إطلاق العنان لقوة الذكاء الاصطناعي في التصنيع: طريق نحو الكفاءة والابتكار

تقف صناعة التصنيع على أعتاب تحول رقمي مدفوع بدمج الذكاء الاصطناعي (AI). تتوقع تقرير حديث من ماكينزي أن الذكاء الاصطناعي لديه القدرة على توليد نشاط اقتصادي إجمالي مذهل قدره 13 تريليون دولار بحلول عام 2030، مع توقع استفادة القطاع الصناعي وحده بمبلغ 1 تريليون دولار.

في الوقت نفسه، يكشف دراسة رؤية النظام البيئي للسيارات لعام 2022 من Zebra أن ما يقرب من 90% من مصنعي السيارات يخططون للانطلاق في رحلة تحول رقمي بحلول عام 2027. وفي خضم هذه التطورات، تواجه الصناعة أيضاً نقصاً وشيكاً في العمالة، مع توقع بقاء 2.1 مليون وظيفة تصنيع دون شغل بحلول عام 2030.

 يُعد الذكاء الاصطناعي حليفاً حاسماً في معالجة هذه التحديات والمضي قدماً في رقمنة عمليات التصنيع.

اتخاذ خطوات عملية نحو دمج الذكاء الاصطناعي

إن دمج الذكاء الاصطناعي في عمليات التصنيع ليس جهداً يناسب الجميع. يُنصح صناع القرار بالمضي بحذر، واتخاذ خطوات صغيرة ولكن متعمدة للاستفادة من الإمكانات الهائلة للذكاء الاصطناعي. 

يجب أن يكون الهدف المحدد والواضح، مثل مراقبة الجودة، هو الهدف الأولي لنشر الذكاء الاصطناعي. نقطة بداية ممتازة هي تنفيذ التعرف الضوئي على الحروف (OCR)، وهو تطبيق ذكاء اصطناعي متخصص.

يمكن لأنظمة التعرف الضوئي على الحروف (OCR) القائمة على التعلم العميق “رؤية” و”قراءة” النصوص على مكونات التصنيع دون معرفة برمجية أو تدريب على الخطوط. يعزز هذه التكنولوجيا دقة البيانات الحرجة، بما في ذلك أرقام تعريف المركبات (VINs)، ورموز دفعات التصنيع، وتواريخ الإنتاج، والأرقام التسلسلية. 

من خلال تقليل الأخطاء وتتبع العناصر عبر خط التصنيع، يضمن التعرف الضوئي على الحروف (OCR) وصول المكونات الصحيحة إلى مناطق التجميع المناسبة. عملية النشر بسيطة بشكل ملحوظ، وتتضمن المهمة البسيطة لتحديد النص المطلوب. يمكن تنفيذ أنظمة الذكاء الاصطناعي بفعالية لمعالجة تحديات محددة في دقائق معدودة.

بالنسبة للمشكلات الأكثر تعقيداً مثل تحديد العيوب على قطع السيارات أو اكتشاف الملصقات المعيبة، يجب أن يوجه طبيعة المشكلة اختيار أداة الذكاء الاصطناعي. يظهر الرؤية الآلية كأداة مثالية إذا كانت العيوب معروفة ومواقعها محددة. 

ومع ذلك، عندما تكون العيوب غير معروفة أو مواقعها غير مؤكدة، يصبح الجمع بين الرؤية الآلية والتعلم العميق هو النهج المفضل، مما يتيح للذكاء الاصطناعي كشف وفهم الشذوذات التي لم تُرَ من قبل.

بناء القدرات المعرفية للذكاء الاصطناعي

تعتمد فعالية الذكاء الاصطناعي في معالجة التحديات التصنيعية على قدرته على "التعلم" والتكيف. تتضمن هذه العملية إنشاء شبكة عصبية تشبه تعليم الأطفال الألوان. في حالة الرؤية الآلية مع التعلم العميق، إذا كان الذكاء الاصطناعي سيكتشف العيوب في قطع غيار السيارات، فيجب أن يواجهها ويفهمها بشكل متكرر من خلال التعرض للصور ذات الصلة. 

تتطلب هذه العملية التعليمية التكرارية قوة حوسبة كبيرة، عادةً في وحدات معالجة الرسومات (GPUs)، ومستودع منظم ومُعلّم بشكل مسؤول للصور.

يعتمد إنشاء الشبكات العصبية بشكل كبير على جودة وكمية بيانات الصور المقدمة للذكاء الاصطناعي. يمكن أن يؤدي إهمال جمع وإدارة الصور بشكل منهجي إلى حدوث ارتباك داخل نظام الذكاء الاصطناعي. 

كما قد يخطئ الطفل الذي يُظهر له عدد غير متساوٍ من الأشياء الحمراء والبرتقالية في إدراكها على أنها نفس اللون، يمكن أن يطور الذكاء الاصطناعي تفسيرات خاطئة دون مجموعة بيانات قوية ومتوازنة. لذلك، يجب على المصنّعين إعطاء الأولوية باستمرار لإنشاء وتدريب والتحقق من مجموعات البيانات لضمان فعالية نماذج الذكاء الاصطناعي الخاصة بهم.

احتضان منحنى التعلم

الذكاء الاصطناعي، مثل البشر، يخضع لمنحنى التعلم. في البداية، قد يحدد فقط جزءًا من العيوب، ولكن مع كل تكرار، تتحسن أدائه. يمكنه في النهاية اكتشاف عيوب غير مرئية للعين البشرية، حتى قبل تركيب قطع غيار المركبات. يمكن للتعلم المستمر من خلال الذكاء الاصطناعي أن يكشف عن اختلافات في عمليات التصنيع قد يتجاهلها المشغلون ذوو الخبرة، مما يفتح آفاقًا جديدة للتحسين.

تطور مثير في مجال الذكاء الاصطناعي للتصنيع هو ظهور "كشف الشذوذ". على عكس الطرق التقليدية التي تتطلب من الذكاء الاصطناعي تعلم كل من الأجزاء الجيدة والمعيبة، يتم تدريب كشف الشذوذ حصريًا على الصور الجيدة. 

يتيح هذا التقدم للذكاء الاصطناعي التمييز بين الأجزاء الجيدة والمعيبة فقط من خلال تحليل صور المكونات الخالية من العيوب. يعد هذا الاختراق وعدًا بتسريع نشر الذكاء الاصطناعي ومن المتوقع أن يصبح ممارسة قياسية في التصنيع في السنوات القادمة.

بينما يظل الدماغ البشري لا مثيل له في قدرات المعالجة، فهو عرضة للتشتت والتعب والملل، خاصة في بيئات التصنيع المتكررة. من ناحية أخرى، يعمل الذكاء الاصطناعي بلا كلل وبشكل متسق. 

حان الوقت الآن للمصنّعين لتبني تطبيقات الذكاء الاصطناعي والشبكات العصبية والتعلم المستمر، مع قيادة البشر الطريق بينما يستغلون الإمكانات الهائلة لهذه التكنولوجيا.