انقلاب صنعتی چهارم بر بستر فیزیک سایبری

کانی مگ، محمد قهرمانی کوشان- سرعت رشد، پیشرفت و نفوذ هوش مصنوعی درکسب‌وکار در حدی است که احتمال می‌رود در آینده‌ای نه چندان دور هوش مصنوعی به یک صنعت بزرگ در جهان تبدیل شود. تازه‌ترین گزارش‌ها نشان می‌دهد که صنعت هوش مصنوعی تا سال ۲۰۲۳ با متوسط نرخ رشد سالانه ۲/۱۷درصدی رشد می‌کند. با توجه به اینکه در انقلاب صنعتی چهارم یکی از مهم‌ترین بازیگران عرصه، هوش مصنوعی است، پیش‌بینی می‌شود بازار این صنعت پس از ۲۰۲۳ ارزشی برابر ۲/۱۴ میلیارد دلار داشته باشد. این در حالی است که ارزش بازار هوش مصنوعی از ابتدا تا سال ۲۰۱۵ تنها ۵۲۵ دلار بوده است. این صنعت به اندازه‌ای پیچیده، اما تأثیرگذار است که بیشتر کارشناسان از پیش‌بینی و تحلیل آن اجتناب می‌کنند. به‌تازگی مطالعه‌ای در این زمینه انجام شده است که نشان می‌دهد تا ۵ سال آینده، ۱۰میلیون شغل از سوی روبات‌ها، هوش مصنوعی و سیستم‌های هوشمند از بین می‌روند. این در حالی است که هم‌چنان دلایل زیادی برای خوش‌بین‌بودن به هوش مصنوعی و سیستم‌های هوشمند و خودکار وجود دارد؛ چون خود این فناوری‌ها می‌توانند ابزاری برای ایجاد مشاغل و صنایع جدید باشند. در حقیقت ما باید تغییر و تحولات اجتماعی مختلفی را تجربه و ایجاد کنیم تا بتوانیم از مزایای پیشرفت هوش مصنوعی و فناوری‌‌های وابسته به آن بهره‌مند بشویم. این تغییرات ممکن است به معنای نوعی تنظیم و برنامه‌ریزی مباحث آموزشی در دانشگاه‌ها باشد تا بتوان دانشجویان و نسل‌های آینده را برای تصاحب مشاغل جدیدی که به کمک این فناوری‌‌ها ایجاد می‌شود، آماده کرد.

جهان در تسخیر هوش مصنوعی

پژوهش‌ها نشان می‌دهد در آینده‌ای که به کمک هوش مصنوعی و سیستم‌های خودکار تصویر می‌شود، شهروندان حتی بدون داشتن شغل هم می‌توانند به پاسخ نیازهای اولیه خود امیدوار باشند. هوش مصنوعی و سیستم‌های خودکار دیگر موجی مربوط به آینده نبوده و در حال حاضر وجود دارند. به عبارت دیگر، جهان به تسخیر هوش مصنوعی درآمده است. این سیستم‌ها حالا به شکلی گسترده‌تر از گذشته مورد استفاده قرار می‌گیرند. جهان کار و کارگری هم در حال تغییر است. همراه با آن نیازهای رایج جامعه هم تغییر می‌کند. از سوی دیگر اینترنت اشیا به‌عنوان پدیده دیگر این انقلاب فناورانه، نه تنها کسب‌وکارها را تغییر داده، بلکه این قدرت را در اختیار صاحبان کسب‌وکار قرار می‌دهد که شکست‌های آینده را پیش‌بینی کنند؛ بنابراین کسب‌وکارها برنامه پیشگیرانه خود را تدوین می‌کنند. کسب‌وکارها با استفاده از یادگیری ماشین، می‌توانند الگوها را در داده‌های عملیاتی خود جستجو کرده و هر پیش‌بینی را اصلاح کنند. هدف این است که تولیدکننده خرابی صفر (نبود ضایعات، بالاترین بهره‌وری و…) را در محل تولید تجربه کند. هوش مصنوعی قابلیت این را دارد که به‌طور کامل مغز و تخصص مدیر یک خط تولید را شبیه‌سازی کند، انقلاب صنعتی چهارم به‌طور قابل توجهی با استفاده از هوش مصنوعی بهبود پیدا می‌کند. فضای فیزیک سایبری این قابلیت را در کارخانه‌ها و محل تولید محصولات متنوع به وجود می‌آورد تا تمامی بخش‌ها به داده‌های موجود متصل باشند.

هوش مصنوعی و یک تغییر بزرگ در برنامه تولید

با استفاده از مدل «معرفت انسانی» یا «روش شناختی» این عمل امکان‌پذیر است. این مدل می‌تواند در تجزیه و تحلیل و پیش‌بینی داده‌ها اثرگذار بوده و به آن‌ها متصل شود. بدون این طرح، هر خط تولید هنوز هم نیاز به متخصصی برای تفسیر داده‌ها دارد. علاوه‌براین، هوش مصنوعی می‌تواند متخصص تحلیل داده را برای شناسایی مهم‌ترین و اثرگذارترین داده‌ها کمک کند. این گونه است که یک تغییر بزرگ در برنامه تولید به وجود می‌آید. براین‌اساس هوش مصنوعی می‌تواند یک اقدام را به مدیر خط و یا مدیر تولید پیشنهاد دهد. این پیشنهاد حتی می‌تواند در حد استفاده از حمل‌ونقل سریع برای بازیابی زمان ازدست‌رفته باشد. این مزیت با استفاده از اینترنت اشیاء و آگاهی از دنیای فیزیک سایبری ممکن شده است. یک کسب‌وکار در انقلاب صنعتی چهارم زمانی درست عمل می‌کند که مدل‌های تجاری آن دیجیتالی شود.

فیزیک سایبری و تغییر کسب‌وکارها در انقلاب صنعتی چهارم

شرایط کنونی، شرکت‌ها را در مسیری قرار داده که پیش‌بینی دقیق، نسخه بهبودیافته، بهینه‌سازی و تهیه مدل‌های جدید کسب‌وکار را در اولویت‌های خود قرار دهند. شرکت‌ها از طریق داده‌های قوی یک پنجره جدید در عملیات خود ایجاد می‌کنند. سرمایه‌گذاری شرکت‌ها در این مسیر سیستم‌های صنعتی فوق‌العاده پیچیده را شکل می‌دهد. سیستم حمل‌ونقل راه‌آهن را در نظر بگیرید. حدود ۸۰درصد مواقع، مهندسان لوکوموتیو باتجربه، می‌توانند دلایل شکستگی قطار را به‌طور دقیق مشخص کنند؛ اما در بسیاری از مواقع حتی مهندسان بسیار ماهر هم نمی‌تواند مشکلات زیرسیستمی را پیش‌بینی یا تحلیل کنند.

در حال حاضر، با ظهور اینترنت اشیاء صنعتی (IIoT) بسیاری از تجهیزات صنعت جهان مجهز به هوشمندی ویژه‌ای شده است. این هوشمندی اساساً ماهیت مشکل را تغییر می‌دهد. این سیستم یک پیچیدگی را با استفاده از داده‌های مختلف آسان می‌کند. بسیاری از همبستگی‌هایی که پیشتر امکان مشاهده آن‌ها ممکن نبود، اکنون می‌توانند در جریان داده‌های تجهیزات توسط تحلیل‌های پیشرفته با استفاده از هوش مصنوعی و یادگیری ماشین حل‌وفصل شوند. سیستم‌های صنعتی بسیار پیچیده اصولاً برای مدیران چالش‌برانگیز هستند؛ اما تجزیه و تحلیل داده‌های غنی، حسگر‌های آن‌ها، شرکت‌ها را قادر به مشاهده و انجام پروژه‌های بیشتر می‌کند. پیش‌بینی رفتار، تجویز اقدامات، بهینه‌سازی عملیات و ایجاد مدل‌های جدید کسب‌وکار مهم‌ترین دستاوردهای این اقدام است.

تأثیر پیش‌بینی شکست بر ایجاد مدل‌های جدید کسب‌وکار

شرکت‌های حمل‌ونقل و بیشتر صنایع از اینترنت اشیای صنعتی(IIoT) برای پیش‌بینی تجهیزات یا شکست سیستم استفاده می‌کنند. هرگونه خرابی ممکن است به‌طور قابل ملاحظه‌ای باعث اختلال در کسب‌وکار و ناسازگاری بر درآمد و سود و هم‌چنین ایجاد خطرهایی برای تولیدکننده و محصولات،‌ ازدست‌دادن زندگی یا آسیب به دارایی باشد. شکست‌ها نیز مشتریان را ناراحت می‌کنند و می‌توانند آن‌ها را به رقبا تبدیل کنند.

چند سال پیش،‌ پروژه‌ای در کشور هلند انجام شد که یک شرکت تحقیقاتی با همکاری یک شرکت بزرگ هواپیمایی از داده‌های ساختاری، سنسورها و هم‌چنین اطلاعات غیرساختاری برای پیش‌بینی شکست‌ها استفاده کرد. این داده‌ها را مهندسان تعمیر و نگهداری هنگام کار با هواپیما تولید می‌کردند. این داده‌ها استخراج شده و به متغیرهای کلیدی با عنوان مدل‌های تحلیلی تبدیل می‌شد تا الگوهایی را پیدا کنند که ممکن است یک مشکل متداوم را نشان دهند. با استفاده از این روش، شرکت هواپیمایی تا ۳۰درصد از تأخیر و لغو بالقوه را پیش‌بینی کرد. البته گاهی پیش‌بینی شکست می‌تواند چالش‌برانگیز باشد. اگر الگوریتم نهایی بیش از حد تهاجمی باشد، نتیجه کاذب دارد. برای جلوگیری از این اتفاق نیاز به یک رویکرد متعادل است؛ زیرا چالش اصلی و شکست در پیش‌بینی به دلیل بسته‌بودن یک سیستم تحلیلی است. این سیستم دارای قدرت پیش‌بینی و آمار مثبت و منفی قابل اعتماد است. شرکت باید یک مدل قوی، قابل اعتماد و اقتصادی بسازد.

هوش مصنوعی و قدرت تحلیل و پیش‌بینی رفع خرابی

هنگامی که یک شکست پیش‌بینی شد، مرحله بعدی چیست؟ جنی فیلدینگ (Jenny Fielding)، مدیرعامل شرکت Techstars انگلستان که یکی از مهم‌ترین سرمایه‌گذاران حوزه IIoT هستند، معتقد است «شما بعداً می‌خواهید بدانید آیا یک جزء یا سیستم شکست خواهد خورد و چه کاری باید برای آن انجام داد؟ باید بدانید نظارت کافی نیست. فقط به این دلیل که یک سیستم داشبورد داده‌ها را به کاربر نهایی ارائه می‌دهد و آن را مفید نمی‌کند. درحقیقت کلید ایجاد بینش عملی در اطراف هر نوع محصول IoT است.» شرکت‌ها باید اهداف کسب‌وکار خود را بسیار صریح‌تر از قبل جلوه دهند. برای مثال، شرکت‌ها باید به‌وضوح تعریف کنند که اهداف کسب‌وکار دربردارنده رضایت مشتری، هزینه، سود و ایمنی است. IIoT استراتژی‌ای برای تمام شرکت‌های صنعتی است. درک چالش‌های احتمالی از وجود داده‌ها، نیاز به استعدادها و مهارت‌های جدید، سرمایه‌گذاری در ادغام داده‌ها و قابلیت‌های مدیریت داده مهم‌ترین استراتژی‌هایی هستند که مدیران در به‌کارگیری IIoT باید به آن توجه داشته باشند. در انقلاب صنعتی چهارم مهارت یادگیری ماشین، هوش مصنوعی، روش‌های تحلیلی و… حرف اول را می‌زند. افراد می‌توانند مهارت‌های طراحی را در اختیار داشته باشند تا داده‌ها را به طریقی که آسان است، درک و با آن ارتباط برقرار کنند.

گاهی نیاز است عملیات بازنویسی شود تا قابلیت‌های پیش‌بینی‌شده و پیش‌بینی‌ها بهبود یابد. همانطور که اعتماد بیشتری نسبت به پیش‌بینی رویدادهای کلیدی وجود دارد، عملیات و برنامه‌ریزی برای تعمیر و نگهداری، خرابی و… نیاز به بازنگری دارد. سرمایه‌گذاری در تجهیزات صنعتی و سنسورها و دستگاه‌های IIoT احتمالاً عمری کمتر از یک دهه دارند. هم‌چنین، بسیاری از جنبه‌های تجهیزات اختصاصی هستند.

نقش IIoT در انقلاب صنعتی چهارم

در هسته دستیابی به موفقیت با IIoT یک چالش جدی به نام «چالش داده» وجود دارد. استفاده موفقیت‌آمیز از IIoT شامل چرخه عمر داده‌ها، گسترش آن، انتقال آن، قالب‌بندی، تجزیه و تحلیل، ذخیره‌سازی و احتمالاً حذف آن است. جای تعجب نیست که بسیاری از چالش‌های پذیرش IIoT مربوط به داده‌ها است.

• کیفیت داده‌ها: داده‌ها از منابع مختلف، فرمت‌های متنوع و ساختارهای گوناگون هستند؛ می‌توانند ناقص، تکان‌دهنده یا پرسروصدا باشند؛ بنابراین به تلاش چشمگیری در پاکسازی قبل از تحلیلی قابل اعتماد نیاز است.
• امنیت داده‌ها وحریم خصوصی: داده‌ها ممکن است حاوی اطلاعات عملیاتی اختصاصی باشند که دارای ارزش رقابتی و هم‌چنین اطلاعات شخصی مربوط به کارمندان باشند.
• استانداردهای داده‌ها: نبود استانداردهای صنعت برای قالب‌بندی و به‌اشتراک‌گذاری داده‌ها در سراسر سیستم‌ها باعث می‌شود که به‌اشتراک‌گذاری داده‌ها چالش‌برانگیز شده و اتوماسیون ایجاد کند.
• مدیریت حجم داده‌ها: IIoT به‌طور مؤثری افزایش داده‌ها و حجم اطلاعاتی را که در سازمان‌ها وجود دارد، مدیریت می‌کند.
• هزینه: شرکت‌ها هزینه‌هایی را برای به‌روزرسانی تجهیزات با سنسورهای جدید، به‌روزرسانی اتصالات و پرداخت هزینه‌های آن متقبل می‌شوند. راه‌حل‌های ارائه‌شده از سوی IIoT برای مدیریت، همه آن‌ها را به فروش می‌رساند.