Η έλλειψη εργασίας σκοτώνει την αμερικανική βιομηχανία. Δείτε πώς το AI μπορεί να το επαναφέρει στη ζωή.

Η αμερικανική μεταποίηση είναι έτοιμη για σημαντική αναζωπύρωση. Οι καταστροφές της εφοδιαστικής αλυσίδας που προκλήθηκαν από την πανδημία έχουν δείξει την αδυναμία της υπερβολικής εξάρτησης από μια μακρά αλυσίδα εφοδιασμού, ειδικά από μια εκτός των ΗΠΑ.

Επιπλέον, οι αυξανόμενες εντάσεις με την Κίνα έχουν προκαλέσει τις ΗΠΑ να αμφισβητήσουν την εξάρτησή τους από την κινεζική μεταποίηση για οικονομική επιτυχία. Αυτά τα ζητήματα έχουν αλλάξει τη δέσμευση των αμερικανικών κατασκευαστικών εταιρειών να κατασκευάζουν τοπικά.

Το πρόβλημα είναι ότι η αμερικανική μεταποίηση είναι πολύ χαμηλή από την εργασία που χρειάζεται για να οδηγήσει αυτή την επανάσταση. Απλώς δεν υπάρχουν αρκετοί ειδικευμένοι εργαζόμενοι για να κάνουν τη δουλειά, ούτε αρκετοί ανειδίκευτοι εργαζόμενοι πρόθυμοι να μάθουν.

Ωστόσο, η αναγκαιότητα είναι πραγματικά η μητέρα της εφεύρεσης. Η έλλειψη εργατικού δυναμικού στον τομέα της μεταποίησης άνοιξε το δρόμο για την ευρεία ανάπτυξη ορισμένων πολύ συναρπαστικών καινοτομιών στην Τεχνητή Νοημοσύνη για τη μεταποίηση. Τόσο ισχυρές είναι αυτές οι εξελίξεις που ο McKinskey προβλέπει ότι θα δημιουργήσουν κάποιες 3.7 τρισεκατομμύριο δολάρια σε αξία από 2025.

Αλλά προτού μπούμε σε αυτό, ας ρίξουμε μια γρήγορη ματιά στην εργατική κρίση που υποδαυλίζει την επανάσταση.

Δείτε πόσο κακό είναι το εργατικό πρόβλημα στην αμερικανική βιομηχανία

Ακόμα κι αν κάθε εξειδικευμένος εργάτης στην Αμερική απασχολούνταν, θα υπήρχε 35% περισσότερες κενές θέσεις εργασίας στον τομέα της κατασκευής διαρκών αγαθών από ειδικευμένους εργάτες ικανούς να τα γεμίσουν. Η Deloitte προβλέπει έλλειψη περισσότερων από δύο εκατομμυρίων Αμερικανών εργαζομένων στη μεταποίηση έως το 2030, που αντιπροσωπεύει κόστος ευκαιρίας 1 τρισεκατομμυρίου δολαρίων ετησίως.

Αν αφεθούν ανεξέλεγκτα, τα πράγματα μάλλον θα γίνουν χειρότερα, όχι καλύτερα. Υπάρχουν ακόμα μερικά 40 εκατομμύρια Baby Boomers στο εργατικό δυναμικό—περίπου το 25% του συνολικού εργατικού δυναμικού, πολλοί από τους οποίους σε ρόλους «παλιάς σχολής» στη μεταποίηση. Καθώς οι Boomers συνταξιοδοτούνται, οι νεότεροι εργαζόμενοι αποφεύγουν τις βιομηχανικές θέσεις εργασίας υπέρ της τεχνολογίας, της υγειονομικής περίθαλψης και άλλων ευκαιριών όπου οι συνθήκες εργασίας και οι αποδοχές είναι πιο ελκυστικές.

Οι Ηνωμένες Πολιτείες θα μπορούσαν να αυξήσουν γρήγορα τη μετανάστευση από χώρες όπου οι εργαζόμενοι επιθυμούν να βρουν αμερικανική απασχόληση, αλλά αυτό έρχεται με τις δικές του προκλήσεις και θα απαιτούσε περισσότερη πολιτική μαγεία από ό,τι μπορώ να φανταστώ ότι είναι δυνατό. Επιπλέον, οι εργοδότες μπορεί να είναι επιφυλακτικοί σχετικά με την εκπαίδευση νέων ειδικευμένων εργαζομένων μόνο για να δουν τις δραστηριότητές τους να κλείνουν ξανά κατά τη διάρκεια του επόμενου lockdown.

Για να συνεχίσουν να γυρίζουν τα μηχανήματα, οι Αμερικανοί κατασκευαστές πρέπει να βρουν εναλλακτικές λύσεις για την ανθρώπινη εργασία.

Η τεχνητή νοημοσύνη μπορεί να αποτελέσει μεγάλο μέρος της λύσης για την έλλειψη εργατικού δυναμικού

Μέρος της λύσης σε αυτό το πρόβλημα, χωρίς έκπληξη, είναι η Τεχνητή Νοημοσύνη. Όπως και με άλλους κλάδους, είναι αναπόφευκτο να αντικατασταθούν πολλές πρώην ανθρώπινες θέσεις εργασίας με τεχνητή νοημοσύνη. Αντί όμως να ανησυχείς θέσεις εργασίας σε κίνδυνο από την τεχνητή νοημοσύνη, σε αυτήν την περίπτωση θα πρέπει να σκεφτείτε πώς η τεχνητή νοημοσύνη μπορεί να σας βοηθήσει να διατηρήσετε τις δραστηριότητές σας και να απασχολήσετε το ανθρώπινο προσωπικό σας.

Ακολουθούν μερικοί μόνο από τους τρόπους με τους οποίους η τεχνητή νοημοσύνη στη Βιομηχανία θα βοηθήσει στον μετριασμό της έλλειψης εργατικού δυναμικού και θα φέρει επανάσταση στον τρόπο κατασκευής των προϊόντων στο έδαφος των ΗΠΑ:

Ρομποτικός αυτοματισμός

Τα ρομπότ έχουν χρησιμοποιηθεί για δεκαετίες σε τομείς όπως η αυτοκινητοβιομηχανία και η χαλυβουργία, όπου έχουν πραγματοποιήσει επαναλαμβανόμενες εργασίες δαπέδου παραγωγής όπως η ανύψωση βαρών και η συγκόλληση αρμών. Ωστόσο, αυτά τα συμβατικά ρομπότ σχεδιάστηκαν μόνο για να εκτελούν πολύ στενά καθορισμένες εργασίες κάτω από εξαιρετικά προβλέψιμες συνθήκες.

Σήμερα, εφαρμογές τεχνητής νοημοσύνης όπως η Siemens Simatic νευρωνική μονάδα επεξεργασίας δίνουν τη δυνατότητα στους βραχίονες ρομπότ να πιάνουν και να χειρίζονται αντικείμενα ανεξάρτητα από τον προσανατολισμό, την ταχύτητα ή την τοποθέτησή τους. Αυτό σημαίνει ότι τα ρομπότ και τα «συν-ρομπότ» (ρομποτικοί βοηθοί που έχουν σχεδιαστεί για να εργάζονται μαζί με ανθρώπους) μπορούν να εκπαιδευτούν ώστε να εκτελούν μια μεγάλη ποικιλία εργασιών γραμμής συναρμολόγησης, όπως κάνουν οι άνθρωποι. Εν τω μεταξύ, τα Autonomous Guided Vehicles (AGVs), εξοπλισμένα με λειτουργίες AI, όπως χαρτογράφηση, ανίχνευση ανωμαλιών επιφανειών και τεχνολογία αποφυγής αντικειμένων, μπορούν να μεταφέρουν εξαρτήματα και τελικά προϊόντα μέσω αποθηκών και δαπέδων εργοστασίων αντί για πληρώματα φόρτωσης και χειριστές περονοφόρων.

Μαζί, αυτές οι ρομποτικές καινοτομίες με τεχνητή νοημοσύνη μπορούν να σώσουν τουλάχιστον 75% του εργατικού κόστους η χρήση μόνο του ανθρώπου, επιτρέπει τη συνεχή παραγωγή 24 ωρών και βοηθά στην αποφυγή τραυματισμών από κινδύνους γραμμής συναρμολόγησης, χειρισμό βαρέων υλικών και επαναλαμβανόμενες κινήσεις. Δεν είναι περίεργο που η σύγχρονη ρομποτική οδηγεί ήδη α αντιστροφή της βιομηχανικής τύχης σε μέρη όπως η Σιγκαπούρη και η Νότια Κορέα. Γιατί να μην κάνουμε το ίδιο και στις Ηνωμένες Πολιτείες;

Παραγωγή προσθέτων

Ένας άλλος τομέας όπου η τεχνητή νοημοσύνη συμβάλλει στην άμβλυνση της έλλειψης εργατικού δυναμικού στον τομέα της μεταποίησης είναι η τρισδιάστατη εκτύπωση. Σύμφωνα με τη συμβατική προσέγγιση, οι σχεδιαστές και οι μηχανικοί υψηλής εξειδίκευσης πρέπει να αξιοποιήσουν την πολυετή εμπειρία και μια προσέγγιση «καλύτερης εικασίας» για να καταλήξουν στην καλύτερη σχεδιαστική λύση. Αλλά η τεχνητή νοημοσύνη ενδυναμώνει τώρα μια γρήγορη, παραγωγική προσέγγιση για την ανάπτυξη πολύπλοκων και εξαιρετικά βελτιστοποιημένων λύσεων σχεδιασμού που μπορούν να παραχθούν γρήγορα μέσω της τρισδιάστατης εκτύπωσης.

Η μηχανική εκμάθηση σε συστήματα λογισμικού όπως το Netfabb της Autodesk, για παράδειγμα, επιτρέπει στους κατασκευαστές να το κάνουν παραμέτρους σχεδίασης εισόδου και να ζητήσετε τις πιο αποτελεσματικές, αποτελεσματικές και κατασκευάσιμες επιλογές. Μόλις επιλεγεί ένα σχέδιο, η τεχνητή νοημοσύνη από εταιρείες όπως η NNAISENCE χρησιμοποιεί νευρωνικά δίκτυα και ψηφιακά δίδυμα για την πρόβλεψη, την παρακολούθηση και την εξάλειψη ελαττωμάτων στη διαδικασία κατασκευής προσθέτων, συμβάλλοντας στην αποφυγή δαπανηρών καθυστερήσεων και λαθών. Μπορεί ακόμη και να χρησιμοποιηθεί λογισμικό τεχνητής νοημοσύνης όπως το Intellegens' Alchemite φανταστείτε νέα και εξωτικά υλικά κατάλληλο για συγκεκριμένες ανάγκες κατασκευής και χρήσης προϊόντων.

Αν όλες αυτές οι απίστευτα πολύπλοκες λειτουργίες εκτελούνταν μόνο από τον άνθρωπο, θα απαιτούσαν πολύ μεγαλύτερες ομάδες μηχανικών και σχεδιαστών υψηλής εξειδίκευσης και συχνά θα οδηγούσαν σε κατώτερα αποτελέσματα.

Μηχανή Όραμα

Όταν φαντάζεστε μια γραμμή συναρμολόγησης κατασκευής, πιθανώς αρχικά οραματίζεστε μια ταινία μεταφοράς προϊόντων που μεταφέρονται από τον ένα σταθμό στον άλλο, οπότε οι εργαζόμενοι επιθεωρούν τα προϊόντα καθώς προχωρούν. Στα περισσότερα περιβάλλοντα παραγωγής, αυτό δεν απέχει πολύ από την αλήθεια. Είναι επαναλαμβανόμενη, εντατική εργασία και επιρρεπής σε σφάλματα, αλλά είναι ζωτικής σημασίας για τη διαδικασία διασφάλισης ποιότητας.

εισάγετε Αυτόνομη Μηχανική Όραση (AMV), με επικεφαλής εταιρείες τεχνητής νοημοσύνης όπως η Inspekto και η Matroid. Χρησιμοποιώντας κάμερες και τεχνητή νοημοσύνη που αναγνωρίζει το σχήμα, τον προσανατολισμό και την κατάσταση των προϊόντων γραμμής συναρμολόγησης κάτω από διάφορες συνθήκες φωτισμού, τα συστήματα AMV μπορούν να μετρούν και να παρακολουθούν αντικείμενα, να εντοπίζουν ελαττώματα και να ταξινομούν ανάλογα τα προϊόντα, καθώς προσεγγίζουν. Αυτό εξαλείφει μεγάλο μέρος της ανάγκης για ανθρώπινα μάτια και χέρια στη διαδικασία QA.

Η μηχανική όραση μπορεί επίσης να χρησιμοποιηθεί για την υποστήριξη συσκευασίας, παλετοποίησης και φόρτωσης φορτίου, εξοικονομώντας εργασία, χρόνο και χρήμα. Λύσεις από εταιρείες όπως η RobitIQ και η Spiroflow μπορούν να καθορίσουν τη βέλτιστη μέθοδο παλετοποίησης, για παράδειγμα, όταν ένας ρομποτικός βραχίονας πιάνει και τοποθετεί αυτόματα χαρτοκιβώτια σε παλέτες.

Βελτιστοποίηση παραγωγής

Όταν τα μηχανήματα παραγωγής πέφτουν, συχνά απαιτεί εξειδικευμένους αντιπροσώπους ανάλυσης και επισκευής, που συχνά αποστέλλονται από τον κατασκευαστή, κοστίζοντας χρόνο και χρήμα. Όχι μόνο η τεχνητή νοημοσύνη από παρόχους όπως η Vanti και η 3DS μπορεί να χρησιμοποιηθεί για την παρακολούθηση της φθοράς μηχανών και καλουπιών, ώστε να μπορεί να προγραμματιστεί η προληπτική συντήρηση για τον βέλτιστο χρόνο, αλλά μπορεί επίσης να παρακολουθεί τη θερμοκρασία, την υγρασία και τις διακυμάνσεις λειτουργίας για διαφορετικά προϊόντα και υλικά, έτσι ώστε οι μηχανές παραγωγής μπορούν να βελτιστοποιηθούν με βάση τις τρέχουσες συνθήκες.

Όταν κάτι πάει στραβά, η τεχνητή νοημοσύνη μπορεί να αναλύσει όλους τους πιθανούς λόγους και να προτείνει την καλύτερη πιθανή πορεία δράσης. Αυτό είναι κάτι που μόνο ένας έμπειρος μηχανικός συντήρησης μπορεί να κάνει στα περισσότερα εργοστάσια.

Αλλά δεν πρόκειται μόνο για συντήρηση και έλεγχο ζημιών. Τα συστήματα cloud και edge που λειτουργούν με τεχνητή νοημοσύνη, όπως το Brilliant Manufacturing Suite της GE και το Mindsphere της Siemens, εργάζονται για τη σύνδεση και τη διαχείριση ολόκληρης της διαδικασίας παραγωγής από άκρο σε άκρο, από το σχεδιασμό μέχρι τον προγραμματισμό ζήτησης και την απόθεμα υλικών, έως την κατανάλωση ενέργειας έως την επιμελητεία τελικού παιχνιδιού.

Η ανάγκη για τεχνητή νοημοσύνη στην κατασκευή είναι ακόμη μεγαλύτερη από όσο νομίζετε

Φανταστείτε ανθρωπόμορφα ρομπότ με τόσο ευρύ φάσμα φυσικών λειτουργιών και προσαρμοστικότητας με τεχνητή νοημοσύνη που θα μπορούν να κάνουν σχεδόν κάθε χειρωνακτική εργασία που μπορούν να κάνουν οι άνθρωποι αυτήν τη στιγμή. Όταν συμβεί αυτό, ποια διαφορά θα έχει το κόστος εργασίας στις αναπτυσσόμενες χώρες ως ανταγωνιστικό πλεονέκτημα; Οι κατασκευαστές που λειτουργούν με τεχνητή νοημοσύνη δεν θα χρειαστεί να προσλάβουν και να εκπαιδεύσουν σχεδόν τόσους εργαζομένους. Θα ανησυχούν λιγότερο για την επόμενη πανδημία και το lockdown. Θα αποφύγουν πολλές από τις προκλήσεις μιας πηγής που ήρθαν μαζί με την τρέχουσα κρίση διαχείρισης της εφοδιαστικής αλυσίδας. Και πολλα ΑΚΟΜΑ.

Καθώς τα συστήματα τεχνητής νοημοσύνης εκτίθενται σε όλο και περισσότερα δεδομένα, θα βελτιώνονται συνεχώς, δημιουργώντας ένα εφέ βολάν που θα σε βάζουν εκτός επιχείρησης αν χάσετε το τρένο. Ωστόσο, αυτή η επανάσταση έχει επίσης τη μοναδική δύναμη να αναζωογονήσει πλήρως την αμερικανική παραγωγή, ίσως μάλιστα να την κάνει και πάλι μεταξύ των πιο ανταγωνιστικών στον κόσμο.

Η επανάσταση στην κατασκευή AI συμβαίνει αυτή τη στιγμή, όχι σε κάποιο αδιανόητο σημείο στον ορίζοντα. Αυτή η εργασιακή κρίση δεν είναι παροδική ενόχληση. Είναι μέρος του νέου επιχειρηματικού τοπίου που θα πρέπει να περιμένουμε για τα επόμενα χρόνια. Κατασκευαστές που τοποθετούν την τεχνητή νοημοσύνη ως ο βασικός μοχλός της επιτυχίας τους θα καρπωθούν τα οφέλη μέσα στην τρέχουσα δεκαετία μας.

Εάν ενδιαφέρεστε για το πώς η τεχνητή νοημοσύνη καθορίζει τους νικητές και τους ηττημένους στην επιχείρηση και πώς μπορείτε να αξιοποιήσετε την τεχνητή νοημοσύνη προς όφελος του οργανισμού σας, σας ενθαρρύνω να μείνετε συντονισμένοι. Γράφω (σχεδόν) αποκλειστικά για το πώς τα ανώτερα στελέχη, τα μέλη του διοικητικού συμβουλίου και άλλοι ηγέτες επιχειρήσεων μπορούν να χρησιμοποιήσουν αποτελεσματικά την τεχνητή νοημοσύνη. Μπορείτε να διαβάσετε προηγούμενα άρθρα και να ειδοποιηθείτε για νέα κάνοντας κλικ στο κουμπί "ακολουθώ" εδώ.