلزم سرمایه گذاری در تجهیزات و همچنین در افراد است: آموزش، زمان برای یادگیری، و ایفای نقش معنادار در شکل دادن به نحوه عملکرد سیستم ها. ماشین‌ها توانمندتر می‌شوند تا مردم بتوانند توانمندتر شوند.

هوش صنعتی پاسخی برای رشد پایدار است

هوش صنعتی آنچه را که یک تولیدکننده می‌داند، به هم متصل می‌کند: تجربه افراد، سیگنال‌های عملیات آن، و درس‌هایی که در طول زمان انباشته شده‌اند. هوش مصنوعی فیزیکی به این هوش راهی می‌دهد تا در دنیای فیزیکی عمل کند و دانش را به تصمیم‌گیری و تصمیم‌ها را به عمل تبدیل کند.

چالش بعدی برای صنعت صرفا تولید بیشتر نیست، بلکه رشد بدون افزودن پیچیدگی با همان سرعت است. هوشمندی می‌تواند به تولیدکنندگان کمک کند تا تجربه را به قابلیت‌های مقیاس‌پذیر تبدیل کنند – بهبود بهره‌وری، تسریع نوآوری، افزایش ظرفیت، و توانمند ساختن افراد برای حل مشکلاتی که قبلا مقابله با آن‌ها دشوار بود.

مرز بعدی صنعت ماشین های هوشمندتر یا کارخانه های خودکارتر نیست. این کسب و کارها هستند که می توانند به طور مداوم یاد بگیرند، سازگار شوند و عمل کنند. فرصت این است که اطلاعات موجود در هر عملیات را به یک مزیت ترکیبی برای رشد تبدیل کنیم.

مجموعه ویدیویی را تماشا کنید تا بدانید مشتریان صنعتی چگونه هوش صنعتی را در زنجیره ارزش باز می‌کنند، و به مایکروسافت در Microsoft Ignite بپیوندید تا ببینید هوش صنعتی آینده چه خواهد بود.

این محتوا توسط مایکروسافت تولید شده است. این توسط هیات تحریریه MIT Technology Review نوشته نشده است.