أربع طرق للذكاء الاصطناعي التوليدي لحل تحديات التصنيع

قطاع التصنيع في موقف صعب لا يحسد عليه. حيث يواجه هجوم مستمر يتمثل في ضغوط التكلفة، وتقلبات في سلاسل التوريد، والتقنيات الثورية مثل الطباعة ثلاثية الأبعاد وإنترنت الأشياء (IOT). لذا يجب على القطاع تحسين العمليات باستمرار، وتحسين الكفاءة، وتحسين فعالية المعدات بوجه عام.

وفي الوقت نفسه، هناك موجة ضخمة من الاستدامة والتحول في مجال الطاقة. تُطالب شركات التصنيع بخفض انبعاثاتها الكربونية واعتماد ممارسات الاقتصاد الدائري وأن يصبحوا أكثر مراعاة للبيئة بوجه عام.

كما تواجه شركات التصنيع ضغوطًا من أجل الابتكار باستمرار مع ضمان الاستقرار والسلامة. تُعد تنبؤات الذكاء الاصطناعي غير الدقيقة في حملة تسويقية مصدر إزعاج بسيط، ولكن تنبؤات الذكاء الاصطناعي غير الدقيقة في مصنع الإنتاج قد تكون كارثية.

التقنية والاضطراب ليسا جديدين على المصنعين، ولكن المشكلة الأساسية هي أن ما ينجح نظريًا غالبًا ما يفشل عمليًا. على سبيل المثال، نحن كمصنعين ننشئ قاعدة معرفية، ولكن لا يمكن لأحد أن يجد أي شيء دون قضاء ساعات في البحث والتصفح في المحتويات. أو ننشئ بحيرة بيانات، والتي تتحول بسرعة إلى مستنقع بيانات. أو نستمر في إضافة التطبيقات، ومن ثَمَّ يستمر الدين التقني في الزيادة. لكننا غير قادرين على تحديث تطبيقاتنا، لأن المنطق المتطور على مر السنين مخفي بداخلها.

دعونا نستكشف بعض القدرات أو حالات الاستخدام التي نرى فيها أكبر قدر من الزخم:

1. التلخيص

يظل التلخيص هو حالة الاستخدام الأولى لتقنية الذكاء الاصطناعي التوليدي (gen AI). وبإضافة قدراته على البحث والتفاعل متعدد الوسائط، فإن الذكاء الاصطناعي التوليدي مساعد رائع. يستخدم المصنعون التلخيص بطرق مختلفة.

قد يستخدمونه لتصميم طريقة أفضل تساعد المشغلين على استرجاع المعلومات الصحيحة بسرعة وفعالية من المستودع الهائل لأدلة التشغيل وإجراءات التشغيل الموحدة والسجلات والحوادث السابقة وغيرها. ويتيح ذلك للموظفين التركيز أكثر على مهامهم وتحقيق تقدم بلا تأخير لا داعي له.

لدى IBM مسرعات للذكاء الاصطناعي التوليدي تركز على التصنيع للقيام بذلك. بالإضافة إلى ذلك، دمجت هذه المسرعات مسبقًا مع خدمات الذكاء الاصطناعي السحابية المختلفة وتعمل على توصية أفضل نموذج لغوي كبير (LLM) للاستخدام في مجالهم.

يساعد التلخيص أيضًا في بيئات التشغيل القاسية. إذا تعطلت المعدات، فيمكن لمهندسي الصيانة استخدام الذكاء الاصطناعي التوليدي لتشخيص المشاكل بسرعة بناء على دليل الصيانة وتحليل مَعلمات العملية.

2. فهم البيانات السياقية

غالبًا ما تسبب أنظمة البيانات مشكلات كبيرة في شركات التصنيع. فغالبًا ما تكون متباينة ومنعزلة ومتعددة الوسائط. لقد كانت المبادرات المختلفة لإنشاء رسم بياني معرفي لهذه الأنظمة ناجحة جزئيًا فقط بسبب عمق المعرفة القديمة، والوثائق غير المكتملة، والديون الفنية التي تراكمت على مدى عقود.

طورت IBM نظام اكتشاف المعرفة المدعوم بالذكاء الاصطناعي، والذي يستخدم الذكاء الاصطناعي التوليدي لاكتشاف رؤى جديدة وتسريع القرارات القائمة على البيانات باستخدام بيانات صناعية سياقية. كما طورت IBM مسرعًا لهندسة ميزات مدركة للسياق في المجال الصناعي. يتيح ذلك إمكانية رؤية حالات العملية (طبيعية/غير طبيعية) في الوقت الفعلي، ويخفف من العوائق المتكررة للعملية، ويكشف عن الدفعة الذهبية ويتنبأ بها.

أنشأت IBM مستشار القوى العاملة الذي يستخدم التلخيص وفهم البيانات السياقية مع كشف النية والتفاعل متعدد الوسائط. يمكن للمشغلين ومهندسي المصنع استخدام هذا الأمر للتركيز بسرعة على منطقة المشكلة. يمكن للمستخدمين طرح الأسئلة عن طريق الكلام أو النص أو الإشارة، وسيعالج مستشار الذكاء الاصطناعي التوليدي الأسئلة ويقدم الرد، مع وعي بالسياق. وهذا يقلل من العبء المعرفي على المستخدمين من خلال مساعدتهم على إجراء تحليل السبب الأساسي بسرعة أكبر، ومن ثَمَّ  تقليل الوقت والجهد المبذولين.

3. مساعدة البرمجة

يساعد الذكاء الاصطناعي التوليدي أيضًا في البرمجة، بما في ذلك توثيق التعليمات البرمجية، وتحديثها، وتطويرها. كمثال على مدى إسهام الذكاء الاصطناعي التوليدي في تحديث تكنولوجيا المعلومات، فكر في حالة استخدام شركة المياه. اعتمدت شركة Water Corporation برنامج Watson Code Assistant، الذي يعتمد على قدرات الذكاء الاصطناعي التوليدي من IBM، لمساعدتهم على الانتقال إلى بنية تحتية من SAP تعتمد على السحابة.

أدت هذه الأداة إلى تسريع عملية تطوير التعليمات البرمجية باستخدام توصيات الذكاء الاصطناعي المستندة إلى مدخلات اللغة الطبيعية، ما أدى إلى تقليل أوقات النشر والعمل اليدوي بصورة كبيرة. مع Watson Code Assistant، حققت شركة Water Corporation تخفيضًا بنسبة 30% في جهود التطوير والتكاليف المرتبطة بها مع الحفاظ على جودة التعليمات البرمجية وشفافيتها.

4. إدارة الأصول

يتمتع الذكاء الاصطناعي التوليدي بالقدرة على إحداث تحول في إدارة الأصول.

يمكن للذكاء الاصطناعي التوليدي إنشاء نماذج أساس للأصول. عندما يتعين علينا التنبؤ بالعديد من مؤشرات الأداء الرئيسية في العملية نفسها أو عندما يكون هناك مجموعة من الأصول المتشابهة. من الأفضل تطوير نموذج أساس واحد للأصل وضبطه عدة مرات.

كما يمكن للذكاء الاصطناعي التوليدي التدريب على الصيانة التنبئية. تُعد نماذج الأساس سهلة الاستخدام للغاية إذا كانت بيانات الفشل نادرة. تحتاج نماذج الذكاء الاصطناعي التقليدية إلى الكثير من التسميات لتوفير دقة معقولة. ومع ذلك، في نماذج الأساس، يمكننا تدريب النماذج مسبقًا من دون أي تسميات وضبط النماذج بدقة مع التسميات المحدودة.

كما يمكن أن يوفر الذكاء الاصطناعي التوليدي الدعم الفني والتدريب. يمكن للمصنعين استخدام تقنيات الذكاء الاصطناعي التوليدي لإنشاء محاكي تدريب للمشغلين والفنيين. علاوة على ذلك، خلال عملية الإصلاح، يمكن لتقنيات الذكاء الاصطناعي التوليدي تقديم الإرشاد وتحديد أفضل إجراءات الإصلاح.

تعتقد IBM أن السرعة والمرونة وقابلية التوسع التي توفرها تقنيات الذكاء الاصطناعي التوليدي ستعمل على تسريع مبادرات الرقمنة في قطاع التصنيع بصورة كبيرة.

يعمل الذكاء الاصطناعي التوليدي على تمكين المؤسسات في جوهر أعمالها الإستراتيجي. خلال عامين، ستعمل نماذج الأساس على تشغيل حوالي ثلث نماذج الذكاء الاصطناعي داخل بيئات المؤسسات.

في أعمال IBM المبكرة في تطبيق نماذج الأساس، كان الوقت المناسب للقيمة أسرع بنسبة تصل إلى 70% من النهج التقليدي للذكاء الاصطناعي. يجعل الذكاء الاصطناعي التوليدي تقنيات الذكاء الاصطناعي والتحليلات الأخرى أكثر قابلية للاستهلاك، ما يساعد المؤسسات التصنيعية على تحقيق قيمة استثماراتها.