विचार नेता

हाइप से परे — विनिर्माण में एआई वास्तव में कहाँ काम करता है

Damantha Boteju
Unite.AI को Google पर अपने पसंदीदा स्रोतों में जोड़ें
मुख्य बिंदुविनिर्माण में अधिकारिक तर्क के बजाय पैटर्न पहचान के लिए AI का उपयोग करें।
और देखें
  • विनिर्माण में अधिकारिक तर्क के बजाय पैटर्न पहचान के लिए AI का उपयोग करें।
  • बड़ी विनिर्माण समस्याओं को AI एजेंटों के लिए छोटे, भाषा-भारी कार्यों में विभाजित करें।
  • सुरक्षा-महत्वपूर्ण संचालन और सख्त सहनशीलता वाले रीयल-टाइम नियंत्रण प्रणालियों में AI से बचें।

एआई को अगली औद्योगिक क्रांति के रूप में प्रस्तुत किया जा रहा है, लेकिन कई नेता उत्साह को व्यावहारिक परिणामों में अनुवाद करने के लिए संघर्ष कर रहे हैं। 80% से अधिक अमेरिकी विनिर्माण क्षेत्र के नेता कहते हैं कि वे अगले दो वर्षों के भीतर एआई का उपयोग बढ़ाने की योजना बना रहे हैं, लेकिन यह हमेशा एक स्पष्ट रणनीति के साथ नहीं किया जा रहा है जो वे वास्तव में क्या हासिल करने की उम्मीद करते हैं।

एआई से कुछ करने के बोर्ड-स्तर के दबाव और जटिल उत्पादन वातावरण की वास्तविकता के बीच, अपेक्षा और कार्यान्वयन के बीच एक बढ़ती खाई है। उस खाई को बंद करने की जरूरत है अगर निर्माता अपने व्यवसाय में एआई के लाभ देखना चाहते हैं।

एआई अपनाना तैयारी से आगे निकल रहा है

आज विनिर्माण क्षेत्र के नेताओं को पता है कि उन्हें प्रतिस्पर्धी बने रहने के लिए एआई को अपनाना होगा। नेशनल एसोसिएशन ऑफ मैन्युफैक्चरर्स (एनएएम) के एक हालिया सर्वेक्षण में पाया गया कि 51% निर्माता वर्तमान में एआई का उपयोग कर रहे हैं और 80% एआई को अपने व्यवसाय को बढ़ाने या बनाए रखने के लिए आवश्यक मानेंगे।

निर्माता इस प्रौद्योगिकी का विभिन्न तरीकों से उपयोग कर रहे हैं। एआई में बड़ी संभावनाएं हैं। हालांकि, कई संगठनों में, एआई में निवेश वादा किए गए आरओआई को वितरित नहीं कर रहे हैं।

पीडब्ल्यूसी और मैन्युफैक्चरिंग इंस्टीट्यूट द्वारा किए गए एक हालिया सर्वेक्षण में पाया गया कि नेताओं से एआई को अपनाने के लिए दबाव एआई-संचालित परिवर्तन के लिए तैयारी से आगे निकल सकता है। उसी सर्वेक्षण में यह भी पाया गया कि:

  • असमान एआई अपनाना दैनिक संचालन में एकीकरण को धीमा कर सकता है
  • एआई अपनाने की कर्व पर आगे बढ़ने के लिए प्रशिक्षण और व्यावहारिक अनुभव के माध्यम से क्षमता निर्माण की आवश्यकता होती है
  • मानव और तैयारी की खाई एआई अपनाने को सीमित कर सकती है
  • सीमित फ्रंटलाइन नेता का इनपुट एआई अपनाने और कार्यान्वयन को सीमित कर सकता है

समाधान खोज

एआई को एक सार्वभौमिक समाधान के रूप में नहीं माना जाना चाहिए, नेताओं को उन अनुप्रयोगों के बीच अंतर करना चाहिए जहां एआई उत्कृष्ट है – जैसे कि मानव-प्रणाली इंटरैक्शन में सुधार, संचालन ज्ञान को पकड़ना और जटिल कार्यों को सरल बनाना – और क्षेत्र जहां यह अभी भी खराब रूप से अनुकूल है, जिनमें उत्पादन वातावरण में सटीक नियंत्रण और दोहराने योग्य निर्णय लेना शामिल है।

एक अच्छा स्थान जहां इसे लागू करना है आपकी बिक्री प्रक्रिया के दौरान। कई विनिर्माण कंपनियां एआई का उपयोग करके गाइडेड बिक्री प्रक्रिया में सुधार करना चाहती हैं। उन्हें उत्पाद के बारे में विशिष्ट पैरामीटर चुनने के लिए ग्राहक से पूछने के बजाय ग्राहक के लक्ष्यों या परिणामों पर ध्यान केंद्रित करना शुरू करना चाहिए।

एक व्यक्तिगत उदाहरण है: मैंने हाल ही में अपना पहला इलेक्ट्रिक वाहन (ईवी) खरीदा। ईवी निर्माता की वेबसाइट पर सबसे पहले तकनीकी पैरामीटर दिखे, जैसे रेंज: 360-558 किमी। यह लंबी रेंज है, लेकिन मुझे पता है कि इसका क्या मतलब है। और हॉर्सपावर? कोई आइडिया नहीं। और खपत? अब यह मेरी समझ में ही नहीं आया: खपत अच्छी है या बुरी? क्या इससे मेरे परिवार की सालाना स्की यात्रा पर फर्क पड़ेगा, जिसमें मुझे अभी करीब सात घंटे लगते हैं? यह वह जानकारी है जो वास्तव में मुझे निर्णय लेने में मदद करेगी।

एक एआई, जिससे मैं अपनी प्राथमिकताओं पर चर्चा कर सकूँ, ईवी निर्माता को यह समझने में मदद करेगा कि मेरे लिए क्या महत्वपूर्ण है और उन प्राथमिकताओं को मेरे अनुकूल तकनीकी विशेषताओं में बदल सकेगा।

एक और उदाहरण है जटिल समस्याओं को छोटे टुकड़ों में तोड़ने के लिए एआई एजेंटों का उपयोग करना। एजेंट बहु-चरणीय लक्ष्यों की योजना बनाते हैं और निष्पादित करते हैं। इन एजेंटों से सबसे अधिक लाभ उठाने के लिए, कार्यों में मुख्य रूप से भाषा का काम होना चाहिए।

कुछ इंजीनियरिंग संगठन जटिल आवश्यकताओं को प्रबंधित करने के लिए इस दृष्टिकोण का पालन कर रहे हैं। कभी-कभी जानकारी सैकड़ों या हजारों दस्तावेजों में फैली होती है, और प्रारूप मानक नहीं है। यदि आप इस जानकारी को आयात करने के लिए एक पारंपरिक सॉफ्टवेयर प्रणाली बनाने जा रहे हैं, तो नियमों और उनके अपवादों की बहुत अधिक संख्या होगी। चूंकि एआई पैटर्न पहचान में महान है, आपको प्रत्येक एकल नियम के बारे में लिखने की आवश्यकता नहीं है कि इन दस्तावेजों की व्याख्या कैसे करें।

विनिर्माण में एआई के लिए सर्वोत्तम अभ्यास

बड़ी समस्याओं को छोटे कार्यों में तोड़ें। एआई की सीमित कार्य स्मृति है। यदि आप इसे बहुत अधिक डेटा या एक अत्यधिक व्यापक समस्या देते हैं, तो यह संदर्भ खो सकता है और अभी भी एक उत्तर देने का प्रयास करते समय हॉलुसिनेट करना शुरू कर सकता है। इस जोखिम को कम करने के लिए, बड़े कार्यों को छोटे घटकों में विभाजित करें और परिणामों को एकत्रित करें – एक क्षेत्र जहां एजेंटिक फ्रेमवर्क विशेष रूप से प्रभावी हो रहे हैं।

एआई का उपयोग पैटर्न पहचान के लिए करें, न कि ऐसी तर्क-प्रक्रिया के रूप में जिसे प्रामाणिक माना जाए। एआई पैटर्न पहचान और संबंधों की पहचान करने में अच्छा है, लेकिन यह लॉजिक और तर्क-प्रक्रिया में अच्छा नहीं है। उदाहरण के लिए, इसकी “तर्क-प्रक्रिया” और गणितीय क्षमताएं भविष्यवाणी हैं, गणना नहीं। इसलिए, आउटपुट अंतर्दृष्टिपूर्ण लग सकते हैं, लेकिन वे सही होने के लिए गारंटीकृत नहीं हैं, जब तक कि आप एआई को एक अन्य प्रणाली से न जोड़ें जो परिणामों को सत्यापित कर सकती है। इस दृष्टिकोण में, एआई कार्य प्रवाह को समन्वयित कर सकता है, लेकिन आपने संचालन सीमाओं के बारे में एक स्पष्ट निर्णय लिया है।

विनिर्माण में एआई वास्तविक मूल्य बना सकता है, लेकिन विशिष्ट परिदृश्य हैं जहां जोखिम लाभ से अधिक है। उनमें सुरक्षा और गुणवत्ता-महत्वपूर्ण संचालन शामिल हैं। इसमें कम-डेटा या अत्यधिक नए परिदृश्य भी शामिल हैं क्योंकि पर्याप्त प्रासंगिक डेटा न देखने पर एआई खराब प्रदर्शन करता है। उच्च नियमन वातावरण एक और चुनौती है क्योंकि एआई में अभी भी वास्तविक ट्रेसबिलिटी की कमी है। कड़े टॉलरेंस वाली वास्तविक समय की नियंत्रण प्रणालियाँ भी ऐसा क्षेत्र हैं जहाँ एआई से बचना चाहिए, क्योंकि तेज़ गति वाली प्रक्रियाओं में एआई की देरी या अस्थिरता अस्वीकार्य हो सकती है।

हाइप से व्यावहारिकता तक

एआई सभी विनिर्माण समस्याओं का समाधान नहीं है। लेकिन वास्तविक दुनिया के उपयोग के मामलों और उपरोक्त वर्णित सामान्य गलत धारणाओं पर विचार करके, निर्माता एआई के लिए एक अधिक संतुलित दृष्टिकोण अपना सकते हैं। अल्पावधि में, मुख्य बिंदु यह है कि एआई का उपयोग इसके लिए किया जाए जो यह सबसे अच्छा करता है: उच्च स्तर की पैटर्न पहचान की माँग करने वाली समस्याएँ। इसका उपयोग उन मामलों के लिए न करें जिनमें पूर्वानुमेयता, एकरूपता, तर्क या गणना की आवश्यकता होती है।

निर्माता शोर को काट सकते हैं और पहचान सकते हैं कि एआई वास्तव में आज मूल्य देता है। लक्ष्य एआई को अपनाने को धीमा करना नहीं है, बल्कि सुनिश्चित करना है कि संगठन एआई को उन क्षेत्रों में तैनात करते हैं जहां यह उत्पादकता और निर्णय लेने में वास्तविक सुधार करता है, न कि केवल उद्योग के हाइप का पालन करता है।

डमन्था बोटेजू कॉन्फ़िगिट के मुख्य उत्पाद और प्रौद्योगिकी अधिकारी हैं। यह कंपनी कॉन्फ़िगरेशन लाइफसाइकल मैनेजमेंट (सीएलएम) समाधानों और जटिल उत्पादों के कॉन्फ़िगरेशन के लिए व्यवसाय-महत्वपूर्ण सॉफ़्टवेयर की वैश्विक अग्रणी प्रदाता है। उन्होंने मार्च 2023 में कॉन्फ़िगिट में शामिल होकर 25 वर्षों से अधिक का सॉफ़्टवेयर विकास में अनुभव लाया, जिसमें उद्यम-वर्ग के उत्पादों पर ध्यान केंद्रित किया गया। सीपीटीओ के रूप में, वह उत्पाद और प्रौद्योगिकी रणनीति का नेतृत्व करते हैं, नवाचार को बढ़ावा देते हैं और कॉन्फ़िगिट के वैश्विक ग्राहकों की जटिल आवश्यकताओं को पूरा करने वाले समाधान प्रदान करते हैं।