विनिर्माण में कलात्मक इंटेलीजेंस: कहाँ से शुरू करने के लिए और कैसे स्केल करने के लिए

विनिर्माण में, AI ने पहले ही संगठनों को लागत और समय बचाने में मदद की है, और अब उत्पाद डिजाइन और विकास जैसे सहायता कार्यों में मदद कर रहा है।

आर्टिफिशियल इंटेलिजेंस क्षेत्रों में महत्वपूर्ण लाभ के लिए क्षमता प्रदान करता है। कार्यों को गति देने और मौजूदा कार्यों में त्रुटियों / पुनरावृत्ति को कम करने के अलावा, एआई ने संगठनों को उनके मूल्य श्रृंखला में नई क्षमताओं को अनलॉक करने में मदद की है। विनिर्माण में, AI ने पहले ही संगठनों को लागत और समय बचाने में मदद की है, और अब उत्पाद डिजाइन और विकास जैसे सहायता कार्यों में मदद कर रहा है। 'स्केलिंग एआई ऑपरेशंस' पर हमारी हालिया रिपोर्ट में, हम निर्माताओं के मूल्य श्रृंखला पर एआई के प्रभाव के बारे में अधिक समझना चाहते थे और जहां सेक्टर एआई के सबसे अधिक कार्यान्वयन का गवाह है। हमने उन महत्वपूर्ण कारकों की भी जांच की, जिनके निर्माताओं को अपने संगठन में इन उपयोग मामलों को स्केल करने के लिए ध्यान केंद्रित करना चाहिए। इन सवालों के जवाब के लिए, हमने ऑटोमोटिव, एयरोस्पेस और डिफेंस, इंडस्ट्रियल मैन्युफैक्चरिंग और कंज्यूमर प्रोडक्ट गुड्स में से प्रत्येक में 75 अग्रणी वैश्विक संगठनों में AI कार्यान्वयन का गहन शोध किया। हमने एआई द्वारा अपने संगठन में किए गए प्रभाव पर अपने विचार एकत्र करने के लिए कई उद्योग विशेषज्ञों का साक्षात्कार लिया। तो, AI ऐसे मामले क्या हैं जो विनिर्माण संगठनों के लिए सबसे ज्यादा मायने रखते हैं?

बुद्धिमान रखरखाव

बुद्धिमान रखरखाव संगठन को पारंपरिक रखरखाव प्रक्रियाओं के साथ कई चुनौतियों से निपटने में मदद करता है। दुकान के फर्श पर मशीनों का समय पर और सटीक रखरखाव न केवल संगठनों को महंगे डाउनटाइम लागत को बचाने में मदद करता है, बल्कि यह रखरखाव से जुड़ी लागत को भी कम करता है। डाउनटाइम से बचने से बचत की मात्रा बहुत बड़ी हो सकती है, खासकर एक बड़े निर्माता के लिए। आर्टिफिशियल इंटेलिजेंस मशीन पर लगे सेंसर से प्राप्त डेटा का उपयोग मशीन पर ऐतिहासिक डेटा के साथ-साथ मशीन के विफल होने पर समझदारी से भविष्यवाणी करने के लिए करता है। इस जानकारी के आधार पर, AI सिस्टम भविष्य में अपनी सटीकता में सुधार करने के लिए इस नई जानकारी को जोड़ते हुए, दुकान के फर्श पर सेवा कर्मियों के लिए सिफारिशें कर सकता है।

उत्पाद की गुणवत्ता नियंत्रण

गुणवत्ता नियंत्रण निर्माताओं के मूल्य श्रृंखला का एक अनिवार्य हिस्सा है। एक घटिया उत्पाद न केवल स्क्रैप / अपव्यय की ओर जाता है, बल्कि मोटर वाहन और उपभोक्ता उत्पाद के सामान जैसे भारी विनियमित उद्योगों के लिए, इससे नियामक को भारी जुर्माना भी लग सकता है। एक अवर उत्पाद के वित्तीय निहितार्थ के अलावा, संगठनों को एक प्रतिष्ठित जोखिम का भी सामना करना पड़ता है यदि ऐसा उत्पाद ग्राहक के हाथ में आता है। मशीन विजन के साथ एआई निर्माताओं को दुकान के फर्श पर गुणवत्ता के मुद्दों से प्रभावी ढंग से निपटने में मदद कर सकता है। एक एआई प्रणाली को शॉप फ्लोर कैमरों द्वारा एकत्र की गई छवियों के एक बड़े सेट के साथ प्रशिक्षित किया जा सकता है। एआई प्रणाली इस ज्ञान का उपयोग दोषपूर्ण उत्पादों की पहचान करने के लिए कार्य-इन-प्रोसेस उत्पादों के साथ तुलना करने के लिए करती है जिसे फिर से काम / स्क्रैप के लिए प्रक्रिया प्रवाह से दूर किया जा सकता है।

मांग योजना

निर्माताओं के लिए उपभोक्ता मांग को सही ढंग से पूरा करना आवश्यक है। ओवरस्टीमेटिंग डिमांड बढ़ने से इन्वेंट्री कॉस्ट बढ़ सकती है, खोए हुए रेवेन्यू में डिमांड रिजल्ट को कम करके आंका जा सकता है। निर्माता मशीन लर्निंग का उपयोग कर रहे हैं ताकि मांग में बदलावों का यथासंभव बारीकी से अनुमान लगाया जा सके। एआई आधारित प्रणालियों को ऐतिहासिक बिक्री से डेटा, थर्ड पार्टी डेटा जैसे सोशल मीडिया और अन्य क्षेत्र विशिष्ट डेटा का उपयोग करके भविष्य के उपभोक्ता मांग के आधार पर पूर्वानुमान बनाने के लिए प्रशिक्षित किया जा सकता है कि कैसे घटनाओं का एक विशेष संयोजन मांग को प्रभावित करता है। यह निर्माताओं को उत्पादन शेड्यूल और कच्चे माल की खरीद के लिए आवश्यक परिवर्तन करने की अनुमति देता है, इस प्रकार लागत की बचत होती है और समग्र उत्पादकता में सुधार होता है।

लेकिन कैसे अंजामों को अंजाम दे सकते हैं?

निर्माताओं के सामने सबसे बड़ी चुनौतियों में से एक एआई के उपयोग के मामलों के प्रूफ-ऑफ-कॉन्सेप्ट (पीओसी) से लेकर पैमाने पर तैनाती तक बढ़ रही है। उदाहरण के लिए, मोटर वाहन उद्योग में, हमने पाया कि 2017 के मध्य तक, मोटर वाहन ओईएम के केवल 10 प्रतिशत ने पैमाने पर एआई कार्यान्वयन दिया है। जनवरी 2019 तक यह संख्या केवल मामूली रूप से बढ़कर 14 प्रतिशत हो गई। बड़े पैमाने पर AI और इन विशेषज्ञों के इनपुट की मदद करने के अपने अनुभव के आधार पर, हम उन महत्वपूर्ण कदमों की रूपरेखा तैयार करते हैं जो निर्माता इस चुनौती को पार करने के लिए उठा सकते हैं।

लाइव वातावरण में उपकरणों का विश्लेषण करें

एक बार एक AI उपयोग के मामले ने नियंत्रित वातावरण में अपना मूल्य साबित कर दिया है, संगठनों को नए परिदृश्यों को सीखने और सटीकता में सुधार करने के लिए इसे एक जीवित वातावरण में तैनात करना होगा। एआई सिस्टम को किसी भी एकीकरण के मुद्दों से बचने के लिए इस प्रारंभिक चरण में ही मौजूदा आईटी सिस्टम के साथ एकीकृत किया जाना चाहिए क्योंकि उपयोग का मामला बड़े पैमाने पर तैनात है।

DATA और AI सिस्टम और टैलेंट की एक सीमा को प्राप्त करने में निवेश करें

फाउंडेशनल टेक्नोलॉजी और AI स्किल्स में निवेश करना भी लंबी अवधि की सफलता के लिए महत्वपूर्ण है। यह संगठनों को गति बनाए रखने की अनुमति देता है जब एआई का मूल्य पहले कुछ उपयोग के मामलों से साबित हो गया है। यह भविष्य में नए एआई अनुप्रयोगों के दोहराने योग्य, तेज और आसान रोलआउट बनाने में भी मदद करता है। निर्माताओं को अपने स्वयं के प्रतिभा पूल को विकसित करने पर भी काम करना चाहिए जो इन AI उपयोग मामलों को पैमाने पर ले जा सकते हैं।

SCALE AI सॉल्यूशन नेटवर्क्स

एक बार डेटा फ़ाउंडेशन और प्रतिभा सेट होने के बाद, संगठन AI एप्लिकेशन को AI प्लेटफ़ॉर्म पर ले जा सकता है ताकि इसे विश्व स्तर पर सुलभ बनाया जा सके। मंच को लागत और सहायता पोर्टेबिलिटी को कम करने के लिए क्लाउड पर होस्ट किया जा सकता है। विनिर्माण को भी महत्वपूर्ण मापदंडों जैसे कि समग्र व्यावसायिक मूल्य, पुनः प्राप्ति की आवश्यकता और सटीकता पर एआई आवेदन के प्रदर्शन की बारीकी से निगरानी करनी चाहिए। जब तक अधिक संगठन पायलट और प्रूफ-ऑफ-कॉन्सेप्ट से पैमाने पर नहीं जाते हैं, तब तक विनिर्माण क्षेत्र में एक नया 4.0 युग अभी भी एक मायावी लक्ष्य बना रहेगा। एक पैमाना-चालित रणनीति अपनाकर - जो सबसे मूल्यवान उपयोग के मामलों पर प्रयासों को केंद्रित करता है और मजबूत शासन, मंच और प्रतिभा की नींव रखता है - निर्माता एआई की क्रांतिकारी क्षमता को अगली औद्योगिक क्रांति में बदल सकते हैं।

यह लेख मूल रूप से द मैकिनिस्ट में पहली बार प्रकाशित हुआ था।