निर्माताओं ने खोजा कि ज्ञान ही शक्ति है, तुरंत उसे बोतलबंद करने की कोशिश की

हर निर्माता के पास पहले से ही वह है जिसे माइक्रोसॉफ्ट और एमआईटी टेक्नोलॉजी रिव्यू "औद्योगिक बुद्धिमत्ता" कह रहे हैं - संचित जानकारी, परिचालन प्रथाओं, उत्पादन डेटा और संस्थागत स्मृति के लिए एक फैंसी शब्द, जो वर्तमान में दस्तावेजी प्रक्रियाओं और अनुभवी श्रमिकों के सिरों के मिश्रण में रहता है, जो शायद जल्द ही सेवानिवृत्त होने वाले हैं। लेख का शुरुआती उदाहरण: एक ऑपरेटर जो बदलाव के बाद लाइन को फिर से शुरू करता है, जो न केवल मशीन सेटिंग्स पर निर्भर करता है, बल्कि यह जानने पर भी कि एक विशेष सामग्री कैसे व्यवहार करती है, पिछली शिफ्ट के दौरान क्या हुआ, और कब एक छोटी सी भिन्नता पर करीब से नज़र डालने की जरूरत होती है। एक प्रक्रिया अनुक्रम का वर्णन कर सकती है, लेकिन सफल निष्पादन अनुभव से आने वाले निर्णय पर निर्भर करता है। दूसरे शब्दों में, मैनुअल में वह हिस्सा शामिल नहीं है जहां डेव गेज को घूरता है और कहता है, "यह सही नहीं है।"

हमें बताया गया है कि अवसर उस बुद्धिमत्ता को और अधिक उपलब्ध कराना है, जहां भी निर्णय लिए जाते हैं, और इसे निर्माण की भौतिक दुनिया से जोड़ना है। रणनीतिक गंतव्य अधिक एजेंट नहीं हैं, बल्कि मौजूदा व्यावसायिक बुद्धिमत्ता को लाभदायक विकास के इंजन में बदलना है। विशेषज्ञता की पहुंच सीमित होती है जब यह एक व्यक्ति, एक प्रणाली या एक संयंत्र के पास रहती है - एक ऐसी समस्या जिसे नेताओं को अब उस संदर्भ को छीने बिना हल करना होगा जो ज्ञान को उपयोगी बनाता है। एक इंजीनियर जो प्रक्रिया परिवर्तन का मूल्यांकन कर रहा है, उसे उत्पादन रिकॉर्ड से अधिक चाहिए; उसे इसके पीछे की परिस्थितियां चाहिए: उपकरण कॉन्फ़िगरेशन, गुणवत्ता आवश्यकताएं, और एक ऑपरेटर द्वारा किए गए समझौते। उन तत्वों को जोड़ने से लोगों को अनुभव को उसके मूल स्थान से परे लागू करने में मदद मिलती है, जिसका अर्थ है कि रखरखाव कार्यशाला, योजना कार्यालय, इंजीनियरिंग टीम और उत्पादन फ्लोर सभी योगदान कर सकते हैं क्योंकि अधिक लोग संगठन जो जानता है उसके साथ काम कर सकते हैं।

लेकिन ज्ञान तक पहुंच अवसर का केवल एक हिस्सा है। निर्माण अंततः भौतिक है, जो सामग्री, मशीनों और उत्पादों पर निर्भर करता है। "भौतिक एआई" में प्रवेश करें - ऐसी प्रणालियां जो स्थितियों को समझ सकती हैं, उनके बारे में तर्क कर सकती हैं, और भौतिक दुनिया के भीतर कार्रवाई कर सकती हैं। मशीनों और प्रक्रियाओं को जोड़कर, निर्माताओं को फैक्टरी फ्लोर का स्पष्ट दृश्य मिलता है, और एजेंट उस जानकारी के आधार पर तर्क कर सकते हैं ताकि पैटर्न की पहचान हो सके, समस्याओं का पूर्वानुमान लगाया जा सके, और कार्रवाई का सर्वोत्तम मार्ग निर्धारित किया जा सके। एक रोबोटिक-हैंडलिंग ऑपरेशन पर विचार करें जो अपने स्टेशन पर आने वाले भागों में भिन्नता का सामना करता है: दृष्टि एक भाग की स्थिति का आकलन करती है, सामग्री और कार्य से सूचित एक मॉडल उपयुक्त गति निर्धारित करता है, और जुड़े नियंत्रण मान्य सीमाओं के भीतर समायोजन निष्पादित करते हैं। मूल्य केवल भिन्नता को देखना नहीं है; यह उचित प्रतिक्रिया देना है - एक ऐसा अंतर जो किसी भी व्यक्ति के साथ प्रतिध्वनित होगा जिसने किसी रोबोट को आत्मविश्वास से गलत काम करते देखा है।

यही सिद्धांत गुणवत्ता संचालन पर भी लागू होता है। टोयोटा इंडस्ट्रीज ने पहले खंडित पेंट शॉप डेटा को जोड़ा, जिससे इंजीनियरिंग और संचालन टीमों को दोष चालकों को समझने के लिए आवश्यक संदर्भ मिला। कंपनी बताती है कि विश्लेषण चक्र पांच दिनों से घटकर चार घंटे से कम हो गए, जबकि इसके पायलट ने प्रासंगिक पेंट दोषों को लगभग 25% तक कम कर दिया। सफलता केवल एक और संकेत की पहचान नहीं थी; यह लोगों को यह समझने में मदद कर रही थी कि दोष क्यों हो रहे थे और परिणाम लॉक होने से पहले प्रतिक्रिया दें। डेटा यह बता सकता है कि क्या हो रहा है, लेकिन औद्योगिक बुद्धिमत्ता यह समझने के लिए संदर्भ प्रदान करती है कि क्या होना चाहिए, किन बाधाओं का उल्लंघन नहीं किया जा सकता, और कब अनिश्चितता के लिए मानवीय निर्णय की आवश्यकता होती है - आदर्श रूप से लाइन बंद होने और सभी के नए लड़के की ओर देखने से पहले।

सिमुलेशन उपकरण पर लागू करने से पहले प्रस्तावित कार्यों की जांच करने का एक तरीका प्रदान करता है, जिससे निर्माता यह पता लगा सकते हैं कि कोई परिवर्तन डिजिटल वातावरण में किसी प्रक्रिया को कैसे प्रभावित कर सकता है। यह भौतिक सत्यापन की आवश्यकता को दूर नहीं करता है, लेकिन उत्पादन लाइन को पहला प्रयोग माने बिना सीखने के लिए जगह बनाता है - उन लोगों के लिए एक नया विचार जिन्होंने कभी निर्माण में काम किया है। जिम्मेदार तैनाती परिचालन अनुशासन से शुरू होती है: स्पष्ट अधिकार कि कौन सी प्रणालियां