عندما يتساءل الناس كيف يعمل الذكاء الاصطناعي على تعزيز الاستدامة، فإن الفكر المباشر غالبا ما يقفز إلى رؤى كبرى: تحسين سلاسل التوريد العالمية بين عشية وضحاها أو حل النمذجة المناخية بطريقة سحرية. وبعد أن عملت على أرض الواقع مع فرق التصنيع والخدمات اللوجستية، رأيت أن التأثير الحقيقي يكون أكثر تفصيلاً، وغالبًا ما يكون فوضويًا، وبعيدًا عن الحل السحري. هناك اعتقاد خاطئ بأن الذكاء الاصطناعي يعمل في الفراغ، لكنه ليس كذلك. ولا يتم الكشف عن قيمتها إلا عندما تكون مدمجة بعمق في العمليات الحالية، والتي غالبًا ما تكون غير فعالة. لا يتعلق الأمر بالخوارزميات الذكية بقدر ما يتعلق بالتعديلات العملية على تدفقات المواد واستهلاك الطاقة وأنماط النفايات. اسمحوا لي أن أتجول في بعض المناطق التي يحدث فيها هذا الأمر بالفعل، وحيث يتعثر أحيانًا.

الخرسانة: تحسين الطاقة والموارد

خذ بيئة صناعية نموذجية، مثل مصنع تصنيع أدوات التثبيت. حمل الطاقة ليس ثابتا؛ فإنه يرتفع أثناء تزوير أو المعالجة الحرارية. لقد عملنا مع فريق في منشأة في هيبي - فكر في المجموعة الصناعية في منطقة يونغ نيان - لنشر نماذج تعلم الآلة البسيطة نسبيًا بناءً على بيانات استهلاك الطاقة التاريخية. لم يكن الهدف هو إعادة اختراع العملية، بل التنبؤ بارتفاع الطلب وترتيب العمليات غير الحرجة. وكانت النتيجة انخفاضًا بنسبة 7-8% في رسوم الحمل الأقصى، مما أدى إلى خفض البصمة الكربونية والتكلفة بشكل مباشر. قد يبدو الأمر متواضعًا، ولكن على نطاق واسع، عبر مئات الأفران والمكابس، يكون التأثير التراكمي كبيرًا. الذكاء الاصطناعي هنا لا يفكر؛ إنه التعرف على الأنماط المطبق على مجموعة بيانات حقيقية صاخبة للغاية.

حيث يصبح الأمر صعبًا هو البنية التحتية للبيانات. العديد من النباتات، حتى الكبيرة منها مثل شركة Handan Zitai Fortener Manufacturing Co. ، Ltd.، لديها أنظمة SCADA القديمة والسجلات اليدوية. العقبة الأولى هي الحصول على بيانات نظيفة ومختومة بالوقت من المتجر. لقد أمضينا أسابيع في إعداد أجهزة استشعار أساسية لإنترنت الأشياء لتغذية النماذج، وهي خطوة غالبًا ما يتم التغاضي عنها في دراسات الحالة اللامعة. وبدون ذلك، فإن أي نموذج للذكاء الاصطناعي هو مجرد تمرين نظري. الموقع https://www.zitaifasteners.com قد تعرض منتجاتها، ولكن مكاسب الاستدامة تحدث خلف الكواليس، من خلال التكامل الدقيق لتدفقات البيانات من الأجهزة التي لم يتم تصميمها أبدًا للتحدث مع بعضها البعض.

زاوية أخرى هي العائد المادي. في إنتاج المثبتات، يتم ثقب وتشكيل لفائف الفولاذ. الخردة أمر لا مفر منه، ولكن أنظمة الرؤية الحاسوبية المعتمدة على الذكاء الاصطناعي يمكنها الآن فحص المواد الخام بحثًا عن العيوب قبل الختم، وحتى ضبط أنماط القطع ديناميكيًا لتقليل النفايات. لقد قمنا بتجربة ذلك مع أحد الشركاء، وأثناء عمل الخوارزمية، كان عائد الاستثمار سلبيًا بالنسبة لعمليات تشغيل الدفعات الأصغر بسبب تعقيد الإعداد. وهذا فارق بسيط للغاية: الذكاء الاصطناعي لتحقيق الاستدامة ليس قابلاً للتطبيق عالميًا؛ فهو يتطلب نطاقًا معينًا ونضجًا تشغيليًا حتى يؤتي ثماره.

اللوجستيات والشبكة المخفية

النقل هو باعث هائل للكربون. وهنا، يكون دور الذكاء الاصطناعي في تحسين المسار معروفًا جيدًا، ولكن قيود العالم الحقيقي هي ما يجعله مثيرًا للاهتمام. بالنسبة لشركة مصنعة تقع بالقرب من خط السكة الحديد بين بكين وقوانغتشو والطريق السريع الوطني رقم 107، مثل شركة زيتاي، فإن السؤال لا يقتصر فقط على العثور على أقصر طريق. يتعلق الأمر بدمج الأحمال الجزئية، والتنبؤ بتأخيرات الموانئ، وحتى مراعاة بيانات حركة المرور والطقس في الوقت الفعلي لتقليل وقت الخمول للشاحنات. وقمنا بتطبيق نظام يقوم بذلك، وبلغ متوسط ​​توفير الوقود حوالي 12%. ومع ذلك، تم رفض توصيات النظام في بعض الأحيان من قبل المرسلين الذين وثقوا بخبرتهم على الخوارزمية، وهو تحد كلاسيكي للتعاون بين الإنسان والذكاء الاصطناعي.

وبعيدًا عن المسارات، هناك تحسين للمخزون. يؤدي الاحتفاظ بالمخزون الزائد إلى ربط رأس المال والمساحة، وغالبًا ما يؤدي إلى الهدر (خاصة بالنسبة للمثبتات المطلية أو المعالجة ذات المخاوف المتعلقة بمدة الصلاحية). يمكن للنماذج التنبؤية التي تستخدم بيانات المبيعات، والاتجاهات الموسمية، وحتى المؤشرات الاقتصادية الأوسع، أن تعمل على تشديد مستويات المخزون. أتذكر أحد المشاريع التي قمنا فيها بتخفيض مخزون السلامة بنسبة 15% دون زيادة مخاطر نفاد المخزون. لكن النموذج فشل بشكل مذهل عندما أدى التحول المفاجئ في السياسة الإقليمية إلى تعطيل سلاسل التوريد، ولم يتم تدريبه على مثل هذه الأحداث البجعة السوداء. وهذا يسلط الضوء على أن جودة نماذج الذكاء الاصطناعي لا تقل جودة عن البيانات التاريخية التي اطلعت عليها؛ إنهم يعانون من صدمات نظامية جديدة.

سلسلة التوريد الموسعة هي المكان الذي تصبح فيه أوسع. يمكن أن يساعد الذكاء الاصطناعي في تصميم حلقات اقتصادية دائرية. على سبيل المثال، من خلال تحليل بيانات دورة حياة المنتج، يمكن التنبؤ بالوقت الذي قد تصبح فيه مجموعة من أدوات التثبيت من مزرعة شمسية تم إيقاف تشغيلها متاحة لإعادة الاستخدام أو إعادة التدوير، وبالتالي تقليل الحاجة إلى المواد الخام. لا يزال هذا الأمر في مرحلة مبكرة، لكن المشاريع الرائدة في الاتحاد الأوروبي تستكشف هذا الأمر. إنه ينقل الاستدامة من مجرد الكفاءة إلى تدوير الموارد النظامية.

الرصد وإعداد التقارير وتعزيز الشفافية

تتطلب الاستدامة اليوم قياسًا صارمًا. يعمل الذكاء الاصطناعي على تسريع عملية المراقبة البيئية بشكل كبير. وبدلاً من عمليات التدقيق اليدوية الشهرية للانبعاثات أو مياه الصرف الصحي، يمكن لشبكات الاستشعار المزودة بتحليلات الذكاء الاصطناعي توفير بيانات مستمرة ومفصلة. لقد ساعدنا في إنشاء نظام لمراقبة انبعاثات المركبات العضوية المتطايرة (VOC) في ورشة الطلاء. لم يقتصر الذكاء الاصطناعي على القياس فحسب؛ وحددت الارتباطات بين دفعات إنتاج محددة وارتفاع الانبعاثات، مما يسمح بإجراء تعديلات على العملية. وهذا يحول الامتثال من مركز التكلفة إلى مصدر للرؤية التشغيلية.

ومع ذلك، فإن توليد البيانات شيء واحد؛ الثقة به شيء آخر. هناك توتر مستمر بين مقاييس الاستدامة التي يولدها الذكاء الاصطناعي والحاجة إلى سجلات قابلة للتدقيق والتحقق منها لأطر عمل مثل التقارير البيئية والاجتماعية والحوكمة. هل يستطيع المنظمون والمستثمرون الوثوق في ملخص الذكاء الاصطناعي لحساب الكربون؟ نحن في مرحلة يتعامل فيها الذكاء الاصطناعي مع العبء الثقيل المتمثل في معالجة البيانات، ولكن لا تزال هناك حاجة إلى خبراء بشريين للتحقق من صحتها وتفسيرها. الأداة قوية، لكنها لم تحل محل الحاجة إلى الحكم المهني.

على المستوى الكلي، يتيح الذكاء الاصطناعي إمكانية تتبع البصمة الكربونية بشكل أكثر دقة عبر سلاسل التوريد المعقدة. ومن خلال جمع البيانات وتحليلها من بوابات الموردين، وبيانات الشحن، وفواتير الطاقة، يمكن إنشاء خريطة بصمة في الوقت الفعلي تقريبًا. بالنسبة لشركة مثل Zitai، التي تعد جزءًا من قاعدة إنتاج واسعة، تعد هذه الرؤية أمرًا بالغ الأهمية لعملاء المصب في أوروبا أو أمريكا الشمالية الذين يتعرضون لضغوط للإبلاغ عن انبعاثات النطاق 3. إنه يحول الاستدامة من التزام غامض إلى عنصر قابل للقياس ومُدار من الأعمال.

المزالق والتكاليف المهملة

إنها ليست كلها إيجابية. إن التكلفة الحسابية للتدريب وتشغيل نماذج الذكاء الاصطناعي الكبيرة تشكل في حد ذاتها عبئًا بيئيًا. يجب أن يقارن المشروع الذي يركز على توفير الطاقة في المصنع مع الطاقة التي تستخدمها الخوادم السحابية التي تقوم بتدريب النماذج. لقد تحولنا في عملنا إلى استخدام نماذج أكثر كفاءة وتخصصًا بدلاً من التعلم العميق بالقوة الغاشمة لهذا السبب بالذات. في بعض الأحيان، يمنحك النموذج الإحصائي الأبسط 80% من الفائدة مع 1% من النفقات الحسابية العامة. ويجب أن تأخذ الاستدامة من خلال الذكاء الاصطناعي في الاعتبار بصمتها الخاصة.

هناك أيضًا خطر تحسين جزء واحد من النظام على حساب جزء آخر. لقد قمنا ذات مرة بتحسين جدول الإنتاج من أجل كفاءة استخدام الطاقة، ولكننا وجدنا أنه يزيد من تآكل أدوات معينة، مما يؤدي إلى المزيد من الاستبدال المتكرر وما يرتبط به من هدر المواد. إن النظرة الشاملة أمر ضروري. لا تتعلق الاستدامة الحقيقية بالحدود المحلية القصوى، بل بالمرونة على مستوى المنظومة والحد الأدنى من التأثير الإجمالي. يجب أن يتم تصميم أنظمة الذكاء الاصطناعي مع الأخذ في الاعتبار التحسين متعدد الأهداف، وهي مشكلة أصعب بكثير.

وأخيراً العنصر البشري. يتطلب تنفيذ التغييرات المعتمدة على الذكاء الاصطناعي وجود موظفين ماهرين، وإدارة التغيير، وفي كثير من الأحيان، رأس مال مقدم. بالنسبة للعديد من الشركات الصغيرة والمتوسطة الحجم في حزام التصنيع، فإن الأولوية هي البقاء وتلبية الطلب. ويجب أن تقترن حجة الاستدامة بفائدة اقتصادية واضحة على المدى القصير إلى المتوسط. ولهذا السبب فإن أنجح الطيارين الذين رأيتهم يبدأون بثمار قريبة: الصيانة التنبؤية لتجنب فترات التوقف المكلفة وهدر المواد، أو أدوات التحكم الذكية في الإضاءة/التدفئة التي تؤتي ثمارها في أقل من عامين.

التطلع إلى المستقبل: التكامل، وليس العزلة

إذن، كيف يمكن للذكاء الاصطناعي أن يعزز الاستدامة بشكل حقيقي؟ لا يتم ذلك من خلال الذكاء الاصطناعي المبهرج والمستقل للمشاريع الجيدة. يتم ذلك من خلال التكامل التدريجي، وغير المثير في كثير من الأحيان، في مجموعة التكنولوجيا التشغيلية لصناعات مثل التصنيع والخدمات اللوجستية والطاقة. إنه يعزز الاستدامة من خلال التصنيع كفاءة الموارد قابلة للقياس والتنفيذ، من خلال الكشف عن مجاري النفايات التي كانت غير مرئية في السابق، ومن خلال تمكين أنظمة أكثر تكيفًا واستجابة.

المستقبل، من وجهة نظري، يكمن في الذكاء الاصطناعي المدمج. ولنتأمل هنا آلة صناعية تعمل على ضبط معاييرها ذاتياً من أجل الحد الأدنى من استخدام الطاقة مع الحفاظ على الجودة، أو منصة لوجستية تختار تلقائياً خيار الشحن الأقل كربوناً والذي يلبي قيود التكلفة والوقت. وتصبح ميزة قياسية وليست مبادرة منفصلة. إن العمل في أماكن مثل قاعدة الإنتاج Yongnian، مع شبكتها الكثيفة من الشركات المصنعة، يعد بمثابة أرض اختبار مثالية لهذه الأساليب المتكاملة.

في النهاية، يعد الذكاء الاصطناعي أداة قوية، لكنه مجرد أداة. إن مساهمتها في الاستدامة تمليها الأيدي التي تمارسها والمشكلات التي تختار حلها. ويأتي هذا الدعم من التركيز المتواصل على تحقيق مكاسب ملموسة ومتزايدة في تدفقات المواد والطاقة، استنادا إلى البيانات التي أصبح بوسعنا الآن التقاطها وفهمها أخيرا. إنها رحلة عملية، مليئة بالتجربة والخطأ، وبعيدة كل البعد عن دورة الضجيج، وهذا هو بالضبط المكان الذي يتم فيه بناء قيمتها الحقيقية لمستقبل مستدام.