هل يستطيع الذكاء الاصطناعي أن يحول المصانع إلى الأتمتة الكاملة؟

انتظر قطاع التصنيع بفارغ الصبر على مدى العقود القليلة الماضية ظهور المصانع المؤتمتة بالكامل. تجري عملية الإنتاج في هذه المصانع بسلاسة عبر شبكة من الروبوتات العالية التكنولوجيا والآلات الذكية وأجهزة الاستشعار، ما يعالج النقص الواسع النطاق في العمالة ويقلل تكاليف التشغيل بدرجة كبيرة. إذ ستستطيع المصانع نظرياً أن تعمل على نحو آلي دون إشراف بشري.

ألقت الجهود القليلة البارزة لإنشاء هذه المصانع بظلال من الشك على قابلية تطبيقها على نطاق واسع، مثل مصانع سبيد فاكتوريز (Speed Factories) التابعة لشركة أديداس في الولايات المتحدة وألمانيا، ومصنع ستانلي بلاك آند ديكر (Stanley Black & Decker) للأدوات الصناعية في ولاية تكساس الأميركية، وشركة تيسلا (Tesla) التي قال رئيسها التنفيذي إيلون ماسك: "إن الأتمتة المفرطة كانت خطأ". ونتيجة لذلك، يوصي بعض الخبراء في القطاع بالتخلي عن سياسة عمل المصانع دون إشراف بشري.

نعتقد أن ذلك سيكون خطأ، كما أن النمو شبه المتوقف في إنتاجية التصنيع لكل ساعة عمل في الاقتصادات المتقدمة مثل الولايات المتحدة (-0.4%) وألمانيا (1%) منذ عام 2018 يؤكد الحاجة إلى الأتمتة لتحقيق زيادة في الإنتاجية.

ما يدعو للتفاؤل بالنسبة للمصنعين هو أن ثمة تحولاً كبيراً يجري حالياً، وذلك استناداً إلى أبحاثنا وتجربتنا على أرض الواقع. فالعقبات التي عاقت المحاولات السابقة للتنفيذ ستتلاشى بسرعة في السنوات القليلة المقبلة، إذ توظف المصانع التي تتبنى الأتمتة قدرات الذكاء الاصطناعي التوليدي في بيئة عملها، ما يجعل الروبوتات تتمتع بقدر أكبر من القدرة والمرونة وتكلفة أقل. نعتقد أن على المصنّعين الاستعداد للزعزعة القادمة دون شك، وإلا سيتخلفون عن الركب.

تحويل نظام عمل المصانع إلى العمل دون إشراف بشري

ظهرت ابتكارات حول العالم تثبت الجدوى الطويلة الأمد للمصانع التي تعمل دون إشراف بشري. خذ على سبيل المثال أحد عملائنا، وهو مورّد لمكونات السيارات مقره أوروبا، وقد اتخذ قراراً جريئاً بتحويل العمليات في مصنعه ذي البنية التحتية القديمة إلى عمليات مؤتمتة بالكامل حيث يقتصر دور العنصر البشري على التخطيط والإشراف والصيانة.

تهدف شركته إلى إحراز القدرة التنافسية من حيث التكلفة لتحقيق الجدوى الاقتصادية للعمل في بلد مرتفع التكلفة والاستمرار في خدمة العملاء في مدة لا تتجاوز يومين. تمكنت الشركة من تقليل العمالة المباشرة بنسبة 100%، ما أدى إلى معالجة مشكلات نقص المواهب التي يعانيها القطاع، وشهد مصنع الشركة تحسناً بنسبة 8% في هامش الأرباح قبل الفوائد والضرائب والاستهلاك وإهلاك الدَّين، ويعمل عميلنا الآن على توسيع نطاق المبادرة إلى عدد من مصانعه في المناطق العالية التكلفة في العالم.

لبدء هذا التحول عالج عميلنا على نحو استباقي التحديات المالية والتقنية الأكثر شيوعاً التي تواجه المصانع التي تعمل دون إشراف بشري والتي تقع في مختلف فئات عمليات التصنيع، وهي:

العمليات المتوقعة

تتضمن غالبية عمليات المصانع مهام متكررة، ما يجعل تنفيذها بواسطة الروبوتات ممكناً من الناحية التقنية ومربحاً. على سبيل المثال، يمكن للمركبات الذاتية التوجيه التنقل بسهولة في أرضية المصنع عبر مسارات محددة مسبّقاً. ومع ذلك، ثمة حاجة إلى قوة عاملة ذات مهارات عالية لتركيب هذه الروبوتات وصيانتها، ما يحد من إمكانية تقليل تكاليف القوى العاملة الإجمالية.

العمليات غير المتوقعة

حتى في البيئات الخاضعة لرقابة محكمة، تظل بعض عمليات المصانع غير منظمة بطبيعتها. وغالباً ما تفشل الروبوتات المبرمجة مسبّقاً في التكيف مع هذه المواقف المعقدة وغير المتوقعة. على سبيل المثال، قد تفشل الأنظمة الآلية لمراقبة الجودة أحياناً في التعرف على العيوب التي قد تحدث أول مرة، ويمنع هذا الافتقار إلى القدرة على التكيف مع الظروف غير المتوقعة المصنّعين من الثقة الكاملة في الأتمتة.

العمليات غير القابلة للأتمتة

نظراً للقيود الحالية في التكنولوجيا، ثمة عمليات معقدة لا يمكن أتمتتها. على سبيل المثال، تواجه الروبوتات صعوبة في أداء عملية "التجميع"، وهي عملية اختيار أجزاء صغيرة متنوعة وتجميعها. فهذه الأجزاء إما متشابهة جداً بحيث يصعب على الروبوتات تمييزها بسهولة، وإما مختلفة جداً بحيث يصعب على الروبوتات التعامل معها بطريقة صحيحة. وبالنتيجة، ما يزال العمال البشريون مطلوبين لإتمام هذه المهام.

لمواجهة هذه التحديات الجوهرية، اختار عميلنا اتباع أسلوب "إعادة التصميم بهدف الأتمتة" في عملياته ومنتجاته وتصميم المصنع. أضاف هذا التغيير الكامل في عمليات المصنع خطوات جديدة لتحسين إمكانية الأتمتة وتجنب القصور في العمليات المرتبطة بالبشر. على سبيل المثال، لم يعد عميلنا مضطراً إلى التضحية بمساحة مهمة من أرض المصنع لتخزين المخزون بحيث يمكن للبشر رؤيته والوصول إليه. بدلاً من ذلك، أشاد مناطق تخزين في الطابق الثاني يمكن للروبوتات الوصول إليها بسهولة. وفي المساحة المتاحة وضع المزيد من الآلات لزيادة الإنتاج بأكثر من 30%. اكتشف عميلنا تعديلات مبتكرة من خلال إعادة هيكلة العمليات من نقطة الصفر، وهي تشمل الآتي:

تحسين استخدام الروبوتات لتقليل التكاليف

كان التركيز في أثناء التحول على تقليل عدد الروبوتات المستخدمة. على سبيل المثال، واجه عميلنا قراراً رئيسياً في بداية التحول: هل يستثمر نصف مليون دولار فقط لنقل الأجزاء البلاستيكية التي يجري تصنيعها عبر قوالب إلى محطة التجميع؟ كان الإنفاق مرتفعاً لأن كل مقاس من هذه الأجزاء البلاستيكية يحتاج إلى روبوت مخصص له. لتجنب هذا الإنفاق ساعدناه على إعادة تصميم العملية بإضافة بساط ناقل يجمّع الأجزاء البلاستيكية المُنتجة المتشابهة في الحجم. قللت هذه الخطوة الجديدة عدد الروبوتات المطلوبة إلى النصف، ما حسّن الجدوى الاقتصادية لتحويل المصنع إلى العمل دون إشراف بشري.

تعلم التنبؤ بالسيناريوهات المستقبلية

كان هدفنا هو تدريب أنظمة الذكاء الاصطناعي على الاستعداد لمواجهة مشكلات عدم اليقين قبل بدء الإنتاج وليس في أثنائه. على سبيل المثال، ركّب عميلنا مراقباً بصرياً آلياً لالتقاط الصور والكشف عن مشكلات الجودة مثل الخدوش. لكن بعض العيوب تحدث نادراً لدرجة أن النظام قد يستغرق سنوات لتعلم اكتشافها دون دعم بشري. لمعالجة ذلك أنشأنا عدداً كبيراً من الصور الافتراضية أو "المصطنعة" للعيوب المحتملة، محاكين ظروف إضاءة متنوعة لتتطابق مع ما قد تلتقطه الكاميرا. مكنتنا هذه الخطوة الإضافية من توظيف مراقب بصري آلي مدرب بالكامل من اليوم الأول، ما ألغى الحاجة إلى الإشراف البشري حتى يستقر النظام.

تعديل العملية لتجنب المهام الصعبة

يمكن تعديل سير العملية لتجاوز المهام التي لا يمكن أتمتتها في الوقت الراهن. بالنسبة لعميلنا، لم يكن بإمكان أي روبوت أداء عملية التجميع بفعالية. لتجاوز هذه المهمة، أنشأنا بالتعاون مع المورّدين نظام تخزين باستخدام صناديق موسومة برموز. وكل صندوق يحتوي على نوع واحد من الأجزاء، ما يتيح للروبوتات تحديد الرموز تلقائياً واستخدام الصناديق بالتسلسل الدقيق المطلوب للتجميع.

يُظهر مصنع عميلنا الذي يعمل دون إشراف بشري إمكانات هذا الأسلوب الهائلة، لكن هذا التحول لم يكن سهلاً على الشركات المصنّعة جميعها. فالعديد منها يرى أن العقبات التقنية تمنع من اتخاذ هذه الخطوة، وهي غالباً تتردد بتنفيذ الاستثمارات اللازمة خشية أن تعطل سير عمليات المصنع بالكامل على الرغم من وعود تحقيق المكاسب الكبيرة على المدى الطويل. بالإضافة إلى ذلك، لم تقدم التحسينات التكنولوجية المتدرجة رؤية شاملة لإمكانات الأتمتة. ومع ذلك، فإن هذا العقلية على وشك أن تتغير على نحو جذري، ما يجعل مفهوم المصانع التي تعمل دون إشراف بشري أكثر انتشاراً وسهولة لمجموعة أوسع من المصنعين.

الذكاء الاصطناعي يُذلل عقبات التحول إلى مصانع دون إشراف بشري

نحن الآن في مرحلة تحوّل تقلص العقبات أمام الشركات المصنعة بجميع أحجامها، إذ تعتمد الأتمتة الكاملة على الروبوتات التي يمكنها الإدراك، والتخطيط، وأداء المهام بمستوى يقارب المستوى البشري. كانت هذه الروبوتات منذ سنوات قليلة تدعم المهام المخطط لها مسبّقاً فحسب دون القدرة على التكيف أو التفاعل مع البيئة المحيطة بها في المصنع بمرونة، ما حدّ من قدراتها كثيراً.

لكن هذا الوضع يتغير الآن في المصانع التي تتبنى الأتمتة وتوظف الذكاء الاصطناعي التوليدي لدعم قدرات الروبوتات على أرض الواقع، إذ بات بإمكان الروبوتات الآن إدراك التغييرات على أرض المصنع من خلال قدرتها على التفاعل مع النصوص والصوت وأجهزة الاستشعار والإشارات. وبناءً على ذلك، يمكن للذكاء الاصطناعي توليد خطط بسيطة وتعديلها لتناسب هذا الفهم للمحيط. يمكن للروبوتات ترجمة هذه الخطط إلى إجراءات محددة وتنفيذها فوراً؛ هذه التطورات حديثة جداً، ولكن الكثير منها دخل بالفعل في خطط البحث والتطوير للشركات المصنعة وبدأت تطبيقها.

بساطة التعليمات

تُشكل برمجة الأنظمة وتكاملها ما بين 50% و70% من تكلفة تطبيق الأتمتة، لكن من المتوقع أن تُخفض واجهات الذكاء الاصطناعي التوليدي هذه التكلفة بدرجة كبيرة من خلال توفير واجهة بلغة طبيعية يستطيع العمال غير التقنيين التفاعل معها بسهولة، ما يسمح لهم بإعطاء التعليمات للروبوتات. سيكون التحول جذرياً، فبدلاً من عامل متخصص لكل 8 روبوتات، سيحتاج المصنع إلى عامل واحد غير متخصص لكل 25 روبوتاً. وقد ظهرت بالفعل تطبيقات صناعية للأتمتة، على سبيل المثال، أطلقت شركة سيرياكت (Sereact) واجهة الأوامر الصوتية أو النصية "بيك جي بي تي" (PickGPT) للتفاعل مع الروبوتات باستخدام تعليمات بسيطة مثل: "أحتاج إلى تعبئة الطلب".

تعددية المهام

أصبح الأسلوب التقليدي لتدريب الروبوتات على مهام فردية قديماً. إذ أثبتت شركة ديب مايند (DeepMind) هي وأكثر من 30 معهداً بحثياً أن أداء الذكاء الاصطناعي الروبوتي العام يتفوق على أداء الروبوتات المتخصصة بأكثر من 50% في مهام متنوعة مثل تنظيم الكابلات وتحديد مسارها، وتحريك الأشياء ونقلها من موضع إلى آخر. يقلل هذا التعدد بالمهام الحاجة إلى توظيف العديد من الروبوتات، ويخفض مدة التوقف عن العمل، ويعزز الفعالية العامة.

تستكشف حالياً شركات صناعة السيارات مثل بي إم دبليو ومرسيدس وهوندا وهيونداي وتيسلا تعددية المهام في الروبوتات البشرية المتعددة الأغراض. على سبيل المثال، تخضع روبوتات فيغر أيه آي (Figure AI) المدعومة بالذكاء الاصطناعي من شركة أوبن أيه آي (Open AI) للتجربة في شركة بي إم دبليو في ورشة تصنيع هياكل السيارات والصفائح المعدنية والمستودعات. ومع ذلك، فإن الروبوتات البشرية مكلفة وغير ضرورية في بيئات عمل المصانع التي تعمل دون إشراف بشري ولا تتطلب تفاعلاً بين الإنسان والروبوت. لذلك، تتحول التكنولوجيا نحو تصاميم اقتصادية أكثر مع الحفاظ على التعددية في المهام. على سبيل المثال، تصنع شركة ميميك (Mimic) روبوتات بشرية لها أيدٍ وليس لها أرجل.

القدرة على التكيف مع الظروف

يمكن للروبوتات التعرف على التغيرات في بيئة عمل المصنع والتكيف معها باستمرار. على سبيل المثال، يطور نموذج شركة كوفاريانت (Covariant) الأساسي للروبوتات استراتيجياته الخاصة للتعامل مع المهام الصعبة المتعلقة بالتقاط الأشياء ونقلها، مثل هز الصناديق لتسهيل التقاط الأشياء بداخلها، ما يتيح للروبوتات التعامل مع أكثر من 100,000 وحدة لحفظ المخزون من اليوم الأول دون تدريب مسبّق. تتميز نماذج شركة كوفاريانت بقدرتها العالية على التكيف لأنها تعلمت من ملايين مجموعات البيانات الحقيقية المتعددة الأنماط للروبوتات المصممة لالتقاط الأشياء. تحقق النماذج المدربة مسبّقاً التوازن المطلوب للمصانع من خلال تقليل وقت التجهيز، وزيادة الكفاءة من خلال التكيف الفوري في أثناء العمل، وبناء الثقة في أنظمة المصانع التي تعمل دون إشراف بشري.

المهارات الشبيهة بمهارات بالبشر

يتوسع نطاق المهام القابلة للأتمتة بسرعة، حيث تتحسن الروبوتات في تقليد السلوك البشري في مجموعة من المهام. يعمل معهد أبحاث تويوتا (Toyota Research Institute) على تطوير "روضة أطفال للروبوتات" حيث يتحكم مشغّلون بشريون عن بُعد في الروبوتات لأداء أكثر من 200 مهارة بشرية شائعة، مثل استخدام الأدوات وسكب السوائل، في حين يتعلم نموذج الذكاء الاصطناعي التوليدي هذه السلوكيات في الوقت نفسه. أظهرت جوجل أن الروبوتات يمكنها تعلم المهارات من مقاطع الفيديو عن طريق تتبع مسارات حركة البشر. أصبحت حلول الأتمتة للتحدي القديم المتمثل في التجميع قيد التطبيق الصناعي في العام الماضي، حيث تتعاون شركة دايملر تراك (Daimler Truck) مع شركة سيرياكت لتوظيف حل يعتمد على الذكاء الاصطناعي قادر على تحديد استراتيجيات التقاط الأشياء وضبطها استناداً إلى طبيعة الجسم المُلتقط.

بدء التحول إلى المصانع التي تعمل دون إشراف بشري

يجب على الشركات المصنعة أن تبدأ أولاً بفهم المشكلات المستعصية ومعالجتها؛ فذلك يمكن أن يحقق تقدماً سريعاً يساعد في تمويل الخطوات المقبلة. بالإضافة إلى ذلك، يجب على الشركات أن تجري مراجعة دقيقة للتحول الكامل الذي تنوي تنفيذه.

إعادة النظر في معايير الاستثمار

إن فترة استرداد تكلفة تطبيقات الأتمتة أمر بالغ الأهمية، لكن النظر فيها إلى جانب المزايا العامة للأتمتة التي لا تتطلب إشرافاً بشرياً يوفر صورة أوضح للقيمة الحقيقية للاستثمار. على سبيل المثال، في تحليل التكلفة والفائدة الخاص بعميلنا، توصّل فريق الماليات إلى أن الإنتاج الإجمالي يزداد بنسبة 30% عند تطبيق العمل دون إشراف بشري.

إعادة النظر في استراتيجية التنفيذ

يتطلب تنفيذ المصنع الذي يعمل دون إشراف بشري تنسيقاً بين فرق العمليات وتصميم المنتجات والهندسة والمشتريات. يجب على هذه الفرق المتعددة التخصصات أن تتعاون من كثب لإنشاء دورات تحسين سريعة للروبوتات التي يوظفها المصنع حديثاً وتعديل أدائها تدريجياً.

إعادة النظر في عملية صناعة القرار

تولد الروبوتات البيانات الرقمية باستمرار، ويمكن جمعها وتحليلها لتوفير شفافية غير مسبوقة لعمليات المصنع. وذلك يمكن أن يعزز عمليات صناعة القرارات الذكية التي تحل محل الحدس والمدخلات البشرية المحتملة غير الموثوقة وتقدم تحليلاً شاملاً للأسباب الجذرية لجميع العوامل التي تؤثر في بيئة عملية التصنيع.

ستؤدي التكنولوجيا في المستقبل القريب إلى أن تعمل المصانع دون إشراف بشري، ويعتمد قرار تحقيق هذا التحول في المقام الأول على الظروف الاقتصادية للمصانع. لكن المصانع التي تتبنى الأتمتة وتُظهر مرونة في إصلاح استراتيجياتها التشغيلية ستستفيد أكثر من غيرها من هذا التحول.