هر تولیدکننده‌ای هوشمندی صنعتی خاص خود را دارد؛ بخشی از آن مستند شده و بخشی دیگر در دانش کارکنان باتجربه نهفته است.

اپراتور باتجربه‌ای را در نظر بگیرید که پس از تعویض محصول یا تنظیمات خط، آماده راه‌اندازی دوباره آن است. تنظیمات ماشین اهمیت دارند، اما دانستن رفتار یک ماده خاص، آنچه در شیفت قبلی رخ داده و اینکه چه زمانی یک تغییر ظاهراً جزئی به بررسی دقیق‌تر نیاز دارد نیز مهم است. یک دستورالعمل می‌تواند مراحل کار را شرح دهد، اما اجرای موفقیت‌آمیز به قضاوتی وابسته است که از تجربه و دانش انباشته سازمان به دست می‌آید.

این ترکیب، هوشمندی صنعتی است: دانش انباشته تولیدکننده، رویه‌های عملیاتی، داده‌های تولید و شناخت آن از کسب‌وکار خودش.

فرصت پیشِ رو این است که این هوشمندی را هرجا تصمیم‌گیری انجام می‌شود، بیشتر در دسترس قرار دهیم و سپس آن را به دنیای فیزیکی تولید پیوند بزنیم. مقصد راهبردی، افزودن agentهای بیشتر نیست؛ بلکه تبدیل هوشمندی کسب‌وکار موجود به موتور رشد سودآور است.

دانش فردی را می‌توان به مزیتی سازمانی تبدیل کرد

وقتی تخصص در اختیار یک نفر، درون یک سیستم یا در یک کارخانه باقی می‌ماند، دامنه اثرگذاری آن محدود است. رهبران اکنون باید مشخص کنند چگونه می‌توانند دامنه دسترسی به این دانش را گسترش دهند، بی‌آنکه زمینه‌ای را که دانش را کاربردی می‌کند از بین ببرند.

برای مثال، مهندسی که در حال ارزیابی تغییر در یک فرایند است، به چیزی بیش از سوابق تولید نیاز دارد. او باید شرایط پیرامونی را نیز درک کند: پیکربندی تجهیزات، الزامات کیفیت و بده‌بستان‌هایی که اپراتور انجام داده است. پیوند دادن این عناصر می‌تواند به افراد کمک کند تجربه را فراتر از محل شکل‌گیری آن به کار بگیرند.

وقتی دانش فردی در دسترس طیف گسترده‌ای از افراد قرار می‌گیرد، نوآوری می‌تواند به کارگاه تعمیر و نگهداری، دفتر برنامه‌ریزی، تیم مهندسی و خط تولید گسترش یابد. افراد بیشتری می‌توانند مشارکت کنند، چون افراد بیشتری می‌توانند با دانسته‌های سازمان کار کنند.

اما دسترسی به دانش تنها بخشی از فرصت است. تولید در نهایت ماهیتی فیزیکی دارد و به مواد، ماشین‌آلات و محصولات وابسته است.

وقتی هوشمندی در عمل مشارکت می‌کند

هوش مصنوعی فیزیکی به سیستم‌هایی گفته می‌شود که می‌توانند شرایط را تشخیص دهند، درباره آن استدلال کنند و در دنیای فیزیکی دست به اقدام بزنند. با اتصال ماشین‌آلات و فرایندها، تولیدکنندگان دید روشن‌تری از آنچه در کارخانه می‌گذرد به دست می‌آورند. سپس agentها می‌توانند با تکیه بر این اطلاعات استدلال کنند تا الگوها را شناسایی کنند، مشکلات را پیش‌بینی کنند و بهترین اقدام را تعیین کنند. هوش مصنوعی فیزیکی، هوشمندی کسب‌وکار را وارد فرایند فیزیکی می‌کند و به ماشین‌آلات و سیستم‌ها امکان می‌دهد به شرایط متغیر واکنش نشان دهند.

برای نمونه، عملیاتی را در نظر بگیرید که در آن یک ربات قطعاتی را جابه‌جا می‌کند و با تغییراتی در قطعاتی روبه‌رو می‌شود که به ایستگاه می‌رسند. بینایی ماشین می‌تواند به سیستم کمک کند موقعیت قطعه را ارزیابی کند. مدلی که با توجه به ماده و وظیفه آموزش دیده است، می‌تواند در تعیین حرکت مناسب کمک کند. سپس کنترل‌های متصل به سیستم می‌توانند در محدوده‌های تأییدشده، تنظیمات لازم را اجرا کنند. ارزش کار صرفاً در تشخیص تغییر نیست، بلکه در واکنش مناسب به آن است.

همین اصل در عملیات کنترل کیفیت نیز صدق می‌کند. وقتی Toyota Industries داده‌های پراکنده و ازهم‌گسسته کارگاه رنگ را به هم متصل کرد، تیم‌های مهندسی و عملیات به زمینه لازم برای درک عوامل ایجاد نقص دسترسی پیدا کردند. این شرکت گزارش می‌دهد که چرخه‌های تحلیل از پنج روز به کمتر از چهار ساعت کاهش یافت و در طرح آزمایشی آن، نقص‌های مرتبط با رنگ حدود ۲۵ درصد کمتر شد. دستاورد اصلی صرفاً شناسایی یک نشانه دیگر نبود؛ بلکه کمک به افراد برای درک علت بروز نقص‌ها و واکنش نشان دادن پیش از قطعی شدن نتیجه بود.

چنین موقعیت‌هایی نشان می‌دهند که هوشمندی صنعتی به ضرورتی اساسی تبدیل شده است. داده‌ها ممکن است نشان دهند چه اتفاقی در حال رخ دادن است، اما هوشمندی صنعتی زمینه لازم را فراهم می‌کند تا مشخص شود چه اقدامی باید انجام شود، کدام محدودیت‌ها نباید نقض شوند و در چه زمانی عدم‌قطعیت به قضاوت انسانی نیاز دارد.

شبیه‌سازی راهی برای بررسی اقدامات پیشنهادی پیش از اعمال آن‌ها روی تجهیزات فراهم می‌کند. تولیدکنندگان می‌توانند در یک محیط دیجیتال بررسی کنند که یک تغییر چه اثری بر فرایند خواهد داشت. این کار نیاز به اعتبارسنجی فیزیکی را از بین نمی‌برد، اما فرصتی برای یادگیری فراهم می‌کند، بی‌آنکه خط تولید نخستین محل آزمایش باشد.

بنابراین، استقرار مسئولانه با انضباط عملیاتی آغاز می‌شود. رهبران باید اختیار روشن درباره اینکه چه سیستم‌هایی اجازه تغییر دارند، اتصال‌های قابل‌اعتماد به تجهیزات، مرزهای ایمنی مشخص و ثبت تصمیم‌ها و اقدامات را برقرار کنند. افراد باید بتوانند عدم‌قطعیت را تشخیص دهند، مداخله کنند و تجهیزات را به وضعیت ایمن برسانند. اعتماد بر این تمهیدات عملی استوار است، نه صرفاً بر اطمینان به یک مدل.

ماشین‌های توانمندتر، افراد توانمندتر

تولید از دیرباز ترکیبی از خلاقیت انسان و ابزارهایی بوده است که پیوسته توانمندتر شده‌اند. هوش مصنوعی فیزیکی این رابطه را گسترش می‌دهد. تجهیزات هوشمند می‌توانند وظایف تکراری یا از نظر فیزیکی دشوار را، در صورت مناسب بودن، بر عهده بگیرند؛ در همین حال، عملیات با کمک agentها می‌تواند به افراد در مواجهه با تصمیم‌های نیازمند پردازش اطلاعات گسترده و شرایط متغیر کمک کند.

هدف، باهوش‌تر کردن ماشین‌ها نیست؛ هدف این است که ببینیم وقتی دانش می‌تواند منتقل شود، هوشمندی می‌تواند دست به عمل بزند و بلندپروازی‌ها فضای بیشتری برای تحقق پیدا می‌کنند، افراد چه چیزهایی می‌توانند بسازند.

Rockwell Automation نمونه‌ای از این رویکرد است. تکنسین‌های کارخانه این شرکت در سنگاپور از یک دستیار نگهداشت بهره می‌گیرند که داده‌های تولید، دفترچه‌های راهنمای ماشین‌آلات و دانش ثبت‌شده کارکنان باتجربه را با هم ترکیب می‌کند. این سیستم زمان لازم برای یادگیری عیب‌یابی صدها ماشین را برای کارکنان تازه‌وارد از ۹ ماه به سه ماه کاهش داده است. یک مهندس می‌تواند پیش از نهایی کردن یک تغییر، گزینه‌های بیشتری را برای فرایند بررسی کند. یک اپراتور نیز می‌تواند به بهبود واکنش سیستم کمک کند، به‌جای آنکه بارها با همان استثنا روبه‌رو شود.

این نوع پیشرفت به سرمایه‌گذاری در تجهیزات نیاز دارد، اما سرمایه‌گذاری روی افراد نیز ضروری است: آموزش، زمان برای یادگیری و مشارکت معنادار در شکل‌دهی به نحوه کار سیستم‌ها. ماشین‌ها توانمندتر می‌شوند تا افراد نیز توانمندتر شوند.

هوشمندی صنعتی راهکار رشد پایدار است

هوشمندی صنعتی آنچه را یک تولیدکننده می‌داند به هم پیوند می‌دهد: تجربه کارکنان، داده‌های حاصل از عملیات و درس‌هایی که در گذر زمان انباشته شده‌اند. هوش مصنوعی فیزیکی راهی برای به‌کارگیری این هوشمندی در دنیای فیزیکی فراهم می‌کند و دانش را به تصمیم و تصمیم را به عمل تبدیل می‌کند.

چالش بعدی صنعت صرفاً تولید بیشتر نیست، بلکه رشد بدون افزایش پیچیدگی با همان نرخ است. هوشمندی می‌تواند به تولیدکنندگان کمک کند تجربه را به قابلیتی مقیاس‌پذیر تبدیل کنند؛ قابلیتی که بهره‌وری را بهبود می‌دهد، نوآوری را سرعت می‌بخشد، ظرفیت را افزایش می‌دهد و به افراد امکان می‌دهد مسائلی را حل کنند که پیش‌تر رسیدگی به آن‌ها دشوار بود.

مرز بعدی صنعت، ماشین‌های هوشمندتر یا کارخانه‌های خودکارتر نیست؛ بلکه کسب‌وکارهایی است که می‌توانند پیوسته یاد بگیرند، خود را تطبیق دهند و دست به اقدام بزنند. فرصت پیشِ رو این است که هوشمندی نهفته در هر عملیات به مزیتی فزاینده برای رشد تبدیل شود.

برای آشنایی با چگونگی بهره‌گیری مشتریان صنعتی از هوشمندی در سراسر زنجیره ارزش، مجموعه ویدئویی را تماشا کنید و برای دیدن گام‌های بعدی در حوزه هوشمندی صنعتی، در Microsoft Ignite به Microsoft بپیوندید.

این محتوا را Microsoft تهیه کرده است و اعضای تحریریه MIT Technology Review آن را ننوشته‌اند.