هوش مصنوعی دیگر یک پیشرفت نیست؛ بلکه یک تغییر اساسی در نحوه طراحی، تولید و نگهداری محصولات با کیفیت بالا توسط تولیدکنندگان است. تولیدکنندگان در حال ادغام هوش مصنوعی در هر مرحله هستند، از طراحی مبتنی بر CAD و بینش‌های چرخه عمر مبتنی بر PLM گرفته تا کنترل کیفیت پیشرفته هوش مصنوعی و استدلال LLM از گردش کار و انطباق.
بازرسی بصری با دقت بالا برای کنترل کیفیت محصول در تولید.
چرا این مقاله ارزش خواندن دارد:
با حرکت از تشخیص نقص سنتی به سمت سیستم‌های متمرکز بر پیشگیری که از هوش مصنوعی بصری و مدل‌های زبانی بزرگ استفاده می‌کنند، هوش مصنوعی تولیدکنندگان را قادر می‌سازد تا محصولات را با دقت و سرعت بیشتری نسبت به آنچه که انسان ممکن است، بازرسی کنند.
بهبودهای نگهداری و قابلیت اطمینان پیش‌بینی‌کننده از طریق تجزیه و تحلیل داده‌های خرابی تاریخی، شرایط استفاده و بازخورد حسگر توسط هوش مصنوعی حاصل می‌شود و به تولیدکنندگان اجازه می‌دهد تا از خرابی‌ها قبل از وقوع جلوگیری کرده و عملکرد بلندمدت را در محیط‌های مجازی شبیه‌سازی کنند.
اتوماسیون انطباق و بهینه‌سازی گردش کار توسط ابزارهای هوش مصنوعی مولد که می‌توانند حجم وسیعی از اسناد نظارتی و داده‌های بدون ساختار را تجزیه و تحلیل کنند، در حال تغییر هستند و نمونه‌های دنیای واقعی نشان می‌دهند که فرآیندهای دستی که شش تا دوازده ماه طول می‌کشید، اکنون تقریباً به صورت بلادرنگ تکمیل می‌شوند.
شرکت‌هایی از انواع مختلف، هوش مصنوعی را به روش‌های متمایزی پذیرفته‌اند. شاید هیچ صنعت دیگری به سرعت تولید در حال حرکت نباشد. تولیدکنندگان با تکیه بر تجربیات تولید ناب و تغییرات فرآیند شش سیگما، به فناوری‌های هوش مصنوعی به عنوان مرز جدیدی برای دستیابی به نتایج مثبت تجاری نگاه می‌کنند. به طور خاص‌تر، تولیدکنندگان از هوش مصنوعی برای افزایش کیفیت در کل چرخه عمر محصول، از طراحی اولیه گرفته تا قابلیت اطمینان بلندمدت و بهبود گردش کار، استفاده می‌کنند.
با فناوری هوش مصنوعی، کنترل کیفیت دیگر فقط مربوط به تشخیص نقص‌ها نیست. این فناوری در مورد جلوگیری از نقص‌ها قبل از وقوع و بهینه‌سازی مراحل کلیدی تولید و تجاری‌سازی است. در ادامه نگاهی به چگونگی تبدیل فرآیند کنترل کیفیت توسط هوش مصنوعی از طراحی به قابلیت اطمینان بلندمدت خواهیم داشت.
طراحی با مهندسی مبتنی بر هوش مصنوعی
در مرحله طراحی، ابزارهای مبتنی بر هوش مصنوعی که با سیستم‌های CAD ادغام شده‌اند، نحوه ایجاد محصولات جدید توسط مهندسان را تغییر می‌دهند. این راه‌حل‌های هوش مصنوعی، هوش مصنوعی بصری را وارد طراحی‌های محصول می‌کنند و به تجزیه و تحلیل مجموعه داده‌های گسترده، از جمله عملکرد طراحی تاریخی، خواص مواد و حالت‌های خرابی در دنیای واقعی، گسترش می‌یابند. با این بینش‌ها، تولیدکنندگان می‌توانند قبل از شروع نمونه‌سازی اولیه، بهبودهای پیشنهادی طراحی را در نظر بگیرند. هوش مصنوعی با تکیه بر برنامه‌های CAD مانند Creo از PTC و SolidWorks از Dassault Systems، می‌تواند نقاط ضعف ساختاری را شناسایی کند، مواد جایگزین را توصیه کند و حتی جنبه‌هایی از فرآیند طراحی را خودکار کند و نیاز به تکرارهای پرهزینه را کاهش دهد.
خطوط تولید یکپارچه زنجیره‌ای و بازیابی تطبیقی-تقویت‌شده (RAG) به سیستم اجازه می‌دهند تا به طور مداوم از بازخورد اپراتور و موارد حاشیه‌ای یاد بگیرد و بازرسی‌ها را دقیق‌تر و مقاوم‌تر در برابر تغییرات و انحرافات کند.
فراتر از CAD، هوش مصنوعی در برنامه‌های مدیریت چرخه عمر محصول (PLM) تعبیه شده است، جایی که دیدگاه جامعی از سفر یک محصول از مفهوم تا بازنشستگی ارائه می‌دهد. برنامه‌های PLM، مانند Windchill، برنامه‌های رایجی هستند که در این راه‌حل‌ها دخیل هستند. با استفاده از هوش مصنوعی بر روی سیستم‌های PLM، تولیدکنندگان می‌توانند بینش‌هایی را از عرضه محصولات گذشته استخراج کنند، روند عملکرد را تجزیه و تحلیل کنند و مشکلات بالقوه کیفیت را قبل از شروع تولید پیش‌بینی کنند. این تضمین می‌کند که درس‌های آموخته‌شده از طرح‌های قبلی مستقیماً نوآوری‌های آینده را آگاه می‌کنند و در نتیجه محصولات قوی‌تر و قابل اعتمادتری تولید می‌شوند.
کنترل کیفیت مبتنی بر هوش مصنوعی
هنگامی که محصولات به مرحله تولید می‌رسند، سیستم‌های کنترل کیفیت مبتنی بر هوش مصنوعی می‌توانند کنترل را به دست گیرند. این سیستم‌ها معمولاً از هوش مصنوعی بینایی و مدل‌های زبانی بزرگ (LLM)، دستورالعمل‌های چندوجهی و گردش‌های کاری زنجیره‌ای برای بازرسی اجزا و محصولات نهایی با دقت و سرعتی فراتر از توانایی انسان استفاده می‌کنند. دوربین‌ها و حسگرهای با وضوح بالا تصاویر قطعات تولید شده را ثبت می‌کنند، در حالی که هوش مصنوعی فوراً هرگونه الگوی نگران‌کننده را تشخیص می‌دهد و نقص‌های ظریف مانند عیوب سطحی و ناهماهنگی‌ها را شناسایی می‌کند. هوش مصنوعی بینایی و LLMها همچنین می‌توانند دستورالعمل‌های کاری تطبیقی ایجاد کنند و اطلاعات دریافتی از سراسر مهندسی و عملیات را متناسب‌سازی کنند.
این مدل‌ها بر روی دستگاه‌های محاسبات لبه اجرا می‌شوند و بسته به نیاز کارخانه، شامل مدل‌هایی مانند Phi-3 مایکروسافت و 3.1 Small میسترال هستند. طراحی یکپارچه آنها مزیت دستیابی به پردازش بینایی محلی بدون تأخیر یا تاخیر اینترنت را ارائه می‌دهد – یک جنبه ضروری برای خطوط تولید کارخانه که باید از خرابی جلوگیری کنند.
برخی از تولیدکنندگان با ادغام درجه‌بندی نقص مبتنی بر هوش مصنوعی در بخش‌های کیفیت خود، بازرسی را حتی بیشتر می‌کنند. در اینجا، به جای فقط علامت‌گذاری نقص‌ها، این سیستم‌ها بر اساس شدت و فراوانی، مسائل را دسته‌بندی و رتبه‌بندی می‌کنند. ابزارهای Microsoft AI Data Cloud این راه‌حل‌های هوش مصنوعی را با استفاده از ابزارها و خدماتی مانند Azure OpenAI GPT-4o/GPT-4o-mini، Azure AI Foundry، Azure Data Factory، Azure SQL Server و Microsoft PowerBI برای تجسم خروجی طبقه‌بندی داده‌ها، فعال می‌کنند. تولیدکنندگان می‌توانند مشکلات سیستمی را شناسایی کنند، فرآیندهای تولید خود را اصلاح کنند و مسائل مربوط به انطباق با مقررات را در صنایع به شدت تنظیم‌شده، اولویت‌بندی کنند و کارایی کلی را بهبود بخشند.
