هوش مصنوعی در حال گسترش تعریف اتوماسیون صنعتی است
هوش مصنوعی دیگر به خطوط مونتاژ خودرو، کارخانههای تولید نیمهرسانا یا تولیدات هوافضایی با استانداردسازی بالا محدود نیست. تحولات اخیر نشاندهنده تغییری گستردهتر هستند: فناوریهای اتوماسیون در حال سازگار شدن با صنایعی با مقیاسهای تولید، مواد، فرایندها و محدودیتهای عملیاتی کاملاً متفاوت هستند.
دو نمونه این تغییر را بهخوبی نشان میدهند. شرکت Huntington Ingalls Industries در حال بررسی هوش مصنوعی فیزیکی و رباتیک برای تولید اجزای بزرگ کشتیهای جنگی است، در حالی که Siemens از هوش مصنوعی عاملمحور در تولید بسیار انعطافپذیر مواد غذایی، از جمله کلوچههای مغزدار و دوناتها، استفاده میکند.
اگرچه این کاربردها ظاهراً ارتباطی با یکدیگر ندارند، هدف مهندسی مشترکی دارند: سازگارتر کردن اتوماسیون در شرایطی که توجیه اتوماسیون ثابت و متعارف دشوار میشود.
Huntington Ingalls اتوماسیون تولید اجزای بزرگ کشتی را هدف گرفته است
شرکت Huntington Ingalls Industries، یکی از سازندگان اصلی کشتیهای نیروی دریایی ایالات متحده، با شرکای رباتیک وارد توافقی شده است تا ساخت اجزای بزرگ کشتی را بهبود دهد.
رویکرد پیشنهادی بر تولید مجموعههای اصلی در خارج از محیط سنتی کشتیسازی و سپس انتقال آنها برای یکپارچهسازی نهایی تمرکز دارد. این کار میتواند با انتقال برخی عملیات تولید به محیطهایی کنترلشدهتر و مناسبتر برای اتوماسیون، شیوه ساخت سازههای بزرگ دریایی را تغییر دهد.
از دیدگاه مهندسی اتوماسیون، این موضوع اهمیت دارد؛ زیرا کشتیسازی در مقایسه با تولید خودرو چالشهای بسیار متفاوتی دارد. اجزا بزرگاند، هندسه آنها تفاوت زیادی دارد، حجم تولید نسبتاً پایین است و فرایندها اغلب به قضاوت انسانی نیاز دارند.
بنابراین هوش مصنوعی فیزیکی و رباتیک باید فراتر از حرکتهای ساده و تکرارپذیر عمل کنند. سامانهها باید شرایط فیزیکی را تفسیر کنند، خود را با تغییرات سازگار سازند و با کارکنان انسانی و تجهیزات متعارف تولید هماهنگ شوند.
هوش مصنوعی فیزیکی میتواند تولید کمتیراژ را تغییر دهد
رباتهای صنعتی سنتی زمانی بهترین عملکرد را دارند که محیط تولید قابل پیشبینی باشد. کشتیسازی این فرض را به چالش میکشد.
سازههای بزرگ ممکن است تغییرات ابعادی، سطوح نامنظم، موقعیتهای کاری متغیر و توالیهای مونتاژ پیچیده داشته باشند. سامانه رباتیکی که بر مختصات ثابت و فرضیات سختگیرانه فرایند طراحی شده باشد، با تغییر این متغیرها ممکن است ناکارآمد شود.
هوش مصنوعی فیزیکی لایه دیگری از هوشمندی را وارد میکند. یک سامانه اتوماسیون بهجای اجرای صرفِ توالی ازپیشتعیینشده، میتواند ادراک ماشینی، دادههای حسگرها، مدلهای فرایندی و کنترل تطبیقی را برای واکنش به شرایط فیزیکی متغیر با یکدیگر ترکیب کند.
ارزش عملی این فناوری کمتر به اصطلاحات هوش مصنوعی و بیشتر به بهبودهای قابلاندازهگیری تولید بستگی خواهد داشت. دقت موقعیتیابی، زمان چرخه، نرخ دوبارهکاری، ایمنی اپراتور، میزان بهرهبرداری از تجهیزات و یکپارچهسازی با سامانههای تولید موجود همچنان شاخصهای واقعی عملکرد خواهند بود.
Siemens هوش مصنوعی را وارد تولید مواد غذایی با تنوع بالا میکند
در سوی دیگر طیف تولید، Siemens از هوش مصنوعی عاملمحور در فراوری مواد غذایی استفاده میکند.
این شرکت با دو شرکت اتوماسیون در صنعت غذا همکاری کرده است تا راهکار اتوماسیون انعطافپذیری را برای محصولاتی مانند کلوچههای مغزدار و دوناتها توسعه دهد. محیط هدف با تنوع بالای محصولات و حجم تولید نسبتاً پایین مشخص میشود.
تولید مواد غذایی در مقایسه با کشتیسازی مسئله اتوماسیون متفاوتی دارد. مهندسان بهجای سازههای عظیم باید دستورهای تولید، تعویضهای مکرر محصول، مواد اولیه متغیر، الزامات بستهبندی، رویههای بهداشتی و یکنواختی دقیق فرایند را مدیریت کنند.
در چنین محیطی، انعطافپذیری ممکن است ارزشمندتر از بیشینه سرعت ماشین باشد.
هوش مصنوعی عاملمحور میتواند هزینه تعویض محصول را کاهش دهد
تولید با تنوع بالا و تیراژ پایین، همواره چالشی اقتصادی برای اتوماسیون ایجاد کرده است. ماشینهای اختصاصی میتوانند توان عملیاتی بسیار خوبی ارائه دهند، اما با تغییر مکرر محصولات، توجیه اقتصادی آنها کاهش مییابد.
هوش مصنوعی عاملمحور میتواند با کمک به سامانههای اتوماسیون برای هماهنگسازی تصمیمهای تولید، تنظیمات تجهیزات، دستورهای تولید و توالیهای فرایندی بر اساس نیازهای متغیر، الگوی عملیاتی متفاوتی فراهم کند.
نکته مهم این است که هوش مصنوعی معماری زیربنایی اتوماسیون را جایگزین نمیکند. PLCها، کنترلکنندههای حرکت، درایوها، حسگرها، سامانههای ایمنی، شبکههای صنعتی و پلتفرمهای HMI همچنان لایه کنترل قطعی و قابلپیشبینی را فراهم میکنند.
در عوض، هوش مصنوعی بهطور فزایندهای بهعنوان لایه هوشمندی در بالای این زیرساخت عمل میکند.
دو صنعت، یک راهبرد اتوماسیون
کشتیسازی و تولید مواد غذایی ظاهراً تقریباً هیچ نقطه مشترکی ندارند، اما چالشهای اتوماسیون آنها روند مشترکی را در صنعت آشکار میکند.
هر دو کاربرد به ماشینهایی نیاز دارند که بتوانند با تغییرپذیری کنار بیایند. هر دو میتوانند از ترکیب اتوماسیون متعارف با ادراک، پردازش داده، رباتیک و هوش مصنوعی بهرهمند شوند. مهمتر از همه، اگر تولیدکنندگان بخواهند انعطافپذیری را افزایش دهند، هیچیک از این کاربردها نمیتوانند کاملاً به برنامهنویسی سخت و ثابت متکی باشند.
این موضوع نشان میدهد مرحله بعدی اتوماسیون صنعتی صرفاً جایگزین کردن عملیات دستی بیشتر با رباتها نخواهد بود. فرصت بزرگتر، ایجاد سامانههایی است که بتوانند رفتار خود را با شرایط متغیر تولید سازگار کنند.
آزمون واقعی، یکپارچهسازی است نه هوش مصنوعی
از دیدگاه مهندسی، مهمترین پرسش این نیست که یک سامانه از هوش مصنوعی فیزیکی یا هوش مصنوعی عاملمحور استفاده میکند یا نه. پرسش این است که آیا این هوشمندی میتواند بهصورت ایمن و قابلپیشبینی با معماری کنترل موجود یکپارچه شود.
هوش مصنوعی صنعتی باید در کنار کنترل قطعی، ایمنی عملکردی، الزامات امنیت سایبری، پایگاههای داده تولید، سامانههای کیفیت و اپراتورهای انسانی کار کند. هر توصیه مبتنی بر هوش مصنوعی که به فرایند فیزیکی میرسد نیز باید در محدودههایی کاملاً مشخص عمل کند.
این موضوع در کاربردهایی مانند تولید تجهیزات دریایی اهمیت ویژهای دارد؛ جایی که خطاهای تولید میتوانند پیامدهای قابلتوجهی داشته باشند، و همچنین در فراوری مواد غذایی که کیفیت محصول و انطباق فرایند بهدقت کنترل میشوند.
اتوماسیون در حال سازگارتر شدن است
نمونههای Huntington Ingalls Industries و Siemens نشان میدهند که اتوماسیون در حال ورود به محیطهایی است که پیشتر، خودکارسازی اقتصادی آنها دشوار تلقی میشد.
جهتگیری مشترک روشن است: اتوماسیون صنعتی از توالیهای ثابت به سوی سامانههای تولید تطبیقی در حال تکامل است.
بااینحال، هوش مصنوعی باید قابلیتی مهندسیِ افزوده در نظر گرفته شود، نه جایگزینی برای اصول اثباتشده اتوماسیون. حسگرها همچنان به سیگنالهای دقیق نیاز دارند، شبکهها همچنان باید ارتباطات قابلپیشبینی داشته باشند، سامانههای کنترل همچنان باید رفتار قطعی ارائه دهند و ماشینها همچنان به عملکردهای ایمنیِ مهندسیشده دقیق نیاز دارند.
احتمالاً شرکتهایی بیشترین بهره را از هوش مصنوعی صنعتی خواهند برد که این اصول بنیادین را با نرمافزار هوشمند ترکیب کنند، نه اینکه هوش مصنوعی را فناوریای مستقل بدانند.
