هذا يعني أنه في ظل موجة الذكاء الاصطناعى ، تواجه صناعة التصنيع تحديات هيكلية عميقة وضغط التحول ، تقف على عتبة "إعادة التعريف".
من ناحية ، تقوم السلسلة الصناعية العالمية بتسريع إعادة بناءها ، وهناك نقص هيكلي في المخاض ، وتظهر الضغوط المزدوجة للجودة والكفاءة بشكل متزايد. من ناحية أخرى ، فإن الذكاء الاصطناعي يخترق كل رابط من البحث والتطوير ، وإنتاج سلسلة التوريد بسرعة غير مسبوقة ، ليصبح متغيرًا جديدًا يقود التطوير عالي الجودة للتصنيع.
في مقابل هذه الخلفية ، لم يعد التصنيع من أتباع تطبيقات الذكاء الاصطناعى ولكن ساحة المعركة الرئيسية والمحرك لتنفيذها.
ومع ذلك ، فإن تمكين التصنيع عن طريق الذكاء الاصطناعي لا يهدف فقط إلى تعزيز الكفاءة وتقليل التكاليف. إنه يمارس تأثيرًا أكبر على الهيكل المنطقي ، والأساليب التنظيمية ، وقدرات الحوكمة لأنظمة التصنيع ، وتعزيز تطور صناعة التصنيع من تعتمد على العملية إلى البيانات ، ومن الأتمتة إلى الذكاء ، ومن الأنظمة التي تسيطر عليها الإنسان إلى تعاون الإنسان والآلة.
لذلك ، فإن تضمين تكنولوجيا الذكاء الاصطناعى يبدأ "إعادة تعريف" صناعة التصنيع.
ستركز هذه المقالة على اتجاه تكامل "الذكاء الاصطناعي + تصنيع" ، ويؤدي إلى تقسيمها من أبعاد متعددة مثل مسارات التنفيذ والتطبيقات النموذجية والتحديات الرئيسية والقدرات التنظيمية. سوف يستكشف كيف يمكن دمج الذكاء الاصطناعى في طبقة نظام التصنيع حسب الطبقة من الإدراك ، والتحكم ، والتنفيذ ، والتشغيل إلى اتخاذ القرارات ، وبالتالي تعزيز مؤسسات التصنيع للانتقال نحو مستقبل أكثر مرونة وأعلى جودة وأكثر مرونة.
مسار تنفيذ "الذكاء الاصطناعي + التصنيع": خمسة تكرارات من الإدراك إلى اتخاذ القرارات
مع تقدم التكامل العميق لـ "الذكاء الاصطناعي + التصنيع" ، تمر الهندسة المعمارية الأساسية لأنظمة التصنيع بإعادة إعمار هادئ ولكنها عميقة.
لقد تبنى نظام التصنيع التقليدي منذ فترة طويلة بنية هرمية مميزة لـ "الإدراك - التحكم - التنفيذ - عملية - صنع القرار": أجهزة الاستشعار تقوم بجمع البيانات وتحميلها إلى نظام التحكم ، وتدفع التعليمات وحدة التنفيذ ، ونظام الأتمتة يقوم بإدارة العمليات ، وخطط مستوى صنع القرار وتعديلها بناءً على تحليل البيانات الدورية.
هذه الهندسة المعمارية الخطية التي تسيطر عليها مركزيا ، كانت تدعم الإنتاج الصناعي على نطاق واسع وموحد. ومع ذلك ، في بيئة التصنيع المعقدة والديناميكية والقابلة للتغيير في الوقت الحاضر ، أصبحت حدودها بارزة بشكل متزايد.
اليوم ، تتقدم صناعة التصنيع من بنية هرمية إلى إعادة بناء النظام القائمة على النظام الأساسي ، المتكاملة واللامركزية. لم يعد الإدراك والتحكم والتنفيذ والتشغيل واتخاذ القرارات أنظمة منفصلة ولكنها تعمل بالتنسيق ، والتفاعل في الوقت الفعلي وتشكيل حلقة ذكية مغلقة على منصة فنية موحدة.
في هذه الهندسة المعمارية ، لم تعد إدراج قدرات الذكاء الاصطناعي في رابط معين ، ولكنها مضمنة بعمق في مركز الأعصاب لشبكة التصنيع بأكملها ، والتي تعمل كدعم لذكاء النظام.
يرسم هذا التحول النموذجي أيضًا خمسة مسارات تكرارية لتطبيق الذكاء الاصطناعي في التصنيع:
تكرار التصور: من "القدرة على الرؤية" إلى "القدرة على الفهم"
تبدأ الخطوة الأولى للتصنيع بالإدراك. من خلال تطوير تحليل الفيديو الذكاء ، وأجهزة الاستشعار الذكية ، والإنترنت الصناعي للأشياء ، أصبحت "عيون" مواقع التصنيع أكثر حدة وثاقبة.
يمكن لنظام تحليل الفيديو الذي يدعم الذكاء الاصطناعي تحديد شذوذات الإنتاج تلقائيًا ، وإصدار تحذيرات خطأ ، وتغيير حالة العناصر ، والتعويض عن قيود الخوارزميات التقليدية القائمة على القواعد. في نهاية الحصول على البيانات ، لا تقوم أجهزة الاستشعار بجمع البيانات فحسب ، بل تقوم أيضًا بإجراء التحليل الأولي والحدث الذي يؤدي إلى حافة AI ، مما يوفر أساسًا في الوقت الفعلي للتحكم والتنفيذ اللاحقين. يمثل تعزيز طبقة الإدراك نقطة الانطلاق للتكامل الشامل لمنظمة العفو الدولية في أنظمة التصنيع.
2. السيطرة على التكرار: من "التحكم في القاعدة" إلى "الجيل الذكي"
ذكاء أنظمة التحكم هو إعادة كتابة منطق التحكم الصناعي. قام الجيل الجديد من أنظمة التحكم الصناعية الممثلة في الأتمتة المعرفة من قبل البرامج (SDA) بخرق الهيكل المغلقة حيث ترتبط الأجهزة والبرمجة في أنظمة التحكم التقليدية ، وشيدت منصة تحكم مفتوحة وعزيزة وقابلة لإعادة التكوين.
على هذا الأساس ، لم يعد إدخال أدوات مساعد AI Programming PLC مهمة يمكن للمهندسين إكمالها بمفردهم. من خلال وصف أهداف التحكم من خلال اللغة الطبيعية ، يمكن لمنظمة العفو الدولية توليد منطق التحكم تلقائيًا ، والمخططات الانسيابية ، والشروح الدلالية ، وحتى إجراء تصحيح الأخطاء والتحقق ، وتحقيق قفزة من الكود المكتوب من قبل الإنسان إلى الكتابة المشتركة بين البشرية ، وبالتالي تعزيز كفاءة التطوير والقدرات التكرارية لأنظمة التحكم.
3. تكرار التنفيذ: من "الأتمتة" إلى "التآزر الذكي"
تحدث التغييرات أيضًا على مستوى تنفيذ التصنيع. يعزز التكامل العميق ل AI والروبوتات الصناعية تشكيل "كيانات ذكية صناعية" بقدرات الإدراك والحكم والتنفيذ.
لا يمكن للروبوتات التي يقودها الذكاء الاصطناعي إجراء عمليات متكررة فحسب ، بل يمكن أيضًا تحقيق تخطيط المسار التكيفي والتعرف المرئي في الوقت الفعلي والجدولة التعاونية متعددة الآلات. من خلال منصة التوأم الرقمية ومنصة المحاكاة ، يمكن للروبوتات إكمال التدريب والتحقق في بيئة افتراضية قبل النشر ، مما يقلل بشكل كبير من الدورة عبر الإنترنت. ومنذ ذلك الحين ، لم تعد "اليدين والقدمين" التي تم إنشاؤها فقط لتنفيذ التعليمات ، بل تنفيذيين أذكياء يتمتعون بقدرات الحكم.
4. التكرار التشغيلي: من "إدارة السجل" إلى "التحسين التنبئي"
كما تم إعادة هيكلة نظام إدارة عملية التصنيع بشكل شامل بسبب إدخال الذكاء الاصطناعي. تقوم الذكاء الاصطناعي بتسريع تكاملها في منصات عملية الإنتاج الأساسية مثل MES وأنظمة إدارة المعدات ، وتصبح محركًا ذكيًا لتصنيع التصنيع.
يمكن لمنظمة العفو الدولية تصميم بيانات تشغيل المعدات ، وتحديد الأعطال المحتملة مقدمًا وتحقيق الصيانة التنبؤية. تحسين أداء OEE من خلال تحليل دفق البيانات في الوقت الحقيقي ؛ في إدارة الجودة ، يتم استخدام الذكاء الاصطناعى لتحديد أنماط العيوب والأسباب الجذرية ، وبالتالي تعزيز اتساق المنتجات والامتثال لها. تنتقل إدارة عملية التصنيع من التحكم التفاعلي إلى التشغيل التنبئي ، وتحقيق تحسين ذكي على مستوى العملية ، وقائم على البيانات.
5. تكرار القرار: من "تحليل التأخر الدوري" إلى "صنع القرار الذكي في الوقت الفعلي"
يخضع اتخاذ القرارات لمؤسسات التصنيع أيضًا إلى تحول ذكي. ستحصل الذكاء الاصطناعي تدريجياً على القدرة على المساعدة في مهام اتخاذ القرارات عالية التعقيد مثل جدولة الإنتاج ومحاكاة المخزون والتنبؤ بالجودة.
بمساعدة نماذج الذكاء الاصطناعى ، يمكن للمؤسسات إجراء عمليات محاكاة سيناريو لتقييم إمكانيات موارد الموارد وإمكانيات التوصيل بسرعة لاستراتيجيات جدولة الإنتاج المختلفة. الجمع بين البيانات التاريخية والوقت الفعلي ، يمكن أن تتنبأ الذكاء الاصطناعى بوجود تقلبات الجودة وضبط معلمات العملية مقدمًا. في إدارة المخزون ، يمكن أن يوصي الذكاء الاصطناعى باستراتيجيات التجديد ديناميكيًا لتعزيز كفاءة دوران المخزون. لقد تحولت قرارات التصنيع من الاستجابات المتأخرة إلى رؤى تطلعية ، وتصبح دعمًا رئيسيًا لارتياح المؤسسة ومرونة.
خلال هذه القفزات الخمسة ، شهدنا أن الذكاء الاصطناعي لم يعد أداة خارجية ولكن عامل ذكي داخل نظام التصنيع. يتجاوز الحدود التقليدية ، ويتكامل في كل مستوى وكل عقدة ، ويعزز نظام التصنيع من التحكم الهرمي إلى التعاون الذكي ، ومن التحسين المحلي إلى ذكاء النظام.
هذه إعادة الإعمار المنهجية هي بالتحديد جوهر "الذكاء الاصطناعي + التصنيع".
ما هي قدرات النظام اللازمة لمنظمات التصنيع في عصر "الذكاء الاصطناعي +"؟
في العصر الحالي من التطور السريع للذكاء الاصطناعي ، فإن السؤال الذي تمت مناقشته مرارًا وتكرارًا هو: هل سيستبدل الذكاء الاصطناعي البشر؟ في صناعة التصنيع ، هذه القضية حساسة بشكل خاص.
في الماضي ، بدا أن كل قفزة إلى الأمام في الأتمتة مصحوبة باتجاه "الآلات التي تحل محل البشر". ومع ذلك ، فإن الذكاء الاصطناعي اليوم ، وخاصة مسار التطبيق في سيناريوهات التصنيع ، يمنحنا إجابة محددة: منظمة العفو الدولية ليست مصممة لتقليل عدد الأشخاص ، ولكن لتعزيزهم.
التصنيع الذكي يتطلب المزيد من الناس ، وليس أقل.
هذا يعني أن التطبيق الواسع من الذكاء الاصطناعى لم يؤدي إلى موجة من تسريح العمال ؛ بدلاً من ذلك ، أدى إلى طلب قوي على مهارات جديدة ومواهب متعددة الاستخدامات.
في الماضي ، كانت الذكاء الاصطناعى أكثر اعتبارًا بمثابة أداة: تستخدم للمساعدة في الكشف ، وتحليل البيانات ، وتوليد التقارير. في الوقت الحاضر ، مع تغلغل نماذج الذكاء الاصطناعى في الصيانة التنبؤية ومراقبة الجودة وجدولة الإنتاج وغيرها من الروابط ، فإنها تتطور تدريجياً من القضاة المساعدة إلى صانعي القرار المشاركين.
لم يغير هذا التطور دور التكنولوجيا فحسب ، بل أعاد أيضًا إعادة تشكيل الهيكل التنظيمي. تتحول مؤسسات التصنيع من علاقة في اتجاه واحد من "اتخاذ القرارات البشرية ومساعدة الذكاء الاصطناعى" إلى نموذج تعاوني ثنائي الاتجاه لـ "صنع القرار المشترك بين الإنسان". لم تعد الذكاء الاصطناعي أداة خلفية ، بل عنصرًا ذكيًا مضمنًا في العمليات التجارية ، والمشاركة في تطور العملية ، وإعادة هندسة العملية.
هذا يعني أيضًا أن متطلبات الشركات للمواهب تمر بتغيير نوعي: فهم لا يحتاجون فقط إلى مهندسين يفهمون الذكاء الاصطناعي ، ولكن أيضًا مواهب الذكاء الاصطناعي الذين يفهمون التصنيع. سيصبح العموميون من الذكاء الاصطناعى الذين لديهم قدرات عبر الحدود وفكر النظم وفهم الأعمال الدعم الرئيسي للتحول الذكي للمؤسسة.
إذا كان الذكاء الاصطناعى هو "الدماغ" للتصنيع الذكي ، فإن القدرة التنظيمية هي العامل الحاسم لما إذا كان هذا "الجسم" مرنًا وقويًا ومستدامًا. عند إدخال عصر الذكاء الاصطناعي ، لا تحتاج مؤسسات التصنيع إلى تقديم خوارزميات وأدوات ، ولكن أيضًا بناء إطار عمل منهجي يدعم تنفيذ ونمو وتوسيع الذكاء الاصطناعي. تشمل أبعادها الرئيسية:
القدرة الاستراتيجية: AI ليس مجرد "مشروع تكنولوجيا المعلومات" ، ولكن "العملية العادية".
عندما تروج العديد من المؤسسات "الذكاء الاصطناعي + التصنيع" ، فإنها تعتبرها ترقية لمرة واحدة المعلومات وتركها إلى قسم تكنولوجيا المعلومات لأخذ زمام المبادرة. غالبًا ما يؤدي هذا النهج إلى بدء مشاريع الذكاء الاصطناعى ولكنها تنتهي ، مع مشاريع تجريبية ناجحة وتكرار فاشل.
يتطلب التحول الحقيقي إلى التصنيع الذكي فيما يتعلق بالوكالة الذكاء الاصطناعى كمورد استراتيجي أساسي يقود تغيير نماذج تشغيل الأعمال. يجب ألا تكون الذكاء الاصطناعي موجودة بشكل مستقل عن العمليات التجارية ، ولكن يجب دمجها بعمق في العمليات الأساسية مثل الإنتاج ومراقبة الجودة وإدارة سلسلة التوريد وإدارة الطاقة. يجب أن تكون استراتيجية الذكاء الاصطناعى مدمجة بعمق مع استراتيجية العمل لتشكيل نموذج عجلات مزدوجة "محرك تكنولوجيا الأعمال التجارية + الأعمال".
2. إمكانيات المواهب: قم ببناء طائرة مركب لـ "AI Engineers + Business Experts"
تحسين هيكل المواهب هو الشرط المسبق لتنفيذ الذكاء الاصطناعي. من ناحية ، تحتاج المؤسسات إلى مهندسين يتمتعون بإمكانيات خوارزمية AI وقدرات نمذجة البيانات ، الذين يمكنهم فهم بنية وضوضاء بيانات التصنيع. من ناحية أخرى ، من الضروري أكثر لخبراء التصنيع الذين يفهمون الأعمال والعمليات والعمليات للمشاركة في مشاريع الذكاء الاصطناعى ، مما يجعل خبرتهم صريحة ومنظمة للمعرفة ، بحيث تكون نماذج الذكاء الاصطناعي أقرب إلى مشاكل العالم الحقيقي.
ستكون المواهب ثنائية اللغة مع كل من اللغة الهندسية ولغة العمل قوة العمود الفقري الذي لا غنى عنه لتصنيع الشركات في المستقبل.
3. الهيكل التنظيمي: الترويج للبناء المشترك لمنصة الذكاء الاصطناعي والعمليات التجارية
غالبًا ما تكون مشاريع الذكاء الاصطناعي مجزأة ويصعب تكرارها على نطاق واسع. يكمن السبب الأساسي في عدم وجود بيانات موحدة ونموذج. تحقيقًا لهذه الغاية ، تحتاج المؤسسات إلى إنشاء منصة منظمة العفو الدولية والبيانات مع قابلية إعادة الاستخدام ، ودمج إمكانيات الخوارزمية الأساسية ، وقدرات حوكمة البيانات ، وعمليات الأعمال لتشكيل بنية ثنائية من "منصة + سيناريو".
من الناحية التنظيمية ، من الضروري أيضًا إنشاء لجان تطبيقات AI عبر الأفق أو فرق التشغيل الرقمية لتحطيم الحواجز بينه وبين OT و R&D والتصنيع والمقر والموقع ، وتحقيق نموذج لإنشاء مشترك حيث يتم رفع المشكلات من الخط الأمامي ويتم توفير الحلول من قبل المنصة.
4. مسار التنفيذ: من المشاريع التجريبية إلى نشر السلسلة الكاملة
وفقًا لمسار تحويل التصنيع الذكي المقترح في تقرير البحث ، يجب على المؤسسات اتباع الطريقة المكونة من ثمانية خطوات للبدء الرشيق ، والتكرار السريع والتوسع المستمر عند نشر مشاريع الذكاء الاصطناعي ، كما هو موضح في الشكل أعلاه.
يؤكد هذا المسار على أن تطبيق الذكاء الاصطناعي لا ينبغي أن يكون طموحًا وشاملًا بشكل مفرط. بدلاً من ذلك ، يجب أن يستغرق الأمر خطوات صغيرة ولكنها سريعة ، وتعلم من خلال العمل ، والتطور تدريجياً لتحقيق قفزة حلزونية من "الذكاء المحلي" إلى "ذكاء النظام".
لا تكمن القيمة الحقيقية لمنظمة العفو الدولية في استبدال البشر ، ولكن في تشكيل منظمة تصنيع أكثر ذكاءً وأكثر مرونة وأكثر تطوراً. إنه يمكّن المؤسسات من التحول من كونها تعتمد على الخبرة إلى البيانات ، ومن صلابة العملية إلى المرونة الذكية ، وتشكل في النهاية نظام إنشاء مشترك ذكي يركز على تعاون الإنسان والآلة.
لن تكون المنافسة في صناعة التصنيع المستقبلية مسابقة للمعدات والقدرة الإنتاجية ، بل هي منافسة على القدرة الإدراكية والقدرة التنظيمية والقدرات الذكية. الذكاء الاصطناعي ليست النهاية ولكن نقطة انطلاق حضارة صناعية جديدة.
البيانات والنماذج: محرك "الذكاء الاصطناعي + التصنيع" الصعب للغاية لإتقانه
لا يمكن لمحرك الذكاء الاصطناعى أن يدفع حقًا التطور المستمر لنظام التصنيع الذكي عندما يعمل كل من "البيانات" و "النماذج" في وقت واحد بشكل متزامن.
ومع ذلك ، في التنفيذ العملي لـ "التصنيع الذكاء الاصطناعي +" ، غالبًا ما تقع المؤسسات في سوء فهم إدراكي: الاعتقاد أنه طالما أن خوارزميات AI يتم نشرها ، يمكن الحصول على بيانات صناعية ، ويمكن الحصول على نتائج اتخاذ القرارات الذكية وتحسينها تلقائيًا. ولكن الحقيقة هي أن العديد من مؤسسات التصنيع "قد نجحت في التجريب لكنها فشلت في تكرارها" في مشاريع الذكاء الاصطناعي ، والسبب الجذري يكمن على وجه التحديد في حقيقة أن المحركين الأساسيين للبيانات والموديلات لم تبدأ حقًا.
تحدي البيانات: لدى مؤسسات التصنيع "معظم البيانات" ، ولكن أيضًا "أصعب البيانات التي يجب استخدامها".
لماذا يصعب استخدام البيانات؟ هناك أساسا ثلاثة أسباب رئيسية:
البيانات غير كافية بطبيعتها وذات جودة غير متساوية: تحتوي كمية كبيرة من البيانات الصناعية على مشاكل مثل الضوضاء والبيانات المفقودة وعدم التجانس. هناك نقص في آليات الحوكمة ، و "إطعامها" مباشرة للنموذج هو نتائج عكسية.
لا تتم معالجة البيانات لاحقًا في الحياة وتفتقر إلى بنية السياق: تجمع العديد من المؤسسات "نقاط بيانات معزولة" ، تفتقر إلى معلومات السياق مثل الأحداث والعمليات والدفعات ، مما يؤدي إلى عدم قدرة النموذج على فهم دلالاتها التجارية والمنطق السببي.
تكمن المشكلة الأعمق في ذلك على الرغم من أن مؤسسات التصنيع لديها بيانات ، إلا أنها تفتقر إلى نظام القدرة على تحويل البيانات إلى معرفة قابلة للاستخدام. هذه ليست مشكلة في وظيفة البرنامج ، بل هي عيب منهجي في الآلية التنظيمية ، وتفكير البيانات والحوكمة.
لذلك ، فإن البيانات في صناعة التصنيع ليست ضئيلة للغاية ولكنها متناثرة للغاية. ليس الأمر كذلك ، لكن المعلومات السياقية غير كافية.
2. التحدي النموذجي: لا يمكن تحقيق الذكاء الصناعي بين عشية وضحاها من خلال الاعتماد على "النماذج العامة العامة"
تواجه نماذج الذكاء الاصطناعى الصناعي ثلاثة تحديات رئيسية:
عدم فهم العملية: تتضمن عملية التصنيع كمية كبيرة من المعرفة الضمنية ، مثل القواعد التجريبية والآليات الفيزيائية والاقتران متعدد المتغيرات. إذا لم يفهم النموذج العملية ، فيمكنه فقط جعل التنبؤات ذات الصلة ولا يمكنها إجراء تحليل الأسباب الجذرية أو تحسين العملية.
ندرة البيانات وصعوبات وضع العلامات: مقارنةً بمجالات الإنترنت مثل التجارة الإلكترونية والشبكات الاجتماعية ، تفتقر السيناريوهات الصناعية إلى مجموعات بيانات مفتوحة المصدر على نطاق واسع ، ويصعب تصنيف العديد من البيانات غير الطبيعية ، مما يجعل التعلم الخاضع للإشراف غير مستدام.
عدم كفاية قدرة التعميم وترحيل المشهد الصعبة: يختلف أداء نفس النموذج اختلافًا كبيرًا على خطوط وأجهزة الإنتاج المختلفة. هناك نقص في القدرات الأساسية التي يمكن ترحيلها وضبطها ، مما يؤدي إلى ارتفاع تكاليف نشر الذكاء الاصطناعي ، ودورات طويلة ، وانخفاض العائد على الاستثمار.
لذلك ، فإن ما تحتاجه الصناعة حقًا هو نماذج منظمة العفو الدولية في مجال التصنيع: تلك التي لا يمكن أن تفهم فقط السلوكيات المادية وآليات العملية ولكنها تتكيف أيضًا مع الظروف الديناميكية واختلافات المعدات ، وامتلاك الذكاء الصناعي مع حجم عينة صغير وتعميم قوي.
من الواضح أن نماذج الذكاء الاصطناعى في التصنيع ليست "نماذج حديث" ، ولكن "النماذج التي يمكن أن تفهم الفيزياء". إنه ليس "نموذجًا لإنشاء المحتوى" ، ولكنه "نموذج لإعادة بناء العملية".
3. تحديات الإدارة: الذكاء الاصطناعى لا يتعلق بالاقتراض ؛ بناء نظام القدرة هو نقطة البداية الحقيقية لتصنيع الذكاء الاصطناعي
في مواجهة التحديات المزدوجة للبيانات والنماذج ، لم تعد المؤسسات تظل في مرحلة نشر أدوات ، ولكن يجب أن تتحول إلى بناء نظام قدرة الذكاء الاصطناعي الكامل والمستدام. يكمن الأساسية في القيام بعمل جيد في ثلاثة أشياء: أولاً ، حوكمة البيانات: من "جمع البيانات" إلى "توليد المعرفة" ؛ الثاني. نمذجة المشهد: التعبير عن المشكلات في لغة العمل وحلها بلغة الخوارزمية ؛ ثالثا. آلية صقل النماذج النموذجية: تأكد من أن كل وكيل يناسب مشهده الخاص.
الذكاء الاصطناعي ليس شيئًا يجب تبنيه. يجب اعتبار "الذكاء الاصطناعي + تصنيع" مشروعًا منهجيًا. لا يعني إدخال الذكاء الاصطناعي إلى التصنيع أنه يصبح مفيدًا لمجرد تثبيته ، ولا يعني أنه يصبح ذكيًا لمجرد شراؤه. إنه مشروع منهجي من البيانات إلى النماذج ، من الخوارزميات إلى المنظمات.
إذا تأمل المؤسسات في تحقيق التصنيع الممكّن من الذكاء الاصطناعى ، فإنها بحاجة إلى الابتعاد عن "العقلية الموجهة للأدوات" وبناء نظام محرك مزدوج "إمكانيات نموذج البيانات +" للمستقبل. وبهذه الطريقة فقط ، لا يمكن أن يكون الذكاء الاصطناعي مجرد متفرج في التصنيع ، ولكن يصبح متعاونًا ذكيًا يمكنه فهم ويتصرف ويتطور باستمرار.