روزنه‌هایی برای رشد و پیشرفت فناوری با استفاده از تکنیک‌های هوش مصنوعی

به گزارش خبرنگار حوزه علم، فناوری و دانش‌بنيان گروه دانشگاه خبرگزاری آنا، شرکت‌های تولیدی در برابر کروناویروس جدید راهبردهای مختلفی را در دستور کار خود قرار داده‌اند. برخی کاملاً حالت دفاعی به خود گرفتند و در گوشه‌ای منتظرند تا آب‎‌ها از آسیاب بیفتد. اما دسته‌ای دیگر که از مدت‌ها پیش بخش عمده‌ امور را به اتوماسیون سپرده بودند حال، اوضاع همه‌گیری اخیر را به‌عنوان فرصتی برای رشد بیشتر، انعطاف بالاتر و تحرک بیشتر بر ذهن کارکنان و پرسنل خود دیکته کردند. این وضعیت در سایه‌ی تکیه‌بر فناوری هوش مصنوعی امکان‌پذیر شده است. با تلفیق تجربه‌ها و بازخورد محصولات پیشین و صدالبته تکنیک‌های هوش مصنوعی، راه‌های جدیدی برای ارائه محصولات متمایز و درعین‌حال کاهش هزینه مقدور خواهد شد.

هوش مصنوعی برای ساختن آینده

نظارت دائمی و بلادرنگ در پروسه‌ی تولید بدین معنی است که در هر لحظه خط تولید را رصد کنیم و نسبت به خروجی‌های آن ارزیابی داشته باشیم. بدین طریق می‌توان فرایند تولید را عیب‌یابی کرد، نرخ ضایعات را پیش‌بینی و در مورد تاریخ تحویل محصول به مشتری و موارد دیگر نیز اطمینان کسب کرد. نظارت دائمی همچنین منبعی عالی برای تولید داده‌های کاربردی است.

 همان‌طور که می‌دانید یکی از کلیدی‌ترین عناصر هوش مصنوعی داده است و از طریق داده‌های نظارتی می‌توان مدل‌های یادگیری ماشین را تقویت نمود. الگوریتم‌های یادگیری ماشین(چه نظارت شده و چه بدون نظارت) می‌توانند داده‌های فوری چندین شیفت مختلف تولید را در عرض چند ثانیه تفسیر کرده و فرآیندها، خطاها، مسائل بعضاً ناشناخته را کشف کنند.

تحقیقات شرکت فناوری اطلاعات فرانسوی کاپژمینی نشان می‌دهد 29 درصد از محصولات هوش مصنوعی در بخش تولید، صرف حفظ ماشین‌آلات و تجهیزات می‌شود. تیم تحقیقاتی کاپژمینی همچنین دریافتند که پیش‌بینی اینکه چه زمان ماشین‌ها / تجهیزات یک شرکت احتمالاً خراب می‌شود و توصیه در مورد اینکه بهترین زمان برای تعمیر و نگهداری چه موقعی است، محبوب‌ترین مصارف هوش مصنوعی در زمینه صنایع تولیدی،در حال حاضر محسوب می‌شوند. به‌عنوان‌مثال جنرال موتورز، تصاویر دوربین‌های نصب شده بر روبات‌های مونتاژ را ارزیابی می‌کند، تا به کمک آن علائم و نشانه‌های ناکارآمدی تجهیزات آن بخش را تجزیه‌وتحلیل کند.

شرکت خودروسازی جنرال موتورز برای پیاده‌سازی این الگوریتم‌ با شرکت نرم‌افزاری Autodesk همکاری کرده تا در طراحی خود به حالت بهینه دست یابد. جنرال موتورز از ماه مه سال 2018، از نرم‌افزار طراحی مولد Autodesk  استفاده می‌کند تا قطعات طراحی‌شده برای تولید را بهینه‌سازی کند. در آزمایشات اخیر مشخص شد قطعات تازه 40 درصد سبک‌تر و 20 درصد قوی‌تر بوده‌اند.    

استفاده از اپلیکیشن ویدئویی در فنلاند

نوکیا شرکت مشهور و دیرین فنلاندی نیز یک اپلیکیشن ویدئویی را عرضه کرده است که با استفاده از فناوری یادگیری ماشین کار می‌کند و به کاربر خط مونتاژ و تولید، در صورت بروز خطا یا تناقض در فرایند تولید هشدار می‌دهد. نوکیا این اپلیکیشن ویدیویی را برای نظارت بر روند خط مونتاژ یکی از کارخانه‌های خود در اوولو، فنلاند مورد تست قرار داده است.

 تجزیه‌وتحلیل تصاویر به‌صورت آنی، به تکمیل بازرسی‌ کیفیت محصول در صنایع مختلف کمک می‌کند تا شرکت‌ها محصولات خود را با اطمینان بیشتر و مطابق با الزامات دقیق و مشخص‌شده تولید نمایند. انتظار می‌رود دوربین‌های با وضوح بالا درحالی‌که نرم‌افزار و فناوری‌های تشخیص تصویر مبتنی بر  هوش مصنوعی  همچنان در حال توسعه هستند، هم‌زمان رایج‌تر و ارزان‌تر شوند.

یکی از مشکلات شرکت‌های تولیدی این است که در بسیاری مواقع میزان تولیدشان با نرخ تقاضا همخوانی ندارد. گاهی تولید آن‌قدر زیاد است که محصول در بازار تا مدت‌ها به فروش نمی‌رسد گاهی هم برعکس کفاف بازار را نمی‌دهد. بنابراین پیش‌بینی میزان تقاضا مهم است و بهبود دقت پیش‌بینی تقاضا در صنایع مختلف بسیار می‌تواند مفید باشد. شرکت صنایع غذایی دانون از یک سیستم یادگیری ماشینی برای بهبود دقت پیش‌بینی تقاضا استفاده می‌کند. آنها از یادگیری ماشین برای بهبود هماهنگی و برنامه‌ریزی در بازاریابی، فروش، مدیریت حساب، زنجیره تأمین و امور مالی استفاده می‌کنند و تصمیم آنها در به‌کارگیری هوش مصنوعی منجر به پیش‌بینی‌های دقیق‌تری شده است.

دانون به دنبال این است تا بتواند تولید محصولات را بر اساس تقاضاها برآورد کند. این سیستم منجر به کاهش 20 درصدی خطای پیش‌بینی، کاهش 30 درصدی زیان، و کاهش 50 درصدی اشتباه در برآورد حجم تقاضای مشتریان شده است.  

از مواد غذایی تا ترابری

شرکت تالس، یکی از تأمین‌کنندگان پیشرو در سیستم‌های الکترونیکی، ترابری و صنایع دفاعی است و به‌تازگی از یادگیری ماشین برای نگهداری و پیشگیری از خطر، در خطوط راه‌آهن و قطار سریع‌السیر اروپا استفاده کرده است. این شرکت داده‌های قدیمی و فعلی را به‌وسیله هزاران سنسور در قطعات قطار و خطوط ریلی بین‌المللی جمع‌آوری می‌کند و با کمک هوش مصنوعی، مشکلات بالقوه در زمینه تجهیزات، تعمیرات و نیاز به جایگزینی قطعات را تشخیص می‌دهد و قابلیت اعتماد را بالا می‌برد.

کارخانجات شرکت خودروسازی بی‌ام‌و نیز از هوش مصنوعی استفاده می‌کنند تا تصاویر مؤلفه‌ها و اجزای مختلف مورداستفاده در خط تولید خود را ارزیابی کنند. این ارزیابی‌ها به شرکت اجازه می‌دهد تا به‌صورت بلادرنگ، هرگونه انحراف از استانداردهای کیفی موردنظر شرکت را تشخیص دهند. بی‌ام‌و در بخش بازرسی نهایی کارخانه دینگولفینگ به کمک یک برنامه هوش مصنوعی، داده‌های سفارش خودرو را به‌صورت زنده با ماشین جدید تولیدشده مقایسه می‌کند.

 اگر داده‌ها با آنچه تولید شد مطابقت نداشته باشند، به‌عنوان‌مثال، اگر بخشی از ماشین مطابق استاندارد تعیین شده نبود، نرم‌افزار به تیم بازرسی نهایی یک اعلان هشدار می‌فرستد. نکته جالب در مورد بی‌ام‌و این است که الگوریتم‌های هوش مصنوعی خود را که در خط تولید به کار برده، بر روی پلتفرم منبع باز به اشتراک گذاشته است.

ایمنی بالاتر

اشنایدر الکتریک، برای بهبود ایمنی کارگران، کاهش هزینه‌ها و دستیابی به اهداف پایدار رو به هوش مصنوعی آورده است. این شرکت از یک راه‌حل تحلیلی پیش‌بینی IoT مبتنی بر سرویس یادگیری ماشین آزور مایکروسافت استفاده می‌کند. دانشمندان اشنایدر الکتریک از داده‌های کارخانجات برای مدل‌سازی استفاده می‌کنند تا تعیین شود در چه زمان و مکانی به تعمیر و نگهداری نیاز است. با بهره‌مندی از قابلیت‌های خودکار یادگیری ماشین برای انتخاب مدل‌های بهینه، در وقت صرفه‌جویی می‌شود و بهره‌وری کلی کار بالا می‌رود. شاید ذکر این نکته جالب باشد که این شرکت از وقتی از محصول مبتنی بر سرویس یادگیری ماشین مایکروسافت استفاده کرد، توانست تنها در مدت دو روز 10 تا 20 درصد بازدهی را افزایش دهد!

 نیسان نیز در حال استفاده از هوش مصنوعی برای طراحی مدل‌های جدیدش است. آنها امید دارند در عرضه سری مدل‌های نسل بعدی محصولات خود، چرخه‌ی تولید را سریع‌تر کنند. نیسان نام این برنامه را DriveSpark نامیده و به مدت چهار سال است که طبق آن عمل می‌کند. طراحان نیسان انتظار دارند با استفاده از سیستم DriveSpark  مدل‌های جدیدی تولید کنند که کاملاً مطابق با آخرین خواسته‌های بازار در این صنعت باشد. آنها همچنین با به‌کارگیری هوش مصنوعی، موفق شدند کارایی مدل‌های موجود را نیز ارتقا دهند.

شرکت دوربین عکاسی کانن سیستم پیشرفته‌ای را با نام "تشخیص نقص اموال"  ارائه کرده که سطح جدیدی از کنترل کیفیت را در مراکز تولیدی خود عرضه می‌کند. کانن مهارت‌های انسانی، بازخوردها و تکنیک‌های هوش مصنوعی، ازجمله یادگیری ماشین، بینایی کامپیوتر و مدل‌سازی و ... را تلفیق کرده تا به افزایش دقت و کارایی در تست قطعاتش دست یابد. سیستم مزبور می‌تواند به‌صورت هوشمندانه تصاویر قسمت‌های بازرسی شده را تجزیه‌وتحلیل کند، به‌طور خودکار نقایص احتمالی دوربین‌ها را شناسایی کند و حتی مواردی که ممکن است توسط چشم انسان دیده نشده باشند را تشخیص دهد.

انتهای پیام/