AI ತಯಾರಿಕೆಯಲ್ಲಿ ಸುಸ್ಥಿರತೆಯನ್ನು ಹೇಗೆ ಹೆಚ್ಚಿಸುತ್ತದೆ? 

ಜನರು ಉತ್ಪಾದನೆಯಲ್ಲಿ AI ಅನ್ನು ಕೇಳಿದಾಗ, ಅವರು ಸಾಮಾನ್ಯವಾಗಿ ಸಂಪೂರ್ಣ ಸ್ವಾಯತ್ತ, ಲೈಟ್ಸ್-ಔಟ್ ಫ್ಯಾಕ್ಟರಿಗಳ ದರ್ಶನಗಳಿಗೆ ನೆಗೆಯುತ್ತಾರೆ-ಇದು ಒಂದು ಮಿನುಗುವ ಆದರೆ ಸ್ವಲ್ಪ ತಪ್ಪುದಾರಿಗೆಳೆಯುವ ಆದರ್ಶವಾಗಿದೆ. ಸಮರ್ಥನೀಯತೆಯ ಮೇಲೆ ನಿಜವಾದ, ಸಮಗ್ರ ಪರಿಣಾಮವು ಮನುಷ್ಯರನ್ನು ಬದಲಿಸುವ ಬಗ್ಗೆ ಅಲ್ಲ; ಇದು ಕಾರ್ಯಾಚರಣೆಯ ವೆಚ್ಚಗಳು ಎಂದು ನಾವು ಸಾಂಪ್ರದಾಯಿಕವಾಗಿ ಒಪ್ಪಿಕೊಂಡಿರುವ ಅಸಮರ್ಥತೆಗಳನ್ನು ನೋಡುವ ಮತ್ತು ಕಾರ್ಯನಿರ್ವಹಿಸುವ ನಮ್ಮ ಸಾಮರ್ಥ್ಯವನ್ನು ಹೆಚ್ಚಿಸುವ ಬಗ್ಗೆ. ಇದು ಶಕ್ತಿಯ ನಿರಂತರ, ಅದೃಶ್ಯ ರಕ್ತಸ್ರಾವ, ಕಚ್ಚಾ ವಸ್ತುಗಳ ಮಿತಿಮೀರಿದ ಬಳಕೆ ಮತ್ತು ತಡೆಗಟ್ಟಬಹುದಾದ ತ್ಯಾಜ್ಯದಲ್ಲಿ AI ತನ್ನ ಅತ್ಯಮೂಲ್ಯ ಪಾತ್ರವನ್ನು ಕಂಡುಕೊಳ್ಳುತ್ತದೆ. ಕಾರ್ಖಾನೆಯ ಮಹಡಿಗಳ ನಡಿಗೆಯಿಂದ ರೂಪುಗೊಂಡ ನನ್ನ ಸ್ವಂತ ದೃಷ್ಟಿಕೋನವೆಂದರೆ, ವರ್ಧಕವು ಒಂದೇ ಒಂದು ದೊಡ್ಡ ಪರಿಹಾರದಿಂದ ಅಲ್ಲ, ಆದರೆ ಪ್ರಾಯೋಗಿಕ, ಡೇಟಾ-ಚಾಲಿತ ಮಧ್ಯಸ್ಥಿಕೆಗಳನ್ನು ಅಸ್ತಿತ್ವದಲ್ಲಿರುವ ಪ್ರಕ್ರಿಯೆಗಳಿಗೆ ಲೇಯರ್ ಮಾಡುವುದರಿಂದ. ಗುರಿಯು ಪರಿಪೂರ್ಣತೆಯಲ್ಲ, ಆದರೆ ಅದನ್ನು ಎಣಿಸುವಲ್ಲಿ ಅಳೆಯಬಹುದಾದ, ಪುನರಾವರ್ತಿತ ಸುಧಾರಣೆ: ಬಾಟಮ್ ಲೈನ್ ಮತ್ತು ಪರಿಸರದ ಹೆಜ್ಜೆಗುರುತು.

ಬಿಯಾಂಡ್ ದಿ ಹೈಪ್: ಪಿನ್‌ಪಾಯಿಂಟಿಂಗ್ ವೇಸ್ಟ್ ಸ್ಟ್ರೀಮ್ಸ್

ಆರಂಭಿಕ ಹಂತವು ಗೋಚರತೆಯಾಗಿದೆ. ದಶಕಗಳವರೆಗೆ, ಸುಸ್ಥಿರತೆಯ ಪ್ರಯತ್ನಗಳು ಸಾಮಾನ್ಯವಾಗಿ ಊಹೆ-ಅಗತ್ಯವಿರಲಿ ಅಥವಾ ಇಲ್ಲದಿರಲಿ ನಿಗದಿತ ನಿರ್ವಹಣೆ, ಐತಿಹಾಸಿಕ ಸರಾಸರಿಗಳ ಆಧಾರದ ಮೇಲೆ ಬೃಹತ್ ವಸ್ತುಗಳ ಆದೇಶಗಳು, ಸ್ಥಿರ ಓವರ್ಹೆಡ್ ಆಗಿ ಶಕ್ತಿಯ ಬಳಕೆ. ಫಾಸ್ಟೆನರ್ ಉತ್ಪಾದನಾ ಸೌಲಭ್ಯದಲ್ಲಿರುವ ಯೋಜನೆಯನ್ನು ನಾನು ನೆನಪಿಸಿಕೊಳ್ಳುತ್ತೇನೆ, ಅಂತಹ ಪ್ರಮುಖ ಆಟಗಾರರೊಂದಿಗೆ ನೀವು ಕಂಡುಕೊಳ್ಳುವಂತದ್ದಲ್ಲ ಹಟ್ಟನ್ ಜಿಟೈ ಫಾಸ್ಟೆನರ್ ಮ್ಯಾನ್ಯೂಫ್ಯಾಕ್ಚರಿಂಗ್ ಕಂ, ಲಿಮಿಟೆಡ್. ಚೀನಾದ ಪ್ರಮಾಣಿತ ಭಾಗ ಉತ್ಪಾದನೆಯ ಹೃದಯಭಾಗವಾದ Yongnian ನಲ್ಲಿ. ಅವರ ಸವಾಲು ಸಾಮಾನ್ಯವಾಗಿತ್ತು: ಹೆಚ್ಚಿನ ಸಾಮರ್ಥ್ಯದ ಬೋಲ್ಟ್‌ಗಳ ಪ್ರತಿ ಬ್ಯಾಚ್‌ಗೆ ಕಚ್ಚಾ ಉಕ್ಕಿನ ತಂತಿ ಬಳಕೆಯಲ್ಲಿ ಗಮನಾರ್ಹ ವ್ಯತ್ಯಾಸ, ವೆಚ್ಚ ಮತ್ತು ಸ್ಕ್ರ್ಯಾಪ್ ಲೋಹದ ತ್ಯಾಜ್ಯ ಎರಡಕ್ಕೂ ಕಾರಣವಾಗುತ್ತದೆ. ಯಂತ್ರಗಳು ಓಡಿದ ರೀತಿಯಲ್ಲಿಯೇ ಇದೆ ಎಂಬುದು ಊಹೆಯಾಗಿತ್ತು.

ನಾವು ಕೋಲ್ಡ್ ಫೋರ್ಜಿಂಗ್ ಹೆಡರ್‌ಗಳು ಮತ್ತು ಥ್ರೆಡ್ ರೋಲರ್‌ಗಳಲ್ಲಿ ತುಲನಾತ್ಮಕವಾಗಿ ಸರಳವಾದ ಯಂತ್ರ ದೃಷ್ಟಿ ಮತ್ತು ಸಂವೇದಕ ಸರಣಿಗಳನ್ನು ನಿಯೋಜಿಸಿದ್ದೇವೆ. AI ಯ ಕೆಲಸವು ಯಂತ್ರವನ್ನು ನಿಯಂತ್ರಿಸುವುದಲ್ಲ, ಆದರೆ ಪ್ರತಿ ತುಣುಕಿನ ಅಂತಿಮ ಘಟಕದ ತೂಕ ಮತ್ತು ಗುಣಮಟ್ಟದೊಂದಿಗೆ ಸುತ್ತುವರಿದ ತಾಪಮಾನ, ತಂತಿ ಫೀಡ್ ವೇಗ, ಡೈ ವೇರ್ ಸೂಚಕಗಳು, ನಯಗೊಳಿಸುವ ಒತ್ತಡ - ಸಾವಿರಾರು ಡೇಟಾ ಪಾಯಿಂಟ್‌ಗಳನ್ನು ಪರಸ್ಪರ ಸಂಬಂಧಿಸುವುದು. ವಾರಗಳಲ್ಲಿ, ಮಾದರಿಯು ಹೊರಹೊಮ್ಮಿತು: ವೈರ್ ಫೀಡ್ ಯಾಂತ್ರಿಕತೆಯಲ್ಲಿ ನಿರ್ದಿಷ್ಟವಾದ, ಸೂಕ್ಷ್ಮವಾದ ಏರಿಳಿತ, ಶಿಫ್ಟ್ ಬದಲಾವಣೆಗಳ ಸಮಯದಲ್ಲಿ ಉಲ್ಬಣಗೊಂಡಿತು, ಸ್ಥಿರವಾದ 1.8% ಅಧಿಕ-ಬಳಕೆಗೆ ಕಾರಣವಾಯಿತು. ಇದು ಯಾರೋ ಲಾಗಿನ್ ಮಾಡಿದ ತಪ್ಪಲ್ಲ; ಇದು ಪ್ರತಿ ಕಿಲೋಗ್ರಾಂ ವಸ್ತುಗಳ ಮೇಲೆ ಗುಪ್ತ ತೆರಿಗೆಯಾಗಿತ್ತು.

ಸರಿಪಡಿಸುವಿಕೆಯು AI ಆಗಿರಲಿಲ್ಲ. ಸರಿಪಡಿಸುವಿಕೆಯು ಯಾಂತ್ರಿಕ ಹೊಂದಾಣಿಕೆ ಮತ್ತು ಆಪರೇಟರ್‌ನ ಕಾರ್ಯವಿಧಾನಕ್ಕೆ ತಿರುಚಿದೆ. AI ರೋಗನಿರ್ಣಯವನ್ನು ಒದಗಿಸಿದೆ. ಇದು ಮೊದಲ ಹಂತದ ವರ್ಧಕವಾಗಿದೆ: ತಾತ್ವಿಕ ಗುರಿಯಿಂದ ಸಮರ್ಥನೀಯತೆಯನ್ನು ನಿಖರವಾದ, ಪರಿಮಾಣಾತ್ಮಕ ಎಂಜಿನಿಯರಿಂಗ್ ಸಮಸ್ಯೆಯಾಗಿ ಪರಿವರ್ತಿಸುವುದು. ನಾವು ವಸ್ತುವನ್ನು ಉಳಿಸಬೇಕು ಎಂಬ ಅಂಶದಿಂದ ಇದು ಸಂಭಾಷಣೆಯನ್ನು ಚಲಿಸುತ್ತದೆ, ವೈ ಕಾರಣದಿಂದ ಪಾಯಿಂಟ್ X ನಲ್ಲಿ ನಮ್ಮ ವಸ್ತುವಿನ 1.8% ನಷ್ಟು ನಷ್ಟವಾಗುತ್ತದೆ.

ಶಕ್ತಿ: ಸ್ಥಿರ ವೆಚ್ಚದಿಂದ ಡೈನಾಮಿಕ್ ವೇರಿಯಬಲ್‌ಗೆ

ಶಕ್ತಿ ನಿರ್ವಹಣೆಯು ಕಡಿಮೆ ನೇತಾಡುವ ಹಣ್ಣುಗಳಿಂದ ತುಂಬಿರುವ ಮತ್ತೊಂದು ಕ್ಷೇತ್ರವಾಗಿದೆ. ಅನೇಕ ತಯಾರಕರು, ವಿಶೇಷವಾಗಿ ಶಾಖ ಚಿಕಿತ್ಸೆ ಅಥವಾ ಎಲೆಕ್ಟ್ರೋಪ್ಲೇಟಿಂಗ್‌ನಂತಹ ಶಕ್ತಿ-ತೀವ್ರ ಪ್ರಕ್ರಿಯೆಗಳಲ್ಲಿ-ಹಂಡಾನ್ ಸುತ್ತಲಿನ ಫಾಸ್ಟೆನರ್ ಉದ್ಯಮ ಕ್ಲಸ್ಟರ್‌ನಲ್ಲಿ ಸಾಮಾನ್ಯ-ಶಕ್ತಿಯನ್ನು ಏಕಶಿಲೆಯ ಬಿಲ್‌ನಂತೆ ಪರಿಗಣಿಸುತ್ತಾರೆ. ಅವರು ಅನಿವಾರ್ಯವಲ್ಲದ ಕಂಪ್ರೆಸರ್‌ಗಳು ಅಥವಾ ಫರ್ನೇಸ್ ಪ್ರಿ-ಹೀಟ್ ಸೈಕಲ್‌ಗಳನ್ನು ಸ್ಥಿರ ವೇಳಾಪಟ್ಟಿಗಳಲ್ಲಿ ಅಗ್ಗದ ಸುಂಕದ ಕಿಟಕಿಗಳೊಂದಿಗೆ ಜೋಡಿಸಬಹುದು, ಆದರೆ ಇದು ಸಾಮಾನ್ಯವಾಗಿ ಮಿತಿಯಾಗಿದೆ.

ನಾವು ನೈಜ-ಸಮಯದ ಶಕ್ತಿ ಮಾನಿಟರಿಂಗ್ ಸಿಸ್ಟಮ್‌ನೊಂದಿಗೆ AI- ಚಾಲಿತ ಭವಿಷ್ಯ ಲೋಡ್ ಬ್ಯಾಲೆನ್ಸಿಂಗ್ ಅನ್ನು ಸಂಯೋಜಿಸಿದ್ದೇವೆ. ಇದು ಯುಟಿಲಿಟಿ ದರ ವೇಳಾಪಟ್ಟಿಯನ್ನು ಮಾತ್ರ ನೋಡಲಿಲ್ಲ. ಇದು ಪ್ರತಿ ಕುಲುಮೆಯ ಉಷ್ಣ ಜಡತ್ವವನ್ನು, ಲೋಹಲೇಪ ರೇಖೆಗಳಿಂದ ನಿಜವಾದ ಬೇಡಿಕೆ ಸಂಕೇತಗಳನ್ನು ಕಲಿತುಕೊಂಡಿತು ಮತ್ತು ಪ್ರಾದೇಶಿಕ ಶಕ್ತಿ ಮಿಶ್ರಣದ ಡೇಟಾದ ಆಧಾರದ ಮೇಲೆ ಸ್ಥಳೀಯ ಗ್ರಿಡ್ ಇಂಗಾಲದ ತೀವ್ರತೆಯನ್ನು ಮುನ್ಸೂಚಿಸಿತು. ಸಿಸ್ಟಮ್ ನಂತರ ಶಿಫಾರಸು ಮಾಡಬಹುದು-ಮತ್ತು ನಂತರ, ಸ್ವಾಯತ್ತವಾಗಿ ಕಾರ್ಯಗತಗೊಳಿಸಬಹುದು-ಸೂಕ್ಷ್ಮ-ವಿಳಂಬಗಳು ಅಥವಾ ನಿರ್ಣಾಯಕವಲ್ಲದ ಪ್ರಕ್ರಿಯೆಗಳಲ್ಲಿ ವೇಗವರ್ಧನೆಗಳು.

ಉದಾಹರಣೆಗೆ, ವಿತ್ತೀಯ ವೆಚ್ಚವು ಒಂದೇ ರೀತಿಯಾಗಿದ್ದರೂ ಸಹ, ಪ್ರಾದೇಶಿಕ ಇಂಗಾಲದ ಹೆಜ್ಜೆಗುರುತುಗಳು ಅತ್ಯಧಿಕವಾಗಿರುವಾಗ ಗರಿಷ್ಠ ಗ್ರಿಡ್ ಅವಧಿಯನ್ನು ತಪ್ಪಿಸಲು ಹೆಚ್ಚುವರಿ 20 ನಿಮಿಷಗಳ ಕಾಲ ಪೋಸ್ಟ್-ಫೋರ್ಜ್ ಅನೆಲಿಂಗ್ ಕ್ಯೂನಲ್ಲಿ ಫಾಸ್ಟೆನರ್‌ಗಳ ಬ್ಯಾಚ್ ಅನ್ನು ಹಿಡಿದಿಡಲು ಸಲಹೆ ನೀಡಬಹುದು. ಇದು ಕಾರ್ಬನ್-ಕಡಿತದೊಂದಿಗೆ ವೆಚ್ಚ-ಉಳಿತಾಯವನ್ನು ಸ್ಥಿರ ವೇಳಾಪಟ್ಟಿಗಳು ಎಂದಿಗೂ ಸಾಧ್ಯವಾಗದ ರೀತಿಯಲ್ಲಿ ಹೊಂದಿಸುತ್ತದೆ. ಯಾವುದೇ ಒಂದು ಗಂಟೆಯಲ್ಲಿ ಉಳಿತಾಯವು ನಾಟಕೀಯವಾಗಿರಲಿಲ್ಲ, ಆದರೆ ಕಾಲು ಭಾಗದಷ್ಟು, ಗರಿಷ್ಠ ಬೇಡಿಕೆಯ ಶುಲ್ಕಗಳು ಮತ್ತು ಸಂಬಂಧಿತ ಇಂಗಾಲದ ಹೆಜ್ಜೆಗುರುತುಗಳಲ್ಲಿನ ಕಡಿತವು ಗಣನೀಯವಾಗಿದೆ. ಇದು ಶಕ್ತಿಯ ಬಳಕೆಯನ್ನು ಡೈನಾಮಿಕ್, ರೆಸ್ಪಾನ್ಸಿವ್ ವೇರಿಯಬಲ್ ಮಾಡಿತು, ಹಿನ್ನೆಲೆಯಾಗಿಲ್ಲ.

ಮಾನವ-ಇನ್-ದ-ಲೂಪ್ ಸಂದಿಗ್ಧತೆ

ಇಲ್ಲಿ ನೀವು ಪ್ರಾಯೋಗಿಕ ಸ್ನ್ಯಾಗ್ ಅನ್ನು ಹೊಡೆದಿದ್ದೀರಿ. ಸೂಕ್ತ ಮಾದರಿಯು ಬ್ಯಾಚ್ ಅನ್ನು ವಿಳಂಬಗೊಳಿಸಲು ಹೇಳಬಹುದು, ಆದರೆ ಫ್ಲೋರ್ ಮ್ಯಾನೇಜರ್ ಸಂಜೆ 4 ಗಂಟೆಗೆ ಟ್ರಕ್ ಅನ್ನು ತಲುಪುತ್ತಾನೆ. ಶುದ್ಧ ಆಪ್ಟಿಮೈಸೇಶನ್ ಲಾಜಿಸ್ಟಿಕ್ಸ್ ರಿಯಾಲಿಟಿ ಜೊತೆ ಘರ್ಷಣೆ ಮಾಡಬಹುದು. ಅನುಸರಣೆ ದರದ ಮೆಟ್ರಿಕ್‌ನಲ್ಲಿ ನಿರ್ಮಿಸಲು ನಾನು ನೋಡಿದ ಅತ್ಯಂತ ಯಶಸ್ವಿ ಅನುಷ್ಠಾನಗಳು. AI ಪ್ರಸ್ತಾಪಿಸುತ್ತದೆ, ಮಾನವ ವಿಲೇವಾರಿ ಮಾಡುತ್ತದೆ ಮತ್ತು ವ್ಯವಸ್ಥೆಯು ಅತಿಕ್ರಮಣಗಳಿಂದ ಕಲಿಯುತ್ತದೆ. ಕಾಲಾನಂತರದಲ್ಲಿ, ಶಿಪ್ಪಿಂಗ್ ಶೆಡ್ಯೂಲ್‌ಗಳು ಬದಲಾಗದ ನಿರ್ಬಂಧವಾಗಿದೆ ಎಂದು ಸಿಸ್ಟಮ್ ನೋಡಿದರೆ, ಅದು ಮೊದಲೇ ಫ್ಯಾಕ್ಟರ್ ಮಾಡಲು ಪ್ರಾರಂಭಿಸುತ್ತದೆ. ಇದು ಸಹಯೋಗ, ಸ್ವಾಧೀನವಲ್ಲ. ಈ ಗೊಂದಲಮಯ, ಪುನರಾವರ್ತಿತ ಶ್ರುತಿಯು ಶೈಕ್ಷಣಿಕ ಯೋಜನೆಗಳನ್ನು ನೈಜ-ಪ್ರಪಂಚದ ಪರಿಕರಗಳಿಂದ ಪ್ರತ್ಯೇಕಿಸುತ್ತದೆ.

ಮುನ್ಸೂಚಕ ನಿರ್ವಹಣೆ: ಸಂಪನ್ಮೂಲ ದಕ್ಷತೆಯ ಮೂಲೆಗಲ್ಲು

ಇದು ಬಹುಶಃ ಅತ್ಯಂತ ಪ್ರಬುದ್ಧ ಅಪ್ಲಿಕೇಶನ್ ಆಗಿದೆ, ಆದರೆ ಅದರ ಸಮರ್ಥನೀಯತೆಯ ಕೋನವು ಕೆಲವೊಮ್ಮೆ ಕಡಿಮೆಯಾಗಿದೆ. ಇದು ಅಲಭ್ಯತೆಯನ್ನು ತಪ್ಪಿಸುವ ಬಗ್ಗೆ ಮಾತ್ರವಲ್ಲ. ಹೆಚ್ಚಿನ ವೇಗದ ತಂತಿ ಡ್ರಾಯಿಂಗ್ ಯಂತ್ರದಲ್ಲಿ ವಿಫಲವಾದ ಬೇರಿಂಗ್ ಕೇವಲ ಮುರಿಯುವುದಿಲ್ಲ; ಇದು ಮೊದಲು ಹೆಚ್ಚಿದ ಘರ್ಷಣೆಯನ್ನು ಉಂಟುಮಾಡುತ್ತದೆ, ವಾರಗಳವರೆಗೆ ಶಕ್ತಿಯನ್ನು ಸೆಳೆಯುತ್ತದೆ. ಸ್ವಲ್ಪ ತಪ್ಪಾಗಿ ಜೋಡಿಸಲಾದ ಡೈ ಕೇವಲ ಸ್ನ್ಯಾಪ್ ಮಾಡುವುದಿಲ್ಲ; ಇದು ಹೆಚ್ಚುತ್ತಿರುವ ಶೇಕಡಾವಾರು ಉಪ-ಮೇಲ್ಮೈ ದೋಷಗಳನ್ನು ಉತ್ಪಾದಿಸುತ್ತದೆ, ಪೂರ್ಣ ಶಕ್ತಿ ಮತ್ತು ವಸ್ತುವನ್ನು ಹೂಡಿಕೆ ಮಾಡಿದ ನಂತರ ಗುಣಮಟ್ಟದ ತಪಾಸಣೆ ವಿಫಲಗೊಳ್ಳುವ ಭಾಗಗಳಿಗೆ ಕಾರಣವಾಗುತ್ತದೆ.

ಕಂಪನ, ಅಕೌಸ್ಟಿಕ್ ಮತ್ತು ಥರ್ಮಲ್ ವಿಶ್ಲೇಷಣೆಯನ್ನು ಬಳಸಿಕೊಂಡು ನಿಗದಿತ ಸ್ಥಿತಿ-ಆಧಾರಿತ ನಿರ್ವಹಣೆಗೆ ಚಲಿಸುವ ಮೂಲಕ, AI ಮಾದರಿಗಳು ಪ್ರಕ್ರಿಯೆಗಳ ನಿಧಾನ, ವ್ಯರ್ಥ ಅವನತಿಯನ್ನು ತಡೆಯುತ್ತದೆ. ಮಾದರಿಯು ಅದರ ವಿದ್ಯುತ್ ಸಹಿಯಲ್ಲಿನ ಸೂಕ್ಷ್ಮ ಬದಲಾವಣೆಯ ಆಧಾರದ ಮೇಲೆ ಗಮನಕ್ಕಾಗಿ ಸಂಕೋಚಕವನ್ನು ಫ್ಲ್ಯಾಗ್ ಮಾಡಿದ ಸಂದರ್ಭವನ್ನು ನಾನು ನೆನಪಿಸಿಕೊಳ್ಳುತ್ತೇನೆ. ನಿರ್ವಹಣೆ ಲಾಗ್ ಎಲ್ಲಾ ಪ್ರಮಾಣಿತ ಮೆಟ್ರಿಕ್‌ಗಳಿಂದ ಉತ್ತಮವಾಗಿದೆ ಎಂದು ತೋರಿಸಿದೆ. ತಪಾಸಣೆಯ ನಂತರ, ಒಂದು ಸಣ್ಣ ಕವಾಟವು ಅಂಟಿಕೊಳ್ಳಲು ಪ್ರಾರಂಭಿಸಿತು, ಇದರಿಂದಾಗಿ ಒತ್ತಡವನ್ನು ನಿರ್ವಹಿಸಲು ಘಟಕವು 7% ರಷ್ಟು ಕಷ್ಟಪಟ್ಟು ಕೆಲಸ ಮಾಡುತ್ತದೆ. ಅದು ಪ್ರತಿ ಗಂಟೆಗೆ 7% ಹೆಚ್ಚು ವಿದ್ಯುತ್, ಮುಂದಿನ ನಿಗದಿತ ಸೇವೆಯವರೆಗೆ ಇನ್ನೂ ಮೂರು ತಿಂಗಳವರೆಗೆ ತಪ್ಪಿಹೋಗುವ ಸಮಸ್ಯೆಗೆ.

ಇಲ್ಲಿ ಸುಸ್ಥಿರತೆಯ ಲಾಭವು ಎರಡು ಪಟ್ಟು: ಇದು ಸಾಧನವನ್ನು ಕೆಡಿಸುವ ಮೂಲಕ ವ್ಯರ್ಥವಾಗುವ ಶಕ್ತಿಯನ್ನು ಸಂರಕ್ಷಿಸುತ್ತದೆ ಮತ್ತು ಬಂಡವಾಳದ ಆಸ್ತಿಯ ಒಟ್ಟು ಸೇವಾ ಜೀವನವನ್ನು ವಿಸ್ತರಿಸುತ್ತದೆ, ಉತ್ಪಾದನೆ ಮತ್ತು ಯಂತ್ರವನ್ನು ಬದಲಿಸುವ ಪರಿಸರ ವೆಚ್ಚವನ್ನು ಕಡಿಮೆ ಮಾಡುತ್ತದೆ. ಸಲಕರಣೆಗಳನ್ನು ಅದು ಮುರಿಯುವವರೆಗೆ ಓಡುವ ಸಂಗತಿಯಾಗಿ ಪರಿಗಣಿಸುವುದರಿಂದ, ಅದರ ದಕ್ಷತೆಯನ್ನು ನಿರಂತರವಾಗಿ ಕಾಪಾಡಬೇಕಾದ ವ್ಯವಸ್ಥೆಯಾಗಿ ಪರಿಗಣಿಸುವ ಆಳವಾದ ಬದಲಾವಣೆಯಾಗಿದೆ.

ಪೂರೈಕೆ ಸರಪಳಿ ಮತ್ತು ವಿನ್ಯಾಸ: ಅಪ್‌ಸ್ಟ್ರೀಮ್ ಹತೋಟಿ

ಪ್ರಭಾವವು ಕಾರ್ಖಾನೆಯ ಗೇಟ್‌ನ ಆಚೆಗೂ ವ್ಯಾಪಿಸಿದೆ. ಬೀಜಿಂಗ್-ಗುವಾಂಗ್‌ಝೌ ರೈಲ್ವೆಯಂತಹ ಪ್ರಮುಖ ಸಾರಿಗೆ ಅಪಧಮನಿಗಳ ಬಳಿ ಇರುವ ಸ್ಥಳವು ವ್ಯವಸ್ಥಾಪನಾ ಪ್ರಯೋಜನವಾಗಿದೆ, Zitai ಫಾಸ್ಟೆನರ್‌ಗಳಂತಹ ತಯಾರಕರಿಗೆ, AI ಸಮರ್ಥನೀಯತೆಗಾಗಿ ಆ ಪ್ರಯೋಜನವನ್ನು ಉತ್ತಮಗೊಳಿಸಬಹುದು. ಸುಧಾರಿತ ಯೋಜನಾ ವ್ಯವಸ್ಥೆಗಳು ಈಗ ವೆಚ್ಚ ಮತ್ತು ಸಮಯವನ್ನು ಮಾತ್ರವಲ್ಲದೆ ವಿಭಿನ್ನ ಸಾರಿಗೆ ವಿಧಾನಗಳು ಮತ್ತು ಮಾರ್ಗಗಳ ಇಂಗಾಲದ ಹೆಜ್ಜೆಗುರುತು, ಹಸಿರು ಆದರೆ ನಿಧಾನವಾದ ಶಿಪ್ಪಿಂಗ್ ಆಯ್ಕೆಗಳ ವಿರುದ್ಧ ದಾಸ್ತಾನು ಮಟ್ಟವನ್ನು ಸಮತೋಲನಗೊಳಿಸುತ್ತವೆ.

ಹೆಚ್ಚು ಸೂಕ್ಷ್ಮವಾಗಿ, ಗ್ರಾಹಕರ ಸಹಯೋಗದಲ್ಲಿ ಬಳಸಲಾಗುವ ಉತ್ಪಾದಕ ವಿನ್ಯಾಸ ಅಲ್ಗಾರಿದಮ್‌ಗಳು ಭಾಗ ಆಪ್ಟಿಮೈಸೇಶನ್‌ಗಳನ್ನು ಸೂಚಿಸಬಹುದು. ಸ್ವಲ್ಪ ವಿನ್ಯಾಸ ಬದಲಾವಣೆಯನ್ನು ಮಾಡಿದರೆ ಬ್ರಾಕೆಟ್ ಕಡಿಮೆ ವಸ್ತುಗಳನ್ನು ಬಳಸಬಹುದೇ? ಉತ್ಪಾದನಾ ನಿಯತಾಂಕಗಳನ್ನು ಸರಿಹೊಂದಿಸಿದರೆ ಕಡಿಮೆ ಶಕ್ತಿ-ತೀವ್ರ ಉತ್ಪಾದನಾ ಪ್ರಕ್ರಿಯೆಯೊಂದಿಗೆ ವಿಭಿನ್ನ ದರ್ಜೆಯ ಉಕ್ಕು ಸಾಕಾಗಬಹುದೇ? ಇಲ್ಲಿಯೇ AI ಸುಸ್ಥಿರ ವಿನ್ಯಾಸ-ಉತ್ಪಾದನೆ ಸಂಭಾಷಣೆಗಳಿಗೆ ವೇಗವರ್ಧಕವಾಗಿ ಕಾರ್ಯನಿರ್ವಹಿಸುತ್ತದೆ, ಉತ್ಪಾದನಾ ಆದೇಶವನ್ನು ಸಹ ಇರಿಸುವ ಮೊದಲು ವಸ್ತು ಮತ್ತು ಶಕ್ತಿಯ ಹೊರೆಗಳನ್ನು ಸಂಭಾವ್ಯವಾಗಿ ಕಡಿಮೆ ಮಾಡುತ್ತದೆ. ಇದು ಮೌಲ್ಯ ಸರಪಳಿಯಲ್ಲಿ ಸುಸ್ಥಿರತೆಯನ್ನು ಅಪ್‌ಸ್ಟ್ರೀಮ್‌ಗೆ ಚಲಿಸುತ್ತದೆ.

ಸ್ಟಂಬ್ಲಿಂಗ್ ಬ್ಲಾಕ್‌ಗಳು ಮತ್ತು ವಾಸ್ತವಿಕ ನಿರೀಕ್ಷೆಗಳು

ಇದೆಲ್ಲವೂ ಸುಗಮವಾಗಿ ಸಾಗಲಿಲ್ಲ. ನಾನು ಕಂಡ ಅತ್ಯಂತ ದೊಡ್ಡ ವೈಫಲ್ಯ ಮೋಡ್ ಎಂದರೆ ಸಮುದ್ರದ ಕುದಿಯುವ ವಿಧಾನ: ಮೊದಲ ದಿನದಿಂದ ಪರಿಪೂರ್ಣ, ಸಸ್ಯ-ವ್ಯಾಪಕ ಡಿಜಿಟಲ್ ಅವಳಿ ನಿರ್ಮಿಸಲು ಪ್ರಯತ್ನಿಸುತ್ತಿದೆ. ಡೇಟಾ ಮೂಲಸೌಕರ್ಯವು ಕುಸಿಯುತ್ತದೆ, ಮಾದರಿಗಳು ತುಂಬಾ ಸಂಕೀರ್ಣವಾಗುತ್ತವೆ ಮತ್ತು ಯೋಜನೆಯು ತನ್ನದೇ ಆದ ತೂಕದ ಅಡಿಯಲ್ಲಿ ಸಾಯುತ್ತದೆ. ವಸ್ತುವಿನ ಅತಿಯಾದ ಸೇವನೆಯ ಉದಾಹರಣೆಯಂತಹ, ನೋವಿನಿಂದ ಕೂಡಿದ ತ್ಯಾಜ್ಯದ ಹರಿವನ್ನು ಆರಿಸುವುದರಿಂದ ಮತ್ತು ಅದನ್ನು ಪರಿಹರಿಸುವುದರಿಂದ ಯಶಸ್ಸು ಬರುತ್ತದೆ. ಮೌಲ್ಯವನ್ನು ಸಾಬೀತುಪಡಿಸಿ, ನಂತರ ಅಳೆಯಿರಿ.

ಮತ್ತೊಂದು ಸಮಸ್ಯೆ ಡೇಟಾ ಗುಣಮಟ್ಟವಾಗಿದೆ. ಹಳೆಯ ಉತ್ಪಾದನಾ ಮಾರ್ಗಗಳಲ್ಲಿ, ವಿಭಿನ್ನ PLC ಗಳು ಮತ್ತು ಹಸ್ತಚಾಲಿತ ಲಾಗ್‌ಗಳಿಂದ ಕ್ಲೀನ್, ಸಮಯ-ಸಿಂಕ್ರೊನೈಸ್ ಡೇಟಾವನ್ನು ಪಡೆಯುವುದು ಒಂದು ಸ್ಮಾರಕ ಕಾರ್ಯವಾಗಿದೆ. ಕೆಲವೊಮ್ಮೆ, ಆರಂಭಿಕ ಯೋಜನೆಯ 80% ಕೇವಲ ವಿಶ್ವಾಸಾರ್ಹ ಡೇಟಾ ಪೈಪ್‌ಲೈನ್ ಅನ್ನು ನಿರ್ಮಿಸುತ್ತಿದೆ. ನೀವು ಸಾಂಸ್ಕೃತಿಕ ಪ್ರತಿರೋಧವನ್ನು ಸಹ ಎದುರಿಸುತ್ತೀರಿ; AI ಯ ಸಲಹೆಯು ಶಕ್ತಿಯನ್ನು ಉಳಿಸುತ್ತದೆ ಆದರೆ ಆಪರೇಟರ್‌ಗೆ ಒಂದು ಹಂತವನ್ನು ಸೇರಿಸಿದರೆ, ಅದು ಅವರ ಕೆಲಸವನ್ನು ಸುಲಭಗೊಳಿಸುತ್ತದೆ ಅಥವಾ ದೀರ್ಘಾವಧಿಯಲ್ಲಿ ಹೆಚ್ಚು ಸ್ಥಿರವಾಗಿರುವಂತೆ ರೂಪಿಸದ ಹೊರತು ಅದನ್ನು ನಿರ್ಲಕ್ಷಿಸಲಾಗುತ್ತದೆ.

ಆದ್ದರಿಂದ, AI ನಿಜವಾಗಿಯೂ ಸುಸ್ಥಿರತೆಯನ್ನು ಹೇಗೆ ಹೆಚ್ಚಿಸುತ್ತದೆ? ಇದು ಮಂತ್ರದಂಡವಲ್ಲ. ಇದು ಭೂತಗನ್ನಡಿ ಮತ್ತು ಪಟ್ಟುಬಿಡದ ಕ್ಯಾಲ್ಕುಲೇಟರ್. ಇದು ನಾವು ಬದುಕಲು ಕಲಿತಿರುವ ಗುಪ್ತ, ದುಬಾರಿ ಅಸಮರ್ಥತೆಗಳ ಮೇಲೆ ಬೆಳಕು ಚೆಲ್ಲುತ್ತದೆ-ಹೆಚ್ಚುವರಿ ಕಿಲೋವ್ಯಾಟ್-ಗಂಟೆ, ಉಕ್ಕಿನ ವ್ಯರ್ಥ ಗ್ರಾಂ, ಯಂತ್ರದ ನಿಧಾನಗತಿಯ ಕೊಳೆತ. ಇದು ಉತ್ತಮ ಪ್ರಕ್ರಿಯೆಗಳಲ್ಲಿ ಹೂಡಿಕೆಗಳನ್ನು ಸಮರ್ಥಿಸಲು ಅಗತ್ಯವಾದ ಪುರಾವೆಗಳನ್ನು ಒದಗಿಸುತ್ತದೆ ಮತ್ತು ವಸ್ತುಗಳನ್ನು ಮಾಡುವ ಪರಿಸರದ ಹೆಜ್ಜೆಗುರುತನ್ನು ಒಟ್ಟಾರೆಯಾಗಿ ಕುಗ್ಗಿಸುವ ಚುರುಕಾದ, ಹೆಚ್ಚು ತಿಳುವಳಿಕೆಯುಳ್ಳ ನಿರ್ಧಾರಗಳನ್ನು ಮಾಡಲು ಮಾನವರಿಗೆ ಅಧಿಕಾರ ನೀಡುತ್ತದೆ. ವರ್ಧಕವು ಸಂಚಿತ, ಪುನರಾವರ್ತನೆ ಮತ್ತು ಆಳವಾಗಿ ಪ್ರಾಯೋಗಿಕವಾಗಿದೆ. ಇದು ಬೋರ್ಡ್‌ರೂಮ್‌ನಲ್ಲಿನ ವರದಿಯಿಂದ ಸುಸ್ಥಿರ ಉತ್ಪಾದನೆಯ ಮಹತ್ವಾಕಾಂಕ್ಷೆಯನ್ನು ಅಂಗಡಿ ಮಹಡಿಯಲ್ಲಿ ದೈನಂದಿನ ಅಭ್ಯಾಸವಾಗಿ ಪರಿವರ್ತಿಸುತ್ತದೆ.