Hvernig eykur gervigreind sjálfbærni? 

Þegar fólk spyr hvernig gervigreind eykur sjálfbærni, þá hoppar hugsunin oft til stórkostlegra framtíðarsýna: að fínstilla hnattrænar aðfangakeðjur á einni nóttu eða leysa loftslagslíkön með töfrum. Eftir að hafa unnið á vettvangi með framleiðslu- og flutningateymum, hef ég séð að raunveruleg áhrif eru kornóttari, oft sóðaleg og langt frá því að vera silfurkúla. Misskilningurinn er sá að gervigreind starfar í tómarúmi - það gerir það ekki. Gildi þess er aðeins opnað þegar það er djúpt innbyggt í núverandi, oft óhagkvæma, ferla. Það snýst minna um greindar reiknirit og meira um hagnýtar aðlögun að efnisflæði, orkunotkun og úrgangsmynstri. Leyfðu mér að ganga í gegnum nokkur svæði þar sem þetta spilar í raun og veru og þar sem það hrasar stundum.

Steinsteypan: Orku- og auðlindahagræðing

Taktu dæmigert iðnaðarumhverfi, eins og festingarverksmiðju. Orkuálagið er ekki stöðugt; það toppar við mótun eða hitameðferð. Við unnum með teymi á aðstöðu í Hebei—hugsið ykkur iðnaðarklasann í Yongnian-héraði—við að beita tiltölulega einföldum vélanámslíkönum á sögulegum orkunotkunargögnum. Markmiðið var ekki að finna upp ferlið að nýju heldur að spá fyrir um eftirspurnarhækkanir og skipta ekki mikilvægum aðgerðum. Niðurstaðan var 7-8% lækkun á álagsgjöldum, sem dregur beint úr kolefnisfótspori og kostnaði. Það hljómar hóflega, en í mælikvarða, yfir hundruð ofna og pressa, eru uppsöfnunaráhrifin umtalsverð. Gervigreindin hér er ekki að hugsa; það er mynsturgreining sem er beitt á mjög hávaðasamt, raunverulegt gagnasafn.

Þar sem það verður erfiður er gagnauppbyggingin. Margar plöntur, jafnvel stórar eins og Handan Zitai Festener Manufacturing Co., Ltd., hafa eldri SCADA kerfi og handvirka annála. Fyrsta hindrunin er að ná hreinum, tímastimpluðum gögnum af verslunargólfinu. Við eyddum vikum í að setja upp grunn IoT skynjara til að fæða módelin - skref sem oft er farið yfir í gljáandi dæmisögum. Án þessa er hvaða gervigreind líkan sem er bara fræðileg æfing. Vefsíðan https://www.zitaifasteners.com gæti sýnt vörur sínar, en sjálfbærni ávinningurinn gerist á bak við tjöldin, í grófum samþættingu gagnastrauma frá vélum sem voru aldrei hannaðar til að tala saman.

Annað horn er efnisávöxtun. Við framleiðslu festinga er spólustál gatað og myndað. Rusl er óhjákvæmilegt, en gervigreind-drifin tölvusjónkerfi geta nú skoðað hráefni fyrir galla áður en stimplun er stimpluð og jafnvel stillt skurðmynstur á virkan hátt til að lágmarka sóun. Við prófuðum þetta með samstarfsaðila og á meðan reikniritið virkaði var arðsemin neikvæð fyrir smærri runur vegna flókinnar uppsetningar. Þetta er mikilvægur blæbrigði: gervigreind fyrir sjálfbærni á ekki við almennt; það krefst ákveðins umfangs og rekstrarþroska til að borga sig.

Vörustjórnun og falið net

Samgöngur eru gríðarlegur kolefnislosandi. Hér er hlutverk gervigreindar í leiðarhagræðingu vel þekkt, en raunverulegar skorður eru það sem gera það áhugavert. Fyrir framleiðanda sem staðsettur er á hagstæðan hátt nálægt Peking-Guangzhou járnbrautinni og þjóðvegi 107, eins og Zitai, er spurningin ekki bara að finna stystu leiðina. Þetta snýst um að sameina hluta farms, spá fyrir um tafir á höfn og jafnvel taka tillit til rauntíma umferðar- og veðurupplýsinga til að draga úr aðgerðalausum tíma fyrir vörubíla. Við innleiddum kerfi sem gerði þetta og eldsneytissparnaðurinn var að meðaltali um 12%. Hins vegar var ráðleggingum kerfisins stundum hafnað af sendendum sem treystu reynslu sinni fram yfir reikniritið - klassískt samstarfsáskorun manna og gervigreindar.

Fyrir utan leiðir er hagræðing birgða. Að eiga umfram birgðir bindur fjármagn og pláss og leiðir oft til sóunar (sérstaklega fyrir húðaðar eða meðhöndlaðar festingar sem hafa áhyggjur af geymsluþol). Forspárlíkön sem nota sölugögn, árstíðabundin þróun og jafnvel víðtækari hagvísar geta aukið birgðastigið. Ég minni á eitt verkefni þar sem við lækkuðum öryggisbirgðir um 15% án þess að auka áhættuna við útsölu. En líkanið mistókst stórkostlega þegar skyndileg breyting í byggðastefnu truflaði aðfangakeðjur - það hafði ekki verið þjálfað í slíkum atburðum í svörtum álftum. Þetta undirstrikar að gervigreind líkön eru aðeins eins góð og söguleg gögn sem þau hafa séð; þeir glíma við ný kerfisbundin áföll.

Útvíkkuð aðfangakeðja er þar sem hún verður breiðari. AI getur hjálpað til við að hanna hringlaga hagkerfislykkjur. Til dæmis, með því að greina lífsferilsgögn vörunnar, getur það spáð fyrir um hvenær lota af festingum frá sólarorkubúi sem er tekin úr notkun gæti orðið tiltæk til endurnotkunar eða endurvinnslu og þannig dregið úr þörfinni fyrir ónýtt efni. Þetta er enn að þróast, en tilraunaverkefni innan ESB eru að kanna þetta. Það færir sjálfbærni frá einfaldri hagkvæmni yfir í kerfisbundna auðlindahringrás.

Vöktun, skýrslur og gagnsæisýtingin

Sjálfbærni í dag krefst strangrar mælingar. Gervigreind flýtir verulega fyrir umhverfisvöktun. Í stað mánaðarlegra handvirkra úttekta á losun eða frárennsli geta skynjaranet með gervigreindargreiningu veitt samfelld, kornótt gögn. Við hjálpuðum til við að setja upp kerfi til að fylgjast með losun rokgjarnra lífrænna efna (VOC) á málningarverkstæði. Gervigreindin mældi ekki bara; það benti á fylgni á milli tiltekinna framleiðslulota og losunarhára, sem gerði kleift að breyta ferlinu. Þetta breytir regluvörslu úr kostnaðarstað í uppsprettu rekstrarlegrar innsýnar.

Hins vegar er eitt atriði að búa til gögn; að treysta því er annað. Það er viðvarandi togstreita á milli sjálfbærnimælinga sem mynda gervigreind og þörf fyrir endurskoðanlegar, sannanlegar skrár fyrir ramma eins og ESG skýrslugerð. Geta eftirlitsaðilar og fjárfestar treyst samantekt gervigreindar á kolefnisbókhaldi? Við erum í áfanga þar sem gervigreind sér um þungar lyftingar gagnaöflunar, en enn vantar mennska sérfræðinga til að sannreyna og túlka. Tólið er öflugt, en það hefur ekki komið í stað þörf fyrir faglega mat.

Á stórum mælikvarða gerir gervigreind kleift að fylgjast með kolefnisfótspori nákvæmari yfir flóknar aðfangakeðjur. Með því að skafa og greina gögn frá birgðagáttum, sendingarskrám og orkureikningum getur það búið til fótspor í næstum rauntíma. Fyrir fyrirtæki eins og Zitai, sem er hluti af víðfeðmum framleiðslugrunni, er þessi sýnileiki mikilvægur fyrir viðskiptavini í Evrópu eða Norður-Ameríku sem eru undir þrýstingi að tilkynna um losun umfangs 3. Það breytir sjálfbærni úr óljósri skuldbindingu í mælanlegan, stýrðan þátt í starfseminni.

Gildurnar og kostnaðurinn sem gleymdist

Það er ekki allt jákvætt. Reiknikostnaður við að þjálfa og keyra stór gervigreind módel er í sjálfu sér umhverfisbyrði. Verkefni sem miðar að því að spara orku í verksmiðju verður að vega á móti orkunni sem skýjaþjónarnir nota við að þjálfa líkönin. Í starfi okkar höfum við fært okkur yfir í að nota skilvirkari, sérhæfðari líkön frekar en djúpt nám af grófu afli af þessari ástæðu. Stundum fær einfaldara tölfræðilíkan þér 80% af ávinningi með 1% af reiknikostnaði. Sjálfbærni í gegnum gervigreind verður að gera grein fyrir sínu eigin fótspori.

Það er líka hætta á að hagræða einn hluta kerfis á kostnað annars. Við fínstilltum einu sinni framleiðsluáætlun fyrir orkunýtingu, aðeins til að komast að því að það jók slit á ákveðnum verkfærum, sem leiddi til tíðari endurnýjunar og tilheyrandi sóunar á efnum. Heildræn sýn er nauðsynleg. Raunveruleg sjálfbærni snýst ekki um staðbundin hámark heldur kerfisviðnámsþol og lágmarks heildaráhrif. Gervigreind kerfi þurfa að vera hönnuð með fjölmarka hagræðingu í huga, sem er verulega erfiðara vandamál.

Að lokum, mannlegi þátturinn. Til að innleiða gervigreindardrifnar breytingar þarf hæft starfsfólk, breytingastjórnun og oft fyrirfram fjármagn. Fyrir mörg lítil og meðalstór fyrirtæki í framleiðslubeltinu er forgangsverkefni að lifa af og pöntunaruppfylling. Sjálfbærni rökin verða að vera ásamt skýrum efnahagslegum ávinningi til skamms til meðallangs tíma. Þess vegna byrja farsælustu flugmenn sem ég hef séð með lágt hangandi ávexti: fyrirsjáanlegt viðhald til að forðast kostnaðarsaman niður í miðbæ og efnissóun, eða snjöll ljósa-/hitastýringar sem skila sér á innan við tveimur árum.

Horft fram á veginn: Sameining, ekki einangrun

Svo, hvernig eykur gervigreind raunverulega sjálfbærni? Það er ekki í gegnum áberandi, sjálfstæða gervigreind fyrir góð verkefni. Það er í gegnum hægfara, oft ókynþokkafulla, samþættingu þess í rekstrartæknistafla atvinnugreina eins og framleiðslu, flutninga og orku. Það eykur sjálfbærni með því að gera auðlindanýtingu mælanlegar og framkvæmanlegar, með því að afhjúpa úrgangsstrauma sem áður voru ósýnilegir og með því að gera aðlögunarhæfari, móttækilegri kerfi.

Framtíðin, að mínu mati, liggur í innbyggðri gervigreind. Hugsaðu um iðnaðarvél sem sjálf stillir færibreytur sínar fyrir lágmarks orkunotkun á sama tíma og gæði er viðhaldið, eða flutningsvettvang sem velur sjálfkrafa flutningsvalkost með lægsta kolefni sem uppfyllir kostnaðar- og tímatakmarkanir. Það verður staðalbúnaður, ekki sérstakt frumkvæði. Vinnan á stöðum eins og Yongnian framleiðslustöðinni, með þéttu neti framleiðenda, er fullkominn prófunarstaður fyrir þessar samþættu aðferðir.

Að lokum er gervigreind öflugt tól, en það er bara það - tól. Framlag þess til sjálfbærni ræðst af þeim höndum sem hafa það og vandamálin sem þeir kjósa að leysa. Uppörvunin kemur frá stanslausri áherslu á steinsteypu, stigvaxandi ávinning í efnis- og orkuflæði, upplýst af gögnum sem við getum nú loksins fanga og skilið. Þetta er hagnýtt ferðalag, fullt af tilraunum og mistökum, langt frá efla hringrásinni, og það er einmitt þar sem raunverulegt gildi þess fyrir sjálfbæra framtíð er byggt upp.