في السنوات الأخيرة ، تم تحديث التصنيع بشكل كبير ، لا سيما مع تنفيذ أدوات جديدة مثل الذكاء الاصطناعي.
تقدم خطوط الإنتاج المعاصرة مع الناقلات والروبوتات تباينًا صارخًا مع المصانع الملطخة بالزيت في الماضي. جناي ليست سوى واحدة من التقنيات الجديدة التي تستخدمها الشركات المصنعة في مرافق اليوم.
بعض حالات استخدام تصنيع الذكاء الاصطناعي واضحة ومباشرة في المفهوم ولكن يمكن أن تكون معقدة في الممارسة العملية ، مثل التصميم. الاستخدامات الأخرى أقل وضوحا ولكن لديها إمكانات متزايدة.
فيما يلي ثماني حالات استخدام لـ Genai في صناعة التصنيع اليوم ، بما في ذلك الفوائد المحتملة والتحديات والاعتبارات.
1. تصميم المنتج والتحسين
يمكن لـ Genai تسريع تصميم المنتج عن طريق إنشاء العديد من بدائل التصميم تلقائيًا بناءً على أهداف وقيود المصممين. فن الذكاء الاصطناعي يستخدم نهج مماثل.
في عملية تصميم التصنيع ، يقدم المهندسون المتطلبات والمعلمات إلى المولد ، مثل المواد وحدود التكلفة والوزن والقوة المطلوبة. على الرغم من أن المهندسين البشر قد يلتزمون بأنماط مألوفة ، إلا أن التصميمات التي تم إنشاؤها من الذكاء الاصطناعي يمكن أن تخلق نطاقًا أوسع.
يجب أن يكون المصنعون على يقين من أن شركتهم تظل على دراية بأحدث التشريعات حول إبداعات الذكاء الاصطناعي و براءات الاختراع. بالإضافة إلى ذلك ، يجب على المهندسين فحص جميع التصميمات التي تم إنشاؤها بواسطة الذكاء الاصطناعي للتأكد من أنها يمكن تصنيعها بفعالية. يجب أن تلبي هذه التصميمات أيضًا معايير السلامة أو الامتثال ، تمامًا مثل التصميمات البشرية. لا يزال لدى المهندسين دور مهم في تحسين أو ضبط ناتج الذكاء الاصطناعى لتلبية قيود العالم الحقيقي.
2. مراقبة الجودة واكتشاف العيوب
في التصنيع QA، يمكن أن يساعد Genai في اكتشاف عيوب المنتج وغالبًا ما يكون قادرًا على القيام بذلك بشكل أكثر موثوقية وأبهر الأساليب التقليدية.
يقوم المهندسون بتدريب نماذج الذكاء الاصطناعي باستخدام مجموعات بيانات من الصور وقراءات المستشعرات من كل من المنتجات عالية الجودة والمعيبة. ثم تتعلم النماذج تمييز أنواع كثيرة من العيوب. في المواقف التي تكون فيها العيوب نادرة ولكنها حرجة ، يمكن أن يخلق النظام أمثلة اصطناعية للمشاكل النادرة لتحسين التدريب وتحسين العملية.
على خط الإنتاج ، يمكن لأنظمة رؤية الكمبيوتر فحص المنتجات في الوقت الفعلي واكتشاف العيوب الصغيرة أو الحالات الشاذة التي قد يفوتها المفتشون البشريون ، مثل تشققات شعري.
3. الصيانة التنبؤية ومراقبة المعدات
الصيانة التنبؤية هي حالة استخدام محتملة لـ Genai في التصنيع. ترسل الآلات بيانات مستشعر في الوقت الفعلي تتضمن عادة قراءات للاهتزاز ودرجة الحرارة والضغط والضوضاء. أي تغيير في هذه القراءات يمكن أن يشير إلى مشكلة. قد تكون هذه الحالات الشاذة دقيقة للغاية لأنظمة مراقبة المعدات التقليدية القائمة على القواعد التي يمكن أن تتعرف على علامات الإنذار المبكر.
يمكن للمشغلين استخدام هذه الأفكار لتحديد موعد للصيانة قبل حدوث انهيار ، واستبدال الجزء أو ضبط الجهاز أثناء التوقف المخطط بدلاً من المشغلين الذين يحتاجون إلى الرد على فشل غير متوقع. ومن الأمثلة الواقعة على هذا العالم هو الميكانيكا الحديثة التي تصل إلى بيانات مستشعر السيارة لمعرفة ما إذا كان العمل الوقائي يمكن أن يزيل المشكلات في المستقبل ، مثل الفرامل المعيبة.
4. تحسين سلسلة التوريد والتنبؤ بالطلب
يمكن أن يساعد Genai تحسين إدارة سلسلة التوريد من خلال توقعات الطلب وتحسين الخدمات اللوجستية في التسليم.
تساعد مجموعات البيانات الكبيرة ، مثل المبيعات التاريخية ، واتجاهات السوق ، والأنماط الموسمية ، ومؤشرات الاقتصاد الكلي والطقس ، الذكاء الاصطناعي على التنبؤ بطلب المنتج بشكل أكثر دقة من الأنظمة التقليدية. يمكن لقادة التصنيع استخدام بيانات الطلب على المنتج لمعرفة مقدار ما ستحتاج شركتهم إلى إنتاجه للحفاظ على مستويات المخزون المثلى. يؤدي أداء المورد وحدود قدرة المستودع أيضًا إلى أن توصيات المخزون تكون دقيقة قدر الإمكان.
إلى جانب التنبؤ بمشكلات سلسلة التوريد ، يمكن لـ Genai المساعدة في إنشاء طرق وجداول أكثر كفاءة من خلال تحليل عوامل مثل بيانات الشحن وحركة المرور والتوصيل. قد يتم تدريب نظام الذكاء الاصطناعى على إنشاء طريق للنقل بالشاحنات الذي يفسر حركة المرور في الوقت الفعلي أو يقترح إعادة ترتيب الشحنات على جدول زمني يقلل من استخدام الوقود وأوقات العبور.
يعد نموذج الذكاء الاصطناعي مفيدًا أيضًا لسيناريوهات “ماذا لو” ، حيث يمكن أن يصمم آثار الاضطرابات النادرة ولكن المؤثرة ، مثل إغلاق الجسر أو الاضطرابات الجيوسياسية.
5. أتمتة العملية وتحسين الكفاءة
تطبيق الذكاء الاصطناعى الواعد إنشاء توأم رقمي لعمليات التصنيع. التوائم الرقمية هي محاكاة افتراضية لمعدات المصنع أو خطوط الإنتاج أو المرافق بأكملها. يمكن للمصنعين مراقبة العمليات فعليًا عن طريق تغذية بيانات المستشعر في الوقت الفعلي في هذه الأنظمة التي تحركها AI وتشغيل المحاكاة لتحسينها.
يمكن لـ Genai محاكاة الآلاف من الاختلافات في جدول الإنتاج أو تكوين خط التجميع للعثور على الخطة الأكثر كفاءة. يمكن أن يقترح النموذج أيضًا الطرق المثلى لتخصيص الموارد على أرضية المتجر ، وتصميم تخطيطات منشأة أفضل ، وإنشاء ممرات أدوات ماكينة محسّنة لإنتاج أسرع.
تساعد هذه التوصيات المهندسين والمديرين على تحسين عملياتهم ، وبالتالي فإن العمليات أكثر كفاءة وتنتج نفايات أقل. بمجرد تشغيل التوأم الرقمي ، تتحول أنظمة الذكاء الاصطناعى من المستشارين إلى الأوركستورات ، وضبط المعلمات تلقائيًا لتجنب الاختناقات والتوقف.
6. التخصيص والتخصيص الجماعي
يعد التخصيص الجماعي اتجاهًا متزايدًا في التصنيع ، ويمكن أن يكون Genai مكونًا رئيسيًا لإنتاج منتجات مخصصة على نطاق واسع. في الماضي ، تحتاج الأنماط أو الأحجام المفصلة إلى التكلفة باهظة الثمن وبطيئة. الآن ، يمكن لـ Genai مساعدة الشركات المصنعة بسرعة على إنتاج وتكييف تصميمات المنتجات أو المواصفات لتلبية متطلبات العملاء الفردية.
في الممارسة العملية ، تتلقى أداة التصميم التي تعتمد على AI إدخال العميل ، مثل نسيج مخصص لرجل حذاء قيد التشغيل. يقوم النظام بعد ذلك بإنشاء رمز التصميم لروبوتات التصنيع بالإضافة إلى تعليمات لمفتشو الجودة البشرية.
7. تدريب القوى العاملة ونقل المعرفة
ينفق الشركات المصنعة أموالًا كبيرة على تدريب الموظفين في عمليات معقدة. يمكن أن يساعد Genai في إنشاء تدريب مخصص يتطابق مع دور كل عامل ومستوى المهارة وسرعة التعلم ، والتي يمكن أن تكون أكثر فائدة من برامج التدريب التي تناسب الجميع.
يمكن لنموذج GENAI إنشاء مواد تدريب ، وإدارة الاختبارات والتقييمات ، ثم تحليل البيانات ، مثل مقاييس أداء الموظف في الإنتاج. يمكن تسليم المحتوى بالتنسيق الذي من شأنه أفضل تناسب أهداف التعلم، والتي قد تكون نصًا أو فيديوًا أو عمليات محاكاة.
على سبيل المثال ، قد يكمل استئجار جديد في التجميع تعليميًا تفاعليًا تم إنشاؤه بواسطة AI يركز على خطوات التجميع المحددة وواجهات الماكينة التي سيستخدمونها في عملهم. وفي الوقت نفسه ، قد يتلقى فني الصيانة مجموعة مختلفة من التمارين التي تم إنشاؤها AI والتي تستهدف الآلية التي تشرف عليها.
8. التصنيع المستدام
تعد الاستدامة أولوية متزايدة في التصنيع ، ويمكن لـ Genai مساعدة الشركات بشكل متزايد في جعل إنتاجها أكثر ملاءمة للبيئة. يمكن أن تجد الذكاء الاصطناعي أنماطًا في الطرق التي تستهلك بها الآلات الطاقة ثم تقترح تحسينات ، مثل ضبط توزيع الحمل أو جدولة مهام كثيفة الطاقة في أوقات الذروة.
يمكن لقادة التصنيع أيضًا تشغيل عمليات المحاكاة لمعرفة الإعدادات أو تكوينات المعالجة التي من شأنها تقليل استخدام الطاقة مع الحفاظ على الكفاءة. على سبيل المثال ، قد يحاكي Genai سلوك خط التصنيع في سرعات النقل المختلفة أو تحليل درجات حرارة الفرن لإيجاد مجموعة من درجات الحرارة التي تستخدم أقل طاقة لكل وحدة يتم إنتاجها دون التأثير على الجودة.
وبالمثل ، يمكن أن تساعد Genai في تقليل النفايات والمواد من خلال تحسين تصميمات المنتجات ومعلمات معالجة المعلمات بحيث يستخدم المصنعون المواد الخام بشكل أكثر كفاءة. على سبيل المثال ، يمكن أن تقلل الذكاء الاصطناعى من متطلبات النفايات والمواد الخاصة بقولبة الحقن أو الطباعة ثلاثية الأبعاد عن طريق تغيير التصميم.
Donald Farmer هو خبير استراتيجي للبيانات يتمتع بخبرة تزيد عن 30 عامًا ، بما في ذلك كقائد فريق منتج في Microsoft و Qlik. ينصح العملاء العالميين بالبيانات والتحليلات و AI واستراتيجية الابتكار ، مع خبرة تمتد من عمالقة التكنولوجيا إلى الشركات الناشئة. يعيش في منزل غابات تجريبية بالقرب من سياتل.
