एक्सेल से न्यूरल नेटवर्क्स तक: एआई कैसे बदल रहा है उत्पादन योजना और पूर्ण स्वायत्तता की उम्मीद कब करें
Google/DeepMind
Сбер
ITMO University
South32
Botswana Diamonds
Северсталь
СИБУР
Rolls-Royce
उत्पादन योजना मैनुअल स्प्रेडशीट से एआई-सहायता प्राप्त सिस्टम की ओर बढ़ रही है, लेकिन पूर्ण स्वायत्तता भविष्य का लक्ष्य बनी हुई है। स्कोल्कोवो फाउंडेशन और डिजिटल इकोनॉमी एएनओ के एक अध्ययन से पता चलता है कि रूसी उद्योग सावधानी से एआई का पायलट कर रहा है, जिसमें कर्मचारियों की प्रतिरोधक क्षमता, डेटा गुणवत्ता के मुद्दे और आरओआई (निवेश पर प्रतिफल) संबंधी चिंताएं जैसी बाधाएं हैं। हाइब्रिड मॉडल, बड़े भाषा मॉडल और परिदृश्य-आधारित योजना पहले से ही बड़ी कंपनियों में वास्तविक परिणाम दे रहे हैं।
उत्पादन योजना में AI एक ऐसे उपकरण से विकसित हो रहा है जो मनुष्यों की जगह लेता है, एक शक्तिशाली सहायक के रूप में जो उन्हें बढ़ाता है, जैसा कि फ्राउनहोफर इंस्टीट्यूट के शोधकर्ताओं की 'डिजिटल प्लानिंग पैनल' अवधारणा से स्पष्ट होता है, जहां एल्गोरिदम हजारों छिपे हुए बाधाओं की जांच करता है और इष्टतम कार्यक्रम प्रदान करता है, लेकिन अंतिम निर्णय मनुष्यों के पास रहता है। रूस में, स्कोल्कोवो फाउंडेशन और डिजिटल इकोनॉमी एएनओ द्वारा एक संयुक्त अध्ययन जनरेटिव एआई में सतर्क रुचि को प्रकट करता है, जिसमें प्रमुख बाधाओं में कर्मचारियों का प्रतिरोध (लगभग आधी कंपनियों द्वारा उद्धृत), खराब डेटा गुणवत्ता, और निवेश पर प्रतिफल (आरओआई) और सूचना सुरक्षा का मूल्यांकन करने में कठिनाइयाँ शामिल हैं। इन चुनौतियों के बावजूद, इंजीनियर हाइब्रिड सिस्टम बना रहे हैं जो जनरेटिव मॉडल को उत्पादन नेटवर्क के ग्राफ प्रतिनिधित्व के साथ जोड़ते हैं, असंरचित प्रश्नों का अनुवाद करने के लिए बड़े भाषा मॉडल (एलएलएम) का उपयोग करते हैं, और गणितीय रैखिक प्रोग्रामिंग (जैसे 'एआई-कांटोरोविच' प्रणाली में, जिसने एक कॉस्मेटिक उत्पादन पायलट में योजना समय को 2-3 मिनट तक कम कर दिया और लागत में 3% से अधिक की कटौती की) का उपयोग करते हैं। स्कोल्कोवो शोधकर्ताओं ने एक बड़े पैमाने पर संक्रमण की भविष्यवाणी की है: 1-2 वर्षों के भीतर, परिदृश्य विश्लेषण के लिए अनुकूली मॉडल; 2-3 वर्षों के भीतर, डिजिटल ट्विन्स के साथ उच्च-सटीकता मॉडल; 3-5 वर्षों के भीतर, उद्योग समाधान और क्षमता केंद्र। व्यावहारिक मामलों में यूएस स्टील और गूगल का माइनमाइंड शामिल है जो उपकरण डाउनटाइम को 20% कम करता है, बोत्सवाना डायमंड्स 380 जीबी भूवैज्ञानिक डेटा से सात नए हीरे की संभावनाएं ढूंढता है, सेवरस्टल का एआई चैटबॉट रखरखाव ऑडिट समय को 60 व्यक्ति-दिनों से घटाकर एक कर देता है, एनएलएमके के एआई सहायक सॉफ्टवेयर विकास को 53% तक तेज करते हैं, सिबुर और स्बेर डिजिटल मॉडलिंग के माध्यम से नए पॉलिमर डिजाइन करते हैं, टैटनेफ्ट और आईटीएमओ का 'अकेला' सहायक योजना दक्षता में 30% सुधार करता है और श्रम को 16-20 गुना कम करता है, रोल्स-रॉयस मिश्र धातु विकास में भौतिक प्रयोगों को 90% कम करता है, एलईएपी 71 तीन सप्ताह में एक न्यूरल-नेटवर्क-डिज़ाइन किए गए एरोस्पाइक रॉकेट इंजन का परीक्षण करता है, सीमेंस का औद्योगिक कोपायलट रखरखाव समय में 25% तक बचाता है, रोसनेफ्ट और आईटीएमओ आर्कटिक बंदरगाहों के लिए अवधारणात्मक डिजाइन को दस गुना कम करते हैं, और डीओएम.आरएफ और रॉकेट ग्रुप प्रतिदिन 20 से अधिक विकास अवधारणाएं उत्पन्न करते हैं। जिस कंपनी क्रिएटिव वे ने यह रिपोर्ट की, उसका मानना है कि सबसे बड़ी बाधाएं क्षमता की कमी और गंदा डेटा हैं, जबकि वही क्षेत्र सबसे तेज विकास प्रदान करता है जो परियोजना के बाद पहले महीनों में ही भुगतान कर देता है।
स्रोत: Habr — хаб ИИ —
मूल
