AI எவ்வாறு நிலைத்தன்மையை அதிகரிக்கிறது? 

AI நிலைத்தன்மையை எவ்வாறு மேம்படுத்துகிறது என்று மக்கள் கேட்கும்போது, உடனடி எண்ணம் பெரும்பாலும் பெரிய தரிசனங்களுக்குத் தாவுகிறது: ஒரே இரவில் உலகளாவிய விநியோகச் சங்கிலிகளை மேம்படுத்துதல் அல்லது காலநிலை மாதிரியை மாயமாகத் தீர்ப்பது. உற்பத்தி மற்றும் தளவாடக் குழுக்களுடன் தரையில் பணிபுரிந்ததால், உண்மையான தாக்கம் மிகவும் சிறுமணியாகவும், பெரும்பாலும் குழப்பமாகவும், வெள்ளி புல்லட்டிலிருந்து வெகு தொலைவில் இருப்பதையும் நான் கண்டேன். தவறான கருத்து என்னவென்றால், AI வெற்றிடத்தில் இயங்குகிறது-அது இல்லை. ஏற்கனவே உள்ள, பெரும்பாலும் திறனற்ற, செயல்முறைகளில் ஆழமாக உட்பொதிக்கப்பட்டால் மட்டுமே அதன் மதிப்பு திறக்கப்படும். இது அறிவார்ந்த அல்காரிதம்களைப் பற்றியது மற்றும் பொருள் ஓட்டங்கள், ஆற்றல் நுகர்வு மற்றும் கழிவு வடிவங்களுக்கான நடைமுறை சரிசெய்தல் பற்றியது. இது உண்மையில் விளையாடும் மற்றும் சில சமயங்களில் தடுமாறும் சில பகுதிகள் வழியாக நான் நடக்கிறேன்.

கான்கிரீட்: ஆற்றல் மற்றும் வள மேம்படுத்தல்

ஃபாஸ்டென்சர் உற்பத்தி ஆலை போன்ற வழக்கமான தொழில்துறை அமைப்பை எடுத்துக் கொள்ளுங்கள். ஆற்றல் சுமை நிலையானது அல்ல; இது மோசடி அல்லது வெப்ப சிகிச்சையின் போது கூர்முனை. வரலாற்று ஆற்றல் நுகர்வு தரவுகளில் ஒப்பீட்டளவில் எளிமையான இயந்திர கற்றல் மாதிரிகளை வரிசைப்படுத்த, ஹெபேயில் உள்ள ஒரு வசதியில் ஒரு குழுவுடன் நாங்கள் பணியாற்றினோம்—யோங்னியன் மாவட்டத்தில் உள்ள தொழில்துறை கிளஸ்டரைப் பற்றி சிந்தியுங்கள். செயல்முறையை மீண்டும் கண்டுபிடிப்பது இலக்கு அல்ல, ஆனால் தேவை அதிகரிப்புகளை முன்னறிவிப்பது மற்றும் சிக்கலான செயல்பாடுகளை தடுமாறச் செய்வது. இதன் விளைவாக பீக்-லோட் கட்டணங்களில் 7-8% குறைக்கப்பட்டது, இது நேரடியாக கார்பன் தடம் மற்றும் செலவைக் குறைக்கிறது. இது சாதாரணமாகத் தெரிகிறது, ஆனால் அளவில், நூற்றுக்கணக்கான உலைகள் மற்றும் அழுத்தங்களில், ஒட்டுமொத்த விளைவு கணிசமானது. இங்கே AI சிந்திக்கவில்லை; இது மிகவும் சத்தம், நிஜ உலக தரவுத்தொகுப்புக்கு பயன்படுத்தப்படும் மாதிரி அங்கீகாரம்.

இது தந்திரமானதாக இருக்கும் இடத்தில் தரவு உள்கட்டமைப்பு உள்ளது. பல தாவரங்கள், கணிசமானவை கூட போன்றவை ஹண்டன் ஜிட்டாய் ஃபாஸ்டென்சர் உற்பத்தி நிறுவனம், லிமிடெட்., பாரம்பரிய SCADA அமைப்புகள் மற்றும் கையேடு பதிவுகள் உள்ளன. கடைத் தளத்தில் இருந்து சுத்தமான, நேர முத்திரையிடப்பட்ட தரவைப் பெறுவது முதல் தடையாக உள்ளது. மாடல்களுக்கு உணவளிக்க அடிப்படை IoT சென்சார்களை அமைப்பதற்கு வாரங்கள் செலவிட்டோம் - இது பளபளப்பான வழக்கு ஆய்வுகளில் அடிக்கடி ஒளிரும். இது இல்லாமல், எந்த AI மாதிரியும் ஒரு தத்துவார்த்த பயிற்சி மட்டுமே. இணையதளம் https://www.zitaifasteners.com தங்கள் தயாரிப்புகளை காட்சிப்படுத்தலாம், ஆனால் ஒருவருக்கொருவர் பேசுவதற்கு வடிவமைக்கப்படாத இயந்திரங்களிலிருந்து தரவு ஸ்ட்ரீம்களின் மோசமான ஒருங்கிணைப்பில், திரைக்குப் பின்னால் நிலைத்தன்மை ஆதாயம் நிகழ்கிறது.

மற்றொரு கோணம் பொருள் விளைச்சல். ஃபாஸ்டர்னர் உற்பத்தியில், சுருள் எஃகு குத்தப்பட்டு உருவாகிறது. ஸ்க்ராப் தவிர்க்க முடியாதது, ஆனால் AI-உந்துதல் கணினி பார்வை அமைப்புகள் முத்திரையிடும் முன் குறைபாடுகளுக்கான மூலப்பொருளை இப்போது ஆய்வு செய்யலாம், மேலும் கழிவுகளை குறைக்க வெட்டும் வடிவங்களை மாறும் வகையில் சரிசெய்யலாம். நாங்கள் இதை ஒரு கூட்டாளருடன் இயக்கினோம், மேலும் அல்காரிதம் வேலை செய்யும் போது, ​​அமைவு சிக்கலானதன் காரணமாக சிறிய பேட்ச் ரன்களுக்கு ROI எதிர்மறையாக இருந்தது. இது ஒரு முக்கியமான நுணுக்கம்: நிலைத்தன்மைக்கான AI உலகளாவிய அளவில் பொருந்தாது; அது செலுத்துவதற்கு ஒரு குறிப்பிட்ட அளவு மற்றும் செயல்பாட்டு முதிர்ச்சியைக் கோருகிறது.

தளவாடங்கள் மற்றும் மறைக்கப்பட்ட நெட்வொர்க்

போக்குவரத்து என்பது ஒரு பெரிய கார்பன் உமிழ்ப்பான். இங்கே, வழித் தேர்வுமுறையில் AI இன் பங்கு நன்கு அறியப்பட்டதாகும், ஆனால் நிஜ உலகக் கட்டுப்பாடுகள் அதை சுவாரஸ்யமாக்குகின்றன. பெய்ஜிங்-குவாங்சூ இரயில்வே மற்றும் தேசிய நெடுஞ்சாலை 107க்கு அருகில் சாதகமாக அமைந்துள்ள ஒரு உற்பத்தியாளருக்கு, ஜிடாய் போன்ற, கேள்வி குறுகிய பாதையைக் கண்டுபிடிப்பது மட்டுமல்ல. இது பகுதி சுமைகளை ஒருங்கிணைப்பது, போர்ட் தாமதங்களைக் கணிப்பது மற்றும் ட்ரக்குகளின் செயலற்ற நேரத்தைக் குறைக்க நிகழ்நேர போக்குவரத்து மற்றும் வானிலை தரவுகளை காரணியாக்குவது பற்றியது. இதைச் செய்யும் முறையை நாங்கள் செயல்படுத்தினோம், எரிபொருள் சேமிப்பு சராசரியாக 12% ஆக இருந்தது. இருப்பினும், கணினியின் பரிந்துரைகள் சில சமயங்களில் அனுப்பியவர்களால் நிராகரிக்கப்பட்டன, அவர்கள் அல்காரிதம் - ஒரு உன்னதமான மனித-AI ஒத்துழைப்பு சவால்.

வழிகளுக்கு அப்பால், சரக்கு தேர்வுமுறை உள்ளது. அதிகப்படியான சரக்குகளை வைத்திருப்பது மூலதனத்தையும் இடத்தையும் இணைக்கிறது, மேலும் பெரும்பாலும் கழிவுகளுக்கு வழிவகுக்கிறது (குறிப்பாக அடுக்கு வாழ்க்கை கவலைகள் கொண்ட பூசப்பட்ட அல்லது சிகிச்சையளிக்கப்பட்ட ஃபாஸ்டென்சர்களுக்கு). விற்பனைத் தரவு, பருவகாலப் போக்குகள் மற்றும் பரந்த பொருளாதாரக் குறிகாட்டிகளைப் பயன்படுத்தி முன்கணிப்பு மாதிரிகள் சரக்கு நிலைகளை இறுக்கலாம். ஸ்டாக்-அவுட் ஆபத்தை அதிகரிக்காமல் பாதுகாப்பு இருப்பை 15% குறைத்த ஒரு திட்டத்தை நான் நினைவுபடுத்துகிறேன். ஆனால் திடீர் பிராந்திய கொள்கை மாற்றம் விநியோகச் சங்கிலிகளை சீர்குலைத்தபோது இந்த மாதிரி தோல்வியடைந்தது-இது போன்ற கருப்பு ஸ்வான் நிகழ்வுகளில் இது பயிற்சியளிக்கப்படவில்லை. AI மாதிரிகள் அவர்கள் பார்த்த வரலாற்றுத் தரவுகளைப் போலவே சிறந்தவை என்பதை இது எடுத்துக்காட்டுகிறது; அவர்கள் புதுமையான முறையான அதிர்ச்சிகளுடன் போராடுகிறார்கள்.

நீட்டிக்கப்பட்ட விநியோகச் சங்கிலி அது விரிவடைகிறது. AI ஆனது வட்ட பொருளாதார சுழற்சிகளை வடிவமைக்க உதவும். உதாரணமாக, தயாரிப்பு வாழ்க்கைச் சுழற்சித் தரவை பகுப்பாய்வு செய்வதன் மூலம், செயலிழக்கச் செய்யப்பட்ட சூரியப் பண்ணையில் இருந்து ஒரு தொகுதி ஃபாஸ்டென்சர்கள் எப்போது மறு பயன்பாடு அல்லது மறுசுழற்சிக்கு கிடைக்கும் என்று கணிக்க முடியும், இதனால் கன்னிப் பொருளின் தேவை குறைகிறது. இது இன்னும் ஆரம்பமானது, ஆனால் ஐரோப்பிய ஒன்றியத்தில் பைலட் திட்டங்கள் இதை ஆராய்ந்து வருகின்றன. இது நிலைத்தன்மையை வெறும் செயல்திறனிலிருந்து முறையான ஆதார சுழற்சிக்கு நகர்த்துகிறது.

கண்காணிப்பு, அறிக்கை செய்தல் மற்றும் வெளிப்படைத்தன்மை புஷ்

இன்று நிலைத்தன்மைக்கு கடுமையான அளவீடு தேவைப்படுகிறது. AI சுற்றுச்சூழல் கண்காணிப்பை கடுமையாக துரிதப்படுத்துகிறது. உமிழ்வு அல்லது கழிவுநீரின் மாதாந்திர கைமுறை தணிக்கைகளுக்குப் பதிலாக, AI பகுப்பாய்வுகளுடன் கூடிய சென்சார் நெட்வொர்க்குகள் தொடர்ச்சியான, சிறுமணித் தரவை வழங்க முடியும். முலாம் பூசுதல் பட்டறையில் ஆவியாகும் கரிம கலவை (VOC) உமிழ்வைக் கண்காணிப்பதற்கான அமைப்பை அமைக்க நாங்கள் உதவினோம். AI வெறும் அளவிடவில்லை; இது குறிப்பிட்ட உற்பத்தித் தொகுதிகள் மற்றும் உமிழ்வு கூர்முனை ஆகியவற்றுக்கு இடையே உள்ள தொடர்புகளை அடையாளம் கண்டு, செயல்முறை சரிசெய்தல்களை அனுமதிக்கிறது. இது செலவு மையத்திலிருந்து இணக்கத்தை செயல்பாட்டு நுண்ணறிவின் ஆதாரமாக மாற்றுகிறது.

இருப்பினும், தரவுகளை உருவாக்குவது ஒன்றுதான்; அதை நம்புவது வேறு. AI-உருவாக்கப்பட்ட நிலைத்தன்மை அளவீடுகள் மற்றும் ESG அறிக்கையிடல் போன்ற கட்டமைப்புகளுக்கு தணிக்கை செய்யக்கூடிய, சரிபார்க்கக்கூடிய பதிவுகளின் தேவை ஆகியவற்றுக்கு இடையே தொடர்ந்து பதற்றம் உள்ளது. கட்டுப்பாட்டாளர்கள் மற்றும் முதலீட்டாளர்கள் AI இன் கார்பன் கணக்கியல் சுருக்கத்தை நம்ப முடியுமா? தரவு நசுக்குதலை AI கையாளும் கட்டத்தில் நாங்கள் இருக்கிறோம், ஆனால் சரிபார்க்கவும் விளக்கவும் மனித வல்லுநர்கள் இன்னும் தேவை. கருவி சக்தி வாய்ந்தது, ஆனால் அது தொழில்முறை தீர்ப்பின் தேவையை மாற்றவில்லை.

மேக்ரோ அளவில், AI ஆனது சிக்கலான விநியோகச் சங்கிலிகள் முழுவதும் மிகவும் துல்லியமான கார்பன் தடம் கண்காணிப்பை செயல்படுத்துகிறது. சப்ளையர் போர்ட்டல்கள், ஷிப்பிங் மேனிஃபெஸ்டுகள் மற்றும் ஆற்றல் பில்களில் இருந்து தரவை ஸ்க்ராப் செய்து பகுப்பாய்வு செய்வதன் மூலம், இது நிகழ்நேர தடம் வரைபடத்தை உருவாக்க முடியும். பரந்த உற்பத்தித் தளத்தின் ஒரு பகுதியாக இருக்கும் Zitai போன்ற நிறுவனத்திற்கு, ஸ்கோப் 3 உமிழ்வுகளைப் புகாரளிக்கும் அழுத்தத்தில் இருக்கும் ஐரோப்பா அல்லது வட அமெரிக்காவில் உள்ள கீழ்நிலை வாடிக்கையாளர்களுக்கு இந்தத் தெரிவுநிலை முக்கியமானது. இது ஒரு தெளிவற்ற உறுதிப்பாட்டிலிருந்து நிலைத்தன்மையை வணிகத்தின் அளவிடக்கூடிய, நிர்வகிக்கப்படும் கூறுகளாக மாற்றுகிறது.

ஆபத்துகள் மற்றும் கவனிக்கப்படாத செலவுகள்

இது எல்லாம் நேர்மறையானது அல்ல. பெரிய AI மாடல்களைப் பயிற்றுவிப்பதற்கும் இயக்குவதற்குமான கணக்கீட்டுச் செலவு என்பது சுற்றுச்சூழல் சுமையாகும். ஒரு தொழிற்சாலையில் ஆற்றலைச் சேமிப்பதில் கவனம் செலுத்தும் திட்டம், மாடல்களைப் பயிற்றுவிக்கும் கிளவுட் சர்வர்கள் பயன்படுத்தும் ஆற்றலுக்கு எதிராக எடைபோட வேண்டும். எங்கள் வேலையில், இந்த காரணத்திற்காகவே நாங்கள் முரட்டுத்தனமான ஆழமான கற்றலைக் காட்டிலும் மிகவும் திறமையான, சிறப்பு மாதிரிகளைப் பயன்படுத்துவதற்கு மாறியுள்ளோம். சில நேரங்களில், எளிமையான புள்ளிவிவர மாதிரியானது கணக்கீட்டு மேல்நிலையில் 1% உடன் 80% பலனைப் பெறுகிறது. AI மூலம் நிலைத்தன்மை அதன் சொந்த தடம் கணக்கிட வேண்டும்.

ஒரு அமைப்பின் ஒரு பகுதியை மற்றொன்றின் இழப்பில் மேம்படுத்தும் அபாயமும் உள்ளது. ஒருமுறை ஆற்றல் செயல்திறனுக்காக உற்பத்தி அட்டவணையை மேம்படுத்தினோம், அது சில கருவிகளின் தேய்மானத்தை அதிகரிப்பதைக் கண்டறிந்து, அடிக்கடி மாற்றுவதற்கும் அதனுடன் தொடர்புடைய பொருள் கழிவுகளுக்கும் வழிவகுத்தது. ஒரு முழுமையான பார்வை அவசியம். உண்மையான நிலைத்தன்மை என்பது உள்ளூர் மேக்சிமாவைப் பற்றியது அல்ல, ஆனால் கணினி அளவிலான பின்னடைவு மற்றும் குறைந்தபட்ச மொத்த தாக்கம். AI அமைப்புகளை மனதில் கொண்டு பல-நோக்கு தேர்வுமுறையுடன் வடிவமைக்கப்பட வேண்டும், இது மிகவும் கடினமான பிரச்சனையாகும்.

இறுதியாக, மனித உறுப்பு. AI-உந்துதல் மாற்றங்களைச் செயல்படுத்த, திறமையான பணியாளர்கள், மேலாண்மை மாற்றம் மற்றும் பெரும்பாலும், வெளிப்படையான மூலதனம் தேவை. உற்பத்தி பெல்ட்டில் உள்ள பல சிறிய மற்றும் நடுத்தர நிறுவனங்களுக்கு, உயிர்வாழ்வது மற்றும் ஒழுங்கை நிறைவேற்றுவது முன்னுரிமை. நிலைத்தன்மை வாதம் தெளிவான, குறுகிய-நடுத்தர கால பொருளாதார நன்மையுடன் இணைக்கப்பட வேண்டும். அதனால்தான் நான் பார்த்த மிக வெற்றிகரமான விமானிகள் குறைந்த தொங்கும் பழங்களுடன் தொடங்குகிறார்கள்: விலையுயர்ந்த வேலையில்லா நேரம் மற்றும் பொருள் விரயத்தைத் தவிர்ப்பதற்கான முன்கணிப்பு பராமரிப்பு அல்லது இரண்டு ஆண்டுகளுக்குள் திருப்பிச் செலுத்தும் ஸ்மார்ட் லைட்டிங்/ஹீட்டிங் கட்டுப்பாடுகள்.

முன்னோக்கிப் பார்க்கிறோம்: ஒருங்கிணைப்பு, தனிமைப்படுத்தல் அல்ல

எனவே, AI எவ்வாறு நிலைத்தன்மையை உண்மையாக உயர்த்துகிறது? இது நல்ல திட்டங்களுக்கு ஒளிரும், முழுமையான AI மூலம் அல்ல. இது உற்பத்தி, தளவாடங்கள் மற்றும் ஆற்றல் போன்ற தொழில்களின் செயல்பாட்டு தொழில்நுட்ப அடுக்கில் அதன் படிப்படியான, பெரும்பாலும் கவர்ச்சியற்ற, ஒருங்கிணைப்பு மூலம். இது உருவாக்குவதன் மூலம் நிலைத்தன்மையை அதிகரிக்கிறது வள திறன் முன்னர் கண்ணுக்கு தெரியாத கழிவு நீரோடைகளைக் கண்டறிவதன் மூலம், மேலும் தகவமைப்பு, பதிலளிக்கக்கூடிய அமைப்புகளை செயல்படுத்துவதன் மூலம் அளவிடக்கூடிய மற்றும் செயல்படக்கூடியது.

எதிர்காலம், என் பார்வையில், உட்பொதிக்கப்பட்ட AI இல் உள்ளது. தரத்தை பராமரிக்கும் போது குறைந்தபட்ச ஆற்றல் பயன்பாட்டிற்காக அதன் அளவுருக்களை சுயமாக சரிசெய்யும் தொழில்துறை இயந்திரம் அல்லது செலவு மற்றும் நேரக் கட்டுப்பாடுகளை சந்திக்கும் குறைந்த கார்பன் ஷிப்பிங் விருப்பத்தை தானாகவே தேர்ந்தெடுக்கும் தளவாட தளம் பற்றி சிந்தியுங்கள். இது ஒரு நிலையான அம்சமாக மாறும், ஒரு தனி முன்முயற்சி அல்ல. Yongnian உற்பத்தித் தளம் போன்ற இடங்களில் வேலை செய்வது, அதன் அடர்த்தியான உற்பத்தியாளர் வலையமைப்பு, இந்த ஒருங்கிணைந்த அணுகுமுறைகளுக்கான சரியான சோதனைக் களமாகும்.

இறுதியில், AI ஒரு சக்திவாய்ந்த கருவி, ஆனால் அது ஒரு கருவி. நிலைத்தன்மைக்கான அதன் பங்களிப்பு, அதைக் கையாளும் கைகளாலும், அவர்கள் தீர்க்கத் தேர்ந்தெடுக்கும் பிரச்சனைகளாலும் கட்டளையிடப்படுகிறது. ஊக்கமானது, கான்கிரீட் மீது இடைவிடாத கவனம் செலுத்துவதிலிருந்து வருகிறது, பொருள் மற்றும் ஆற்றல் ஓட்டங்களில் அதிகரிக்கும் ஆதாயங்கள், இப்போது நாம் இறுதியாகப் பிடிக்கவும் புரிந்துகொள்ளவும் முடியும். இது ஒரு நடைமுறைப் பயணம், சோதனை மற்றும் பிழை நிறைந்தது, மிகைப்படுத்தப்பட்ட சுழற்சியிலிருந்து வெகு தொலைவில் உள்ளது, மேலும் நிலையான எதிர்காலத்திற்கான அதன் உண்மையான மதிப்பு அங்குதான் கட்டமைக்கப்படுகிறது.