इसका मतलब यह है कि एआई वेव के तहत, विनिर्माण उद्योग गहरे बैठे हुए संरचनात्मक चुनौतियों और परिवर्तन दबाव का सामना कर रहा है, "पुनर्वितरण" . की दहलीज पर खड़ा है
एक ओर, वैश्विक औद्योगिक श्रृंखला अपने पुनर्निर्माण को तेज कर रही है, श्रम की एक संरचनात्मक कमी है, और दूसरी ओर गुणवत्ता और दक्षता के दोहरे दबाव उभर रहे हैं . दूसरी ओर, कृत्रिम बुद्धिमत्ता अनुसंधान और विकास से हर लिंक में प्रवेश कर रही है, एक अभ्रक गति में आपूर्ति श्रृंखला के लिए उत्पादन, उच्च-योग्यता का उत्पादन, उच्च-योग्यता विकास का एक नया वैरिएबल ड्राइविंग,
इस पृष्ठभूमि के खिलाफ, विनिर्माण अब AI अनुप्रयोगों का अनुयायी नहीं है, लेकिन उनके कार्यान्वयन के लिए मुख्य युद्धक्षेत्र और इंजन .
हालांकि, कृत्रिम बुद्धिमत्ता द्वारा निर्माण का सशक्तिकरण केवल दक्षता को बढ़ाने और लागत को कम करने के उद्देश्य से नहीं है . यह तार्किक संरचना, संगठनात्मक तरीकों और विनिर्माण प्रणालियों की शासन क्षमताओं पर अधिक गहरा प्रभाव डालता है, जो कि मानव-चालन से लेकर ह्यूमन-डायवेन से लेकर इंटेलिजेंस के लिए निर्माण उद्योग के विकास को बढ़ावा देता है। सहयोग .
इसलिए, एआई तकनीक का एम्बेडिंग विनिर्माण उद्योग के "पुनर्वितरण" की शुरुआत कर रहा है .
यह लेख "आर्टिफिशियल इंटेलिजेंस + मैन्युफैक्चरिंग" के एकीकरण की प्रवृत्ति पर ध्यान केंद्रित करेगा, और इसे कई आयामों जैसे कि कार्यान्वयन पथ, विशिष्ट अनुप्रयोगों, प्रमुख चुनौतियों और संगठनात्मक क्षमताओं से तोड़ देगा। और अधिक लचीला भविष्य .
"आर्टिफिशियल इंटेलिजेंस + मैन्युफैक्चरिंग" का कार्यान्वयन पथ: पांच पुनरावृत्तियों को धारणा से निर्णय लेने तक
"आर्टिफिशियल इंटेलिजेंस + मैन्युफैक्चरिंग" के गहरे एकीकरण की प्रगति के साथ, विनिर्माण प्रणालियों की अंतर्निहित वास्तुकला एक शांत अभी तक गहरा पुनर्निर्माण . से गुजर रही है
पारंपरिक विनिर्माण प्रणाली ने लंबे समय से "धारणा - नियंत्रण - निष्पादन - संचालन - निर्णय - निर्णय" की एक अलग पदानुक्रमित वास्तुकला को अपनाया है: सेंसर डेटा एकत्र करते हैं और इसे नियंत्रण प्रणाली पर अपलोड करते हैं, निर्देश निष्पादन इकाई को चलाता है, स्वचालन प्रणाली प्रक्रिया प्रबंधन का संचालन करती है, और निर्णय लेने की योजना और आवधिक डेटा विश्लेषण .} के आधार पर समायोजन करता है।
इस टॉप-डाउन, केंद्रीय रूप से नियंत्रित रैखिक वास्तुकला ने एक बार बड़े पैमाने पर और मानकीकृत औद्योगिक उत्पादन . का समर्थन किया था, हालांकि, आजकल तेजी से जटिल, गतिशील और परिवर्तनशील विनिर्माण वातावरण में, इसकी सीमाएं तेजी से प्रमुख हो गई हैं .}}
आज, विनिर्माण उद्योग एक पदानुक्रमित वास्तुकला से एक सिस्टम पुनर्निर्माण के लिए आगे बढ़ रहा है जो प्लेटफ़ॉर्म-आधारित, एकीकृत और विकेंद्रीकृत . धारणा, नियंत्रण, निष्पादन, संचालन और निर्णय लेने के लिए अलग-अलग सिस्टम नहीं हैं, लेकिन समन्वय में संचालित होते हैं, वास्तविक समय में बातचीत करते हैं और एक एकीकृत तकनीकी प्लेटफ़ॉर्म पर एक बुद्धिमान बंद लूप बनाते हैं {3}
इस वास्तुकला में, कृत्रिम बुद्धिमत्ता की क्षमताओं को अब केवल एक निश्चित लिंक में नहीं डाला जाता है, लेकिन पूरे विनिर्माण नेटवर्क के तंत्रिका केंद्र में गहराई से एम्बेडेड है, सिस्टम इंटेलिजेंस के समर्थन के रूप में सेवा करता है .
यह प्रतिमान बदलाव भी विनिर्माण में एआई के आवेदन के लिए पांच पुनरावृत्त पथों को स्केच करता है:
धारणा पुनरावृत्ति: "देखने में सक्षम होने" से "समझने में सक्षम होने के लिए"
विनिर्माण का पहला चरण एआई वीडियो विश्लेषण, बुद्धिमान सेंसर, और चीजों के औद्योगिक इंटरनेट के विकास के साथ धारणा . के साथ शुरू होता है, विनिर्माण साइटों की "आंखें" अधिक तीव्र और व्यावहारिक . हो गई हैं।
एआई-सक्षम वीडियो विश्लेषण प्रणाली स्वचालित रूप से उत्पादन विसंगतियों की पहचान कर सकती है, गलती की चेतावनी जारी कर सकती है, और वस्तुओं की स्थिति को बदल सकती है, जो पारंपरिक नियम-आधारित एल्गोरिदम की सीमाओं के लिए बनाती है . डेटा अधिग्रहण के अंत में, सेंसर न केवल डेटा एकत्र करते हैं, बल्कि एफ़र के माध्यम से प्रारंभिक विश्लेषण और घटना को ट्रिगर करते हैं। विनिर्माण प्रणालियों में एआई के व्यापक एकीकरण के लिए शुरुआती बिंदु .
2. नियंत्रण पुनरावृत्ति: "नियम नियंत्रण" से "बुद्धिमान पीढ़ी" तक
नियंत्रण प्रणालियों की बुद्धि औद्योगिक नियंत्रण . के तर्क को फिर से लिख रही है
इस आधार पर, एआई सहायक उपकरणों की शुरूआत ने पीएलसी प्रोग्रामिंग को अब ऐसा कार्य नहीं बनाया है जो इंजीनियर प्राकृतिक भाषा के माध्यम से नियंत्रण उद्देश्यों का वर्णन करके अकेले . को पूरा कर सकते हैं, एआई स्वचालित रूप से नियंत्रण तर्क, फ्लोचार्ट्स, सिमेंटिक एनोटेशन, और यहां तक कि डिबगिंग और सत्यापन का संचालन कर सकता है, जो कि मानव-स्तन-संक्रामक रूप से काम कर सकता है। सिस्टम .
3. निष्पादन पुनरावृत्ति: "स्वचालन" से "बुद्धिमान तालमेल" तक
विनिर्माण निष्पादन स्तर . पर भी परिवर्तन हो रहे हैं।
एआई द्वारा संचालित रोबोट न केवल दोहरावदार संचालन कर सकते हैं, बल्कि डिजिटल ट्विन और सिमुलेशन प्लेटफॉर्म के माध्यम से अनुकूली पथ योजना, वास्तविक समय के दृश्य मान्यता और मल्टी-मशीन सहयोगी शेड्यूलिंग . को भी प्राप्त कर सकते हैं, रोबोट तैनाती से पहले एक आभासी वातावरण में प्रशिक्षण और सत्यापन को पूरा कर सकते हैं " निर्देश, लेकिन निर्णय क्षमताओं के साथ बुद्धिमान निष्पादकों .
4. परिचालन पुनरावृत्ति: "रिकॉर्ड प्रबंधन" से "भविष्य कहनेवाला अनुकूलन" तक
AI . आर्टिफिशियल इंटेलिजेंस की शुरुआत के कारण विनिर्माण प्रक्रिया प्रबंधन प्रणाली को भी बड़े पैमाने पर पुनर्गठन किया गया है, जो कि MES और उपकरण प्रबंधन प्रणालियों जैसे कोर उत्पादन प्रक्रिया प्लेटफार्मों में अपने एकीकरण को तेज कर रहा है, विनिर्माण अनुकूलन के लिए एक बुद्धिमान इंजन बन रहा है .
AI उपकरण के संचालन डेटा को मॉडल कर सकता है, अग्रिम में संभावित दोषों की पहचान कर सकता है और भविष्य कहनेवाला रखरखाव प्राप्त कर सकता है . वास्तविक समय डेटा स्ट्रीम विश्लेषण के माध्यम से OEE प्रदर्शन को अनुकूलित करें; गुणवत्ता प्रबंधन में, AI का उपयोग दोष पैटर्न और मूल कारणों की पहचान करने के लिए किया जाता है, जिससे उत्पादों की स्थिरता और अनुपालन को बढ़ाया जाता है . विनिर्माण प्रक्रिया प्रबंधन प्रतिक्रियाशील नियंत्रण से भविष्य कहनेवाला संचालन तक आगे बढ़ रहा है, प्रक्रिया-स्तर, डेटा-चालित बुद्धिमान अनुकूलन . प्राप्त करना
5. निर्णय पुनरावृत्ति: "आवधिक अंतराल विश्लेषण" से "वास्तविक समय के बुद्धिमान निर्णय लेने" तक
विनिर्माण उद्यमों का निर्णय लेना भी एक बुद्धिमान परिवर्तन से गुजर रहा है . AI धीरे-धीरे उत्पादन शेड्यूलिंग, इन्वेंट्री सिमुलेशन, और गुणवत्ता की भविष्यवाणी जैसे उच्च-संगतता निर्णय लेने वाले कार्यों में सहायता करने की क्षमता प्राप्त करेगा . .
एआई मॉडल की मदद से, उद्यम विभिन्न उत्पादन शेड्यूलिंग रणनीतियों के संसाधन व्यवसाय और वितरण संभावनाओं का जल्दी से आकलन करने के लिए परिदृश्य सिमुलेशन का संचालन कर सकते हैं {. ऐतिहासिक और वास्तविक समय के डेटा के संयोजन से, एआई गुणवत्ता में उतार-चढ़ाव की प्रवृत्ति की भविष्यवाणी कर सकता है और इन्वेंटरी मैनेजमेंट में प्रावधान की प्रक्रिया को बढ़ा सकता है। दक्षता . विनिर्माण निर्णयों को आगे दिखने वाली अंतर्दृष्टि के लिए पिछड़ने की प्रतिक्रियाओं से स्थानांतरित कर दिया गया है, एक उद्यम की चपलता और लचीलापन के लिए एक महत्वपूर्ण समर्थन बन गया है .
इन पांच छलांगों के दौरान, हमने देखा है कि कृत्रिम बुद्धिमत्ता अब एक बाहरी उपकरण नहीं है, बल्कि विनिर्माण प्रणाली के भीतर एक बुद्धिमान कारक है . यह पारंपरिक सीमाओं को स्थानांतरित करता है, हर स्तर और हर नोड में एकीकृत करता है, और निर्माण प्रणाली को पदानुक्रमित नियंत्रण से बुद्धिमान सहयोग से, और स्थानीय अनुकूलन से सिस्टम इंटेलिजेंस. से बढ़ावा देता है।
यह व्यवस्थित पुनर्निर्माण ठीक "आर्टिफिशियल इंटेलिजेंस + मैन्युफैक्चरिंग" . का सार है
"आर्टिफिशियल इंटेलिजेंस +" युग में विनिर्माण संगठनों के लिए किन प्रणाली क्षमताओं की आवश्यकता है?
कृत्रिम बुद्धिमत्ता के तेजी से विकास के वर्तमान युग में, एक सवाल जो बार -बार चर्चा की गई है, वह है: क्या एआई मनुष्यों की जगह लेगा? विनिर्माण उद्योग में, यह मुद्दा विशेष रूप से संवेदनशील . है
अतीत में, स्वचालन में आगे की हर छलांग "मशीनों की जगह" . की प्रवृत्ति के साथ प्रतीत होती थी, हालांकि, आज की कृत्रिम बुद्धिमत्ता, विशेष रूप से विनिर्माण परिदृश्यों में इसका आवेदन पथ, हमें एक निश्चित उत्तर दे रहा है: एआई को लोगों की संख्या को कम करने के लिए डिज़ाइन नहीं किया गया है, लेकिन उन्हें . बढ़ाने के लिए, . {{1} को बढ़ाने के लिए, {{1}
बुद्धिमान विनिर्माण के लिए अधिक लोगों की आवश्यकता होती है, कम नहीं .
इसका मतलब यह है कि एआई के विस्तृत अनुप्रयोग ने छंटनी की लहर का नेतृत्व नहीं किया है; इसके बजाय, इसने नए कौशल और बहुमुखी प्रतिभाओं के लिए एक मजबूत मांग को जन्म दिया है .
अतीत में, एआई को एक उपकरण के रूप में अधिक माना जाता था: आजकल का पता लगाने, डेटा विश्लेषण, और रिपोर्ट पीढ़ी . में सहायता करने के लिए उपयोग किया जाता था, आजकल, पूर्वानुमान रखरखाव, गुणवत्ता नियंत्रण, उत्पादन शेड्यूलिंग और अन्य लिंक में एआई मॉडल के प्रवेश के साथ, वे धीरे-धीरे निर्णय लेने वाले {{2} में भाग लेने के लिए सहायक न्यायाधीशों से विकसित हो रहे हैं .
इस विकास ने न केवल प्रौद्योगिकी की भूमिका को बदल दिया है, बल्कि संगठनात्मक संरचना को फिर से आकार दिया है . विनिर्माण उद्यमों को "ह्यूमन-मैचिन सह-गौरव" के दो-तरफ़ा सहयोगी मॉडल के लिए "मानव निर्णय लेने और एआई सहायता" के एक-तरफ़ा संबंध से शिफ्ट किया जा रहा है, जो कि बैक-डेस्टिंग में नहीं है, जो कि एक बैक-डेस्टिंग में नहीं है। और ट्रिगरिंग प्रक्रिया reengineering .
इसका मतलब यह भी है कि प्रतिभाओं के लिए उद्यमों की आवश्यकताएं एक गुणात्मक परिवर्तन से गुजर रही हैं: उन्हें न केवल उन इंजीनियरों की आवश्यकता है जो एआई को समझते हैं, बल्कि एआई प्रतिभाओं को भी समझते हैं, जो क्रॉस-बॉर्डर क्षमताओं के साथ विनिर्माण . एआई के सामान्यवादियों को समझते हैं, सिस्टम सोच और व्यावसायिक समझ एक संगठन के बुद्धिमान परिवर्तन के लिए महत्वपूर्ण समर्थन बन जाएगी .}}}
यदि AI बुद्धिमान विनिर्माण का "मस्तिष्क" है, तो संगठनात्मक क्षमता के लिए निर्णायक कारक है कि क्या यह "शरीर" लचीला है, मजबूत और टिकाऊ है . AI युग में प्रवेश करना, विनिर्माण उद्यमों को न केवल एल्गोरिदम और उपकरणों को पेश करने की आवश्यकता है, बल्कि एक व्यवस्थित क्षमता फ्रेमवर्क का समर्थन करने की आवश्यकता है, जो कि AI {1 {{{{{विस्तार का समर्थन करता है, {{{
रणनीतिक क्षमता: एआई केवल एक "आईटी प्रोजेक्ट" नहीं है, बल्कि एक "सामान्य ऑपरेशन" . है
जब कई उद्यम "आर्टिफिशियल इंटेलिजेंस + मैन्युफैक्चरिंग" को बढ़ावा देते हैं, तो वे इसे एक-बंद जानकारी अपग्रेड के रूप में मानते हैं और इसे लीड . ले जाने के लिए आईटी विभाग में छोड़ देते हैं।
इंटेलिजेंट मैन्युफैक्चरिंग के लिए एक सच्चे परिवर्तन के लिए एआई के बारे में आवश्यकता होती है क्योंकि कोर स्ट्रैटेजिक रिसोर्स ने व्यवसाय ऑपरेशन मॉडल के परिवर्तन को चलाने के लिए . एआई को स्वतंत्र रूप से व्यावसायिक संचालन के लिए मौजूद नहीं होना चाहिए, लेकिन उत्पादन, गुणवत्ता नियंत्रण, आपूर्ति श्रृंखला प्रबंधन और ऊर्जा प्रबंधन . के रूप में मुख्य प्रक्रियाओं में गहराई से एकीकृत किया जाना चाहिए। ड्राइव ".
2. टैलेंट क्षमताएं: "एआई इंजीनियर्स + बिजनेस एक्सपर्ट्स" का एक समग्र ईशेलन बनाएं
प्रतिभा संरचना का अनुकूलन AI . के कार्यान्वयन के लिए एक ओर की शर्त है, उद्यमों को AI एल्गोरिथ्म क्षमताओं और डेटा मॉडलिंग क्षमताओं के साथ इंजीनियरों की आवश्यकता होती है, जो अन्य हाथों पर निर्माण डेटा की संरचना, {1} { संरचित, ताकि एआई मॉडल वास्तविक दुनिया की समस्याओं के करीब हों .
इंजीनियरिंग भाषा और व्यावसायिक भाषा दोनों के साथ द्विभाषी प्रतिभाएं भविष्य में निर्माण उद्यमों के लिए एक अपरिहार्य बैकबोन बल होगा .
3. संगठनात्मक संरचना: एआई मध्य मंच और व्यवसाय संचालन के सह-निर्माण को बढ़ावा देना
एआई परियोजनाओं को अक्सर खंडित और बड़े पैमाने पर दोहराने के लिए मुश्किल होती है . एक एकीकृत डेटा और मॉडल फाउंडेशन . की कमी में निहित है परिदृश्य ".
संगठनात्मक रूप से, क्रॉस-डिपार्टमेंटल एआई एप्लिकेशन समितियों या डिजिटल ऑपरेशन टीमों को स्थापित करना भी आवश्यक है, जो आईटी और ओटी, आर एंड डी और विनिर्माण, मुख्यालय और साइट के बीच की बाधाओं को तोड़ने के लिए, और एक सह-निर्माण मॉडल को प्राप्त करते हैं, जहां समस्याएं सामने की रेखा से उठाई जाती हैं और समाधान मंच द्वारा प्रदान किए जाते हैं .}
4. कार्यान्वयन पथ: पायलट परियोजनाओं से लेकर पूर्ण-श्रृंखला परिनियोजन तक
अनुसंधान रिपोर्ट में प्रस्तावित इंटेलिजेंट मैन्युफैक्चरिंग ट्रांसफॉर्मेशन पाथ के अनुसार, एंट्रीज़ को एआई प्रोजेक्ट्स को तैनात करते समय फुर्तीली शुरुआत, तेजी से पुनरावृत्ति और निरंतर विस्तार की आठ-चरणीय पद्धति का पालन करना चाहिए, जैसा कि उपरोक्त चित्र . में दिखाया गया है
यह पथ इस बात पर जोर देता है कि एआई का आवेदन अत्यधिक महत्वाकांक्षी और व्यापक नहीं होना चाहिए . इसके बजाय, इसे छोटे लेकिन तेजी से कदम उठाना चाहिए, करके सीखना चाहिए, और धीरे -धीरे "स्थानीय बुद्धि" से "सिस्टम इंटेलिजेंस" . तक एक सर्पिल छलांग प्राप्त करना चाहिए।
एआई का वास्तविक मूल्य मनुष्यों को बदलने में नहीं होता है, लेकिन एक होशियार, अधिक चुस्त और अधिक विकसित विनिर्माण संगठन . को आकार देने में, यह संगठनों को अनुभव-चालित डेटा-संचालित होने से शिफ्ट करने में सक्षम बनाता है, और प्रक्रिया की कठोरता से बुद्धिमान लचीलेपन तक, अंततः मानव-चित्रण प्रणाली पर केंद्रित है {{5
भविष्य के विनिर्माण उद्योग में प्रतिस्पर्धा अब उपकरण और उत्पादन क्षमता की एक प्रतियोगिता नहीं होगी, बल्कि संज्ञानात्मक क्षमता, संगठनात्मक क्षमता और बुद्धिमान क्षमताओं की एक प्रतियोगिता . एआई अंत नहीं है, लेकिन एक नई औद्योगिक सभ्यता .} का शुरुआती बिंदु है।
डेटा और मॉडल: मास्टर के लिए बेहद मुश्किल "आर्टिफिशियल इंटेलिजेंस + मैन्युफैक्चरिंग" ड्यूल इंजन
एआई इंजन केवल सही मायने में बुद्धिमान विनिर्माण प्रणाली के निरंतर विकास को चला सकता है जब "डेटा" और "मॉडल" दोनों कुशलतापूर्वक . को कुशलतापूर्वक संचालित करते हैं
हालांकि, "आर्टिफिशियल इंटेलिजेंस + मैन्युफैक्चरिंग" के व्यावहारिक कार्यान्वयन में, उद्यम अक्सर एक संज्ञानात्मक गलतफहमी में पड़ जाते हैं: यह मानते हुए कि जब तक एआई एल्गोरिदम तैनात नहीं हो जाते हैं और औद्योगिक डेटा जुड़े हुए हैं, तब तक बुद्धिमान निर्णय लेने और अनुकूलन परिणाम स्वचालित रूप से प्राप्त किए जा सकते हैं {{2} लेकिन वास्तविक रूप से " डेटा और मॉडलों के दो मुख्य इंजन वास्तव में . शुरू नहीं हुए हैं
डेटा चैलेंज: मैन्युफैक्चरिंग एंटरप्राइजेज में "सबसे अधिक डेटा" है, लेकिन "" . का उपयोग करने के लिए सबसे कठिन डेटा भी "
डेटा का उपयोग करना मुश्किल क्यों है? मुख्य रूप से तीन प्रमुख कारण हैं:
डेटा स्वाभाविक रूप से अपर्याप्त और असमान गुणवत्ता का है: बड़ी मात्रा में औद्योगिक डेटा में शोर, लापता डेटा, और विषमता जैसी समस्याएं हैं . शासन तंत्र की कमी है, और सीधे "खिला" यह मॉडल के लिए काउंटरप्रोडक्टिव . है।
डेटा को जीवन में बाद में संसाधित नहीं किया जाता है और संदर्भ संरचना में कमी होती है: कई उद्यम "अलग -थलग डेटा बिंदु" एकत्र करते हैं, जिसमें घटनाओं, प्रक्रियाओं और बैचों जैसी संदर्भ जानकारी का अभाव होता है, जो मॉडल की अक्षमता को अपने व्यावसायिक शब्दार्थ और कारण तर्क . को समझने में असमर्थता की ओर जाता है।
गहरी समस्या उसमें निहित है, हालांकि विनिर्माण उद्यमों में डेटा है, उनके पास डेटा को उपयोग करने योग्य ज्ञान . में बदलने की क्षमता प्रणाली की कमी है, यह सॉफ्टवेयर की कार्यक्षमता के साथ कोई समस्या नहीं है, बल्कि संगठनात्मक तंत्र, डेटा सोच और शासन प्रणाली . में एक व्यवस्थित कमी है।
इसलिए, विनिर्माण उद्योग में डेटा बहुत कम नहीं है, लेकिन बहुत बिखरा हुआ है . यह नहीं है कि यह कोई मूल्य नहीं है, लेकिन यह कि प्रासंगिक जानकारी अपर्याप्त . है
2. मॉडल चैलेंज: "सामान्य बड़े मॉडल" पर भरोसा करके औद्योगिक खुफिया रातोंरात प्राप्त नहीं किया जा सकता है
औद्योगिक एआई मॉडल तीन प्रमुख चुनौतियों का सामना करते हैं:
प्रक्रिया की कमी: विनिर्माण प्रक्रिया में बड़ी मात्रा में मौलिक ज्ञान शामिल है, जैसे कि अनुभवजन्य नियम, भौतिक तंत्र, और बहु-चर युग्मन . यदि मॉडल प्रक्रिया को नहीं समझ सकता है,
डेटा की कमी और लेबलिंग कठिनाइयाँ: ई-कॉमर्स और सोशल नेटवर्किंग जैसे इंटरनेट क्षेत्रों की तुलना में, औद्योगिक परिदृश्यों में बड़े पैमाने पर ओपन-सोर्स डेटासेट की कमी होती है, और कई असामान्य डेटा को लेबल करना मुश्किल होता है, जिससे पर्यवेक्षित सीखने को अस्थिर .}
अपर्याप्त सामान्यीकरण क्षमता और कठिन दृश्य प्रवासन: एक ही मॉडल का प्रदर्शन अलग-अलग उत्पादन लाइनों और उपकरणों पर बहुत भिन्न होता है . अंतर्निहित क्षमताओं की कमी होती है जो माइग्रेट और ठीक-ठीक हो सकती है, जिसके परिणामस्वरूप उच्च एआई तैनाती लागत, लंबी चक्र और कम आरओआई.}
इसलिए, विनिर्माण उद्योग को वास्तव में क्या जरूरत है, परिदृश्य-इन-डेप्थ एआई मॉडल हैं: वे जो न केवल भौतिक व्यवहार और प्रक्रिया तंत्र को समझ सकते हैं, बल्कि एक छोटे नमूने के आकार और मजबूत सामान्यीकरण . के साथ औद्योगिक बुद्धिमत्ता के साथ गतिशील परिस्थितियों और उपकरणों के अंतर के लिए भी अनुकूल हैं।
यह स्पष्ट है कि विनिर्माण में एआई मॉडल "टॉकिंग मॉडल" नहीं हैं, लेकिन "मॉडल जो भौतिकी को समझ सकते हैं" . यह "सामग्री उत्पन्न करने के लिए एक मॉडल" नहीं है, लेकिन "प्रक्रिया को फिर से बनाने के लिए मॉडल" .}
3. प्रबंधन चुनौतियां: AI उधार लेने के बारे में नहीं है; एक क्षमता प्रणाली का निर्माण एआई के निर्माण के लिए सही प्रारंभिक बिंदु है
डेटा और मॉडलों की दोहरी चुनौतियों के सामने, उद्यम अब टूल को तैनात करने के चरण में नहीं रह सकते हैं, लेकिन एक पूर्ण और टिकाऊ एआई क्षमता प्रणाली {. के निर्माण के लिए शिफ्ट होना चाहिए। कोर तीन चीजों में अच्छा प्रदर्शन करने में निहित है: पहला, डेटा गवर्नेंस: "डेटा एकत्र करने से" से "ज्ञान उत्पन्न करने के लिए"; II . दृश्य मॉडलिंग: व्यावसायिक भाषा में समस्याएं व्यक्त करें और उन्हें एल्गोरिथम भाषा में हल करें; Iii . मॉडल ठीक-ट्यूनिंग तंत्र: सुनिश्चित करें कि प्रत्येक एजेंट अपने स्वयं के दृश्य में फिट बैठता है .
AI को कुछ नहीं किया जा सकता है . "आर्टिफिशियल इंटेलिजेंस + मैन्युफैक्चरिंग" को एक व्यवस्थित परियोजना के रूप में माना जाना चाहिए . विनिर्माण में कृत्रिम बुद्धिमत्ता की प्रविष्टि का मतलब यह नहीं है कि यह उपयोगी हो जाता है, न ही इसका मतलब यह है कि यह {{3} से . . . {
यदि उद्यम वास्तव में AI-सक्षम विनिर्माण प्राप्त करने की उम्मीद करते हैं, तो उन्हें "टूल-ओरिएंटेड" मानसिकता से अलग होने और भविष्य के लिए "डेटा क्षमताओं + मॉडल क्षमताओं" की एक दोहरी इंजन प्रणाली का निर्माण करने की आवश्यकता होती है।