به گزارش خبرنگار علم و فناوری ایسکانیوز؛ Industry 4.0 به انقلاب صنعتی چهارم اشاره دارد. این اصطلاح در سال ۲۰۱۱ برای نشان دادن نقشی که سیستم‌های فیزیکی سایبری (CPS)، محاسبات ابری، و اینترنت صنعتی اشیاء در فرآیندهای تولید خواهند داشت، ابداع شد که هم‌کنش‌پذیری یا تعامل‌پذیری (به قابلیت سامانه‌ها و ساختارهای گوناگون برای کار کردن با همدیگر)، تمرکززدایی یا نامتمرکز شده (به معنای برقراری ارتباط بدون وجود مرکزیت خاص)، جمع‌آوری داده‌ها در زمان واقعی و • افزایش انعطاف‌پذیری از تبعات آن هستند.

تاریخ مختصری از صنعت

انسان تاکنون چهار انقلاب صنعتی را پشت سر گذاشته است:

· انقلاب صنعتی اول زمانی که نیروی بخار و نیروی آب برای مکانیزه کردن تولید مورد استفاده قرار گرفت. این انقلاب در اواخر قرن ۱۸ در بریتانیا شروع شد و شرایطی مهیا شد که کالاها و محصولات با ماشین‌آلات ساخته شوند نه با دست.

· انقلاب صنعتی دوم زمانی که برق امکان تولید انبوه با خطوط مونتاژ را فراهم کرد. یک قرن بعد، انقلاب صنعتی دوم خطوط مونتاژ و استفاده از نفت، گاز و برق را معرفی کرد. این منابع انرژی جدید، همراه با ارتباطات پیشرفته‌تر از طریق تلفن و تلگراف، تولید انبوه و درجاتی از اتوماسیون را برای فرآیندهای تولید به ارمغان آورد.

رمزگشایی از یک لوح باستانی ۲۰۰۰ ساله با هوش مصنوعی

· انقلاب صنعتی سوم زمانی که از فناوری اطلاعات و کامپیوتر برای خودکارسازی فرآیندهای تولید استفاده شد. این انقلاب صنعتی که در اواسط قرن بیستم آغاز شد، کامپیوترها، مخابرات پیشرفته و تجزیه و تحلیل داده‌ها را به فرآیندهای تولید اضافه کرد. دیجیتالی شدن کارخانه‌ها با تعبیه کنترل‌کننده‌های منطقی قابل برنامه‌ریزی (PLC) در ماشین‌آلات برای کمک به خودکارسازی برخی از فرآیندها و جمع‌آوری و به اشتراک‌گذاری داده‌ها آغاز شد.

· و انقلاب صنعتی چهارم که افزایش اتوماسیون و اتصال با CPS یا سیستم‌های فیزیکی سایبری به ارمغان آورد. ما اکنون در چهارمین انقلاب صنعتی هستیم که در آن، افزایش اتوماسیون و استفاده از ماشین‌های هوشمند و کارخانه‌های هوشمند، داده‌های آگاهانه به تولید کالاها با کارایی بیشتر و بهره‌وری در سراسر زنجیره ارزش کمک می‌کند. انعطاف‌پذیری در این فرآیند بهبود می‌یابد تا تولیدکنندگان بتوانند با استفاده از سفارشی‌سازی انبوه، خواسته‌های مشتریان را بهتر برآورده کنند. با جمع‌آوری داده‌های بیشتر از کف کارخانه و ترکیب آن با سایر داده‌های عملیاتی سازمانی، یک کارخانه هوشمند می‌تواند به شفافیت اطلاعات و تصمیم‌گیری‌های بهتر دست یابد.

تفاوت بین صنعت 3.0 و 4.0 در چیست؟

در انقلاب صنعتی سوم، ما فرآیندها را با استفاده از پردازشگرهای منطقی و فناوری اطلاعات خودکار می‌کنیم. این فرآیندها اغلب بدون دخالت انسان عمل می‌کنند، اما هنوز یک جنبه انسانی پشت آن وجود دارد. انقلاب صنعتی چهارم با در دسترس بودن و استفاده از حجم کلانی از داده‌ در سطح تولید شکل می‌گیرد.

برای درک این مساله مثالی می‌زنیم. دستگاه CNC یا را در نظر بگیرید که در واقع یک فرز صنعتی است که با استفاده از نرم‌افزارهای کامپیوتری کنترل و هدایت می‌شود. این نرم‌افزارها دخالت انسان در برش و شکل دادن چوب را به حداقل می‌رساند. با استفاده از این دستگاه فرد می‌تواند تمام طرح‌های فرز کاری و ماشین کاری چوب را با استفاده از نرم‌افزارهای گرافیکی مناسب آماده کند و باقی کارها را به عهده دستگاه بگذارد.

این دستگاه در حالی که تا حد زیادی خودکار است، هنوز به ورودی یک کنترل کننده انسانی نیاز دارد. در واقع، براساس ورودی انسان خودکار است، نه براساس داده‌ها.

حال این دستگاه را تحت نسخه چهارم صنعت در نظر بگیرید؛ نه تنها می‌تواند  پارامترهای برنامه‌نویسی تنظیم شده را دنبال کند، بلکه از داده‌ها برای ساده‌سازی فرآیندهای تولید نیز استفاده می‌کند.

فناوری‌ها چطور در حال تحول فرآیند تولید هستند؟

صنعت چهارم انقلابی است که در نحوه تولید،  بهبود و توزیع محصولات شرکت‌ها ایجاد شده است. در این گذار، شرکت‌ها فناوری‌های جدیدی چون اینترنت اشیاء، محاسبات ابری و تجزیه و تحلیل داده، هوش مصنوعی و یادگیری ماشینی را هم در امکانات تولید و هم در طی عملیات خود ادغا می‌کنند.

کارخانه‌های هوشمند مجهز به حسگرهای پیشرفته، نرم‌افزارهای تعبیه‌شده و روباتیک هستند که داده‌ها را جمع‌آوری و تجزیه و تحلیل می‌کنند و امکان تصمیم‌گیری بهتری را فراهم می‌کنند. علاوه براین، با ادغام داده‌های عملیات تولید و داده‌های مربوط به زنجیزه تامین، خدمات مشتری و سایر سیستم‌های سازمانی، سطوح کاملا جدیدی از دید و بینش شرکت خود ایجاد می‌کنند.

فناوری‌های دیجیتال منجر به افزایش اتوماسیون، تعمیر و نگهداری پیش‌بینی‌شده، خود بهینه‌سازی بهبود فرآیند و بالاتر از همه، سطح جدیدی از کارایی و پاسخگویی به مشتریان می‌شود که قبلاً امکان‌پذیر نبود.

توسعه کارخانه‌های هوشمند فرصتی باورنکردنی برای صنعت تولید برای ورود به انقلاب صنعتی چهارم فراهم می‌کند. تجزیه و تحلیل حجم زیادی از داده‌های بزرگ جمع‌آوری‌شده از حسگرها در کف کارخانه، چشم‌انداز دارایی‌های تولیدی را در زمان واقعی تضمین می‌کند و می‌تواند ابزارهایی را برای انجام تعمیرات پیش‌بینی‌کننده به منظور به حداقل رساندن خرابی تجهیزات فراهم کند.

استفاده از دستگاه‌های اینترنت اشیاء نیز با فناوری پیشرفته در کارخانه‌های هوشمند منجر به بهره‌وری بالاتر و بهبود کیفیت می‌شود. جایگزینی مدل‌های تجاری بازرسی دستی با بینش‌های بصری مبتنی بر هوش مصنوعی، خطاهای تولید را کاهش می‌دهد و در هزینه و زمان صرفه‌جویی می‌کند. با حداقل سرمایه‌گذاری، پرسنل کنترل کیفیت می‌توانند یک گوشی هوشمند متصل به فضای ابری راه‌اندازی کنند تا فرآیندهای تولید را تقریباً از هر نقطه نظارت کنند. با استفاده از الگوریتم‌های یادگیری ماشین، سازندگان می‌توانند خطاها را فوراً تشخیص دهند.

چه فناوری‌هایی صنعت چهارم را هدایت می‌کنند؟

- اینترنت اشیاء (IoT)

اینترنت اشیاء (IoT) جزء کلیدی کارخانه‌های هوشمند است. ماشین‌های موجود در کارخانه مجهز به حسگرهایی دارای آدرس IP هستند که به ماشین‌ها اجازه می‌دهد با سایر دستگاه‌های دارای وب متصل شوند. این مکانیزاسیون و اتصال امکان جمع‌آوری، تجزیه و تحلیل و مبادله حجم زیادی از داده‌های ارزشمند را فراهم می‌کند.

- پردازش ابری

رایانش ابری سنگ بنای هر استراتژی صنعت چهارم به شمار می‌آید. تحقق کامل تولید هوشمند نیازمند اتصال و ادغام مهندسی، زنجیره تامین، تولید، فروش و توزیع و خدمات است و فناوری ابر کمک می‌کند که این امر امکان‌پذیر شود. علاوه بر این، معمولاً حجم زیادی از داده‌هایی که ذخیره و تجزیه و تحلیل می‌شوند را می‌توان با کارآمدتر و مقرون به صرفه‌تر با فناوری ابر پردازش کرد. رایانش ابری همچنین می‌تواند هزینه‌های راه‌اندازی را برای تولیدکنندگان کوچک و متوسط کاهش دهد تا نیازها و مقیاس خود را با رشد کسب‌وکارشان اندازه‌گیری کنند.

- هوش مصنوعی و یادگیری ماشینی

هوش مصنوعی و یادگیری ماشینی به شرکت‌های تولیدی این امکان را می‌دهند که از حجم اطلاعات تولید شده نه تنها در کارخانه، بلکه در سراسر واحدهای تجاری خود و حتی از شرکا و منابع شخص ثالث بهره‌مند شوند. هوش مصنوعی و یادگیری ماشینی می‌توانند بینش‌هایی ایجاد کنند که قابلیت مشاهده، پیش‌بینی و اتوماسیون عملیات و فرآیندهای تجاری را فراهم می‌کنند.

به عنوان مثال، ماشین‌های صنعتی در طول فرآیند تولید مستعد خراب شدن هستند. استفاده از داده‌های جمع‌آوری‌شده از این دارایی‌ها می‌تواند به کسب‌وکارها کمک کند تا تعمیر و نگهداری پیش‌بینی‌کننده را بر اساس الگوریتم‌های یادگیری ماشین انجام دهند و در نتیجه زمان به‌روزرسانی بیشتر و کارایی بالاتری داشته باشند.

- محاسبات لبه

الزامات عملیات تولید بلادرنگ به این معنی است که برخی از تجزیه و تحلیل داده‌ها باید در «لبه» انجام شود - یعنی جایی که داده‌ها ایجاد می‌شوند. این امر زمان تأخیر را از زمان تولید داده تا زمان پاسخ به حداقل می‌رساند. به عنوان مثال، تشخیص یک مشکل ایمنی یا کیفیت ممکن است نیاز به اقدام تقریباً واقعی با تجهیزات داشته باشد. زمان مورد نیاز برای ارسال داده‌ها به ابر سازمانی و سپس بازگشت به کف کارخانه ممکن است بسیار طولانی باشد و به قابلیت اطمینان شبکه بستگی دارد. استفاده از محاسبات لبه همچنین به این معنی است که داده‌ها در نزدیکی منبع خود باقی می‌مانند و خطرات امنیتی را کاهش می‌دهند.

- امنیت سایبری

تاکنون شرکت‌های تولیدی، امنیت سایبری یا سیستم‌های فیزیکی سایبری را همیشه اولویت کاری خود قرار نداده‌اند و این در حالی است که تمام اتصال تجهیزات عملیاتی در کارخانه که فرآیندهای تولید را کارآمدتر می‌کنند، می‌توانند مسیرهای ورود جدید برای حملات مخرب و بدافزارها باشند.پس در گذار از دیجیتال به صنعت چهارم، در نظر گرفتن یک رویکرد امنیت سایبری که شامل تجهیزات فناوری اطلاعات و فناوری اطلاعات است، ضروری است.

- همزاد دیجیتالی

تحول دیجیتال صنعت چهارم به تولیدکنندگان این امکان را می‌دهد که دوقلوهای دیجیتالی را بسازند که کپی مجازی فرآیندها، خطوط تولید، کارخانه‌ها و زنجیره تامین است. یک دوقلوی دیجیتال با کشیدن داده‌ها از حسگرهای IoT، دستگاه‌ها، PLC و سایر اشیای متصل به اینترنت ایجاد می‌شود. تولیدکنندگان می‌توانند از دوقلوهای دیجیتال برای کمک به افزایش بهره‌وری، بهبود گردش کار و طراحی محصولات جدید استفاده کنند. برای مثال، با شبیه‌سازی فرآیند تولید، تولیدکنندگان می‌توانند تغییرات فرآیند را آزمایش کنند تا راه‌هایی برای به حداقل رساندن زمان توقف یا بهبود ظرفیت بیابند.

نمونه‌هایی از هوش مصنوعی در ۷ صنعت

هوش مصنوعی موضوع داغ روز است، اما برای بسیاری از افراد، کاربرد هوش مصنوعی فقط در ابزارهایی چون سیری اپل و الکسای آمازون خلاصه می‌شود. در حالی که این فناوری نوظهور تقریبا در هر صنعتی قابل اجرا و متحول‌کننده است.

به طور کلی، هوش مصنوعی به سیستم‌های کامپیوتری اتلاق می‌شود که می‌توانند وظایف حل مساله و تصمیم‌گیری را که معمولاً با هوش انسانی مرتبط هستند، انجام دهند.

کاربردهای هوش مصنوعی از راهکارهای مشتری‌محور مانند چت‌بات‌ها تا موارد استفاده صنعتی بسیار پیچیده، مانند پیش‌بینی نیاز به تعمیر و نگهداری تجهیزات تولیدی را شامل می‌شود. با اشاره به نمونه‌هایی از کاربرد هوش مصنوعی در هفت صنعت، می‌توانید نگاهی اجمالی به وسعت و عمق امکانات این فناوری بیندازید:

۱- خدمات مالی

هوش مصنوعی هم در امور مالی مشتری‌محور و هم در عملیات بانکی جهانی کاربردهای فراوانی دارد. از نمونه‌های هوش مصنوعی در این صنعت می‌توان به موارد زیر اشاره کرد:

تشخیص تقلب

تلاش‌های کلاهبرداری مالی، چه در مقیاس وسیع و چه از طریق جرایم روزمره (مانند کلاهبرداری از کارت اعتباری)، به سرعت در حال افزایش است و باعث اختلالات عمده برای سازمان‌ها و افراد می‌شود. چندی پیش، خبرگزاری بیزینس اینسایدر فاش کرد که بانک‌هایی مانند جی‌پی مورگان از الگوریتم‌های هوش مصنوعی اختصاصی برای علامت‌گذاری تراکنش‌هایی استفاده می‌کنند که پیگیری آنها با کمک الگوهای عادی امکان‌پذیر نیست.

تجارت الگوریتمی

روزگاری که معامله‌گران بازار سهام در بورس فریاد می‌زدند، گذشته است. امروزه، بیشتر معاملات عمده تجاری توسط الگوریتم‌هایی انجام می‌شود که بسیار سریع‌تر از انسان‌ها واکنش نشان می‌دهند و تصمیم می‌گیرند. پیش‌بنی می‌شود که تا سال ۲۰۲۴، صنعت تجارت الگوریتمی به ۱۹ میلیارد دلار در سال برسد.

۲- بیمه

بیمه در چشم‌انداز گستره‌تر خدمات مالی، یکی از پرکاربردترین صنعت برای هوش مصنوعی به شمار می‌رود.

پذیره‌نویسی مبتنی بر هوش مصنوعی

دهه‌هاست که تصمیم‌گیری‌ها روی فرآیندهای دستی و ورودی داده‌ها و همچنین فرآیندهایی چون معاینات پزشکی متکی است، اما امروزه شرکت‌های بیمه از هوش مصنوعی و تحلیل مجموعه عظیم داده‌ها برای ارزیابی ریسک‌ استفاده می‌کنند.

رسیدگی به خسارات

امروزه، هوش مصنوعی می‌تواند بسیاری از فرآیند دعوی‌های ساده را انجام دهد. نمونه‌هایی از هوش مصنوعی از مدیریت تعاملات مشتری از طریق روبات‌های چت تا استفاده از بینایی ماشین برای ارزیابی خسارات وارده را شامل می‌شود. با افزایش قابلیت‌های بینایی ماشین و هوش مصنوعی، مشارکت انسان احتمالاً نقش کمتری در تصمیم‌گیری‌های مربوط به رسیدگی به خسارات خواهد داشت.

۳- مراقبت‌های بهداشتی

در حالی که مراقبت‌های بهداشتی به طور سنتی به شدت به کار و مراقبت انسانی متکی است، اکنون می‌توان تعداد فزاینده ای از وظایف را به هوش مصنوعی برون سپاری کرد. در زیر دو نمونه از هوش مصنوعی در مراقبت‌های بهداشتی آورده شده است:

پزشکی دقیق و الگوریتم‌ها

پیامدهای سلامتی یک فرد، یا حتی پاسخ آنها به یک درمان خاص، می‌تواند به طور قابل توجهی بر اساس عوامل متعدد، از سبک زندگی گرفته تا ژنتیک، متفاوت باشد. تجزیه این عوامل برای پزشکان انسانی دشوار است. هوش مصنوعی می‌تواند حجم عظیمی از داده‌ها را برای شناسایی درمان‌های بهینه برای بیماران، یا حتی شناسایی نگرانی‌های بهداشتی نوظهور را قبل از اینکه به سطح قابل شناسایی توسط انسان برسد، دریافت کند.

بینایی کامپیوتر برای تشخیص و جراحی

بینایی کامپیوتر و یادگیری ماشینی روز به روز برای تشخیص بیماری‌هایی مانند سرطان پوست و حتی برای کمک در طی جراحی‌های پیچیده امیدوار کننده هستند. به عنوان مثال، هوش مصنوعی می‌تواند اطمینان حاصل کند که پزشکان تمام مراحل لازم را در طول یک عمل به درستی انجام می‌دهند.

۴- علوم زیستی

از آنجایی که علوم زیستی طبیعتاً شامل مجموعه داده‌های بزرگی است که توسط آزمایش‌ها تولید می‌شود، تعجب آور نیست که هوش مصنوعی کاربردهای بالقوه متعددی در این زمینه دارد. نمونه‌های هوش مصنوعی در علوم زیستی عبارتند از:

کشف دارو

جستجو برای درمان‌های جدید هنوز به آزمایش‌های مقیاس بزرگ و تائید فرضیه‌ها نیاز دارد. با این حال، یادگیری ماشینی از دهه ۱۹۹۰ برای سرعت بخشیدن به فرآیند مورد استفاده قرار گرفته است. این می‌تواند پیش‌بینی کند که چگونه ترکیبات خاصی با یکدیگر تعامل خواهند داشت و حتی چگونه یک دارو علیه هدف خود عمل می‌کند.

پیش‌بینی گسترش بیماری

در طول همه‌گیری کووید-۱۹، کارشناسان از هوش مصنوعی و یادگیری ماشینی به‌طور گسترده برای پیش‌بینی شیوع و تأثیرات ویروس، به‌ویژه زمانی که جهش یافته است، استفاده کرده‌اند. داده‌های حاصل از این مدل‌ها به رهبران بهداشت عمومی و مراقبت‌های بهداشتی اجازه می‌دهد تا سیاست‌هایی را اتخاذ کرده و منابعی را برای به حداقل رساندن جهش‌ها و کاهش استرس در سیستم مراقبت‌های بهداشتی گسترده‌تر آماده کنند.

۵- مخابرات

در حالی که بسیاری از ما اغلب در دسترس بودن اینترنت و ارتباطات را بدیهی می‌دانیم، صنعت ارتباطات از راه دور به یک سری فرآیندهای بسیار پیچیده و تنظیمات دائمی وابسته است. هوش مصنوعی می‌تواند این نیازها را به روش‌های مختلفی برطرف کند.

بهینه‌سازی شبکه

برای حفظ عملیات بی‌عیب و نقص، شبکه‌ها باید با ترافیک در حال تغییر سازگار شوند و به سرعت ناهنجاری‌ها را برطرف کنند. در حال حاضر، ۶۳/۵ درصد از ارائه دهندگان مخابراتی از هوش مصنوعی برای نظارت و بهبود شبکه‌های خود و ارائه بهترین عملکرد ممکن برای مشتریان نهایی خود استفاده می‌کنند.

تعمیرات قابل پیش‌بینی

شبکه‌های مخابراتی بر مجموعه‌های سخت‌افزاری پراکنده تکیه دارند و مشکلات در این زیرساخت می‌تواند در سراسر شبکه موج بزند. هوش مصنوعی به شرکت‌های مخابراتی این فرصت را می‌دهد تا از الگوریتم‌های پیش‌بینی برای شناسایی زمانی که احتمال بروز مشکلات بیشتر است، استفاده کنند.

۶- نفت، گاز، انرژی

نفت، گاز و انرژی میدانی پیچیده‌تر است و با توجه به ملاحظات ایمنی و زیست‌محیطی، فضای کمی برای خطا دارد. هوش مصنوعی به شرکت‌های انرژی اجازه می‌دهد تا کارایی خود را بدون افزایش هزینه‌ها افزایش دهند. برنامه‌های کاربردی عبارتند از:

پردازش تصویر برای شناسایی نیازهای تعمیر و نگهداری

توانایی فزاینده هوش مصنوعی در پردازش تصاویر و تشخیص الگوها، استفاده از پهپادها و سایر منابع تصویر را برای بررسی زیرساخت‌های برق از نظر خرابی تجهیزات یا حتی سیم‌های قطع شده ممکن می‌سازد. این تاکتیکی است که قبلاً در سراسر شبکه برق بریتانیا اجرا شده است.

پیش‌بینی تقاضای انرژی

با ادامه انتقال به انرژی تجدیدپذیر، داده‌های پیش‌بینی‌کننده در مورد تقاضا و در دسترس بودن انرژی برای تأمین‌کنندگان انرژی ضروری خواهد بود، زیرا آنها در مورد ذخیره‌سازی و استفاده تصمیم می‌گیرند. این امر می‌تواند شامل شناسایی مقدار انرژی خورشیدی برای ذخیره شدن در شب یا روزهای بارانی باشد. هوش مصنوعی به شرکت‌ها کمک می‌کند تا عواملی را که بر تقاضا تأثیر می‌گذارند تجزیه و تحلیل کنند و تصمیم‌گیری آگاهانه برای آینده بگیرند.

۷- هوانوردی

حمل‌ونقل هوایی ایمن و کارآمد، به ویژه در زمینه افزایش قیمت سوخت، به استفاده دقیق از داده‌ها برای بهینه‌سازی پروازهای فردی و زیرساخت‌های هوایی گسترده‌تر بستگی دارد. کاربردهای هوش مصنوعی در این بخش عبارتند از:

پیش‌بینی تقاضای مسیر

خطوط هوایی برای به حداکثر رساندن سود و در عین حال حفظ وفاداری مشتریان، باید تعادل دقیقی بین ارائه پروازهای کافی بین مقاصد خاص بدون پرواز مسیرهای بیشتر از مقرون به‌صرفه ایجاد کنند. مدل‌های هوش مصنوعی می‌توانند عواملی مانند ترافیک اینترنت، روندهای اقتصاد کلان و داده‌های گردشگری فصلی را در نظر بگیرند تا به شرکت‌های هواپیمایی در تصمیم‌گیری آگاهانه درباره پیشنهادهای مسیرشان کمک کنند.

ارائه خدمات به مشتریان

در خلال اختلالات عمده، مانند اختلالات ناشی از رویدادهای آب و هوایی گسترده، تعداد کمی از خطوط هوایی ظرفیت کارمندی برای رسیدگی به سؤالات و نیازهای مشتریان فردی را دارند. علاوه بر پیام‌رسانی خودکار، خطوط هوایی به طور فزاینده‌ای برای استخراج اطلاعات کلیدی از پیام‌های مشتریان و ارائه پاسخ مناسب به هوش مصنوعی متکی هستند. این موارد ممکن است شامل هدایت مشتری برای پرسجو در مورد چمدان خود به اطلاعات مربوط به گزارش چمدان گم شده باشد.

انتهای پیام/