Sut mae AI yn hybu cynaliadwyedd? 

Pan fydd pobl yn gofyn sut mae AI yn hybu cynaliadwyedd, mae'r meddwl uniongyrchol yn aml yn neidio i weledigaethau mawreddog: optimeiddio cadwyni cyflenwi byd-eang dros nos neu ddatrys modelu hinsawdd yn hudol. Ar ôl gweithio ar lawr gwlad gyda thimau gweithgynhyrchu a logisteg, rwyf wedi gweld bod yr effaith wirioneddol yn fwy gronynnog, yn aml yn flêr, ac ymhell o fod yn fwled arian. Y camsyniad yw bod AI yn gweithredu mewn gwactod - nid yw'n gwneud hynny. Mae ei werth yn cael ei ddatgloi dim ond pan fydd wedi'i wreiddio'n ddwfn mewn prosesau sy'n bodoli eisoes, sy'n aml yn aneffeithlon. Mae'n ymwneud llai ag algorithmau deallus a mwy am addasiadau ymarferol i lif deunyddiau, defnydd o ynni, a phatrymau gwastraff. Gadewch imi gerdded trwy ychydig o feysydd lle mae hyn yn digwydd mewn gwirionedd, a lle mae'n baglu weithiau.

Y Concrit: Optimeiddio Ynni ac Adnoddau

Cymerwch leoliad diwydiannol nodweddiadol, fel ffatri gweithgynhyrchu caewyr. Nid yw'r llwyth ynni yn gyson; mae'n pigo yn ystod gofannu neu driniaeth wres. Buom yn gweithio gyda thîm mewn cyfleuster yn Hebei—meddyliwch am y clwstwr diwydiannol yn Ardal Yongnian—i ddefnyddio modelau dysgu peiriannau cymharol syml ar ddata hanesyddol defnydd pŵer. Nid ailddyfeisio’r broses oedd y nod ond rhagfynegi cynnydd yn y galw a darwahanu gweithrediadau nad ydynt yn hanfodol. Y canlyniad oedd gostyngiad o 7-8% mewn taliadau llwythi brig, sy'n lleihau ôl troed carbon a chost yn uniongyrchol. Mae'n swnio'n gymedrol, ond ar raddfa, ar draws cannoedd o ffwrneisi a gweisg, mae'r effaith gronnus yn sylweddol. Nid yw'r AI yma yn meddwl; mae ei adnabyddiaeth patrwm yn berthnasol i set ddata swnllyd iawn yn y byd go iawn.

Lle mae'n mynd yn anodd yw'r seilwaith data. Mae llawer o blanhigion, hyd yn oed rhai sizable fel Handan Zitai Fastener Manufacturing Co, Ltd., yn meddu ar systemau SCADA etifeddol a logiau llaw. Y rhwystr cyntaf yw cael data glân â stamp amser o lawr y siop. Fe wnaethon ni dreulio wythnosau yn sefydlu synwyryddion IoT sylfaenol i fwydo'r modelau - cam sy'n aml yn cael ei amlygu mewn astudiaethau achos sgleiniog. Heb hyn, dim ond ymarfer damcaniaethol yw unrhyw fodel AI. Y wefan https://www.zitaifasteners.com efallai y byddant yn arddangos eu cynhyrchion, ond mae'r enillion cynaliadwyedd yn digwydd y tu ôl i'r llenni, wrth integreiddio ffrydiau data o beiriannau nad oeddent erioed wedi'u cynllunio i siarad â'i gilydd.

Ongl arall yw cynnyrch deunydd. Wrth gynhyrchu clymwr, mae dur coil yn cael ei dyrnu a'i ffurfio. Mae sgrap yn anochel, ond gall systemau gweledigaeth cyfrifiadurol a yrrir gan AI nawr archwilio deunydd crai am ddiffygion cyn stampio, a hyd yn oed addasu patrymau torri yn ddeinamig i leihau gwastraff. Fe wnaethon ni dreialu hyn gyda phartner, ac er bod yr algorithm yn gweithio, roedd y ROI yn negyddol ar gyfer rhediadau swp llai oherwydd cymhlethdod gosod. Mae hwn yn naws hollbwysig: nid yw AI ar gyfer cynaliadwyedd yn berthnasol i bawb; mae'n gofyn am raddfa benodol ac aeddfedrwydd gweithredol i dalu ar ei ganfed.

Logisteg a'r Rhwydwaith Cudd

Mae trafnidiaeth yn allyrrwr carbon enfawr. Yma, mae rôl AI mewn optimeiddio llwybrau yn adnabyddus, ond y cyfyngiadau byd go iawn sy'n ei wneud yn ddiddorol. Ar gyfer gwneuthurwr sydd wedi'i leoli'n fanteisiol ger Rheilffordd Beijing-Guangzhou a National Highway 107, fel Zitai, nid dod o hyd i'r llwybr byrraf yn unig yw'r cwestiwn. Mae'n ymwneud â chydgrynhoi llwythi rhannol, rhagweld oedi mewn porthladdoedd, a hyd yn oed ystyried data traffig a thywydd amser real i leihau amser segur ar gyfer tryciau. Rhoesom system ar waith a oedd yn gwneud hyn, ac roedd yr arbedion tanwydd tua 12% ar gyfartaledd. Fodd bynnag, roedd argymhellion y system weithiau'n cael eu gwrthod gan anfonwyr a oedd yn ymddiried yn eu profiad dros yr algorithm - her glasurol o gydweithio dynol-AI.

Y tu hwnt i lwybrau, mae optimeiddio rhestr eiddo. Mae dal rhestr eiddo gormodol yn clymu cyfalaf a gofod, ac yn aml yn arwain at wastraff (yn enwedig ar gyfer caewyr wedi'u gorchuddio neu eu trin â phryderon am oes silff). Gall modelau rhagfynegol sy'n defnyddio data gwerthiant, tueddiadau tymhorol, a hyd yn oed dangosyddion economaidd ehangach dynhau lefelau rhestr eiddo. Rwy'n cofio un prosiect lle gwnaethom leihau stoc diogelwch 15% heb gynyddu'r risg o stocio allan. Ond methodd y model yn aruthrol pan darfu i newid sydyn mewn polisi rhanbarthol amharu ar gadwyni cyflenwi—nid oedd wedi’i hyfforddi ar ddigwyddiadau o’r fath yn yr alarch du. Mae hyn yn amlygu bod modelau AI cystal â’r data hanesyddol y maent wedi’i weld; maent yn cael trafferth gyda siociau systemig newydd.

Y gadwyn gyflenwi estynedig yw lle mae'n ehangu. Gall AI helpu i ddylunio dolenni economi gylchol. Er enghraifft, trwy ddadansoddi data cylch bywyd cynnyrch, gall ragweld pryd y bydd swp o glymwyr o fferm solar wedi'i datgomisiynu ar gael i'w hailddefnyddio neu eu hailgylchu, gan leihau'r angen am ddeunydd crai. Mae hyn yn dal yn eginol, ond mae prosiectau peilot yn yr UE yn archwilio hyn. Mae'n symud cynaliadwyedd o effeithlonrwydd yn unig i gylchrediad adnoddau systemig.

Monitro, Adrodd, a'r Gwthiad Tryloywder

Mae cynaliadwyedd heddiw yn gofyn am fesur trwyadl. Mae AI yn cyflymu monitro amgylcheddol yn sylweddol. Yn lle archwiliadau llaw misol o allyriadau neu ddŵr gwastraff, gall rhwydweithiau synhwyrydd gyda dadansoddeg AI ddarparu data gronynnog parhaus. Fe wnaethom helpu i sefydlu system ar gyfer monitro allyriadau cyfansoddion organig anweddol (VOC) mewn gweithdy platio. Nid mesur yn unig a wnaeth yr AI; nododd gydberthynas rhwng sypiau cynhyrchu penodol a phigau allyriadau, gan ganiatáu ar gyfer addasiadau proses. Mae hyn yn troi cydymffurfiad o ganolfan gost yn ffynhonnell o fewnwelediad gweithredol.

Fodd bynnag, mae cynhyrchu data yn un peth; mae ymddiried ynddo yn beth arall. Mae tensiwn parhaus rhwng metrigau cynaliadwyedd a gynhyrchir gan AI a’r angen am gofnodion archwiliadwy, gwiriadwy ar gyfer fframweithiau fel adroddiadau ESG. A all rheoleiddwyr a buddsoddwyr ymddiried yng nghrynodeb AI o gyfrifo carbon? Rydyn ni mewn cyfnod lle mae AI yn delio â'r gwaith trwm o grensian data, ond mae angen arbenigwyr dynol o hyd i ddilysu a dehongli. Mae'r offeryn yn bwerus, ond nid yw wedi disodli'r angen am farn broffesiynol.

Ar raddfa macro, mae AI yn galluogi olrhain ôl troed carbon mwy cywir ar draws cadwyni cyflenwi cymhleth. Trwy grafu a dadansoddi data o byrth cyflenwyr, maniffestau cludo, a biliau ynni, gall greu map ôl troed amser real bron. Ar gyfer cwmni fel Zitai, sy'n rhan o sylfaen gynhyrchu helaeth, mae'r gwelededd hwn yn hanfodol i gwsmeriaid i lawr yr afon yn Ewrop neu Ogledd America sydd dan bwysau i roi gwybod am allyriadau Cwmpas 3. Mae'n troi cynaliadwyedd o ymrwymiad amwys i fod yn elfen fesuradwy, wedi'i rheoli o'r busnes.

Y Peryglon a'r Costau a Ddiystyrir

Nid yw'r cyfan yn gadarnhaol. Mae cost gyfrifiadol hyfforddi a rhedeg modelau AI mawr ei hun yn faich amgylcheddol. Rhaid i brosiect sy'n canolbwyntio ar arbed ynni mewn ffatri bwyso yn erbyn yr ynni a ddefnyddir gan y gweinyddwyr cwmwl sy'n hyfforddi'r modelau. Yn ein gwaith, rydym wedi symud i ddefnyddio modelau mwy effeithlon, arbenigol yn hytrach na dysgu dwfn grymus am yr union reswm hwn. Weithiau, mae model ystadegol symlach yn rhoi 80% o'r budd i chi gydag 1% o'r gorbenion cyfrifiannol. Rhaid i gynaliadwyedd trwy AI gyfrif am ei ôl troed ei hun.

Mae yna hefyd risg o optimeiddio un rhan o system ar draul un arall. Ar un adeg fe wnaethom optimeiddio amserlen gynhyrchu ar gyfer effeithlonrwydd ynni, dim ond i ddarganfod ei fod yn cynyddu'r traul ar rai offer, gan arwain at amnewid amlach a gwastraff deunydd cysylltiedig. Mae golwg gyfannol yn hanfodol. Nid yw gwir gynaliadwyedd yn ymwneud ag uchafsymiau lleol ond cydnerthedd system gyfan a lleiafswm effaith lawn. Mae angen dylunio systemau AI gydag optimeiddio aml-amcan mewn golwg, sy'n broblem gryn dipyn yn galetach.

Yn olaf, yr elfen ddynol. Mae gweithredu newidiadau a yrrir gan AI yn gofyn am bersonél medrus, rheoli newid, ac yn aml, cyfalaf ymlaen llaw. I lawer o fentrau bach a chanolig yn y gwregys gweithgynhyrchu, y flaenoriaeth yw goroesi a chyflawni archeb. Rhaid cyplysu’r ddadl cynaliadwyedd â budd economaidd clir, tymor byr i ganolig. Dyna pam mae'r cynlluniau peilot mwyaf llwyddiannus rydw i wedi'u gweld yn dechrau gyda ffrwythau crog isel: cynnal a chadw rhagfynegol i osgoi amser segur costus a gwastraff materol, neu reolaethau goleuo / gwresogi craff sy'n talu'n ôl mewn llai na dwy flynedd.

Edrych Ymlaen: Integreiddio, Nid Ynysu

Felly, sut mae AI yn rhoi hwb gwirioneddol i gynaliadwyedd? Nid trwy AI fflachlyd, annibynnol ar gyfer prosiectau da. Mae hyn trwy ei integreiddio graddol, yn aml yn anrhywiol, i'r pentwr technoleg weithredol o ddiwydiannau fel gweithgynhyrchu, logisteg ac ynni. Mae'n hybu cynaliadwyedd trwy wneud effeithlonrwydd adnoddau mesuradwy a gweithredadwy, trwy ddatgelu ffrydiau gwastraff a oedd yn anweledig yn flaenorol, a thrwy alluogi systemau mwy addasol ac ymatebol.

Mae'r dyfodol, yn fy marn i, yn gorwedd mewn AI sydd wedi'i fewnosod. Meddyliwch am beiriant diwydiannol sy'n hunan-addasu ei baramedrau ar gyfer y defnydd lleiaf posibl o ynni wrth gynnal ansawdd, neu lwyfan logisteg sy'n dewis yr opsiwn cludo carbon isaf yn awtomatig sy'n cwrdd â chyfyngiadau cost ac amser. Mae'n dod yn nodwedd safonol, nid menter ar wahân. Mae'r gwaith mewn lleoedd fel canolfan gynhyrchu Yongnian, gyda'i rwydwaith trwchus o weithgynhyrchwyr, yn faes profi perffaith ar gyfer y dulliau integredig hyn.

Yn y diwedd, mae AI yn arf pwerus, ond dyna'n union - offeryn. Mae ei gyfraniad i gynaliadwyedd yn dibynnu ar y dwylo sy'n ei drin a'r problemau y maent yn dewis eu datrys. Daw’r hwb o ffocws di-baid ar enillion concrid, cynyddol mewn llifau deunydd ac ynni, wedi’i lywio gan ddata y gallwn yn awr ei gasglu a’i ddeall o’r diwedd. Mae’n daith ymarferol, yn llawn treial a chamgymeriad, ymhell o’r cylch hype, a dyna’n union lle mae ei wir werth ar gyfer dyfodol cynaliadwy yn cael ei adeiladu.