AI استحکام کو کس طرح فروغ دیتا ہے؟ 

جب لوگ یہ پوچھتے ہیں کہ اے آئی استحکام کو کس طرح بڑھاتا ہے تو ، فوری طور پر سوچ اکثر عظیم الشان نظارے پر چھلانگ لگاتی ہے: راتوں رات گلوبل سپلائی چین کو بہتر بنانا یا آب و ہوا کے ماڈلنگ کو جادوئی طور پر حل کرنا۔ مینوفیکچرنگ اور لاجسٹک ٹیموں کے ساتھ زمین پر کام کرنے کے بعد ، میں نے دیکھا ہے کہ اصل اثر زیادہ دانے دار ، اکثر گندا اور چاندی کی گولی سے دور ہے۔ غلط فہمی یہ ہے کہ اے آئی ویکیوم میں کام کرتا ہے - ایسا نہیں ہوتا ہے۔ اس کی قیمت صرف اس وقت کھلا ہے جب یہ موجودہ ، اکثر ناکارہ ، عمل میں گہری سرایت کرلیتا ہے۔ یہ ذہین الگورتھم کے بارے میں کم ہے اور مادی بہاؤ ، توانائی کی کھپت اور فضلہ کے نمونوں میں عملی ایڈجسٹمنٹ کے بارے میں زیادہ ہے۔ مجھے ان چند علاقوں میں چلنے دو جہاں یہ حقیقت میں باہر نکلتا ہے ، اور جہاں کبھی کبھی ٹھوکر کھاتی ہے۔

کنکریٹ: توانائی اور وسائل کی اصلاح

فاسٹنر مینوفیکچرنگ پلانٹ کی طرح ایک عام صنعتی ترتیب لیں۔ توانائی کا بوجھ مستقل نہیں ہے۔ یہ جعل سازی یا گرمی کے علاج کے دوران بڑھتا ہے۔ ہم نے ہیبی کی ایک سہولت میں ایک ٹیم کے ساتھ کام کیا - جو یونگنیائی ضلع میں صنعتی کلسٹر کے سوچتے ہیں - تاریخی بجلی کی کھپت کے اعداد و شمار پر نسبتا simple آسان مشین لرننگ ماڈل تعینات کرنے کے لئے۔ اس کا مقصد اس عمل کو بحال کرنا نہیں تھا بلکہ مطالبہ میں اضافے کی پیش گوئی کرنا تھا اور غیر تنقیدی کارروائیوں کا مطالبہ کرنا تھا۔ اس کا نتیجہ چوٹی کے بوجھ کے چارجز میں 7-8 فیصد کمی تھا ، جو کاربن کے زیر اثر اور لاگت کو براہ راست کاٹتا ہے۔ یہ معمولی لگتا ہے ، لیکن پیمانے پر ، سیکڑوں بھٹیوں اور پریسوں میں ، مجموعی اثر کافی ہے۔ یہاں AI نہیں سوچ رہا ہے۔ یہ پیٹرن کی پہچان ہے جس کا اطلاق انتہائی شور ، حقیقی دنیا کے ڈیٹاسیٹ پر ہوتا ہے۔

جہاں یہ مشکل ہوتا ہے ڈیٹا انفراسٹرکچر ہے۔ بہت سے پودے ، یہاں تک کہ بڑے پیمانے پر بھی ہینڈن زیتائی فاسٹنر مینوفیکچرنگ کمپنی ، لمیٹڈ، لیگیسی اسکاڈا سسٹم اور دستی نوشتہ جات رکھیں۔ پہلی رکاوٹ دکان کے فرش سے صاف ستھرا ، وقتی مہر والا ڈیٹا ہو رہی ہے۔ ہم نے ماڈلز کو کھانا کھلانے کے لئے صرف بنیادی IOT سینسر ترتیب دینے میں صرف کیا - یہ ایک قدم چمقدار کیس اسٹڈیز میں اکثر دیکھنے میں آتا ہے۔ اس کے بغیر ، کوئی بھی AI ماڈل صرف ایک نظریاتی مشق ہے۔ ویب سائٹ https://www.zitaifasteners.com ہوسکتا ہے کہ ان کی مصنوعات کو ظاہر کریں ، لیکن پائیداری کا فائدہ پردے کے پیچھے ہوتا ہے ، مشینوں سے ڈیٹا اسٹریمز کے پُرجوش انضمام میں جو کبھی ایک دوسرے سے بات کرنے کے لئے ڈیزائن نہیں کی گئیں۔

ایک اور زاویہ مادی پیداوار ہے۔ فاسٹنر کی تیاری میں ، کنڈلی اسٹیل کو مکے اور تشکیل دیا جاتا ہے۔ سکریپ ناگزیر ہے ، لیکن اے آئی سے چلنے والے کمپیوٹر وژن سسٹم اب مہر لگانے سے پہلے نقائص کے لئے خام مال کا معائنہ کرسکتے ہیں ، اور یہاں تک کہ کچرے کو کم سے کم کرنے کے لئے متحرک طور پر کاٹنے کے نمونوں کو ایڈجسٹ کرسکتے ہیں۔ ہم نے اسے ایک ساتھی کے ساتھ پائلٹ کیا ، اور جب الگورتھم کام کرتا تھا تو ، سیٹ اپ کی پیچیدگی کی وجہ سے چھوٹے بیچ رنز کے لئے آر اوآئ منفی تھا۔ یہ ایک اہم اہمیت ہے: استحکام کے لئے AI عالمی سطح پر قابل اطلاق نہیں ہے۔ یہ ادائیگی کے لئے ایک خاص پیمانے اور آپریشنل پختگی کا مطالبہ کرتا ہے۔

رسد اور پوشیدہ نیٹ ورک

نقل و حمل ایک بڑے پیمانے پر کاربن امیٹر ہے۔ یہاں ، روٹ کی اصلاح میں اے آئی کا کردار معروف ہے ، لیکن حقیقی دنیا کی رکاوٹیں وہ ہیں جو اسے دلچسپ بناتی ہیں۔ بیجنگ-گونگزو ریلوے اور نیشنل ہائی وے 107 ، جیسے زیتائی کے قریب واقع ایک کارخانہ دار کے لئے ، سوال صرف مختصر ترین راستہ نہیں ڈھونڈ رہا ہے۔ یہ جزوی بوجھ کو مستحکم کرنے ، بندرگاہ میں تاخیر کی پیش گوئی کرنے ، اور یہاں تک کہ ٹرکوں کے لئے بیکار وقت کو کم کرنے کے لئے ریئل ٹائم ٹریفک اور موسم کے اعداد و شمار میں بھی فیکٹرنگ کے بارے میں ہے۔ ہم نے ایک ایسا نظام نافذ کیا جس نے یہ کیا ، اور ایندھن کی بچت اوسطا 12 فیصد ہے۔ تاہم ، بعض اوقات اس نظام کی سفارشات کو بھیجنے والوں نے مسترد کردیا جنہوں نے الگورتھم پر اپنے تجربے پر بھروسہ کیا۔

راستوں سے پرے ، انوینٹری کی اصلاح ہے۔ زیادہ انوینٹری کا انعقاد سرمائے اور جگہ کو بڑھاتا ہے ، اور اکثر ضائع ہوجاتا ہے (خاص طور پر شیلف زندگی کے خدشات کے حامل لیپت یا علاج شدہ فاسٹنرز کے لئے)۔ فروخت کے اعداد و شمار ، موسمی رجحانات ، اور یہاں تک کہ وسیع تر معاشی اشارے کا استعمال کرتے ہوئے پیش گوئی کرنے والے ماڈل انوینٹری کی سطح کو سخت کرسکتے ہیں۔ مجھے ایک پروجیکٹ یاد ہے جہاں ہم نے اسٹاک آؤٹ کے خطرے میں اضافہ کیے بغیر حفاظتی اسٹاک میں 15 فیصد کمی کردی۔ لیکن ماڈل حیرت انگیز طور پر ناکام رہا جب اچانک علاقائی پالیسی میں تبدیلی نے سپلائی چین کو متاثر کیا - اس طرح کے سیاہ ہنس واقعات کی تربیت نہیں کی گئی تھی۔ اس پر روشنی ڈالی گئی ہے کہ اے آئی ماڈل صرف اتنے ہی اچھے ہیں جتنے تاریخی اعداد و شمار نے انھوں نے دیکھا ہے۔ وہ ناول سیسٹیمیٹک جھٹکے سے جدوجہد کرتے ہیں۔

توسیعی سپلائی چین وہ جگہ ہے جہاں یہ وسیع تر ہوتا جاتا ہے۔ اے آئی سرکلر معیشت کے لوپ کو ڈیزائن کرنے میں مدد کرسکتا ہے۔ مثال کے طور پر ، پروڈکٹ لائف سائیکل ڈیٹا کا تجزیہ کرکے ، یہ پیش گوئی کرسکتا ہے کہ کب غیر منقول شمسی فارم سے تعلق رکھنے والے فاسٹنرز کا ایک بیچ دوبارہ استعمال یا ری سائیکلنگ کے لئے دستیاب ہوسکتا ہے ، اس طرح کنواری مواد کی ضرورت کو کم کیا جاسکتا ہے۔ یہ اب بھی نوزائیدہ ہے ، لیکن یورپی یونین میں پائلٹ پروجیکٹس اس کی کھوج کر رہے ہیں۔ یہ محض کارکردگی سے سیسٹیمیٹک ریسورس سائیکلنگ میں استحکام کو منتقل کرتا ہے۔

نگرانی ، رپورٹنگ ، اور شفافیت کا دھکا

آج استحکام کے لئے سخت پیمائش کی ضرورت ہے۔ AI ماحولیاتی نگرانی میں تیزی سے تیزی لاتا ہے۔ اخراج یا گندے پانی کے ماہانہ دستی آڈٹ کے بجائے ، AI تجزیات کے ساتھ سینسر نیٹ ورک مسلسل ، دانے دار ڈیٹا مہیا کرسکتے ہیں۔ ہم نے چڑھانا ورکشاپ میں اتار چڑھاؤ نامیاتی کمپاؤنڈ (VOC) کے اخراج کی نگرانی کے لئے ایک نظام قائم کرنے میں مدد کی۔ اے آئی نے صرف پیمائش نہیں کی۔ اس نے مخصوص پروڈکشن بیچوں اور اخراج اسپائکس کے مابین ارتباط کی نشاندہی کی ، جس سے عمل میں ایڈجسٹمنٹ کی اجازت دی جاسکتی ہے۔ اس سے لاگت کے مرکز کی تعمیل کو آپریشنل بصیرت کے ایک ذریعہ میں بدل جاتا ہے۔

تاہم ، ڈیٹا تیار کرنا ایک چیز ہے۔ اس پر بھروسہ کرنا ایک اور ہے۔ AI- انفلٹیٹڈ پائیداری میٹرکس اور ESG رپورٹنگ جیسے فریم ورک کے لئے قابل اظہار ، قابل تصدیق ریکارڈوں کی ضرورت کے مابین ایک جاری تناؤ ہے۔ کیا ریگولیٹرز اور سرمایہ کار کاربن اکاؤنٹنگ کے اے آئی کے خلاصے پر اعتماد کرسکتے ہیں؟ ہم ایک ایسے مرحلے میں ہیں جہاں اے آئی ڈیٹا کرنچنگ کی بھاری اٹھانے کو سنبھالتا ہے ، لیکن انسانی ماہرین کو ابھی بھی توثیق کرنے اور اس کی ترجمانی کرنے کی ضرورت ہے۔ یہ آلہ طاقتور ہے ، لیکن اس نے پیشہ ورانہ فیصلے کی ضرورت کو تبدیل نہیں کیا ہے۔

میکرو پیمانے پر ، AI پیچیدہ سپلائی چینوں میں زیادہ درست کاربن فوٹ پرنٹ سے باخبر رہنے کو قابل بنا رہا ہے۔ سپلائر پورٹلز ، شپنگ منشور ، اور توانائی کے بلوں سے ڈیٹا کو کھرچنے اور تجزیہ کرکے ، یہ قریب کے وقت کے قریب وقت کا نقشہ تشکیل دے سکتا ہے۔ زیتائی جیسی کمپنی کے لئے ، جو ایک وسیع پیداوار کی بنیاد کا حصہ ہے ، یہ مرئیت یورپ یا شمالی امریکہ میں بہاو صارفین کے لئے بہت ضروری ہے جن پر دائرہ کار 3 کے اخراج کی اطلاع دینے کا دباؤ ہے۔ یہ ایک مبہم عزم سے استحکام کو کاروبار کے قابل مقدار ، منظم جزو میں بدل دیتا ہے۔

نقصانات اور نظرانداز اخراجات

یہ سب مثبت نہیں ہے۔ بڑے AI ماڈلز کی تربیت اور چلانے کی کمپیوٹیشنل لاگت خود ماحولیاتی بوجھ ہے۔ ایک فیکٹری میں توانائی کی بچت پر مرکوز ایک پروجیکٹ کو کلاؤڈ سرورز کے ذریعہ استعمال ہونے والی توانائی کے خلاف وزن کرنا ضروری ہے۔ ہمارے کام میں ، ہم اسی وجہ سے بروٹ فورس گہری سیکھنے کے بجائے زیادہ موثر ، خصوصی ماڈلز کے استعمال میں منتقل ہوگئے ہیں۔ بعض اوقات ، ایک آسان اعدادوشمار کا ماڈل آپ کو 1 ٪ کمپیوٹیشنل اوور ہیڈ کے ساتھ 80 ٪ فائدہ حاصل کرتا ہے۔ اے آئی کے ذریعے استحکام کو اپنے نقش کا حساب دینا چاہئے۔

دوسرے کی قیمت پر کسی نظام کے ایک حصے کو بہتر بنانے کا بھی خطرہ ہے۔ ہم نے ایک بار توانائی کی بچت کے ل production پیداوار کے نظام الاوقات کو بہتر بنایا ، صرف اس کے لئے اس نے کچھ ٹولز پر پہننے میں اضافہ کیا ، جس کی وجہ سے زیادہ بار بار متبادل اور اس سے وابستہ مادی فضلہ کا باعث بنتا ہے۔ ایک جامع نظریہ ضروری ہے۔ حقیقی استحکام مقامی میکسما کے بارے میں نہیں ہے بلکہ سسٹم وسیع لچک اور کم سے کم کل اثر ہے۔ AI سسٹم کو کثیر مقصدی اصلاح کو ذہن میں رکھتے ہوئے ڈیزائن کرنے کی ضرورت ہے ، جو ایک نمایاں مشکل مسئلہ ہے۔

آخر میں ، انسانی عنصر۔ اے آئی سے چلنے والی تبدیلیوں کو نافذ کرنے کے لئے ہنر مند اہلکاروں ، تبدیلی کے انتظام ، اور اکثر ، واضح دارالحکومت کی ضرورت ہوتی ہے۔ مینوفیکچرنگ بیلٹ میں بہت سے چھوٹے اور درمیانے درجے کے کاروباری اداروں کے لئے ، ترجیح بقا اور آرڈر کی تکمیل ہے۔ پائیداری کی دلیل کو ایک واضح ، قلیل سے درمیانے درجے کے معاشی فائدہ کے ساتھ جوڑ دیا جانا چاہئے۔ یہی وجہ ہے کہ میں نے سب سے کامیاب پائلٹوں کو کم پھانسی والے پھلوں سے شروع کیا ہے: مہنگے وقت اور مادی فضلہ ، یا اسمارٹ لائٹنگ/حرارتی کنٹرول سے بچنے کے لئے پیش گوئی کی بحالی جو دو سال سے کم عرصے میں ادائیگی کرتی ہے۔

آگے دیکھ رہے ہیں: انضمام ، تنہائی نہیں

تو ، AI حقیقی طور پر استحکام کو کس طرح فروغ دیتا ہے؟ یہ اچھے منصوبوں کے لئے چمکدار ، اسٹینڈلون AI کے ذریعے نہیں ہے۔ یہ اس کے بتدریج ، اکثر غیر متزلزل ، مینوفیکچرنگ ، رسد ، اور توانائی جیسے صنعتوں کے آپریشنل ٹکنالوجی اسٹیک میں انضمام ہوتا ہے۔ یہ بنا کر استحکام کو بڑھاتا ہے وسائل کی کارکردگی قابل پیمائش اور قابل عمل ، فضلہ کے ندیوں کو ننگا کرکے جو پہلے پوشیدہ تھے ، اور مزید انکولی ، ذمہ دار نظام کو چالو کرکے۔

مستقبل ، میرے خیال میں ، ایمبیڈڈ اے آئی میں ہے۔ ایک ایسی صنعتی مشین کے بارے میں سوچئے جو معیار کو برقرار رکھتے ہوئے کم سے کم توانائی کے استعمال کے ل its اپنے پیرامیٹرز کو خود ایڈجسٹ کرتی ہے ، یا لاجسٹک پلیٹ فارم جو لاگت اور وقت کی رکاوٹوں کو پورا کرنے والے سب سے کم کاربن شپنگ آپشن کو خود بخود منتخب کرتا ہے۔ یہ ایک معیاری خصوصیت بن جاتی ہے ، الگ الگ اقدام نہیں۔ یونگنیائی پروڈکشن بیس جیسے مقامات پر کام ، مینوفیکچررز کے گھنے نیٹ ورک کے ساتھ ، ان مربوط طریقوں کے لئے ایک بہترین جانچ کا میدان ہے۔

آخر میں ، AI ایک طاقتور ٹول ہے ، لیکن بس اتنا ہی ہے - ایک آلہ۔ استحکام میں اس کی شراکت کا ان ہاتھوں سے ہوتا ہے جو اس کو چلاتے ہیں اور ان مسائل کو جن کا وہ حل کرنے کے لئے منتخب کرتے ہیں۔ یہ فروغ کنکریٹ ، ماد and ے اور توانائی کے بہاؤ میں اضافی فوائد پر لاتعداد توجہ سے حاصل ہوتا ہے ، جس کو اعداد و شمار کے ذریعہ مطلع کیا جاتا ہے کہ اب ہم آخر کار گرفت اور سمجھ سکتے ہیں۔ یہ ایک عملی سفر ہے ، جو آزمائش اور غلطی سے بھرا ہوا ہے ، جو ہائپ سائیکل سے بہت دور ہے ، اور یہی وہ جگہ ہے جہاں پائیدار مستقبل کی اس کی اصل قدر تعمیر کی جارہی ہے۔