Visits: 65
هوش مصنوعی در صنعت
طبق گزارش The Manufacturer، نود و دو درصد از مدیران ارشد تولید در کشورهای پیشرفته باور دارند که “کارخانه های هوشمند” که پایه های آنها بر اساس استفاده از تکنولوژی های دیجیتال و هوش مصنوعی می باشند، قرار است باعث افزایش چشمگیر بهره وری و توانمندسازی کارکنان در جهت کار هوشمندانه شود. البته همواره بین صحبت و عمل فاصله وجود دارد اما به نقل از Forrester در حال حاضر ۵۸% از کسب و کارها و غول های تکنولوژی به دنبال یافتن راهکارهای هوش مصنوعی میباشند و حدود ۱۲% آنها به طور فعال در حال استفاده از این راه حل ها می باشند
طبق برآوردهای Accenture و Frontier Economics تا سال ۲۰۳۵ فناوریهای مبتنی بر هوش مصنوعی قرار است تا ۴۰% باعث افزایش بهره وری نیروی کار شود و برای ۱۶ صنعت در حوزه های مختلف افزایش چشمگیری در تولید به همراه داشته باشد. در همین مقاله ذکر شده که به عقیده نویسنده، هوش مصنوعی می تواند به میزان ۳.۸ تریلیون دلار ارزش افزوده ناخالص تا سال ۲۰۳۵ به بخش تولید اضافه کند که در مقایسه با حالت معمولی کسب و کارها افزایشی ۴۵ درصدی دارد.
طبق اظهارات اندرو ان جی، یکی از بنیان گذاران Google Brain و Coursera، استفاده از هوش مصنوعی در صنعت، کنترل کیفیت، کوتاه شدن زمان طراحی و کاهش تولید ضایعات را به همراه خواهد داشت. او به درستی به این امر اشاره کرده زیرا که چند سالی است که هوش مصنوعی باعث دگرگونی صنعت در حوزه های مختلفی شده است.
همانطور که مثال های فوق نشان می دهند، بزرگترین شرکت های دنیا درحال حرکت به سمت هوش مصنوعی هستند تا به کمک آن بتوانند عملکرد و بازدهی سیستم و مجموعه ی خودرا بهبود ببخشند.
شما یک کارخانه و یا صنعت هوشمند را در نظر بگیرید؛ در این مجموعه، به کمک سنسورهای متنوع که در مکانهای مورد نیاز نصب شدهاند و به کمک ایجاد یک سیستم یکپارچه و متصل به هم، میتوان مانیتورینگ مجموعه را انجام داد. اما کاربرد این مانیتورینگ چیست و هوش مصنوعی چه کمکی می تواند در این بخش داشته باشد؟ برای پاسخ به این سوال، باید به کاربرد اصلی کامپیوتر و هوش مصنوعی مراجعه کنیم. فرق مغز انسان و کامپیوتر در قابلیت ها و ویژگی ها نیست، بلکه فرق مغز با کامپیوتر در حجم محاسبات، حجم داده ها و زمان لازم برای تحلیل آن است. انسان نیز قادر است که معادله با چندین مجهول را حل کند، اما برای حل آن به چه مدت زمان نیاز دارد؟ و آیا همه ی شرایط را در نظر گرفته است و توانسته است به پاسخ صحیح و بدون غلط برسد؟
مانیتورینگ دیتای یک کارخانه و شرکت هم، مفهوم و کاربردی این چنین دارد. بدلیل بالا بودن تعداد پارامترهای حاکم در یک کارخانه، انسان طبیعتا نمیتواند بهترین تصمیم را بگیرد و مشخصا مواردی وجود دارند که روشهای سنتی این موارد را در نظر نمی گیرند.
اینجاست که هوش مصنوعی کاربرد پیدا میکند. هوش مصنوعی با سنجیدن همه ی شرایط و همه ی پارامترها، راه حلی ارائه خواهد کرد که نسبت به راه حل انسان دقیق تر است و جوانب بیشتری در آن دیده شده است. این شرایط متنوع که در صنعت می توان در نظر گرفت، به طور مثال، تعداد نیروی انسانی و ساعت کاری آن، شرایط محیطی، راندمان و وضعیت تجهیزات، انبارداری و مواد اولیه ی موجود، حسابداری، مدیریت منابع انسانی، مصرف انرژی و ….. . این روابط و پارامترها، همگی متاثر از و موثر بر یکدیگرند و این نگاه جامع و دقیق است که میتواند راه حل مناسب تر و بهینه تری ارائه دهد. از طرفی، مانیتورینگ دیتا و مشاهده ی آن و شرایط حاکم بر کارخانه به صورت یکجا، دقیق و در عین حال برخط و آنلاین، به تصمیم گیری تیم مدیریتی مجموعه کمک میکند.
مزیت بعدی استفاده از هوش مصنوعی، کمک به تحقق بیزینس پلن و اهداف شرکت است. به کمک هوش مصنوعی میتوان برنامه ریزی دقیق و عملی داشت. به کمک هوش مصنوعی میتوان یک پلن برای شرکت تعریف کرد که قابل پیادهسازی است و عملی می باشد. به کمک هوش مصنوعی می توان پیشبینی کرد. این پیشبینی درون خود اطلاعات ارزشمندی دارد که همگی در خدمت تحقق اهداف شرکت و کارخانه می باشد.
این پیشبینی شامل موارد متعدی من جمله خرابی تجهیزات و راندمان نیروی کار می شود. به کمک این پیشبینی ها و تخمین ها، می توان خود را آماده ساخت و تمهیدات لازم را اندیشید.
حال با توصیف مراحل مرسوم در شرکت ها و کارخانه های تولیدی، کاربرد و نقش هوش مصنوعی را در هر یک از این مراحل عنوان خواهیم کرد.
این کارخانجات، برای تولید خود، به یک سری مواد اولیه نیاز دارند. هوش مصنوعی می تواند به پیشبینی عرضه و تقاضای موجود در بازار، کمک بسزایی به مجموعه در جهت تامین مواد اولیه داشته باشد. هوش مصنوعی با تحلیل موارد متعدی مانند ترندها، آب و هوا و … می تواند در این مرحله کاربرد داشته باشد.
در مرحله ی حمل مواد اولیه، هوش مصنوعی می تواند این حمل و نقل را رصد کند به نوعی نقش ANPR را ایفا خواهد کرد و در نتیجه می توان علاوه بر آگاهی نسبت به این بخش، از امکان برنامه ریزی و زمانبندی نیز برخوردار بود.
در خط تولید کارخانه، هوش مصنوعی می تواند نقش های متنوعی داشته باشد. هوش مصنوعی می تواند نقش ناظر را در این مجوعه ایفا کند، می تواند به نگهداری و پایش وضعیت خط تولید کمک کند، می تواند پارامترهای ثابت موجود در خط را چک کند و با توجه به نوع کار این مجموعه، نقش های متنوع دیگری را در این مرحله، می توان برای هوش مصنوعی متصور شد.
هوش مصنوعی در قسمت لجستیک و ارسال محصول شرکت نیز، می تواند نقش خاص خود را داشته باشد. هوش مصنوعی در این بخش، می تواند به بهینه سازی روند مورد استفاده و انتخاب کم هزینه ترین راه ممکن کمک کند. به کمک هوش مصنوعی میتوان توزیع را هوشمند کرد و در نتیجه ی این هوشمندسازی، در هزینه های کارخانه صرفه جویی خواهد شد
علاوه بر موارد و کاربردهای فوق، به صورت کلی می توان کاربردهای مختلف دیگری را برای هوش مصنوعی متصور بود که شامل موارد زیر می باشد.
هوش مصنوعی در صنعت
1- کنترل کیفیت با استفاده از هوش مصنوعی
نقص های بسیار کوچک که در محصولات تولید شده وجود دارند، به چشم نمی آیند و معمولا از قلم میافتند زیرا هرچقدر هم که بازرس کنترل کیفیت مجرب باشد، چنین نقص هایی با چشم غیر مسلح قابل تشخیص نیستند. برای رفع این مشکل میتوان از کامپیوترهایی استفاده کرد که مجهز به دوربین هایی هستند که با استفاده از هوش مصنوعی می تواند حتی کوچکترین عیوب را در محصولات شناسایی کند. فناوری ماشین ویژن به ماشین ها این قدرت را میدهد تا بتوانند “ببینند” و با استفاده از این توانایی با دیدن محصولات موجود در خط تولید متوجه عیوب موجود در آنها شوند. با استفاده از این کاربرد هوش مصنوعی در خط تولید می توان تا حد زیادی از کیفیت محصولات تولیدی اطمینان کسب کرد.
2- پیش بینی حالت های شکست توسط هوش مصنوعی
کارشناسان معمولا با توجه به محصولات و فرآیندها به نتیجه گیریهایی می رسند که گاهی ممکن است درست نباشد و با شکست در پیش بینی هایشان مواجه شوند. به همین دلیل بسیاری از محصولات تولید شده ممکن است به روش های مختلف با شکست رو به رو شوند. حتی پس از تولید یک محصول و فروش آن ممکن است در اولین استفاده خراب شود و تولید آن با شکست مواجه شود. معمولا روش هایی که در صنعت برای کنترل و بازرسی تولیدات و عیوب آن ها استفاده می شوند تا حدی پیش داورانه می باشد و ممکن است با آن چه که در واقعیت وجود دارد متفاوت باشد. به کمک هوش مصنوعی می توان از داده ها و اطلاعات بسیاری که درباره آزمایش محصولات و نحوه ارائه آنها وجود دارد، بخش هایی که در خط تولید نیاز به آزمایش و بررسی بیشتری دارند را شناسایی کرد.
3- پیش بینی زمان مورد نیاز برای تعمیرات
با استفاده از هوش مصنوعی کارخانه های فعال در صنایع مختلف می توانند با دقت بالایی پیشبینی کنند که هر کدام از ماشین های خط تولید چه زمانی به تعمیرات نیاز خواهند داشت. با استفاده از یادگیری ماشین، هوش مصنوعی میتواند به پیشبینی زمان تعمیر ماشین ها پرداخته و بدین ترتیب از خرابی های بدون برنامه ای که بر روند تولید محصولات تاثیرگذار خواهد بود جلوگیری کند. فنآوری هایی مانند سنسورها و آنالیزهای پیشرفته که در تجهیزات تولیدی به کار میروند، با توجه به هشدارها به پیشبینی زمان مورد نیاز برای تعمیرات میپردازند.
4- طراحی تولیدی
طراحی تولیدی فرآیندی است که در آن با استفاده از یک نرم افزار شماری از خروجی های دارای مشخصات و طراحی خاصی تولید می شوند. طراحان و مهندسان با وارد کردن اهداف مورد نظر برای طراحی و پارامترهایی مانند مواد اولیه، روش های تولید و محدودیت های هزینهای در نرم افزار طراحی مورد نظر، به گزینه هایی برای طراحی میرسند. هوش مصنوعی در این زمینه نیز کاربرد دارد. هوش مصنوعی با استفاده از تکنیک های یادگیری ماشین، قادر است از نمونه های اشتباه و درست که مکررا تولید شده اند، برای آموزش استفاده کند و به طراحی نمونه ها بپردازد.
5- تاثیرات محیطی
می دانیم که روند تولید محصولات در صنایع مختلف باعث آسیب رسیدن به محیط زیست در حجم های مختلف می شود. به خصوص در تهیه مواد اولیه و استخراج آنها آسیب های جبران ناپذیری به منابع طبیعی و محیط زیست وارد می شود. برخی از فعالان محیط زیستی معتقدند که هوش مصنوعی میتواند راهکاری برای تغییر روند تولید و کاهش تاثیرات مخرب صنعت بر روی محیط زیست باشد. هوش مصنوعی می تواند به تولید و توسعه مواد اولیه سازگار با محیط زیست کمک کرده و بهره وری انرژی را مدیریت کند.
6- استفاده از داده ها
راه های بسیار زیادی برای استفاده از کلان داده ها در صنعت وجود دارد. تولید کنندگان، داده های بسیار زیادی در زمینه های مختلف، مانند عملیات ها و فرآیندها و…، جمع آوری میکنند که با تجزیه و تحلیل پیشرفته ی این داده ها می توانند به اطلاعات بسیار حیاتی برسند. برای مثال با آنالیز کلان داده ها میتوان به اطلاعات مهمی در زمینه مدیریت زنجیره تامین، مدیریت ریسک، پیش بینی ها و حجم فروش، کیفیت محصول و … دست یافت. این موارد تنها بخشی از کاربردهای هوش مصنوعی و کلان داده در صنعت می باشد که می تواند بینش عمیقی به فعالان این حوزه ببخشد که با هیچ کدام از روش های سنتی قبلی قابل دستیابی نبود.
دیدگاه ها بسته شده است