جڏهن ماڻهو پڇن ٿا ته ڪيئن AI استحڪام کي وڌائي ٿو، فوري سوچ اڪثر ڪري وڏين خوابن ڏانهن ڇڪيندي آهي: عالمي سپلائي زنجيرن کي رات جو بهتر ڪرڻ يا موسمياتي ماڊلنگ کي جادوءَ سان حل ڪرڻ. پيداوار ۽ لوجسٽڪس ٽيمن سان گڏ زمين تي ڪم ڪرڻ کان پوء، مون ڏٺو آهي ته حقيقي اثر وڌيڪ داڻا، اڪثر گندا، ۽ چانديء جي گولي کان پري آهي. غلط فڪر اهو آهي ته AI هڪ خلا ۾ هلندي آهي - اهو ناهي. ان جي قيمت صرف ان وقت بند ٿي ويندي آهي جڏهن اها موجوده، اڪثر غير موثر، عملن ۾ تمام گهڻي سرايت ڪئي ويندي آهي. اهو ذهين الگورٿمز بابت گهٽ آهي ۽ مادي وهڪري، توانائي جي استعمال، ۽ فضول نمونن جي عملي ترتيبن بابت وڌيڪ. مون کي ڪجھ علائقن جي ذريعي ھلڻ ڏيو جتي اھو اصل ۾ راند ڪندو آھي، ۽ جتي اھو ڪڏهن ڪڏهن ٿڪجي ٿو.

ڪنڪريٽ: توانائي ۽ وسيلن جي اصلاح

هڪ عام صنعتي سيٽنگ وٺو، جهڙوڪ فاسٽنر ٺاهڻ وارو پلانٽ. توانائي جو لوڊ مسلسل نه آهي؛ اهو forging يا گرمي علاج دوران spikes. اسان هڪ ٽيم سان گڏ Hebei ۾ هڪ سهولت تي ڪم ڪيو- سوچيو يونگين ضلعي ۾ صنعتي ڪلستر- تاريخي بجلي جي استعمال جي ڊيٽا تي نسبتا سادي مشين سکيا جا ماڊل ترتيب ڏيڻ لاءِ. مقصد اهو نه هو ته عمل کي بحال ڪرڻ پر مطالبن جي اسپائڪس جي اڳڪٿي ڪرڻ ۽ غير نازڪ عملن کي ڇڪايو. نتيجو هڪ 7-8٪ گهٽتائي هئي چوٽي-لوڊ چارجز ۾، جيڪو سڌو سنئون ڪاربان فوٽ پرنٽ ۽ قيمت کي ڪٽي ٿو. اهو معمولي لڳي ٿو، پر پيماني تي، سوين فرنس ۽ پريسن جي وچ ۾، مجموعي اثر انتهائي اهم آهي. AI هتي نه سوچي رهيو آهي؛ اهو هڪ تمام شور، حقيقي دنيا جي ڊيٽا سيٽ تي لاڳو ڪيل نموني جي سڃاڻپ آهي.

جتي اهو مشڪل ٿئي ٿو ڊيٽا انفراسٽرڪچر آهي. گھڻا ٻوٽا، جيتوڻيڪ وڏا وڏا ٻوٽا Handan Zitai Fastener Manufacturing Co., Ltd., ورثي ۾ آهن SCADA سسٽم ۽ مينوئل لاگ. پهرين رڪاوٽ صاف، وقت جي اسٽيمپ ٿيل ڊيٽا حاصل ڪري رهي آهي دڪان جي منزل کان. اسان هفتا گذاريا صرف بنيادي IoT سينسر ترتيب ڏيڻ لاءِ ماڊلز کي فيڊ ڪرڻ لاءِ- هڪ قدم اڪثر چمڪدار ڪيسن جي مطالعي ۾ چمڪيو ويندو آهي. ان کان سواء، ڪنهن به AI ماڊل صرف هڪ نظرياتي مشق آهي. ويب سائيٽ https://www.zitaifasteners.com ٿي سگھي ٿو پنھنجي پراڊڪٽس کي ڏيکاري، پر پائيداري حاصل ٿئي ٿي پردي جي پويان، مشينن مان ڊيٽا اسٽريم جي سخت انضمام ۾ جيڪي ڪڏهن به ھڪ ٻئي سان ڳالھائڻ لاءِ نه ٺاھيا ويا ھئا.

ٻيو زاويه مادي پيداوار آهي. فاسٽنر جي پيداوار ۾، ڪوئلي اسٽيل کي ڇڪايو ويندو آهي ۽ ٺهيل آهي. اسڪراپ ناگزير آهي، پر AI-هلندڙ ڪمپيوٽر ويزن سسٽم هاڻي خام مال کي ڇڪڻ کان اڳ خام مال جي چڪاس ڪري سگھن ٿا، ۽ اڃا به متحرڪ طور تي ڪٽڻ جي نمونن کي ترتيب ڏيڻ لاء فضول کي گھٽائڻ لاء. اسان هن کي هڪ پارٽنر سان گڏ ڪيو، ۽ جڏهن الورورٿم ڪم ڪيو، سيٽ اپ پيچيدگي جي ڪري ROI ننڍا بيچ رن لاء منفي هئي. هي هڪ نازڪ nuance آهي: استحڪام لاء AI عالمي طور تي لاڳو نه آهي؛ اهو ادا ڪرڻ لاء هڪ خاص پيماني ۽ آپريشنل پختگي جي ضرورت آهي.

لاجسٽڪ ۽ لڪيل نيٽ ورڪ

ٽرانسپورٽ هڪ وڏي ڪاربن emitter آهي. هتي، رستي جي اصلاح ۾ AI جو ڪردار مشهور آهي، پر حقيقي دنيا جون رڪاوٽون آهن جيڪي ان کي دلچسپ بڻائين ٿيون. بيجنگ-گوانگزو ريلوي ۽ نيشنل هاءِ وي 107 جي ويجهو فائديمند طور تي واقع هڪ ڪارخاني لاءِ، جيئن زيتائي، سوال صرف ننڍو رستو ڳولڻ جو ناهي. اهو جزوي لوڊ کي مضبوط ڪرڻ، بندرگاهن جي دير جي اڳڪٿي ڪرڻ، ۽ ٽرڪن لاءِ بيڪار وقت کي گهٽائڻ لاءِ حقيقي وقت جي ٽريفڪ ۽ موسم جي ڊيٽا کي به فيڪٽر ڪرڻ بابت آهي. اسان هڪ سسٽم لاڳو ڪيو جنهن اهو ڪيو، ۽ ايندھن جي بچت تقريباً 12 سيڪڙو ٿي. بهرحال، سسٽم جون سفارشون ڪڏهن ڪڏهن ڊسپيچرز طرفان رد ڪيون ويون آهن جن پنهنجي تجربي تي ڀروسو ڪيو الورورٿم- هڪ کلاسک انساني-اي تعاون چئلينج.

رستن کان ٻاهر، انوینٽري جي اصلاح آهي. اضافي انوینٽري رکڻ سان سرمائي ۽ خلا جو تعلق آهي، ۽ اڪثر ڪري فضول خرچي جو سبب بڻجي ٿو (خاص طور تي ڍڪيل يا علاج ٿيل فاسٽنرز لاءِ جيڪي شيلف زندگي جي خدشات سان گڏ آهن). اڳڪٿي ڪندڙ ماڊل سيلز ڊيٽا استعمال ڪندي، موسمي رجحانات، ۽ اڃا به وسيع معاشي اشارا انوینٽري جي سطح کي سخت ڪري سگهن ٿا. مون کي هڪ پروجيڪٽ ياد آهي جتي اسان اسٽاڪ آئوٽ خطري کي وڌائڻ کان سواءِ حفاظتي اسٽاڪ کي 15 سيڪڙو گهٽايو. پر ماڊل شاندار طور تي ناڪام ٿي ويو جڏهن اوچتو علائقائي پاليسي جي شفٽ سپلائي چينن کي متاثر ڪيو- اها اهڙي ڪاري سوان واقعن تي تربيت نه ڪئي وئي هئي. اهو نمايان ڪري ٿو ته AI ماڊل صرف ايترو سٺو آهن جيترو تاريخي ڊيٽا انهن ڏٺو آهي؛ اهي ناول سسٽماتي جھٽڪن سان وڙهندا آهن.

وڌايل سپلائي زنجير آهي جتي اهو وسيع ٿئي ٿو. AI سرکلر معيشت جي لوپس کي ڊزائين ڪرڻ ۾ مدد ڪري سگھي ٿي. مثال طور، پراڊڪٽ لائف سائيڪل ڊيٽا جي تجزيي سان، اهو اڳڪٿي ڪري سگھي ٿو جڏهن بند ٿيل سولر فارم مان فاسٽنرز جو هڪ بيچ ٻيهر استعمال يا ريسائڪلنگ لاءِ دستياب ٿي سگهي ٿو، اهڙيءَ طرح ڪنوار مواد جي ضرورت کي گهٽائي ٿي. اهو اڃا تائين نئون آهي، پر يورپي يونين ۾ پائلٽ پروجيڪٽ هن کي ڳولي رهيا آهن. اهو استحڪام کي صرف ڪارڪردگي کان سسٽماتي وسيلن جي سائيڪل ڏانهن منتقل ڪري ٿو.

مانيٽرنگ، رپورٽنگ، ۽ شفافيت پش

استحڪام اڄ سخت ماپ جي ضرورت آهي. AI انتهائي تيزيءَ سان ماحولياتي نگراني کي تيز ڪري ٿو. اخراج يا گندي پاڻي جي مھينا دستي آڊٽ جي بدران، اي اين اينالائيٽڪس سان سينسر نيٽ ورڪ مسلسل، گرينولر ڊيٽا مهيا ڪري سگھن ٿا. اسان پليٽنگ ورڪشاپ ۾ غير مستحڪم نامياتي مرڪب (VOC) جي اخراج جي نگراني لاءِ هڪ سسٽم قائم ڪرڻ ۾ مدد ڪئي. AI صرف ماپ نه ڪيو؛ اهو مخصوص پيداوار جي بيچ ۽ اخراج جي اسپائڪس جي وچ ۾ رابطي جي نشاندهي ڪري ٿو، پروسيس کي ترتيب ڏيڻ جي اجازت ڏئي ٿو. اهو تعميل کي قيمت سينٽر کان آپريشنل بصيرت جو ذريعو بڻائي ٿو.

بهرحال، ڊيٽا پيدا ڪرڻ هڪ شيء آهي؛ ان تي اعتبار ڪرڻ ٻيو آهي. AI-generated stainability metrics ۽ فريم ورڪ جهڙوڪ ESG رپورٽنگ لاءِ آڊٽ لائق، قابل تصديق رڪارڊ جي ضرورت جي وچ ۾ هڪ جاري تڪرار آهي. ڇا ريگيوليٽر ۽ سيڙپڪار AI جي ڪاربان اڪائونٽنگ جي خلاصي تي ڀروسو ڪري سگهن ٿا؟ اسان هڪ اهڙي مرحلي ۾ آهيون جتي AI ڊيٽا جي خراب ٿيڻ جي ڳري کڻڻ کي سنڀاليندو آهي، پر انساني ماهرن کي اڃا تائين صحيح ۽ تفسير جي ضرورت آهي. اوزار طاقتور آهي، پر اهو پيشه ورانه فيصلي جي ضرورت کي تبديل نه ڪيو آهي.

ميڪرو پيماني تي، AI پيچيده سپلائي زنجيرن ۾ وڌيڪ صحيح ڪاربان فوٽ پرنٽ ٽريڪنگ کي چالو ڪري رهيو آهي. سپلائر پورٽلز، شپنگ منشور، ۽ توانائي جي بلن مان ڊيٽا کي ڇڪڻ ۽ تجزيو ڪندي، اهو ٺاهي سگھي ٿو ويجھي حقيقي وقت جي نقشن جو نقشو. Zitai وانگر هڪ ڪمپني لاءِ، جيڪا هڪ وسيع پيداواري بنياد جو حصو آهي، اها نمائش يورپ يا اتر آمريڪا ۾ هيٺئين پاسي وارن گراهڪن لاءِ اهم آهي، جيڪي اسڪوپ 3 جي اخراج جي رپورٽ ڪرڻ لاءِ دٻاءُ هيٺ آهن. اهو هڪ مبهم وابستگي کان استحڪام کي ڪاروبار جي مقدار جي قابل، منظم جزو ۾ تبديل ڪري ٿو.

نقصانات ۽ نظر انداز ڪيل خرچ

اهو سڀ ڪجهه مثبت ناهي. وڏي AI ماڊل ٽريننگ ۽ هلائڻ جي حسابي قيمت پاڻ ۾ ماحولياتي بوجھ آهي. هڪ پروجيڪٽ جيڪو ڪارخاني ۾ توانائي جي بچت تي ڌيان ڏئي ٿو، ان کي ڪلائوڊ سرورز پاران استعمال ڪيل توانائي جي مقابلي ۾ وزن کڻڻ گهرجي. اسان جي ڪم ۾، اسان ان ئي سبب جي ڪري وڌيڪ ڪارائتو، خاص ماڊل استعمال ڪرڻ بجاءِ برٽ-فورس ڊيپ لرننگ کي استعمال ڪرڻ ڏانهن منتقل ڪيو آهي. ڪڏهن ڪڏهن، هڪ آسان شمارياتي ماڊل توهان کي حاصل ڪري ٿو 80٪ فائدي جو 1٪ ڪمپيوٽيشنل اوور هيڊ سان. AI ذريعي استحڪام کي ان جي پنهنجي نقشن جو حساب ڏيڻ گهرجي.

سسٽم جي هڪ حصي کي ٻئي جي خرچ تي بهتر ڪرڻ جو خطرو پڻ آهي. اسان هڪ ڀيرو توانائي جي ڪارڪردگيءَ لاءِ هڪ پيداواري شيڊول کي بهتر ڪيو، صرف ان کي ڳولڻ لاءِ ڪجهه اوزارن تي لباس وڌائي، وڌيڪ بار بار متبادل ۽ لاڳاپيل مواد جي ضايع ٿيڻ جي ڪري. هڪ جامع نظر ضروري آهي. سچي استحڪام مقامي ميڪسيما بابت نه آهي پر سسٽم جي وسيع لچڪ ۽ گهٽ ۾ گهٽ مجموعي اثر بابت. AI سسٽم کي ذهن ۾ ڪيترن ئي مقصدن جي اصلاح سان ٺهيل هجڻ جي ضرورت آهي، جيڪو هڪ انتهائي مشڪل مسئلو آهي.

آخرڪار، انساني عنصر. AI تي هلندڙ تبديلين کي لاڳو ڪرڻ لاءِ ماهر اهلڪارن جي ضرورت آهي، انتظاميا کي تبديل ڪرڻ، ۽ اڪثر ڪري، اڳڀرائي سرمائيداري. پيداوار واري بيلٽ ۾ ڪيترن ئي ننڍن ۽ وچولي درجي جي ادارن لاء، ترجيح بقا ۽ آرڊر مڪمل ڪرڻ آهي. استحڪام جي دليل کي واضح، مختصر کان وچولي مدت جي اقتصادي فائدي سان گڏ هجڻ گهرجي. اهو ئي سبب آهي جو مون تمام ڪامياب پائلٽ ڏٺا آهن جن جي شروعات گهٽ لٽڻ واري ميوي سان ٿيندي آهي: قيمتي وقت ۽ مواد جي ضايع ٿيڻ کان بچڻ لاءِ اڳڪٿي ڪندڙ سار سنڀال، يا سمارٽ لائٽنگ/هٽنگ ڪنٽرول جيڪي ٻن سالن کان گهٽ عرصي ۾ ادا ڪن ٿا.

اڳتي ڏسي رهيا آهيو: انضمام، نه اڪيلائي

تنهن ڪري، AI حقيقي طور تي استحڪام کي ڪيئن وڌائي ٿو؟ اهو سٺو منصوبن لاءِ چمڪندڙ، اسٽينڊل AI ذريعي ناهي. اهو ان جي بتدريج، اڪثر اڻ وڻندڙ، صنعتن جي آپريشنل ٽيڪنالاجي اسٽيڪ ۾ انضمام جي ذريعي آهي جهڙوڪ پيداوار، لوجسٽڪس، ۽ توانائي. اهو ٺاهيندي استحڪام کي وڌائي ٿو وسيلن جي ڪارڪردگي ماپي ۽ قابل عمل، فضول وهڪري کي ظاهر ڪندي جيڪي اڳ ۾ پوشيده هئا، ۽ وڌيڪ موافقت، جوابي نظام کي چالو ڪندي.

مستقبل، منهنجي نظر ۾، جڙيل AI ۾ آهي. هڪ صنعتي مشين جي باري ۾ سوچيو جيڪو معيار کي برقرار رکڻ دوران گهٽ ۾ گهٽ توانائي جي استعمال لاءِ پنهنجي پيٽرولن کي پاڻمرادو ترتيب ڏئي ٿو، يا هڪ لاجسٽڪ پليٽ فارم جيڪو خودڪار طريقي سان گهٽ ۾ گهٽ ڪاربن شپنگ جو اختيار چونڊي ٿو جيڪو قيمت ۽ وقت جي پابندين کي پورو ڪري ٿو. اهو هڪ معياري خصوصيت بڻجي ٿو، نه هڪ الڳ شروعات. Yongnian جي پيداوار جي بنياد وانگر جڳهن تي ڪم، ٺاهيندڙن جي ان جي گھڻائي نيٽ ورڪ سان، انهن مربوط طريقن جي لاء هڪ بهترين آزمائشي ميدان آهي.

آخر ۾، AI هڪ طاقتور اوزار آهي، پر اهو صرف اهو آهي - هڪ اوزار. استحڪام ۾ ان جو حصو انهن هٿن طرفان ترتيب ڏنو ويو آهي جيڪي ان کي سنڀاليندا آهن ۽ اهي مسئلا حل ڪرڻ لاءِ چونڊيندا آهن. واڌارو ڪنڪريٽ تي مسلسل ڌيان ڏيڻ کان اچي ٿو، مادي ۽ توانائي جي وهڪري ۾ وڌندڙ حاصلات، ڊيٽا جي ذريعي ڄاڻايل آهي ته اسان هاڻي آخرڪار پڪڙي ۽ سمجهي سگهون ٿا. اھو ھڪڙو عملي سفر آھي، آزمائشي ۽ غلطي سان پورو، ھائپ جي چڪر کان پري ھٽايو ويو آھي، ۽ اھو اھو آھي جتي ھڪڙي پائيدار مستقبل لاءِ ان جي حقيقي قدر تعمير ٿي رھي آھي.