پپسی با طعم هوش مصنوعی
دیگر، فقط کارگران نیستند که به دنبال نشانه‌هایی از خرابی ماشین‌آلات در کارخانه‌ها می‌گردند تا آنها را پیدا کرده و تعمیر کنند. حسگرهای هوش مصنوعی متصل به تجهیزات نیز به نشانه‌های خرابی تجهیزات توجه می‌کنند؛ آنها برای تشخیص صدای ماشین‌های خسته که خطر توقف خطوط تولید را بالا می‌برند، آموزش دیده‌اند.
یک نظرسنجی در سال جاری میلادی نشان داد که ۸۹ درصد از نزدیک به ۱۸۰۰ مدیر شرکت‌های تولیدی گفته‌اند که هدفشان پیاده‌سازی هوش مصنوعی در تولیداتشان است.
پپسی این حسگرها را که توسط شرکت فناوری Augury ایجاد و با هوش مصنوعی (AI) ساخته شده است، در سراسر کارخانه‌های خود پس از یک آزمایش موفقیت آمیز در آمریکا مستقر می‌کند. این شرکت یکی از شرکت‌هایی است که به بررسی این موضوع می‌پردازند که چگونه هوش مصنوعی می‌تواند کارایی کارخانه را افزایش داده، ضایعات را کاهش دهد و محصولات را زودتر وارد قفسه کند.
حسگرهای مورد استفاده در کارخانه‌های PepsiCo (پپسی) روی حجم عظیمی از داده‌های صوتی آموزش دیده‌اند تا بتوانند عیب‌های تسمه نقاله و یاتاقان‌ها را در حین آنالیز ارتعاشات ماشین تشخیص دهند.
مدیر اجرایی Augury می‌گوید: ما امروز بیش از ۳۰۰ میلیون ساعت تحلیل و نظارت از ماشین‌های مختلف را داریم و می‌توانیم از همه این داده‌ها برای ایجاد الگوریتم‌هایی استفاده کنیم که می‌دانند چگونه الگوهای خاصی از خرابی‌های مختلف را مشخص کنند. این فناوری با جمع‌آوری اطلاعات درباره سلامت تجهیزات مانند شناسایی زمانی که ممکن است یک ماشین دوباره از کار بیفتد، به کارگران این امکان را می‌دهد تا تعمیر و نگهداری را از قبل برنامه‌ریزی کرده و از واکنش به خطاهای دستگاه در هنگام وقوع اجتناب کنند.
استفاده از حسگرهای مجهز به هوش مصنوعی همچنین می‌تواند راهی برای کاهش زباله‌ها در سراسر عملیات خود به شرکت بدهد. آقای یوسکوویتز، مدیر اجرایی Augury، می‌گوید: اگر دستگاه به بهینه‌ترین حالت کار می‌کند، می‌توانید مصرف انرژی آن دستگاه را کاهش دهید.
بینایی رایانه‌ای که شامل آموزش ماشین‌ها برای تشخیص اشیاء در تصاویر و ویدیو می‌شود، نوع دیگری از هوش مصنوعی است که در برخی از کارخانه‌های جهان برای تشخیص عیوب محصول در مقیاس بالا مورد استفاده قرار می‌گیرد. خطاهایی که قبلاً توسط چشم انسان نادیده گرفته می‌شد، اکنون می‌تواند توسط دوربین دستگاه شناسایی شده و توسط الگوریتم‌هایی که برای تشخیص ناهنجاری‌های خاص آموزش دیده‌اند، ضبط شوند.
بالا بردن شفافیت در تولید
الکساندرا برینتروپ، استاد تولید دیجیتال در موسسه تولید دانشگاه کمبریج، به بی‌بی‌سی می‌گوید که استفاده از هوش مصنوعی برای بهبود کارایی در صنعت، از جمله در زمینه‌هایی مانند کنترل کیفیت، اکنون می‌تواند ازجمله کاربردهای متعارف این فناوری در نظر گرفته شود.
وی همچنین اضافه می‌کند: من احساس می‌کنم فرصت‌های هیجان‌انگیزتر هوش مصنوعی در تولید از مواردی می‌آیند که قبلاً حتی نمی‌توانستیم انجام دهیم، مانند اشتراک ظرفیت بین تولیدکنندگان، بهبود دید در زنجیره‌های تامین، حتی اشتراک کامیون‌ها در یک زنجیره لجستیک. ماهیت پیچیده و درهم تنیده شبکه‌های زنجیره تامین و عدم تمایل برخی از ذینفعان به گفتن اینکه چه کسی آنها را تامین می‌کند، قبلاً بسیاری از جنبه‌های تولید را در هاله‌ای از ابهام نگه داشته بود. اما از هوش مصنوعی می‌توان برای تجزیه و تحلیل و پیش‌بینی اینکه چه کسی و کجا تامین کننده هستند، استفاده کرد و به شرکت‌ها بینشی در مورد تنگناها و به مصرف کنندگان در مورد این را که محصولاتشان و مواد استفاده شده از کجا می‌آیند، داد.
کارشناسان معتقدند افزایش شفافیت درباره جزئیات زنجیره تأمین و دادن آن اطلاعات به مصرف‌کننده در آینده اهمیت بیشتری پیدا می‌کند.
کارگران چطور؟
حالا این سوال مطرح می‌شود که افزایش استفاده از ابزارهای هوش مصنوعی در کف کارخانه‌ها و در زنجیره تامین گسترده‌تر چه معنایی برای کارگران خواهد داشت؟
برخی از شرکت ها در حال بررسی این هستند که چگونه می‌توان از هوش مصنوعی برای ایمن نگه داشتن کارگران خط تولید در اطراف ماشین آلات استفاده کرد. در همین حال، ابزارهای پوشیدنی مبتنی بر هوش مصنوعی، Exoskeletons، در سراسر انبارهای بریتانیا مستقر شده‌اند تا اطمینان حاصل شود افرادی که به دفعات، بارهای سنگین را حمل می‌کنند تحت فشار قرار نگیرند یا آسیب نبینند.
معاون جهانی پپسی PepsiCo Labs، می‌گوید که این شرکت حسگرهای Augury و هوش مصنوعی را به‌عنوان راهی برای ارائه ارزش بیشتر برای کارگران و مشتریان و نه فقط برای کارخانه‌های خود در آینده می‌بیند.
وی می‌گوید: این به بهبود نحوه کار افراد کمک می‌کند؛ بنابراین ما می‌توانیم کارایی بهتری برای رفع نیازهای مردم و مشتریان خود به ارمغان بیاوریم و اینکه آماده باشیم تا نیازهای آینده را نیز برطرف کنیم.
