ما وراء الهيستيريا – حيث تعمل الذكاء الاصطناعي في التصنيع

يتم تسويق الذكاء الاصطناعي على أنه الثورة الصناعية القادمة، لكن العديد من القادة يجدون صعوبة في تحويل الحماس إلى نتائج عملية. أكثر من 80٪ من قادة التصنيع الأمريكي يقولون إنهم يخططون لزيادة استخدامهم للذكاء الاصطناعي في غضون السنوات القليلة القادمة، ولكن ذلك لا يتم دائمًا مع استراتيجية واضحة لما يتوقعونه تحقيقه بشكل واقعي.

بين الضغط على مستوى المجلس لإجراء شيء مع الذكاء الاصطناعي وواقع بيئات الإنتاج المعقدة، هناك فجوة متزايدة بين التوقع والتنفيذ. تحتاج هذه الفجوة إلى إغلاقها إذا أراد المصنعون رؤية فوائد الذكاء الاصطناعي في أعمالهم.

تبني الذكاء الاصطناعي يتفوق على الاستعداد

يدرك قادة التصنيع اليوم أنهم بحاجة إلى تبني الذكاء الاصطناعي للبقاء في المنافسة. وجد استطلاع حديث من الرابطة الوطنية للتصنيع (NAM) أن 51٪ من المصنعين يستخدمون حاليًا الذكاء الاصطناعي وأن 80٪ سيعتبرون الذكاء الاصطناعي ضروريًا لتوسيع أو الحفاظ على أعمالهم.

يستخدم المصنعون هذه التقنية بطرق مختلفة. للذكاء الاصطناعي إمكانيات هائلة. ومع ذلك، في العديد من المنظمات، لا تستوفي استثمارات الذكاء الاصطناعي العائد على الاستثمار المpromis.

وجد استطلاع حديث من PWC والمعهد للتصنيع أن الدفع من القادة لتبني الذكاء الاصطناعي يمكن أن يتفوق على استعداد المنظمة للتغيير الذي ي驱عه الذكاء الاصطناعي. وجد الاستطلاع نفسه أيضًا، في كلماتهم، أن:

• يمكن أن يبطئ تبني الذكاء الاصطناعي المتفاوت دمجها في العمليات اليومية
• يتطلب التقدم على منحنى تبني الذكاء الاصطناعي تدريبًا وتنمية قدرات الخبرة
• يمكن أن يحدّ من تبني الذكاء الاصطناعي والتنفيذ فجوات الاستعداد البشرية
• يمكن أن يحدّ من مدخلات قادة الخط الأمامي التبني والتنفيذ

العثور على الحل

بدلاً من معاملة الذكاء الاصطناعي على أنه حل عالمي، يجب على القادة التمييز بين التطبيقات التي يتفوق فيها الذكاء الاصطناعي – مثل تحسين التفاعل بين الإنسان والأنظمة، وتصوير المعرفة التشغيلية، وتبسيط Fluxes المعقدة – ومناطق حيث لا يزال غير مناسب، بما في ذلك التحكم الدقيق والقرار المتكرر في بيئات الإنتاج.

مكان جيد لتطبيق ذلك هو خلال عملية البيع. يريد العديد من شركات التصنيع تحسين عملية البيع الموجهة باستخدام الذكاء الاصطناعي. يجب أن يبدأوا bằng التركيز على أهداف العملاء أو النتائج بدلاً من سؤالهم عن اختيار معايير محددة حول المنتج.

هنا مثال شخصي: اشتريت مؤخرًا سيارة كهربائية. ذهبت إلى موقع مصنع السيارات الكهربائية، واول ما رأيته هو المعايير الفنية، مثل المدى: 360-558 كم. هذا مدى كبير، ولكنني أفهم ما يعنيه. ولكن القوة الحصانية؟ لا أفهم. والاستهلاك؟ الآن لم أفهم ذلك؛ هل هو جيد أو سيئ؟ سوف يؤثر على رحلة التزلج السنوية لأسرتي، التي تستغرق حاليًا سبع ساعات؟ هذا النوع من المعلومات الذي سوف يساعدني على اتخاذ القرار.

السماح للذكاء الاصطناعي بالنقاش حول اهتماماتي سوف يساعد مصنع السيارات الكهربائية على فهم ما هو مهم بالنسبة لي وترجمة اهتماماتي إلى المواصفات الفنية المناسبة لي.

مثال آخر هو استخدام وكلاء الذكاء الاصطناعي لتقسيم المشكلات المعقدة إلى قطع صغيرة. يخطط الوكلاء وينفذون أهداف متعددة الخطوات. للحصول على أقصى استفادة من هذه الوكلاء، يجب أن تكون المهام ثقيلة اللغة.

تتبنى بعض المنظمات الهندسية هذا النهج عند التعامل مع إدارة المتطلبات المعقدة. أحيانًا يتم распростран المعلومات عبر مئات أو آلاف الوثائق، والتنسيق غير معياري. إذا كنت تبني نظام برمجي تقليدي لاستيراد جميع هذه المعلومات، فسيكون هناك قواعد كثيرة وتناقضات مع تلك القواعد. منذ أن يكون الذكاء الاصطناعي جيدًا في التعرف على الأنماط، لا تحتاج إلى كتابة كل قاعدة حول كيفية تفسير تلك الوثائق.

أفضل الممارسات للذكاء الاصطناعي في التصنيع

قسم المشكلات الكبيرة إلى مهام صغيرة. للذكاء الاصطناعي ذاكرة عمل محدودة. إذا قدمت له الكثير من البيانات أو مشكلة واسعة النطاق، فقد يفقد السياق ويبدأ في الخيال أثناء محاولته لتقديم إجابة. لتقليل هذا الخطر، قم بتقسيم المهام الكبيرة إلى مكونات صغيرة ودمج النتائج – وهي منطقة حيث تصبح الإطارات الوكيلية فعالة بشكل خاص.

استخدم الذكاء الاصطناعي للتعرف على الأنماط، وليس للتفكير السليم. للذكاء الاصطناعي القدرة على التعرف على الأنماط وتحديد العلاقات، ولكنه ليس جيدًا في المنطق والتفكير. على سبيل المثال، قدراتهم في “الاستدلال” والرياضيات هي التنبؤ، وليس الحساب. لذلك، قد تظهر النتائج على أنها مفيدة، ولكنها ليست garantied لتكون صحيحة، trừ إذا قمت بتوصيلها بنظام آخر يمكنه التحقق من النتائج. في هذا النهج، يمكن للذكاء الاصطناعي تنسيق سير العمل، ولكنك قد اتخذت قرارًا صريحًا حول أين تقع الحدود التشغيلية.

يمكن للذكاء الاصطناعي في التصنيع خلق قيمة حقيقية، ولكن هناك سيناريوهات محددة حيث يفوق المخاطر الفوائد. وتشمل هذه العمليات الحرجة من حيث السلامة والجودة. كما تشمل البيئات المنخفضة البيانات أو الجديدة للغاية لأن الذكاء الاصطناعي يعمل بشكل سيئ عندما لم ير بيانات ذات صلة كافية. بيئات التنظيم المحددة هي تحدي آخر لأن الذكاء الاصطناعي لا يزال يفتقر إلى تتبع حقيقي. أنظمة التحكم في الوقت الفعلي ذات التolerances الضيقة هي مكان آخر يجب تجنبه الذكاء الاصطناعي نظرًا لأن تأخير الذكاء الاصطناعي أو عدم استقراره يمكن أن يكون غير مقبول في العمليات السريعة

من الهيستيريا إلى الواقعية

الذكاء الاصطناعي ليس حلًا سحريًا لجميع مشاكل التصنيع. ولكن من خلال النظر في حالات الاستخدام الواقعية والتحيزات الشائعة المذكورة أعلاه، يمكن للمصنعين تبني نهجًا أكثر توازنًا للذكاء الاصطناعي. في المدى القصير، النقطة الرئيسية هي استخدام الذكاء الاصطناعي لما هو أفضل فيه: المشاكل التي تتضمن درجة عالية من التعرف على الأنماط. لا تستخدمه في الحالات التي تتطلب التنبؤ والاستمرارية والمنطق أو الحسابات.

يمكن للمصنعين التغلب على الضوضاء وتحديد مكان الذكاء الاصطناعي الذي يقدم قيمة حقيقية اليوم. الهدف ليس إبطاء التبني ولكن ضمان أن المنظمات ت triển khai الذكاء الاصطناعي حيث يحسن إنتاجية اتخاذ القرار بشكل ذي معنى بدلاً من اتباع الهيستيريا الصناعية فقط.