Her üretici, Microsoft ve MIT Technology Review'un "endüstriyel zeka" dediği şeye zaten sahip - şu anda bir kısmı belgelenmiş prosedürlerde, bir kısmı da muhtemelen yakında emekli olacak deneyimli çalışanların kafasında yaşayan birikmiş bilgi, işletme pratikleri, üretim verileri ve kurumsal hafıza için süslü bir tabir. Makalenin açılış örneği: bir değişimden sonra hattı yeniden başlatan bir operatör, sadece makine ayarlarına değil, belirli bir malzemenin nasıl davrandığını bilmeye, önceki vardiyada ne olduğuna ve görünüşte küçük bir varyasyonun ne zaman daha yakından incelenmeyi hak ettiğine de güveniyor. Bir prosedür sırayı tanımlayabilir, ancak başarılı uygulama deneyimden gelen yargıya bağlıdır. Yani, kılavuzda Dave'in göstergeye gözlerini kısıp "Bu doğru değil" dediği kısım yok.

Bize söylenen, fırsatın bu zekanın daha fazlasını kararların verildiği her yerde kullanılabilir kılmak ve onu üretimin fiziksel dünyasına bağlamak olduğu. Stratejik hedef daha fazla ajan değil, mevcut iş zekasını karlı büyüme için bir motora dönüştürmek. Uzmanlık bir kişide, bir sistemde veya bir fabrikada kaldığında sınırlı bir erişime sahiptir - liderlerin şimdi bilgiyi yararlı kılan bağlamı ortadan kaldırmadan çözmeleri gereken bir sorun. Bir süreç değişikliğini değerlendiren bir mühendis, bir üretim kaydından daha fazlasına ihtiyaç duyar; arkasındaki koşullara ihtiyaç duyar: ekipman konfigürasyonu, kalite gereksinimleri ve bir operatörün yaptığı ödünleşimler. Bu unsurları birleştirmek, insanların deneyimi ortaya çıktığı yerin ötesinde uygulamalarına yardımcı olur, bu da bakım atölyesinin, planlama ofisinin, mühendislik ekibinin ve üretim sahasının hepsinin katkıda bulunabileceği anlamına gelir çünkü daha fazla insan kuruluşun bildikleriyle çalışabilir.

Ancak bilgiye erişim fırsatın sadece bir parçası. Üretim nihayetinde fizikseldir, malzemelere, makinelere ve ürünlere bağlıdır. Karşınızda "fiziksel yapay zeka" - koşulları algılayabilen, onlar hakkında akıl yürütebilen ve fiziksel dünyada harekete geçebilen sistemler. Makineleri ve süreçleri birbirine bağlayarak üreticiler fabrika sahasına daha net bir bakış elde eder ve ajanlar bu bilginin üzerinde akıl yürüterek kalıpları belirleyebilir, sorunları tahmin edebilir ve en iyi hareket tarzını belirleyebilir. İstasyonuna gelen parçalarda varyasyonla karşılaşan bir robotik elleçleme operasyonunu düşünün: görüntü işleme bir parçanın konumunu değerlendirir, malzeme ve görevden beslenen bir model uygun bir hareket belirler ve bağlı kontroller doğrulanmış sınırlar içinde bir ayar uygular. Değer sadece varyasyonu görmek değil, uygun şekilde yanıt vermektir - bir robotun kendinden emin bir şekilde yanlış şeyi yaptığını izleyen herkesin aşina olacağı bir ayrım.

Aynı ilke kalite operasyonları için de geçerlidir. Toyota Industries, daha önce parçalanmış boya atölyesi verilerini birleştirerek mühendislik ve operasyon ekiplerine kusur etkenlerini anlamak için gereken bağlamı sağladı. Şirket, analiz döngülerinin beş günden dört saatin altına düştüğünü ve pilot uygulamasının ilgili boya kusurlarını yaklaşık %25 azalttığını bildiriyor. Atılım sadece başka bir sinyal tanımlamak değil, insanların kusurların neden oluştuğunu anlamalarına ve sonuç kilitlenmeden önce yanıt vermelerine yardımcı olmaktı. Veriler neler olduğunu ortaya koyabilir, ancak endüstriyel zeka ne olması gerektiği, hangi kısıtların ihlal edilemeyeceği ve belirsizliğin ne zaman insan yargısı gerektirdiği konusunda bağlam sağlar - ideal olarak hat durmadan ve herkes yeni adama bakmaya başlamadan önce.

Simülasyon, önerilen eylemleri ekipmana uygulamadan önce incelemenin bir yolunu sunar ve üreticilerin bir değişikliğin bir süreci dijital bir ortamda nasıl etkileyebileceğini keşfetmelerine olanak tanır. Bu, fiziksel doğrulama ihtiyacını ortadan kaldırmaz, ancak üretim hattını ilk deney olarak ele almadan öğrenmek için alan yaratır - üretimde çalışmış herkes için yeni bir kavram. Sorumlu dağıtım operasyonel disiplinle başlar: hangi sistemler üzerinde net yetki