Кога луѓето прашуваат како вештачката интелигенција ја зајакнува одржливоста, моменталната мисла честопати скока до големите визии: оптимизирање на глобалните синџири на снабдување преку ноќ или магично решавање на климатското моделирање. Работејќи на теренот со тимовите за производство и логистика, видов дека вистинското влијание е повеќе зрнести, често неуредно и далеку од сребрен куршум. Заблудата е дека вештачката интелигенција работи во вакуум - тоа не е така. Неговата вредност се отклучува само кога е длабоко вградена во постоечките, честопати неефикасни, процеси. Станува збор помалку за интелигентни алгоритми, а повеќе за практични прилагодувања на протокот на материјали, потрошувачката на енергија и моделите на отпад. Дозволете ми да прошетам низ неколку области каде што ова всушност се случува, и каде што понекогаш се сопнува.

Бетон: енергија и оптимизација на ресурси

Земете типична индустриска поставка, како фабрика за производство на прицврстувачи. Енергетското оптоварување не е константно; шила при ковање или термичка обработка. Работевме со тим во објект во Хебеи - помислете на индустрискиот кластер во округот Јонгниан - за да распоредиме релативно едноставни модели за машинско учење на историски податоци за потрошувачката на енергија. Целта не беше повторно да се измисли процесот, туку да се предвидат скокови на побарувачката и запрепастувачки некритични операции. Резултатот беше намалување од 7-8% на полнењето за максимално оптоварување, што директно ги намалува јаглеродниот отпечаток и трошоците. Звучи скромно, но во обем, низ стотици печки и преси, кумулативниот ефект е значителен. ВИ овде не размислува; тоа е препознавање на шаблони применето на многу бучна, реална база на податоци.

Онаму каде што станува незгодно е податочната инфраструктура. Многу растенија, дури и големи како Компанија за производство на прицврстувачи на Handan Zitai, Ltd., имаат наследени SCADA системи и рачни дневници. Првата пречка е добивање чисти, временски печатени податоци од продавницата. Поминавме недели само поставувајќи основни IoT сензори за да ги нахранат моделите - чекор што честопати се обезличува во сјајните студии на случај. Без ова, секој модел на вештачка интелигенција е само теоретска вежба. Веб-страницата https://www.zitaifasteners.com би можеле да ги покажат своите производи, но добивката од одржливост се случува зад сцената, во цврстата интеграција на потоци на податоци од машини кои никогаш не биле дизајнирани да разговараат едни со други.

Друг агол е приносот на материјалот. Во производството на сврзувачки елементи, челикот за серпентина се пробива и се формира. Отпадот е неизбежен, но системите за компјутерска визија управувани со вештачка интелигенција сега можат да ја проверат суровината за дефекти пред печат, па дури и динамички да ги приспособат шемите на сечење за да го минимизираат отпадот. Го пилотиравме ова со партнер, и додека алгоритмот работеше, ROI беше негативен за помали серии поради сложеноста на поставувањето. Ова е критична нијанса: ВИ за одржливост не е универзално применлива; бара одреден обем и оперативна зрелост за да се исплати.

Логистика и скриена мрежа

Транспортот е масивен емитер на јаглерод. Овде, улогата на вештачката интелигенција во оптимизацијата на маршрутата е добро позната, но ограничувањата во реалниот свет се она што го прави интересно. За производителот лоциран поволно во близина на железницата Пекинг-Гуангжу и националниот автопат 107, како Зитаи, прашањето не е само да се најде најкраткиот пат. Станува збор за консолидирање на делумни оптоварувања, предвидување на доцнење на пристаништето, па дури и факторинг на сообраќајот и временските податоци во реално време за да се намали времето на мирување за камионите. Имплементиравме систем кој го направи ова, а заштедата на гориво во просек беше околу 12%. Сепак, препораките на системот понекогаш беа отфрлени од диспечери кои му веруваа на нивното искуство во однос на алгоритмот - класичен предизвик за соработка меѓу човекот и вештачката интелигенција.

Надвор од маршрутите, постои оптимизација на залихите. Одржувањето вишок залихи ги поврзува капиталот и просторот и често доведува до отпад (особено за обложени или обработени сврзувачки елементи со загриженост за рокот на траење). Предвидувачките модели кои користат податоци за продажба, сезонски трендови, па дури и пошироки економски показатели можат да ги заострат нивоата на залихи. Се сеќавам на еден проект каде што ги намаливме безбедносните залихи за 15% без да го зголемиме ризикот од залиха. Но, моделот пропадна спектакуларно кога ненадејната промена на регионалната политика ги наруши синџирите на снабдување - тој не беше обучен за вакви настани на црн лебед. Ова нагласува дека моделите со вештачка интелигенција се добри само како и историските податоци што ги виделе; тие се борат со нови системски шокови.

Проширениот синџир на снабдување е местото каде што станува се поширок. Вештачката интелигенција може да помогне во дизајнирањето на кружни економични циклуси. На пример, со анализа на податоците за животниот циклус на производот, може да се предвиди кога серија прицврстувачи од исклучена соларна фарма може да станат достапни за повторна употреба или рециклирање, со што ќе се намали потребата за нечист материјал. Ова сè уште е во зародиш, но пилот-проектите во ЕУ го истражуваат ова. Таа ја движи одржливоста од само ефикасност кон системски циклус на ресурси.

Мониторинг, известување и притискање за транспарентност

Одржливоста денес бара ригорозно мерење. ВИ драстично го забрзува следењето на животната средина. Наместо месечни рачни ревизии на емисиите или отпадните води, сензорските мрежи со аналитика на вештачка интелигенција можат да обезбедат континуирани, грануларни податоци. Помогнавме да се постави систем за следење на емисиите на испарливи органски соединенија (VOC) во работилница за позлата. Вештачката интелигенција не мери само; ги идентификуваше корелациите помеѓу специфичните производни серии и скоковите на емисиите, овозможувајќи приспособување на процесот. Ова го претвора усогласувањето од центар за трошоци во извор на оперативен увид.

Сепак, генерирањето податоци е една работа; верувањето е друго. Постои постојана тензија помеѓу метриката за одржливост генерирана од вештачка интелигенција и потребата од ревидирани, проверливи записи за рамки како што е известувањето за ESG. Дали регулаторите и инвеститорите можат да му веруваат на резимето за јаглеродното сметководство на вештачката интелигенција? Ние сме во фаза каде што вештачката интелигенција се справува со тешките проблеми на кршењето податоци, но сè уште се потребни човечки експерти за валидација и интерпретација. Алатката е моќна, но не ја замени потребата за професионално расудување.

На макро скала, вештачката интелигенција овозможува попрецизно следење на јаглеродниот отпечаток низ сложените синџири на снабдување. Со гребење и анализирање на податоците од порталите на добавувачи, манифестациите за испорака и сметките за енергија, може да се создаде мапа на отпечаток во речиси реално време. За компанија како Zitai, која е дел од огромна производствена база, оваа видливост е клучна за низводните клиенти во Европа или Северна Америка кои се под притисок да пријават емисии од опсегот 3. Ја претвора одржливоста од нејасна посветеност во квантитативна, управувана компонента на бизнисот.

Стапиците и занемарените трошоци

Не е сето тоа позитивно. Пресметковните трошоци за обука и водење на големи модели со вештачка интелигенција сами по себе претставуваат оптоварување на животната средина. Проектот фокусиран на заштеда на енергија во фабриката мора да се мери со енергијата што ја користат облак-серверите кои ги обучуваат моделите. Во нашата работа, ние се префрливме на користење на поефикасни, специјализирани модели наместо на брутална сила длабоко учење токму поради оваа причина. Понекогаш, поедноставен статистички модел ви носи 80% од користа со 1% од пресметковните трошоци. Одржливоста преку вештачката интелигенција мора да го земе предвид сопствениот отпечаток.

Исто така, постои ризик од оптимизирање на еден дел од системот на сметка на друг. Некогаш го оптимизиравме распоредот на производство за енергетска ефикасност, само за да откриеме дека го зголеми абењето на одредени алатки, што доведе до почеста замена и поврзан материјален отпад. Од суштинско значење е холистички поглед. Вистинската одржливост не се однесува на локалните максимални, туку на отпорност на целиот систем и минимално вкупно влијание. Системите за вештачка интелигенција треба да бидат дизајнирани со оптимизација на повеќе цели, што е значително потежок проблем.

Конечно, човечкиот елемент. Спроведувањето на промените водени од вештачката интелигенција бара квалификуван персонал, управување со промените и често однапред капитал. За многу мали и средни претпријатија во производниот појас приоритет е опстанокот и исполнувањето на нарачките. Аргументот за одржливост мора да биде поврзан со јасна, краткорочна до среднорочна економска корист. Затоа најуспешните пилоти што сум ги видел започнуваат со ниско висечко овошје: предвидливо одржување за да се избегнат скапи застој и материјален отпад или паметни контроли за осветлување/греење кои се враќаат за помалку од две години.

Гледајќи напред: Интеграција, а не изолација

Значи, како вештачката интелигенција навистина ја зајакнува одржливоста? Тоа не е преку светкава, самостојна вештачка интелигенција за добри проекти. Тоа е преку нејзината постепена, честопати несекси, интеграција во оперативниот технолошки куп на индустрии како што се производството, логистиката и енергијата. Ја зајакнува одржливоста со правење ефикасност на ресурсите мерливи и акциони, со откривање на текови на отпад кои претходно биле невидливи, и со овозможување поприлагодливи системи кои реагираат.

Иднината, според мене, лежи во вградената вештачка интелигенција. Размислете за индустриска машина која самостојно ги прилагодува своите параметри за минимална употреба на енергија додека го одржува квалитетот, или логистичка платформа која автоматски ја избира опцијата за испорака со најниска содржина на јаглерод што ги исполнува ограничувањата на трошоците и времето. Станува стандардна карактеристика, а не посебна иницијатива. Работата на места како производствената база Yongnian, со својата густа мрежа на производители, е совршено полигон за тестирање за овие интегрирани пристапи.

На крајот, вештачката интелигенција е моќна алатка, но тоа е токму тоа - алатка. Нејзиниот придонес за одржливост е диктиран од рацете што го користат и проблемите што тие избираат да ги решат. Засилувањето доаѓа од немилосрдното фокусирање на конкретни, зголемени добивки во материјалните и енергетските текови, информирани од податоците што сега конечно можеме да ги доловиме и разбереме. Тоа е практично патување, полно со обиди и грешки, далеку од циклусот на возбуда, и токму тука се гради неговата вистинска вредност за одржлива иднина.