هوش مصنوعی در کارخانه سازه فولادی وقتی واقعاً به کار می‌آید که روی داده ساختیافته خود شرکت، یعنی مارکها، ذوبها، بازرسیها و برنامه، کار کند. پنج کاربرد عملی آن پرسش از داده پروژه با ارجاع به رکورد، پر کردن فرم‌هایی مثل MTC و DFT از روی عکس، پیشنهاد تصمیم برای NCR، پیش‌نویس برنامه ارسال و خرید، و بازبینی مدل پیش از ورود به تولید است. قاعده اصلی این است که هوش مصنوعی پیشنهاد میدهد و انسان ثبت میکند.
چرا هوش مصنوعی عمومی در کارگاه جواب نمی‌دهد؟
یک چت‌بات عمومی نمی‌داند ذوب H-24871 در کدام قطعات مصرف شده یا کدام جوش هنوز NDT ندارد. اگر جواب بدهد هم حدس می‌زند. در صنعتی که سوابق کیفیت سند حقوقی است، جواب حدسی از بی‌جوابی بدتر است.
شرط اول، داده ساختیافته است. وقتی هر مارک، قطعه، ذوب، جوشکار و بازرسی در یک سامانه ثبت شده باشد، دستیار می‌تواند جواب را از همان رکوردها دربیاورد و به آن‌ها ارجاع بدهد. بدون این پایه، هوش مصنوعی فقط یک لایه تزئینی است.
پنج کاربرد عملی
۱. پرسش از داده پروژه با ارجاع
«کدام قطعات فاز ۲ هنوز NDT ندارند؟» یا «چرا ارسال بسته ۱۲ مجاز نیست؟». جواب باید عدد و فهرست باشد و هر مورد به رکورد اصلی لینک داشته باشد تا کاربر خودش بررسی کند.
۲. پر کردن فرم از روی عکس
انباردار از گواهی کارخانه (MTC) چند عکس میگیرد و دستیار شماره ذوب، گرید، ضخامت و ترکیب شیمیایی را استخراج میکند. همین کار برای قرائت‌های ضخامت رنگ (DFT) هم انجام می‌شود. هر مقدار با منبعش تطبیق داده می‌شود و کاربر قبل از ثبت آن را می‌بیند.
۳. پیشنهاد برای NCR
با توجه به نوع عیب، اندازه، WPS و سابقه موارد مشابه، دستیار گزینه‌ای مثل «تعمیر و بازرسی مجدد» را با دلیلش پیشنهاد میکند. تصمیم و امضا با مسئول کیفیت است.
۴. دستیار برنامه‌ریزی
پیش‌نویس فازبندی ارسال به ترتیب نصب، تقسیم بار کامیون‌ها، رهاسازی هفتگی و درخواست خرید برای کمبود متریال. پیشنهاد اول نمایش داده می‌شود و فقط با «اعمال» ثبت می‌شود.
۵. بازبینی مدل پیش از تولید
بررسی شماره‌گذاری، تداخل و داده ناقص در مدل Tekla قبل از اینکه به BOM و کارگاه برسد؛ ارزان‌ترین زمان برای پیدا کردن خطا.
قواعدی که بدون آن‌ها سراغ هوش مصنوعی نروید
- همان دسترسی کاربر: دستیار نباید چیزی را نشان دهد که خود کاربر اجازه دیدنش را ندارد.
- ثبت با انسان: هیچ پیشنهادی خودکار ثبت نشود و رکوردهایی که با کمک هوش مصنوعی ثبت می‌شوند، در سابقه تغییرات علامت بخورند.
- ارجاع به منبع: جواب بدون ارجاع قابل اعتماد نیست.
- کنترل هزینه: سقف مصرف ماهانه و فعال‌سازی جداگانه برای هر نقش.
در SteelERP دستیار با همین قواعد ساخته شده است: در صفحه‌های سامانه، در اپ‌های نقش‌محور و داخل اپ دسکتاپ Tekla در دسترس است.
مثال عددی
اعداد این مثال فرضی‌اند؛ با داده کارخانه خودتان دوباره حساب کنید.
کارخانه‌ای را در نظر بگیرید که سالانه حدود ۴ هزار تن ورق و پروفیل وارد میکند و نزدیک ۶۰۰ گواهی MTC تحویل میگیرد. اگر ورود دستی هر گواهی ۱۰ دقیقه طول بکشد، انباردار سالی حدود ۱۰۰ ساعت فقط تایپ میکند؛ استخراج از عکس این زمان را کم میکند.
اما خطای خواندن گران است: با فقط ۱ درصد خطا در شماره ذوب، از ۶۰۰ گواهی شش مورد اشتباه ثبت می‌شود و با ۲ درصد خطا دوازده مورد؛ هر کدام ردیابی همه قطعات آن ذوب را بی‌اعتبار میکند. برای همین هر مقدار پیشنهادی دستیار پیش از ثبت باید به تأیید یک انسان برسد.
هزینه هم باید سقف داشته باشد. در SteelERP مصرف دستیار یک سقف ماهانه برای شرکت و یک سقف روزانه برای هر کاربر دارد؛ با رسیدن به سقف، درخواست تازه تا دوره بعد پذیرفته نمی‌شود.
سوالات متداول
هوش مصنوعی جای مسئول کیفیت را میگیرد؟
نه. کار تکراری مثل تایپ گواهی یا جمع کردن سوابق را کم میکند، اما تصمیم و امضا با شخص صلاحیتدار میماند.
از کجا شروع کنیم؟
از ثبت ساختیافته داده. وقتی مارکها، ذوبها و بازرسیها در یک سامانه باشند، دستیار از روز اول جواب قابل ارجاع میدهد.
منابع و مطالعه بیشتر
دمو SteelERP روی داده نمونه یک پروژه سازه فولادی.