فادي راغافان، رئيس قسم المنتج والتكنولوجيا، Xometry – سلسلة المقابلات

فادي راغافان، رئيس قسم المنتج والتكنولوجيا في Xometry، هو مسؤول تنفيذي تكنولوجي عالمي محترف ومهندس يدير استراتيجية الشركة للمنتج والتكنولوجيا، مع التركيز على توسيع قدرات السوق التي تقودها الذكاء الاصطناعي التي تربط بين المشترين من الشركات مع موردي التصنيع. وهو يأتي مع خبرة عميقة عبر الذكاء الاصطناعي، وإدارة سلسلة التوريد، والبرمجيات كخدمة، وتحليل البيانات، بعد أن شغل مناصب قيادية في شركات مثل Wayfair، ومايكروسوفت، وGroupon، حيث طور منصات رقمية ومكنولوجيا سوق كبيرة. في Xometry، هو مسؤول عن تحويل تدفقات العمل التصنيعية المعقدة إلى أنظمة ذكية مدفوعة بالبيانات التي تحسن الكفاءة، والقدرة على الصمود، والتواصل في سلسلة التوريد العالمي.

Xometry هي سوق رقمية مدفوعة بالذكاء الاصطناعي تمكن الشركات من الحصول على أجزاء مصنعة مخصصة عند الطلب من خلال ربط المشترين مع شبكة من الموردين المعتمدين عبر طرق إنتاج متعددة، بما في ذلك تشغيل الآلات Numeric، وطباعة ثلاثية الأبعاد، والتصنيع بالحقن. تأسست في عام 2013 ومقرها في نورث بيثيسدا، ميريلاند، تستخدم الشركة التعلم الآلي لتوفير أسعار فورية، وتقديرات وقت التسليم، وتركيبات الموردين بناءً على ملفات التصميم المرفوعة، مما يبسّط عملية الشراء التقليدية المعقدة. مع آلاف الموردين وعشرات الآلاف من المشترين في جميع أنحاء العالم، تلعب Xometry دورًا مركزيًا في تحديث التصنيع من خلال تحويل سلاسل التوريد وتحقيق إنتاج أكثر مرونة وموزّعًا على نطاق واسع.

لقد كان لديك رحلة استثنائية عبر مايكروسوفت، وGroupon، وWayfair. ما هي الخبرات المبكرة – الشخصية أو المهنية – التي شكلت اهتمامك بالتكنولوجيا، وكيف أدت ذلك في النهاية إلى وصولك إلى Xometry وعالم التصنيع مدفوع بالذكاء الاصطناعي؟

اهتمامي بالتكنولوجيا بدأ في البداية مع مسيرتي المهنية. لقد كنت دائمًا محفزًا بالتحديات الصعبة وفرصة بناء حلول تؤثر بشكل فعلي على العالم الحقيقي.

في الصناعات السريعة التي قضيت فيها مسيرتي، عليك أن تتوازن بين الحركة السريعة لإدخال فكرة إلى الحياة وبناء أنظمة متينة وفعالة. التصنيع يُجسد ذلك جيدًا. إنه صناعة فيزيائية عميقة وصناعة أنالوجية عميقة، ولكنهما يُقدمان أيضًا أنظمة مبتكرة. Xometry تقع على تقاطع كل ذلك حيث نحول صناعة تقليدية أنالوجية إلى شيء حديث مع انضباط حقيقي ووضوح حول ما سنقوم به بعد ذلك. بالنسبة لي، إنه تلاقي نادر للزمن والغرض، وهو تحد بنيت نحوه طوال مسيرتي المهنية.

لقد وصفتم التصنيع بأنه آخر “مضمار أنالوجي”. ما هي بعض أكبر التحديات التي يحلها الذكاء الاصطناعي في التصنيع الآن؟

أصف التصنيع بأنه آخر “مضمار أنالوجي” بسبب تعقيد هيكليه الناتج عن طول دورة التصنيع وكثرة عمليات التسليم. على سبيل المثال، خلال التصنيع، تعمل هندسة التصميم وهندسة الإنتاج جنبًا إلى جنب مع الشراء، والتوريد، والجودة، واللوجستيات، والتركيب بعد التسليم، والمصالحة المالية عبر سلسلة التوريد، وت introduces جديدة للمخاطر والتعطيلات المحتملة.

التحدي الرئيسي هو الاحتكاك. في كل نقطة من سلسلة التصنيع، هناك صيغ مختلفة، ونظم، وأحيانًا حتى وحدات قياس مختلفة. الأفكار تمر عبر تسليم بعد تسليم، مع كل واحدة منها تصبح نقطة فشل محتملة. تاريخيًا، كان الطريقة الوحيدة لإدارة ذلك الخطر هي المراجعة البشرية اليدوية.

الذكاء الاصطناعي يخلق القيمة الأكبر الآن في مكافحة هذا الاحتكاك. إنه يعمل كمنسق في ذلك النظام المنقسم: يكتشف التناقضات، ويتوافق مع الموردين المناسبين، ويتوافق حتى مع النماذج الديناميكية للتكاليف وأوقات التسليم. يستخدم البيانات التاريخية للإنتاج لتوقع حيث قد ت出现 مشاكل، ويرفعها بسرعة قبل أن تُهدّر الوقت والمواد.

الموردين يحصلون على نوايا أوضح وأقل مفاجآت، مما يعني أننا يمكن أن نبني الثقة مع شبكتنا ومساعدة المصنعين على إنتاج الأشياء التي نحتاجها.

كيف بنت Xometry الثقة مع الموردين والمشترين لتبني تدفقات العمل مدفوعة بالذكاء الاصطناعي؟

في التصنيع، الثقة صعبة المنال نظرًا للمخاطر العالية، والنتائج غير القابلة للعكس، والخسائر الاقتصادية المحتملة للشركة. لذلك في Xometry، نحصل على الثقة من خلال تقديم الموثوقية والوضوح باستمرار.

الموردين والمشترين يعتمدون على Xometry للسرعة والشفافية. họ يعرفون أن عندما يرفعون ملفًا من نوع CAD، سوف يقوم الذكاء الاصطناعي بتحليل الجزء بسرعة وتقديم تقديرات حول الأسعار والمخاطر المحتملة. التنبؤات تُبنى على بيانات إنتاج حقيقية، مما يزيد من الموثوقية والرؤية. الأسعار تعكس ظروف السوق الحقيقية، والموردين يحصلون على رؤى مستمرة حول كيفية تحسين الأداء ونمو أعمالهم على المنصة. النظام يقوم أيضًا بعمليات فحص مستقلة لاكتشاف التناقضات. عندما لا تتطابق شيء، نرفعه مبكرًا ونحافظ على فرق العمل على اطلاع دائم.

كيف يترجم الذكاء الاصطناعي العياني أفكار المنتجات إلى أجزاء قابلة للبناء — وما هو التأثير على جداول التطوير؟

التصنيع دائمًا ما عانى من الفجوة بين النية والقابلية للبناء. الأفكار الأولية للمنتجات غالبًا ما تكون غير مكتملة، وترجمةها إلى تصاميم قابلة للتصنيع تتطلب عدة عمليات تسليم. هذه العملية بطيئة ومستعرضة للتعديلات، مما يخلق تأخيرات أو نقصًا.

الذكاء الاصطناعي العياني يضغط على هذا الحلقة. في الممارسة، يترجم المدخلات شبه المنظمة إلى ميزات قابلة للتصنيع. يمكنه أن يرفع المخاطر المحتملة، ويقترح المواد والعمليات، ويرفع القيود في وقت مبكر. الذكاء الاصطناعي يقلل من الاحتكاك الذي يبطئ عادةً من الإنتاج، ويقلل من جداول التطوير مع عدد أقل من التكرارات وأقل خردة أو مواد.

كيف تضمن أن تظل الجودة والسيطرة عالية عندما تصبح العمليات أكثر استقلالية؟

مبدأ رئيسي هو تحويل فحص الجودة إلى أقرب جزء من عملية الإنتاج. الذكاء الاصطناعي يمكنه تحليل ملايين النقاط الجيومترية لتحديد قابليّة التصنيع، والتكلفة، وأفضل مطابقة لمورد. هذا يوفر الدقة والثبات دون الحاجة إلى الاعتماد على المثابرة البشرية وحدها، والتي كانت دائمًا الدفاع الوحيد ضد المخاطر خلال عملية التحكم في الجودة.

ومع ذلك، فإن الحفاظ على وجود بشري في الحلقة لا يزال ضروريًا لهذه العمليات المعززة. ننشر الذكاء الاصطناعي لتحديد المشاكل والبدائل عند الحاجة، ولكن القرار النهائي للتدخل يقع على عاتق المشغلين البشر الذين لديهم الخبرة لاتخاذ تلك القرارات.

نرى ذلك بشكل خاص في القطاعات الحيوية مثل الطيران والدفاع، حيث أن وجود إنسان في الحلقة هو الطريقة الوحيدة التي تسمح بالتوسع الآلي دون التضحية بالسيطرة على الجودة.

كيف يعمل التسعير الديناميكي مدفوع بالذكاء الاصطناعي في Xometry، مع وجود تكاليف تصنيع متغيرة وتنوع في سلاسل التوريد؟

تسعير التصنيع يتغير بشكل固有 لأن كل جزء مختلف، والتكاليف تتغير باستمرار بناءً على المواد، والقدرة، والعوامل الخارجية مثل التعريفات الجمركية، والقيود الأخرى. النماذج الثابتة للتسعير لا تُثبت في ذلك البيئة.

في Xometry، التسعير الديناميكي هو نظام تعليمي. نماذجنا مدربة على ملايين العروض التاريخية وتحديثها باستمرار بنتائج الإنتاج الفعلية. هذا الحلقة الإرتجاعية يحافظ على التسعير على أرض الواقع.

عندما يرفع المهندسون ملفًا من نوع CAD، محرك التسعير الفوري يتحليل الملف على الفور ويتحقق منه مقابل العوامل والقيود التي تؤثر على التسعير لتحديد أفضل مورد من شبكتنا التي تضم آلاف الشركاء.

ثم، مع تغير الظروف، يُعاد ضبط المحرك تلقائيًا، ويُحدّث التسعير في الوقت الفعلي ليعكس التغيرات في المواد، والقدرة، والتعريفات الجمركية، والمحركات التكلفة الأخرى.

مع عملاء يتراوحون بين المهندسين ومديري سلاسل التوريد، كيف تقوم Xometry بتخصيص الخبرة باستخدام الذكاء الاصطناعي وتحليل البيانات؟

في Xometry، الذكاء الاصطناعي يخلق خبرة أكثر تخصيصًا للمستخدمين، ويبسّط عملية الإنتاج بناءً على الاحتياجات الفردية. لمهندس، قد يبدو ذلك كالتعليقات السريعة على المواد والمخاطر التصميمية، أو لمدير سلسلة التوريد، قد يعني ذلك إشارات سريعة على تعطيلات اللوجستية لتقليل الأخطاء المكلفة وبناء الثقة.

لمدة عقود، كانت برامج تحرير الرسومات بمثابة حائل لدخول العديد من المصنعين. ولكن مع دمج الذكاء الاصطناعي في العملية، يمكننا خلق خبرة مخصصة حيث يمكن للمهندسين وصف ما يحتاجونه باللغة الطبيعية والنظام يمكنه إنشاء تصاميم قابلة للتصنيع دون أي احتكاك.

نظرًا إلى المستقبل، ما هي واحدة من الابتكارات التي تعتقد أنها يمكن أن تعيد تعريف نظام التصنيع في السنوات الثلاث إلى الخمس القادمة؟

أعتقد أن الابتكار الذي من المحتمل أن يعيد تعريف التصنيع سيكون الاستدلال المستمر عبر دورة الإنتاج الكاملة.

كما ذكرت سابقًا، قرارات التصنيع غالبًا ما ما زالت منقسمة. المصنعون يقيّمون التصميم، والتكلفة، والتوريد، والقابلية للتصنيع بشكل منفصل، مما يعني أن المشاكل غالبًا ما تكتشف في وقت متأخر ويصبح من أكثر تكلفة. التحول الذي أتنبأ به هو نحو أنظمة الذكاء الاصطناعي التي تُreason عبر تلك الأبعاد بالتوازي، وتتضمن برامج متكاملة تتعلم من نتائج الإنتاج التاريخية وتتأقلم في الوقت الفعلي.

نماذج أولية من هذا بالفعل موجودة في مجالات مثل تحليل التصنيع، والتوريد، وحتى التسعير. ولكن في السنوات القليلة القادمة، نرى أن تلك الحدود سوف تنهار أكثر، مما يخلق نظام تصنيع أسرع، وأكثر قابلية للتوقع، وأكثر مرونة.

شكرًا على المقابلة الرائعة، القراء الذين يرغبون في معرفة المزيد يمكنهم زيارة Xometry.