تاثیر هوش مصنوعی بر فعالیت تولیدکنندگان و کارخانجات
تصویر بالا با کمک موتور جستجوی مایکروسافت (بینگ) تهیه شده است.
در چند دهه اخیر، بی‌توجهی بعضی فعالان کسب‌وکار به توسعه‌ی فروشگاه‌های اینترنتی و شبکه‌های اجتماعی باعث شد که از رقابت عقب بمانند. اکنون نیز به نظر می‌رسد که نادیده گرفتن هوش مصنوعی همان آثار را خواهد داشت و باعث عقب ماندن از مسیر توسعه و نهایتاً خروج از بازار رقابت می‌شود. از آن جا که هنوز بسیاری از ما به اندازه‌ی کافی با قابلیت‌های هوش مصنوعی آشنا نیستیم، در این یادداشت به تعدادی از شاخه‌های هوش مصنوعی و نمونه‌هایی از کاربردشان در فعالیتهای تولیدی اشاره می‌کنم.
1- بینایی ماشینی (Machine Vision)
بینایی ماشین یکی از شاخه‌های هوش مصنوعی است که قابلیت تحلیل و درک تصاویر را برای رایانه فراهم می‌کند. با کمک این فناوری، همان‌طور که انسان‌ها محیط پیرامون خود را می‌بینند و تفسیر می‌کنند، رایانه‌ها نیز می‌توانند محیط را ببینند و دیده‌های خود را تفسیر کنند. با توجه به سرعت بالای پردازنده‌های و پیشرفت‌های قابل توجه در صنعت دوربین‌های تصویربرداری، رایانه‌ها می‌توانند تصاویر را بسیار سریع‌تر از انسان‌ها پردازش کنند، یا جزئیاتی را ببینند که چشم انسان در موردشان محدودیت دارد. در ادامه به چند مثال از کاربردهای بینایی ماشینی در فعالیتهای تولیدی اشاره می‌کنم:
– می‌توان ابعاد قطعاتی که در یک تصویر یا ویدئو نشان داده می‌شوند را تخمین زد. مثلاً از هزار قطعه به صورت هم‌زمان تصویربرداری کرد تا سیستم فوراً قطعات بزرگ‌تر یا کوچک‌تر از حد استاندارد را شناسایی کند، یا در دستگاه تراش دوربینی نصب کرد و با کمک بینایی ماشین، قطر لحظه‌ای قطعه‌کار -در محل تماس ابزار با قطعه- را نمایش داد.
– می‌توان مشخصات ظاهری هر چیزی را در کم‌ترین زمان به یک مدل کامپیوتری تبدیل کرد، طوری که مثلاً تصویر یک خودرو توسط سیستم پردازش شده و با رعایت تمام مشخصات ظاهری و ابعادی، فایل سه‌بعدی و قابل تغییر آن در کامیپوتر ایجاد می‌شود.
– می‌توان نوع و مقدار موادی که به انبارها وارد یا از آن‌ها خارج می‌شوند، به صورت خودکار شناسایی و در سیستم ثبت کرد. مثلاً سیستم مشخص کند که چه پالت‌هایی، با چه کُدی، در چه تعدادی و توسط کدام خودرو به انبار وارد یا از آن خارج شده است. همچنین برای خواندن بارکد قطعات، پلاک خودروهای حمل‌ونقل، اطلاعات روی جعبه‌ها، شناسایی رنگ‌ها و بسیاری از جزئیات دیگر می‌توان از هوش مصنوعی استفاده کرد.
– می‌توان عملکرد روبات‌ها و تجهیزات را توسعه داد، مثلاً روباتی ساخت که می‌تواند محیط اطراف را رصد کند، یک کالای مفقود شده در کارگاه را بیابد و در جای مشخصی از انبار قرار دهد.
– می‌توان وجود ترک یا سایر ایرادات روی قطعات و بسته‌بندی محصولات را شناسایی کرد. به عبارت کلی‌تر، می‌توان بسیاری از بازرسی‌های چشمی را به سیستم‌های خودکار واگذار کرد. البته این بازرسی‌ها می‌تواند در مورد جزئیاتی باشد که توسط انسان‌ها قابل بازرسی نیست، مثلاً قطعات را با بزرگ‌نمایی چند صد برابر بازرسی کرد.
– می‌توان روی فعالیتهای کارگران نظارت کرد تا بهره‌وری و کارمزد آن‌ها به صورت خودکار تعیین شود. مثلاً با نصب دوربین، بررسی کرد که هر کارگر چند ساعت کار می‌کند و خروجی کار او چقدر است.
– می‌توان نظارت کرد تا در صورت انجام اعمال خطرناک یا زیر پا گذاشتن اصول ایمنی، فعالیت‌ها متوقف شود. مثلاً وقتی کارگری از تجهیزات ایمنی استفاده نکرده، ماشین‌آلات مربوطه قابل استفاده نباشند و موضوع به سرپرست کارگاه اطلاع‌رسانی شود.
– می‌توان تعداد قطعات مختلفی که توسط هر دستگاه ساخته می‌شود را شمارش کرد و اطلاعاتی مثل تعداد قطعات معیوب، مدت زمان ساخت هر قطعه و نرخ خروجی هر دستگاه را استخراج کرد.
2- پردازش زبان طبیعی (Natural Language Processing)
یکی دیگر از شاخه‌های هوش مصنوعی، پردازش زبان طبیعی (اختصاراً NLP) است که درک و تولید گفتار و نوشتار انسانی را برای رایانه‌ها مقدور ساخته است. به عبارتی، توسعه‌ی این شاخه کمک کرده که رایانه‌ها قابلیت فهمیدن حرف انسان‌ها و حرف زدن با آن‌ها را داشته باشند. چند نمونه از کاربردهای پردازش زبان طبیعی در فعالیتهای تولیدی عبارتند از:
– می‌توان تمام اقدامات فیزیکی که در یک آزمایشگاه یا کارگاه انجام می‌شود را به یک گزارش مکتوب و دقیق تبدیل کرد. سیستم می‌تواند اقداماتی که انجام می‌شود را با کمک بینایی ماشینی تشخیص دهد، سپس آن‌ها را به صورت مکتوب بنویسد و نهایتاً با مرتب کردن اطلاعات و ویرایش آن‌ها، یک گزارش منظم و استاندارد تولید کند.
– می‌توان بسیاری از فرایندهای ارتباط با مشتریان -مثل ثبت سفارش یا پاسخ به سؤالات- را به هوش مصنوعی واگذار کرد. هوش مصنوعی می‌تواند در حد یک اپراتور حرفه‌ای با مشتریان ارتباط برقرار کند. همچنین می‌تواند مستندانی مثل فایل‌های راهنما، استانداردهای سازمانی، بخشنامه‌ها، دستورالعمل‌ها، کاتالوگ‌ها و کتابچه‌ها را بخواند و بر مبنای آن‌ها به سؤالات مشتریان پاسخ دهد.
– می‌توان بسیاری از محتویات، مثل کاتالوگ‌ها و بنرهای تبلیغاتی و گزارش‌ها را با هوش مصنوعی تولید کرد. سیستم‌های مبتنی بر هوش مصنوعی می‌توانند مقالات دقیق و کاملی بنویسند، تصاویر مختلف بسازند، زبان‌های مختلف را به هم ترجمه کنند، خلاصه‌ی کتاب‌ها و مقالات را بنویسند، نوشته‌ها را ویراستاری کنند یا حتی ایرادهای فنّی و ظاهری مقالات را تشخیص دهند.
– می‌توان تنظیم بخشی از نامه‌های درون‌سازمانی و برون‌سازمانی را به هوش مصنوعی واگذار کرد.
– می‌توان به صورت خودکار، مکالمات صوتی را به نوشتار تبدیل کرد و نظارت بر آن‌ها را به هوش مصنوعی سپرد. با این روش لازم نیست که صدها ساعت مکالمات کارشناسان سازمان با مشتریان، توسط نیروی کار انسانی گوش داده شود، بلکه سیستم می‌تواند همه‌ی آن‌ها را در چند ثانیه بررسی و ارزیابی کند.
– می‌توان تنظیم صورت‌جلسه‌ها را به هوش مصنوعی واگذار کرد، طوری که سیستم همه‌ی موضوعات طرح شده را ثبت می‌کند و نهایتاً با تنظیم و مرتب کردن آن‌ها -همچنین حذف خودکار عبارات اضافه- صورت جلسه‌ی منظم و استانداردی را تحویل می‌دهد.
– می‌توان سازمان‌دهی اطلاعات را به هوش مصنوعی واگذار کرد، طوری که مثلاً پیام‌های دریافتی را به صورت خودکار بررسی کند و موارد اضطراری را در اولویت قرار دهد، یا پیام‌هایی که مربوط به شخص خاصی است را شناسایی و به همان شخص ارسال کند. همچنین سیستم می‌تواند محتویات نامه‌ها و درخواست کارکنان را درک کند و متناسب با آن، نامه‌ها را به واحد ذی‌ربط ارسال کند.
3- یادگیری عمیق (Deep Learning)
یادگیری عمیق، یکی از شاخه‌های یادگیری ماشین (Machine Learning) و از موضوعات مطرح در هوش مصنوعی است. با توسعه‌ی این شاخه، امروزه سیستم‌هایی داریم که می‌توانند از داده‌ها یاد بگیرند. به عنوان مثال، سیستم می‌تواند با بررسی تغییرات قیمت ارز در سال‌های اخیر، نرخ آن در سال آینده را پیش‌بینی کند یا با بررسی تصاویر مختلف از قطعات ماشین‌کاری، تفاوت‌شان با قطعات ریخته‌گری را بفهمد. چند نمونه از کاربردهای یادگیری عمیق در فعالیتهای تولیدی عبارتند از:
– می‌توان داده‌های قبلی را در اختیار سیستم قرار داد تا مقدار تقاضا یا مواد اولیه‌ی مورد نیاز در برهه‌های زمانی مختلف را پیش‌بینی کند.
– می‌توان برای تعمیرات و نگهداری ماشین‌آلات، از هوش مصنوعی استفاده کرد تا زمان خرابی و توقف ماشین‌آلات را پیش‌بینی کرده و با در نظر گرفتن هزینه‌های تعمیرات و نگهداری، بهترین زمان‌بندی را پیشنهاد کند.
– می‌توان ماشین‌آلاتی طراحی کرد که با یادگیری از فعالیتهای قبلی، اقدامات بعدی را با بهره‌روی بالاتری انجام دهند. مثلاً دستگاه فرز به صورت اتوماتیک بهترین سرعت براده‌برداری را برای مواد مختلف تنظیم کند یا یک دستگاه آزمایشگاهی، سریع‌تر و دقیق‌تر بتواند یک پارامتر را اندازه بگیرد.
– می‌توان برای پیدا کردن روابط علت و معلولی از هوش مصنوعی استفاده کرد، طوری که مثلاً سیستم بتواند دلیل خرابی محصولات را پیدا کند یا ارتباط میان نیروی گیره‌بندی و صافی قطعات پرس‌کاری را تشخیص دهد.
– می‌توان روبات‌هایی طراحی کرد که بعضی فعالیت‌ها را از کارکنان یاد بگیرند و شبیه آن‌ها را انجام دهند، مثلاً روباتی که به بتواند قطعات مختلف را روی فیکسچرها باز و بسته کند، یا روباتی که فرایند طراحی قالب‌های تزریق را از طراحان یاد بگیرد و شبیه آن را انجام دهد.
– می‌توان اطلاعات مربوط به فرایندهای تولید را بررسی کرد و با کمک هوش مصنوعی، جهت بهینه‌سازی بیشتر فرایندها و کاهش هزینه‌ها اقدام کرد.
4- سیستم‌های تصمیم‌گیری مبتنی بر هوش مصنوعی
با توسعه‌ی تکنیک‌هایی مثل سیستم‌های خبره، الگوریتم‌های تکاملی، منطق فازی و شبکه‌های فازی، سیستم‌های مبتنی بر هوش مصنوعی قادر به تحلیل، ارزیابی و انتخاب بین گزینه‌ها -اصطلاحاً تصمیم‌گیری- هستند. به عنوان مثال، این سیستم‌ها می‌توانند در تشخیص بیماری بیماران مفید باشند یا مشخص کنند که خریدن سهام کدام شرکت به صرفه‌تر است. با تصمیم‌گیری به کمک هوش مصنوعی، می‌تون اقدامات زیر را در مورد فعالیتهای تولیدی انجام داد:
– می‌توان از هوش مصنوعی برای تعیین اهداف سازمان، شناسایی و ارزیابی راهکارهای مختلف و تدوین استراتژی استفاده کرد.
– می‌توان ماشین‌آلات و سایر تسهیلات مورد نیاز واحد تولیدی را با سرعت و دقت بالاتری انتخاب کرد.
– می‌توان از میان چند طرح توجیهی، بهترین گزینه‌ها را برای سرمایه‌گذاری و تأسیس واحد تولیدی انتخاب کرد.
– می‌توان تحلیل ریسک انجام داد و خطرات احتمالی در پروژه‌ها را شناسایی کرد، یا احتمال وقوع آن‌ها را سنجید.
– می‌توان برای انجام بهتر فعالیتهای طراحی از آن استفاده کرد. در توضیح این نکته، لازم به ذکر است که: طراحی و بهینه‌سازی، مجموعه‌ای از تصمیم‌های مهندسی هستند که به توسعه‌ی یک محصول، فرایند یا سیستم منتهی می‌شوند.
