تأثیر هوش مصنوعی بر آینده‌ی اتوماسیون صنعتی

هوش مصنوعی، کلید موفقیت در آینده تولید است

ادغام هوش مصنوعی، رباتیک و اینترنت اشیا، مسیر تولید را به سمت بهره‌وری بیشتر، کاهش هزینه‌ها و تولید پایدار سوق داده است. اما چالش‌هایی نظیر هزینه‌های بالا، نیاز به نیروی کار ماهر و امنیت سایبری نیز وجود دارند. آینده تولید، وابسته به ایجاد تعادل بین اتوماسیون هوشمند و مهارت‌های انسانی است. این مقاله به تأثیرات هوش مصنوعی بر خطوط و فرآیندهای تولید می‌پردازد.

گردآوری: ریحانه میرزایی؛ زهره شکرانه
مرکز پژوهشی هوش مصنوعی و رباتیک قشم پژوهان

مقدمه

در قلب انقلاب صنعتی چهارم، آینده‌ی تولید در محل تلاقی نبوغ انسانی و توانمندی‌های فناورانه قرار دارد و پیشرفت‌های فناوری، به‌ویژه در حوزه‌های هوش مصنوعی (AI)، رباتیک و اینترنت اشیا (IoT)، تحولاتی در بخش‌های صنعتی و تولیدی به همراه دارد. رؤیای دوردست کارخانه‌ای یکپارچه و بی‌نقص، جایی که انسان‌ها با ماشین‌های هوشمند به‌راحتی همکاری می‌کنند، در حال بدل شدن به واقعیتی ملموس است. با قرار گرفتن هوش مصنوعی در مرکز توجه، فناوری‌های نوظهور نیروی محرکه‌ی آخرین نوآوری‌ها در اتوماسیون کارخانه‌ها هستند و این تحول منجر به تولید کارآمدتر، مقرون‌به‌صرفه‌تر و با کیفیت بالاتر، با تمرکز بر پایداری و روش‌های سبز می‌شود. این بخش همچنین با اولویت‌دهی به تاب‌آوری و انعطاف‌پذیری برای پاسخگویی به تغییرات بازار و عوامل ژئوپلیتیکی، با چالش‌های زنجیره‌ی تأمین جهانی سازگار می‌شود.[1],[2]

1. همگرایی رباتیک و هوش مصنوعی در تولید

ربات‌های مجهز به هوش مصنوعی قادر به تقلید رفتار انسانی و یادگیری از تجربه هستند، که این امر عملکرد تولید سنتی را متحول می‌کند. در حالی که ربات‌ها معمولاً انعطاف‌پذیر نیستند، ترکیب AI، یادگیری ماشین[1] (ML) و یادگیری عمیق[2] (DL) به ربات‌ها این امکان را می‌دهد که به محیط‌های متغیر واکنش نشان دهند و وظایف پیچیده‌تر را در محیط‌های پویا خودکار کنند. این فناوری‌ها توانسته‌اند فرآیندهای صنعتی را که قبلاً غیرقابل خودکارسازی بودند، خودکار کنند و باعث پیشرفت قابل توجه در اتوماسیون تولید شوند. همانطور که یوجین سولویوف[3]، رئیس گروه تحقیقاتی زیمنس، در سخنرانی خود در نمایشگاه Automate 2023  در دیترویت اشاره کرده است، این تحول می‌تواند تأثیر زیادی بر نحوه‌ی عملکرد تولید سنتی داشته باشد.[3]

تأثیر هوش مصنوعی، رباتیک و اینترنت اشیا بر صنعت تولید

1. افزایش کارایی : این فناوری‌ها با اتوماسیون فرآیندها، کاهش نیروی کار دستی، افزایش دقت و بهینه‌سازی منابع، کیفیت را ارتقا داده و ضایعات را کاهش می‌دهند.
2. تولید سفارشی: هوش مصنوعی امکان تولید شخصی‌سازی‌شده را با تنظیم بی‌درنگ فرآیندها و تجزیه‌وتحلیل پیشرفته فراهم می‌کند، که منجر به طراحی و تحویل سریع‌تر و دقیق‌تر می‌شود.
3. نیروی کار و رهبری: پیاده‌سازی مؤثر این فناوری‌ها نیازمند نیروی کار ماهر، یادگیری مداوم و رهبری سازگار است تا نوآوری و پیشرفت فناورانه تسهیل شود. [1]

سولویوف، رئیس گروه تحقیقاتی زیمنس، اظهار داشت که ربات‌های مجهز به هوش مصنوعی هنوز به طور گسترده مورد استفاده قرار نگرفته ، اما نمونه‌های متعددی از کاربرد آنها برای هوشمندتر کردن ربات‌ها وجود دارد. سه کاربرد اصلی از دیدگاه سولویوف در زیر بیان شده است :

1. برداشت قطعه[4]: این کاربرد بالغ‌ترین نمونه است، اما هنوز نیاز به پیشرفت دارد. ربات‌ها قادر به برداشت اشیای تصادفی بدون نیاز به برنامه‌نویسی پیچیده خواهند بود، که می‌تواند هزینه‌های بالا در مراکز توزیع و تولید را کاهش دهد.
2. تولید پوشاک: با استفاده از بینایی و حس لمسی، ربات‌ها می‌توانند در اتوماسیون برخی از وظایف تولید پوشاک کمک کنند، صنعتی که عمدتاً هنوز به صورت دستی انجام می‌شود.
3. مونتاژ صنعتی: ربات‌ها از طریق یادگیری تقویتی می‌توانند در فرآیندهای مونتاژ قطعات هوشمندتر و کارآمدتر شوند، به طوری که پس از دریافت بازخورد از انجام صحیح کار، عملکرد بهبود یابد.[3]

2. فناوری‌های نوظهور در خط مقدم تولید هوشمند

هوش مصنوعی لبه و محاسبات محلی: تحول در پردازش داده‌ها

هوش مصنوعی لبه[5] با توزیع قدرت محاسباتی در کارخانه و تمرکززدایی پردازش داده‌ها، امکان تجزیه و تحلیل داده‌ها به صورت محلی و در زمان واقعی را فراهم می‌کند. برخلاف سامانه‌های سنتی که به پردازش مبتنی بر ابر تکیه دارند، این فناوری داده‌ها را مستقیماً در دستگاه‌ها یا شبکه‌های محلی پردازش کرده و عملکرد کارخانه‌ها را بهبود می‌بخشد. این رویکرد نه تنها سرعت پردازش را افزایش می‌دهد، بلکه به ربات‌های هوشمند این امکان را می‌دهد که حجم بالایی از اطلاعات را پردازش کنند و تصمیمات را بدون نیاز به ارسال داده‌ها به فضای ابری در زمان واقعی اتخاذ کنند. این فناوری به ربات‌ها کمک می‌کند که به‌طور کارآمدتر و سریع‌تر عمل کنند، در نتیجه عملکرد و بهره‌وری کارخانه‌ها به طور چشمگیری بهبود می‌یابد.[2], [4]

دوقلوهای دیجیتال و کارخانه‌های مجازی: شبیه‌سازی و بهینه‌سازی فرآیندهای تولید

دوقلوهای دیجیتال نسخه‌های مجازی از سامانه‌های فیزیکی هستند که با استفاده از داده‌های بی‌درنگ و مدل‌سازی پیشرفته، امکان شبیه‌سازی، تحلیل و بهینه‌سازی فرآیندهای تولید را فراهم می‌کنند. این فناوری به تولیدکنندگان اجازه می‌دهد تا پیش از اجرای واقعی، فرآیندهای جدید را آزمایش کرده، گلوگاه‌ها را شناسایی و عملکرد را بهینه کنند.

هگزاگون[6] شرکت پیشرو در مدیریت دستگاه‌های اندازه‌گیری و فناوری‌های اسکن، از دوقلوهای دیجیتال برای ارتقای بهره‌وری در صنایعی مانند خودروسازی و ساخت‌وساز استفاده می‌کند. هگزاگون در وتزلار آلمان در حال ساخت یک کارخانه‌ی هوشمند و پایدار است که ادغام کامل هوش مصنوعی و اتوماسیون را نمایش می‌دهد. این کارخانه با ایجاد یک دوقلوی دیجیتال و استفاده از هوش مصنوعی، فرآیندها را ساده‌سازی کرده و از طریق پشتیبانی از راه دور، نیاز به سفر تکنسین‌ها را کاهش می‌دهد. دوقلوهای دیجیتال، با ارائه‌ی مدلی دقیق از فرآیندهای تولید، راه را برای آینده‌ای هوشمند، کارآمد و پایدار در صنعت هموار می‌کنند. [1],[2]

پایداری و تولید سبز

هوش مصنوعی در ترویج شیوه‌های تولید پایدار و سبز نقش مهمی دارد. این فناوری با کاهش ضایعات، بهینه‌سازی استفاده از منابع طبیعی و کاهش اثرات زیست‌محیطی، به تولید محصولات با کمترین تأثیر منفی بر محیط زیست کمک می‌کند.[2]

بازگشت تولید به داخل و نزدیک‌سازی تولید با هوش مصنوعی

اتوماسیون مبتنی بر هوش مصنوعی، تولید محلی را مقرون به صرفه‌تر و رقابتی‌تر کرده است. این امر منجر به روند بازگشت تولید به داخل و نزدیک‌سازی تولید شده است. اتوماسیون و هوش مصنوعی، تولید محلی را مقرون‌به‌صرفه‌تر کرده و روند بازگشت تولید به داخل[7]  و نزدیک‌سازی تولید[8] را تسریع کرده‌اند. بازگشت تولید به داخل، انتقال مجدد تولید از کشورهای خارجی به داخل کشور، و نزدیک‌سازی تولید، انتقال آن به مناطق مجاور است. هدف هر دو، کاهش فاصله با بازار، بهبود کنترل و رفع چالش‌های زنجیره تأمین است.

هوش مصنوعی با تحلیل داده‌ها، بهینه‌سازی زنجیره تأمین، کاهش هزینه‌ها و بهبود کیفیت، این فرآیند را تسهیل کرده است. همچنین، ربات‌ها و ماشین‌های هوشمند بهره‌وری را افزایش داده و تولید محلی را رقابتی‌تر کرده‌اند. [2]

تحول زنجیره‌های تأمین و همکاری انسان با هوش مصنوعی و رباتیک

هوش مصنوعی زنجیره‌های تأمین را به سامانه‌هایی پویا و سازگار تبدیل کرده است. این فناوری با بهینه‌سازی مسیرهای حمل‌ونقل، پیش‌بینی اختلالات و تضمین دسترسی به محصولات، زنجیره‌های تأمین را مقاوم‌تر و کارآمدتر می‌کند. همچنین، رباتیک و هوش مصنوعی در رفع کمبود نیروی کار ماهر نقش مهمی ایفا کرده‌اند. بسیاری از وظایف تکراری و کم‌ارزش، مانند حمل‌ونقل لجستیکی که پیش‌تر توسط نیروی انسانی انجام می‌شد، اکنون با ربات‌ها، [9]AGVها و وسایل نقلیه خودکار جایگزین شده‌اند. این تغییرات نه‌تنها بهره‌وری را افزایش داده و ایمنی محیط‌های تولیدی را بهبود بخشیده‌اند، بلکه نیروی انسانی را برای انجام کارهای پیچیده‌تر و ارزشمندتر آزاد کرده‌اند.

ربات‌های مجهز به هوش مصنوعی به‌طور فعال در کنار انسان‌ها کار می‌کنند. نمونه‌هایی از این موارد شامل ربات‌های متحرک خودمختار[10] (AMR)  هستند که بسته‌ها را در انبارها حمل می‌کنند و ربات‌های همکار (کوبوت‌ها) که محصولات را در کنار انسان‌ها در خط تولید مونتاژ می‌کنند. این ربات‌ها با ترکیب دقت و کارایی ماشین‌ها با مهارت‌ها و هوش اپراتورهای انسانی، بهترین‌های هر دو دنیا را ارائه می‌دهند. با انجام کارهای تکراری و طاقت‌فرسا، ربات‌های مجهز به هوش مصنوعی بهره‌وری را افزایش می‌دهند، در حالی که همزمان موقعیت اپراتورهای انسانی را ردیابی کرده و محیط عملیاتی ایمن‌تری را حفظ می‌کنند.

ادغام هوش مصنوعی در کارخانه‌ها، پرسش‌هایی را درباره نقش نیروی انسانی مطرح می‌کند. با این حال، برخلاف نگرانی‌ها، هوش مصنوعی جایگزین کارگران نمی‌شود، بلکه قابلیت‌های آن‌ها را تکمیل و تقویت می‌کند. آینده‌ی تولید در هم‌افزایی بین قدرت تحلیلی هوش مصنوعی و خلاقیت و تفکر راهبردی انسانی نهفته است. بنابراین، ارتقای مهارت و بازآموزی نیروی کار برای تطبیق با این محیط مشارکتی جدید، امری ضروری است.

در مجموع، ادغام هوش مصنوعی و رباتیک نه‌تنها کارایی و انعطاف‌پذیری زنجیره تأمین را افزایش می‌دهد، بلکه مسیر جدیدی برای همکاری انسان و فناوری ایجاد می‌کند، جایی که نیروی انسانی با مهارت‌های تکامل‌یافته در کنار سامانه‌های هوشمند به بهترین نحو عمل می‌کند. [1],[2],[4]

3. اتوماسیون فرآیند هوشمند

اتوماسیون فرآیند هوشمند[11] (IPA) مجموعه‌ای نوظهور از فناوری‌های جدید است که طراحی مجدد فرآیند اساسی را با اتوماسیون فرآیند رباتیک و یادگیری ماشین ترکیب می‌کند. این مجموعه‌ای از بهبودهای فرآیند کسب‌وکار و ابزارهای نسل بعدی است که با حذف وظایف تکراری، قابل تکرار و روتین، به کارمند دانش کمک می‌کند و می‌تواند با ساده‌سازی تعاملات و تسریع فرآیندها، تجربه­ی مشتری را به طور اساسی بهبود بخشد.

IPA فعالیت‌های انجام شده توسط انسان را تقلید می‌کند و با گذشت زمان، یاد می‌گیرد که آنها را حتی بهتر انجام دهد. اهرم‌های سنتی اتوماسیون مبتنی بر قوانین، به لطف پیشرفت در یادگیری عمیق و فناوری شناختی، با قابلیت‌های تصمیم‌گیری تقویت می‌شوند. IPA، افزایش چشمگیر کارایی، افزایش عملکرد کارکنان، کاهش ریسک‌های عملیاتی و بهبود زمان پاسخگویی و تجربیات مشتری را تضمین می­کند.

IPA در ابعاد کامل خود، پنج فناوری اصلی را در بر می‌گیرد:

1. اتوماسیون فرآیند رباتیک[12] (RPA): این فناوری وظایف تکراری و روتین را که توسط نیروی انسانی در فرآیندهای بک‌آفیس انجام می‌شود، خودکار می‌کند. RPA توانایی انجام وظایف با سرعت، دقت و استقامت بیشتر نسبت به انسان‌ها را دارد و به نیروی انسانی این امکان را می‌دهد که به وظایف پیچیده‌تر و نیازمند به مهارت‌های انسانی مانند هوش هیجانی و قضاوت بپردازد.[5]
2. گردش کار هوشمند: این ابزار نرم‌افزاری برای مدیریت فرآیندها به کاربران این امکان را می‌دهد که وضعیت یک فرآیند سرتاسری را در زمان واقعی ردیابی کرده و هماهنگی بین گروه‌های مختلف، از جمله ربات‌ها و کاربران انسانی، را تسهیل کند. همچنین به شناسایی و گزارش‌گیری از گلوگاه‌ها در فرآیندها کمک می‌کند.
3. یادگیری ماشین و تجزیه و تحلیل پیشرفته: این فناوری‌ها الگوریتم‌هایی را برای شناسایی الگوها در داده‌های ساختاریافته استفاده می‌کنند. الگوریتم‌های نظارت‌شده و نظارت‌نشده به شناسایی الگوها کمک کرده و در بهبود انطباق، کاهش هزینه‌ها و ایجاد مزیت رقابتی نقش دارند.
4. تولید زبان طبیعی[13] (NLG): موتورهای NLG قادر به تبدیل داده‌ها به نثر هستند و این فناوری در اتوماسیون گزارش‌نویسی‌ها کاربرد دارد. این موتورهای نرم‌افزاری تعاملات یکپارچه‌ای بین انسان‌ها و فناوری ایجاد کرده و می‌توانند گزارش‌های داخلی و خارجی را به طور خودکار تولید کنند.
5. عوامل شناختی: این فناوری‌ها با ترکیب یادگیری ماشین و تولید زبان طبیعی، نیروی کاری مجازی ایجاد می‌کنند که قادر به انجام وظایف مختلف، برقراری ارتباط و تصمیم‌گیری بر اساس تجزیه و تحلیل داده‌ها و تشخیص احساسات است. این عوامل می‌توانند به عنوان پشتیبانی در مراکز خدمات یا تعامل با مشتریان استفاده شوند.[6]

4. چالش‌های پیاده‌سازی فناوری‌های هوشمند

• هزینه‌های اولیه بالا: سرمایه‌گذاری در زیرساخت‌های دیجیتال و تجهیزات هوشمند هزینه‌بر است و ممکن است برای شرکت‌های کوچک چالش‌برانگیز باشد.
• مقاومت کارکنان: تغییرات فناورانه مستلزم آموزش نیروی کار است و برخی از کارکنان ممکن است در برابر این تغییرات مقاومت نشان دهند.
• امنیت سایبری: افزایش وابستگی به سامانه‌های دیجیتال خطر حملات سایبری را افزایش می‌دهد. لازم است که تدابیر امنیتی قوی‌تری مانند رمزگذاری داده‌ها و احراز هویت چندعاملی اتخاذ شود.
• نیاز به زیرساخت‌های قوی: اینترنت پرسرعت، سرورهای پردازش قوی و سامانه‌های ذخیره‌سازی کارآمد از ملزومات اجرای فناوری‌های هوشمند در صنعت هستند.
• یکپارچگی با سامانه‌های قدیمی: بسیاری از کارخانه‌ها از سامانه‌های سنتی استفاده می‌کنند که ممکن است ناسازگار با فناوری‌های جدید باشند و نیاز به نوسازی داشته باشند.

5. جمع‌بندی و چشم‌انداز آینده

ادغام هوش مصنوعی، رباتیک و اینترنت اشیا، مسیر تولید را به سمت بهره‌وری بیشتر، کاهش هزینه‌ها و تولید پایدار سوق داده است. اما چالش‌هایی نظیر هزینه‌های بالا، نیاز به نیروی کار ماهر و امنیت سایبری نیز وجود دارند. آینده تولید، وابسته به ایجاد تعادل بین اتوماسیون هوشمند و مهارت‌های انسانی است. سازمان‌ها باید در کنار استفاده از فناوری‌های جدید، بر آموزش نیروی کار و توسعه سیاست‌های امنیتی تمرکز کنند تا بیشترین بهره را از انقلاب صنعتی چهارم ببرند.

در نهایت، پذیرش پتانسیل هوش مصنوعی و پرورش مهارت‌ها و خلاقیت‌های انسانی، کلید موفقیت در آینده تولید است. نتیجه این تغییرات، چشم‌اندازی از تولید کارآمد، پایدار و نوآورانه خواهد بود که به بهبود بهره‌وری و ایجاد فرصت‌های جدید برای نیروی کار انسانی منجر می‌شود.

منابع

[1] https://kestria.com/insights/ai-and-robotics-integration-transforming-productio/?utm_source=chatgpt.com
[2] The Future is Now: AI and Factory Automation in 2024 and Beyond: https://www.automate.org/blogs/the-future-is-now-ai-and-factory-automation-in-2024-and-beyond?utm_source=chatgpt.com
[3] Industrial robots powered by AI improve manufacturing: https://www.controleng.com/industrial-robots-powered-by-ai-improve-manufacturing
[4] How AI-Powered Machines Can Accelerate Industrial Automation in Manufacturing: https://embeddedcomputing.com/application/industrial/automation-robotics/how-ai-powered-machines-can-accelerate-industrial-automation-in-manufacturing
[5] The value of robotic process automation: An interview with Professor Leslie Willcock
[6] Intelligent process automation: The engine at the core of the next-generation operating model Federico Berruti, Graeme Nixon, Giambatista Taglioni, and Rob Whiteman

---

[1] Machine Learning
[2] Deep Learning
[3] Eugene Solovyov
[4] Piece Picking
[5] Edge AI
[6] Hexagon
[7] Reshoring
[8] Nearshoring
[9] Automatic Guided Vehicle
[10] Autonomous Mobile Robot
[11] Intelligent Process Control
[12] Robotic Process Automation
[13] Natural language generation