صنعت ایران برای افزایش تولید و ارتقای بهره‌وری به نوسازی و تأمین ماشین‌آلات جدید نیاز دارد؛ اما محدودیت‌های ناشی از تحریم و کمبود منابع ارزی، مسیر واردات و جایگزینی تجهیزات فرسوده را دشوار کرده است. در چنین شرایطی، هوش مصنوعی می‌تواند با بهینه‌سازی مصرف انرژی، پیش‌بینی خرابی تجهیزات و مدیریت زنجیره تأمین، به استفاده حداکثری از ظرفیت ماشین‌آلات موجود کمک کند.

به گزارش اکوایران ، تحول دیجیتال در صنعت صرفاً به خرید نرم‌افزار، نصب حسگر یا راه‌اندازی پایگاه‌های داده محدود نمی‌شود. زمانی می‌توان از تحول دیجیتال صحبت کرد که فناوری بتواند فرایندهای تولید را تغییر دهد، کیفیت تصمیم‌گیری را بهبود ببخشد و در نهایت ارزش اقتصادی ایجاد کند. در این میان، هوش مصنوعی می‌تواند به یکی از ابزارهای ارتقای بهره‌وری و حل بخشی از مشکلات ساختاری صنایع ایران تبدیل شود؛ البته به شرط آنکه استقرار آن با نیازهای واقعی بنگاه‌ها و محدودیت‌های موجود در اقتصاد ایران تناسب داشته باشد.

از آنجایی که صنعت ایران با مجموعه‌ای از مشکلات ساختاری؛ از فرسودگی ماشین‌آلات و محدودیت سرمایه‌گذاری گرفته تا ناپایداری تأمین انرژی، هزینه بالای تأمین مالی و کمبود نقدینگی مواجه است لذا  در چنین شرایطی، هوش مصنوعی می‌تواند به بنگاه‌ها کمک کند تا با استفاده بهینه از ظرفیت‌های موجود، هزینه‌های تولید را کاهش دهند و عملکرد خود را بهبود ببخشند. با این حال، این فناوری به‌تنهایی قادر نیست مشکلاتی مانند کمبود سرمایه، قطعی برق یا فرسودگی تجهیزات را برطرف کند.

جایگاه ایران در آمادگی دیجیتال صنعت

گزارش «شاخص هوش مصنوعی ایران ۱۴۰۳» نشان می‌دهد که آمادگی دیجیتال صنعت صرفاً به برخورداری از دانش و ظرفیت نوآوری وابسته نیست. بر اساس آخرین ارزیابی سازمان توسعه صنعتی ملل متحد (UNIDO)، ایران در چهار شاخص مورد بررسی، مجموع امتیاز ۲.۰۸ را کسب کرده است. این امتیاز، ایران را در میان کشورهای با درآمد متوسط پایین، پس از هند و پیش از اندونزی و مصر قرار می‌دهد.

این جایگاه نشان می‌دهد ایران از نظر ظرفیت علمی، توان پژوهشی و قابلیت نوآوری از موقعیت قابل‌توجهی برخوردار است؛ اما برخورداری از دانش فنی لزوماً به معنای آمادگی برای استفاده صنعتی از هوش مصنوعی نیست. محدودیت زیرساخت‌های دیجیتال، ضعف ارتباط میان مراکز پژوهشی و بنگاه‌های اقتصادی و دشواری تجاری‌سازی دستاوردهای علمی باعث شده است بخشی از ایده‌ها و الگوریتم‌های توسعه‌یافته به محصولات و راهکارهای قابل استفاده در کارخانه‌ها تبدیل نشوند.

01

برای ارزیابی آمادگی صنایع در استفاده از هوش مصنوعی، نمی‌توان یک معیار عددی واحد در نظر گرفت. با این حال، این آمادگی را می‌توان در سه سطح بررسی کرد. سطح نخست به آمادگی محیط ملی و زیرساخت‌های دیجیتال کشور مربوط می‌شود. سطح دوم، آمادگی خود بنگاه است که زیرساخت فنی، نیروی انسانی متخصص و توان مالی برای اجرای پروژه‌های هوش مصنوعی را در بر می‌گیرد. سطح سوم نیز به قابلیت اتکای سامانه‌های هوش مصنوعی در محیط صنعتی مربوط است؛ یعنی اینکه آیا خروجی این سامانه‌ها برای تصمیم‌گیری و اجرای فرایندهای حساس تولید قابل اعتماد است یا خیر.

هوش مصنوعی؛ راهکاری برای افزایش بهره‌وری

اهمیت هوش مصنوعی برای صنعت ایران را باید با توجه به محدودیت‌های موجود در اقتصاد کشور بررسی کرد. هزینه بالای سرمایه‌گذاری، محدودیت دسترسی به منابع مالی، ناپایداری نهاده‌های تولید و فرسودگی تجهیزات، فضای فعالیت بسیاری از بنگاه‌ها را دشوار کرده است.

در چنین شرایطی، هوش مصنوعی می‌تواند نقش یک ابزار بهینه‌سازی را ایفا کند. به این معنا که بنگاه‌ها با استفاده از ماشین‌آلات و امکانات موجود، ظرفیت تولید خود را افزایش دهند و منابع محدودشان را کارآمدتر مصرف کنند. برای مثال، تحلیل داده‌های خطوط تولید می‌تواند به شناسایی نقاط اتلاف انرژی، کاهش توقف تجهیزات و بهبود برنامه‌ریزی تولید کمک کند.

البته نباید از هوش مصنوعی انتظار داشت که جایگزین سرمایه‌گذاری در نوسازی صنعتی شود. کارخانه‌ای که با قطعی مکرر برق یا ماشین‌آلات فرسوده مواجه است، صرفاً با نصب سامانه‌های هوشمند نمی‌تواند مشکل خود را برطرف کند. هوش مصنوعی در چنین شرایطی میتواند به عنوان ابزاری برای کاهش هزینه‌های ناشی از محدودیت‌ ها عمل کند، اما نمی تواند جایگزینی برای رفع ریشه‌ای مشکلات باشد.

از سوی دیگر، بهبود بهره‌وری می‌تواند آثار گسترده‌تری بر عملکرد بنگاه داشته باشد. کاهش هزینه تولید، تحویل به‌موقع سفارش‌ها و افزایش ثبات کیفیت محصولات، قدرت رقابت بنگاه‌ها را در بازارهای داخلی و خارجی تقویت می‌کند. این موضوع به‌ویژه برای بنگاه‌های کوچک و متوسط اهمیت دارد؛ چرا که استفاده از ابزارهای هوشمند می‌تواند بخشی از محدودیت‌های آن‌ها در تأمین نیروی انسانی متخصص، مدیریت موجودی و کنترل هزینه‌ها را جبران کند.

هشت حوزه کاربرد هوش مصنوعی در صنعت

کاربرد هوش مصنوعی در صنعت به یک بخش مشخص محدود نمی‌شود. این فناوری می‌تواند در هشت حوزه اصلی مورد استفاده قرار گیرد.

نخست، نگهداری و تعمیرات پیش‌بینانه است. سامانه‌های هوشمند با تحلیل داده‌های عملکرد تجهیزات می‌توانند احتمال خرابی ماشین‌آلات را پیش از توقف خطوط تولید شناسایی کنند. دوم، کنترل کیفیت و تشخیص عیوب محصولات است که با استفاده از پردازش تصویر و تحلیل داده‌ها، امکان شناسایی سریع‌تر محصولات معیوب را فراهم می‌کند.

سومین حوزه، مدیریت مصرف انرژی است. هوش مصنوعی می‌تواند الگوی مصرف تجهیزات را تحلیل کند و راهکارهایی برای کاهش اتلاف انرژی ارائه دهد. چهارمین حوزه به برنامه‌ریزی و بهینه‌سازی تولید مربوط می‌شود که در آن، داده‌های مربوط به ظرفیت تجهیزات، سفارش‌ها و محدودیت‌های تولید برای تنظیم برنامه عملیاتی مورد استفاده قرار می‌گیرند.

مدیریت موجودی و زنجیره تأمین، حوزه پنجم است. پیش‌بینی تقاضا و زمان تأمین مواد اولیه می‌تواند به کاهش هزینه انبارداری و جلوگیری از کمبود مواد مورد نیاز کارخانه کمک کند. حوزه ششم، تحلیل عملکرد تجهیزات و نیروی انسانی است که اطلاعات دقیق‌تری از ظرفیت واقعی تولید در اختیار مدیران قرار می‌دهد.

دو حوزه دیگر نیز به مدیریت و توسعه محصول مربوط می‌شوند. هوش مصنوعی می‌تواند با تحلیل داده‌ها، تهیه گزارش‌های مدیریتی و پشتیبانی از تصمیم‌گیری، فرایند مدیریت بنگاه را بهبود دهد. همچنین در طراحی و توسعه محصولات جدید، امکان تحلیل نیاز بازار و بررسی گزینه‌های مختلف طراحی را فراهم می‌کند.

03

چگونه پروژه‌های هوش مصنوعی را اولویت‌بندی کنیم؟

با وجود این ظرفیت‌ها، اجرای هم‌زمان تمام پروژه‌های هوش مصنوعی در یک بنگاه اقتصادی نه ضروری است و نه لزوماً امکان‌پذیر. انتخاب پروژه‌ها باید بر اساس یک نظام امتیازدهی مشخص و با در نظر گرفتن اثر اقتصادی آن‌ها انجام شود. در واقع، اولویت‌بندی نباید تحت تأثیر جذابیت فناوری یا پیشنهاد شرکت‌های فروشنده قرار گیرد.

برای این منظور، دست‌کم چهار معیار اهمیت دارد. نخست، میزان هزینه‌ای است که مشکل مورد نظر به بنگاه تحمیل می‌کند و تأثیر آن بر تولید و بهره‌وری چقدر است. دوم، باید بررسی شود که آیا داده‌های قابل اعتماد و زیرساخت فنی لازم برای اجرای پروژه وجود دارد یا خیر.

معیار سوم به زمان اجرا و امکان سنجش نتایج مربوط می‌شود. پروژه‌ای که در مدت کوتاه‌تری به نتیجه قابل اندازه‌گیری برسد، می‌تواند گزینه مناسب‌تری برای شروع باشد. در نهایت، ریسک‌های فنی و اجرایی و همچنین هزینه‌های راه‌اندازی، نگهداری و توسعه پروژه باید در ارزیابی لحاظ شوند.

بر همین اساس، اجرای طرح‌های آزمایشی پیش از توسعه گسترده سامانه‌های هوش مصنوعی اهمیت دارد. این طرح‌ها به بنگاه اجازه می‌دهند اثر واقعی فناوری را در محیط عملیاتی خود ارزیابی کنند و پس از اطمینان از بازده اقتصادی، دامنه استفاده از آن را گسترش دهند.

05

موانع استقرار هوش مصنوعی در صنایع ایران

انتخاب صنایع اولویت‌دار برای استفاده از هوش مصنوعی نباید صرفاً بر اساس سهم آن‌ها در تولید یا جذابیت فناوری انجام شود. ممکن است یک صنعت از نظر اقتصادی اهمیت بالایی داشته باشد، اما به دلیل ضعف زیرساخت داده یا محدودیت‌های مدیریتی، آمادگی اجرای پروژه‌های آزمایشی را نداشته باشد. در مقابل، یک صنعت کوچک‌تر ممکن است به داده‌های دقیق‌تر دسترسی داشته باشد و نتایج اجرای پروژه در آن قابلیت تعمیم به سایر بخش‌ها را نیز پیدا کند.

در کنار این مسائل، موانع بیرونی نیز مسیر استقرار هوش مصنوعی در ایران را دشوار می‌کنند. تحریم‌ها و محدودیت دسترسی به زیرساخت‌ها و خدمات خارجی، نوسانات ارزی، قطعی برق و نبود قوانین شفاف درباره مالکیت و استفاده از داده‌های صنعتی از مهم‌ترین این موانع هستند. کمبود نیروی متخصص و ضعف برخی بنگاه‌ها در ثبت، ذخیره‌سازی و ساماندهی داده‌های دقیق نیز اجرای پروژه‌ها را با مشکل مواجه می‌کند.

در چنین شرایطی، توسعه راهکارهای بومی، مدیریت هزینه‌ها، ایجاد زیرساخت‌های مناسب داده و تربیت نیروی متخصص از پیش‌نیازهای استفاده مؤثر از این فناوری به شمار می‌روند.

در مجموع، هوش مصنوعی ظرفیت آن را دارد که به ابزاری برای افزایش بهره‌وری و ارتقای رقابت‌پذیری صنعت ایران تبدیل شود؛ اما مسئله اصلی صرفاً دسترسی به فناوری یا برخورداری از نیروی متخصص نیست. چالش مهم‌تر، ایجاد مسیری برای اتصال نیازهای واقعی بنگاه‌ها به راهکارهای فناورانه، اجرای طرح‌های آزمایشی و سنجش ارزش اقتصادی آن‌هاست. بدون چنین مسیری، هوش مصنوعی نیز ممکن است به فهرست دیگری از فناوری‌های خریداری‌شده اما کم‌استفاده در صنعت ایران تبدیل شود.