Automation & AI
میانگین امتیاز این مقاله: 0 از 5
( تاکنون 0 نفر امتیاز داده‌اند )

در آغاز سال 2020، اتوماسیون، هوش مصنوعی (AI) و دستگاه‌های خودکار همه اصطلاحاتی بودند که هم شگفتی از فناوری و هم ترس را در میان مردم برمی‌انگیختند از این جهت که برای هر نوآوری خاصی که خلق میشد، مردم شغل‌های خودشان را در زمینه‌ی تولید از دست می‌دهند.

در چند ماه بعد که جهان در اوج پاندمیک بود جهان با وضعیت اضطراری روبرو شد، صنعت تولید غرق بحران شد و زنجیره تأمین جهانی در آستانه نابودی قرار گرفت. با در معرض خطر گرفتن کارخانه‌ها در سرتاسر جهان و قوانین اجباری فاصله‌گیری اجتماعی، تقاضا برای فناوری‌های جدید – و به ویژه هوش مصنوعی – به شدت افزایش یافت. تولیدکنندگان که قبلاً در انطباق‌پذیری با این فناوری‌ها مردد بودند، مجبور شدند در عملکرد و فرآیندهای خود به طور کامل تجدید نظر کنند.

در واقع وقتی که از تولیدکنندگان صنعتی در مورد اولویت‌های مشتریان در سال 2020 سوال شد، پاسخ دادند که اجرای ابتکارات و نوآوری‌های انقلاب چهارم صنعتی که باعث بهبود کیفیت عملکرد و افزایش بازده تولید می‌شود، ضروری است. و این در مورد همه‌ی تولیدکنندگان نه فقط شرکت‌های غول‌آسا صادق است. هدف این است که کارخانه‌های تولیدی هر چه موثرتر، کارآمدتر و انعطاف‌پذیرتر به کار خود ادامه دهند؛ «وضعیت نرمال جدید».

نیاز به فرآیندهای نوآورانه در رابطه با بازرسی‌های کیفی کاملاً مشخص است. این فرآیند به طور سنتی توسط کارگران انسانی به صورت دستی انجام میشد که به دلیل کمبود نیروی کار، قبل از پاندمیک، اغلب شدنی نبود. اکنون در میان این پاندمیک، این نیاز حتی بیشتر از قبل شده است. پاندمیک باعث شده است که کارگران به طور متناوب در دسترس نباشند، یا به دلیل نیاز به فاصله‌گیری اجتماعی قادر به کار با حداکثر کارآیی نباشند.

وسعت این مشکل در چه حدی است؟

آمارها نشان می‌دهد که بازرسی‌های کیفی توسط حدود 35 میلیون کارگر انجام میشد، تقریباً کل جمعیت کانادا صرفاً برای انجام این کار ساده در صنعت تولید اختصاص یافته‌اند.

بازرسی کیفی بصری با استفاده از هوش مصنوعی می‌تواند پاسخگوی این معضل باشد و موانعی که معمولاً سازگاری با تکنولوژی را کند می‌کردند به صرفه بودن، به کمال رسیدن و سادگی استفاده از آن‌ها از بین می‌برد.

کاربردهای بازرسی‌های کیفی بصری بسیار گسترده است – از بازرسی مواد اولیه‌ی کارخانه بگیر تا محصولاتی که از خط تولید پایین می‌آیند، کالاهای نهایی بسته‌بندی شده و جعبه‌هایی که برای حمل و نقل بسته‌بندی می‌شوند. مثال بسته‌بندی مواد غذایی و انتقال آن‌ها به یخچال‌های مخصوص نگهداری را در نظر داشته باشید. این فعالیت متداولی برای بازرسان است تا به صورت بصری بررسی کنند تا مطمئن شوند محصولات غذایی در جای مناسبی از یخچال قرار دارند یا تمام ظرفیت بسته‌بندی‌ها پر شده است. با تقویت این فرآیند با هوش مصنوعی بصری، تولیدکنندگان می‌توانند کالای بیشتری را هم به صورت کارآمدتر و هم به طور موثرتر، حتی با کمبود نیروی کار و فاصله‌گیری اجتماعی بررسی کنند.

نمونه دیگری از محصولاتی که می‌توانند از مزایای بازرسی کیفی بصری مجهز به هوش مصنوعی بهره‌مند شوند، تخته‌های چاپی مربوط به مدارها (PCBA) هستند. از آنجا که تولید PCBAها پیچیده است، برای اینکه «قابل قبول» محسوب شوند، نیاز به چندین بازرسی مختلف دارند – مانند بررسی مقاومت‌ها، خازن‌ها ، نقاط لحیم کاری، پورت‌های HDMI، پورت‌های RAM یا کنترل کننده‌های USB. این کار اغلب به ماشین آلاتی همراه با کارگران زیادی نیاز دارد تا بازرسی بهینه‌ای انجام شود؛ که این روش نیازمند نیروی انسانی زیادی است.

اما بازرسی بصری با استفاده از هوش مصنوعی فقط جزئی از تقاطع قدرتمند مجموعه بسیار گسترده‌تری از فناوری‌ها است، جایی که هوش مصنوعی با اینترنت اشیا (IoT) به هم می‌پیوندند. صنعت تولید و ماشین‌آلات صنعتی امروزی مجهز به ده‌ها سنسور و دوربین ارزان‌قیمت هستند که اطلاعات مربوط به محصول را جمع‌آوری می‌کنند و همچنین با استفاده از این تجهیزات قادر به عیب‌یابی‌های متداولی می‌باشند. تولیدکنندگان از هوش مصنوعی سطح انسانی استفاده می‌کنند که می‌تواند بینش‌های عملیاتی را از این اطلاعات محاسبه شده مستقیماً از درون ماشین‌های صنعتی استخراج کند.

در این حالت، هوش مصنوعی با یادگیری اینکه «رویه تولید طبیعی و نرمال» برای یک ماشین خاص چگونه است، با اپراتورهای انسانی در یک راستا کار می‌کند. این به اپراتورها این امکان را می‌دهد تا چندین ماشین را به صورت همزمان مدیریت کنند و مشکلات مربوط به تولید را تشخیص دهند؛ که قبل از آمدن هوش مصنوعی، به نظارت سنگین نیروی انسانی احتیاج داشت و ممکن بود هنگام شناسایی مشکل، منجر به توقف تولید شود.

چه به خاطر دوربین‌ها یا چه به خاطر سنسورهای تعبیه شده در داخل ماشین‌های صنعتی باشد؛ برخی می‌گویند انقلابی وسیع در کارخانه‌های تولیدی در حال رخ دادن است. تولیدکنندگان برای آماده‌سازی خودشان برای رکود اقتصادی یا بحران بعدی، طوری از فناوری‌های انقلاب صنعتی نسل چهارم استقبال می‌کنند که هرگز قبلاً به این شکل دیده نشده است.

این پاندمیک، جریانی سریع و انقلاب ناخواسته‌ای را به وجود آورده است که باعث رقابت و انعطاف‌پذیری بیشتر کارخانه‌ها خواهد شد – حتی فراتر از سال 2021.

 

این مقاله چطور بود؟

میانگین امتیاز 0 / 5. تعداد آرا: 0

ارسال یک پاسخ

لطفا دیدگاه خود را وارد کنید!
لطفا نام خود را در اینجا وارد کنید