उत्पादन क्षेत्रातील सकारात्मक बदलांच्या दिशेने

डॉ. आनंद ज. कुलकर्णी
सोमवार, 29 मार्च 2021

आर्टिफिशियल इंटेलिजन्‍स

कारखान्यातील तसेच उत्पादन साखळीच्या संदर्भातील उपलब्ध माहितीचा कमीतकमी वेळात अर्थ लावणे, लक्षावधी आकड्यांचा एकमेकांशी संबंध जोडणे, त्याचे विश्लेषण करून कार्यप्रणालीत सुधारणा सुचविणे किंवा करणे हे मानवी क्षमतेच्या बाहेरचे काम मशिन लर्निंग अल्गोरिदम वेगाने करत आहेत व उत्पादन क्षमतेमध्ये मोठा सकारात्मक बदल घडवत आहेत.

आजच्या भांडवलशाहीच्या युगात कमीतकमी खर्चात जास्तीतजास्त प्रमाणात, टिकाऊ, दर्जेदार, आकर्षक उत्पादने बनवणे, त्यांचे स्वरूप बदलते ठेवणे, उत्पादनांची विश्वसनीयता जपणे व वाढवणे अशा गोष्टी अत्यंत महत्त्वाच्या आहेत. स्पर्धात्मक बाजारात टिकण्यासाठी उत्पादन क्षेत्रात सतत सकारात्मक बदल करणे, नवनवीन तंत्रज्ञान आत्मसात करणे हे क्रमप्राप्त ठरते. अठराव्या शतकातील औद्योगिक क्रांतीनंतर उत्पादन क्षेत्रात असंख्य बदल होत गेले. ऑटोमेशन, रोबोटिक्स आदी तंत्रज्ञानामुळे उत्पादनाला प्रचंड वेग येऊ लागला आहे. कारखान्यांतील मानवी सहभागही आता कमी होऊ लागला आहे. गेल्या दोन दशकांत जवळजवळ सर्वच उत्पादनांशी निगडित, मोठ्या व मध्यम आकाराच्या कंपन्यांनी इंटरनेट व डिजिटल तंत्रज्ञान वापरणे चालू केले आहे. त्यामुळे प्रचंड प्रमाणात माहिती अगदी प्रत्येक मिनिटाला उपलब्ध होत आहे. ही माहिती विविध प्रकारची असते. उदाहरणार्थ, वेगवेगळी उत्पादने बनवण्याऱ्या मशिनच्या तापमानाचे आकडे, लागणारा वेळ, टूल्सची होणारी झीज, उत्पादनाच्या गुणवत्ता तपासणीचे फोटो. ही प्रातिनिधिक उदाहरणे आहेत. अशी शेकडो प्रकारची माहिती केवळ एका मशिनमधून उपलब्ध होत असते. या माहितीचा उपयोग उत्पादनाच्या खर्चात लक्षणीय कपात होण्यास तसेच मालाचा दर्जा उंचावण्यात होऊ शकतो. कित्येक कंपन्या कृत्रिम बुद्धिमत्तेचा वापर या माहितीचा योग्य अर्थ लावण्यासाठी तसेच सुधारणात्मक बदल घडवण्यासाठी करत आहेत व त्यातून प्रत्यक्ष कामातील कार्यक्षमता वाढवणे, नवनवीन बदल करणे, आगामी काळातील आर्थिक आडाखे बांधणे इत्यादी बाबी अधिक अचूकतेने तसेच लवकर शक्य होत आहेत. ही काळाची गरजसुद्धा आहे.

फ्रान्समधील कॅपजेमिनी या तंत्रज्ञान व कन्सल्टन्सी क्षेत्रातील आघाडीच्या कंपनीच्या एका सर्वेक्षणानुसार युरोपातील ५० टक्क्यांहून अधिक उत्पादनाशी संबंधित कंपन्या आर्टिफिशिअल इंटेलिजन्सचा वापर करत आहेत. हेच प्रमाण जपानमधे ३० टक्के तर अमेरिकेत २८ टक्क्यांच्या आसपास आहे. मुख्य म्हणजे, कोविड-१९च्या प्रसारानंतर हे प्रमाण सातत्याने वाढते आहे. उत्पादन करणाऱ्या कारखान्यातील तसेच उत्पादन साखळीच्या संदर्भातील जो डेटा उपलब्ध होत असतो त्याचा कमी वेळेत अर्थ लावणे, लक्षावधी आकड्यांचा एकमेकांशी संबंध जोडणे, निष्कर्ष काढणे, विश्लेषण करून कार्यप्रणालीत सुधारणा सुचविणे किंवा करणे हे मानवी क्षमतेच्या बाहेरचे काम मशिन लर्निंग अल्गोरिदम आजमितीला वेगाने करत आहेत व उत्पादन क्षमतेमध्ये मोठा सकारात्मक बदल घडवत आहेत. 

उत्पादनातील आणि दर्जातील सातत्य राखण्यासाठी कारखान्यांतील यंत्रसामुग्रीची वेळेत व योग्य देखभाल खूप गरजेची असते. मशिनमध्ये बिघाड झाल्यास बहुमूल्य वेळ वाया जातो, तसेच उत्पादनही सदोष होण्याची शक्यता असते. याचे परिणाम दूरगामी असतात. यंत्रे तसेच त्याच्या आजूबाजूच्या संबंधित प्रणालींमध्ये विविध सेन्सर बसवलेले असतात. 'इंटरनेट ऑफ थिंग्ज्' (आयओटी)मुळे सर्व प्रणालींची प्रत्येक सेकंदाची माहिती गोळा करता येते. मशिन लर्निंग अल्गोरिदम त्या सर्व माहितीचे विश्लेषण करत असतात. त्यावरून पुढे होणाऱ्या बिघाडाची आगाऊ सूचना देऊ करतात. विशेष म्हणजे, मशिनच्या कोणत्या भागात, कधी व कोणत्या कारणाने बिघाड येऊ शकतो, कोणत्या प्रकारची दुरुस्ती आवश्यक आहे, हेसुद्धा सांगतात. त्याप्रमाणे कंपनीच्या योग्य विभागाला सूचना दिल्या जातात व दुरुस्ती केली जाते. तंत्रज्ञाने केलेल्या दुरुस्तीनुसार प्रणालीमध्ये सुधार होतो. या प्रणाली अशा सुधारणेतून शिकत जातात. अशा प्रणालींना एक्स्पर्ट सिस्टिम्स असे म्हणतात. यामुळे उत्पादनात व दर्जात सातत्य राखण्यास मदत होते, तसेच बिघाडामुळे होणारा पैशाचा, तसेच वेळेचा अपव्यय टाळता येतो. त्याचप्रमाणे कामगारांनाही सेन्सर किंवा वेअरबल लावले जातात. त्यातून सतत मिळणाऱ्या माहितीच्या आधारे एखाद्या कामगाराला आलेला थकवा, किंवा तब्येतीबद्दलची माहिती सुपरवायझरला दिली जाते तसेच त्यानुसार बदली कामगारही सुचवला जातो. मशिनच्या संभाव्य बिघाडाबद्दल तसेच कामगाराच्या तब्येतीबद्दल आगाऊ सूचना दिल्यामुळे संभाव्य अपघात टाळता येतात. कामगाराच्या कुटुंबासाठी तसेच कारखान्यातील सकारात्मक वातावरण जपण्यासाठी हे एक मोठे योगदान आहे.

कच्च्या मालाच्या किमतीत सतत होणारे चढउतार अंतिम उत्पादित मालाची किंमत ठरवत असतात. त्यामुळे या बदलांशी सतत जुळवून घेऊन मालाचे उत्पादन तसेच किंमत स्थिर ठेवावी लागत असते. कच्च्या मालाच्या किमतीवर परिणाम होऊ शकतो अशा कित्येक गोष्टींच्या आपसांतील संबंधांवरून, उपलब्ध माहितीवरून काही आर्टिफिशिअल इंटेलिजन्स आधारित सॉफ्टवेअर आगामी चढउतारांची शक्यता वर्तवतात. मुख्य म्हणजे, ही सॉफ्टवेअर वर्तवलेल्या शक्यते मागची कारणेसुद्धा सांगतात. यावरून कंपनीला पुढील आर्थिक अंदाज बांधणे व प्रभावी कार्यवाही कारणे शक्य होते. यामुळे, अंतिम उत्पादनाच्या किमती साधारणपणे स्थिर ठेवण्यास मदत होते. बाजारातील स्पर्धेत टिकण्यासाठी हे खूप महत्त्वाचे आहे. ‘गार्टनर’ या वित्तीय क्षेत्रातील कंपनीच्या सर्वेक्षणानुसार ४० टक्क्यांपेक्षा जास्त कंपन्या कच्च्या, तसेच तयार मालाच्या बाजारातील मागणीसाठी मशिन लर्निंग अल्गोरिदम वापरत आहेत. त्यामुळे कच्च्या मालाची ठराविक प्रमाणातील आवक व साठवण शक्य होते. कारखाना योग्य क्षमतेने चालवण्यासाठी हे फार गरजेचे असते. तसेच तयार मालाची योग्य व अपेक्षित प्रमाणातील साठवणही या प्रणालींमुळे शक्य होते. ‘मॅकेंझी’ या व्यवस्थापकीय सल्ला देऊ करणाऱ्या कंपनीच्या सर्वेक्षणानुसार अशा मशिन लर्निंग अल्गोरिदमच्या वापरामुळे मालाची साठवणूक व पुरवठा सुरळीत तसेच योग्य प्रमाणात ठेवता येणे शक्य होऊन काही कंपन्यांचा तोटा ६० टक्क्यांनी कमी झाला आहे. तसेच, माल साठविण्याचा खर्च ४० टक्क्यांनी कमी झाला आहे. अन्यथा हा वार्षिक तोटा काही लाख कोटी रुपयांचा आहे.

मागील दशकातील डिजिटल क्रांतीमुळे डेटा किंवा माहिती साठवणे अधिक स्वस्त झाले आहे. त्याचा फायदा उत्पादन क्षेत्रात झालेला आहे. उत्पादन चालू असताना विविध टप्प्यांवर कॅमेरे मालाचे फोटो घेत असतात. मशिन लर्निंग अल्गोरिदम त्या फोटोतील उत्पादनाच्या गुणवत्तेचे अपेक्षित असलेल्या गुणवत्तेशी तुलना करतात. त्यावरून योग्य निष्कर्ष काढून त्या चालू उत्पादनावर पुढील प्रक्रिया करायची की नाही याचा निर्णय घेतात. त्यानुसार, टाकाऊ उत्पादनावरील पुढील प्रक्रिया वाचून पैशाची व वेळेची बचत होते मानवी सहभाग व हस्तक्षेप कमी होतो व अपेक्षित गुणवत्तेचे उत्पादन मिळण्यास मदत होते.

कोणत्याही कारखान्याची कार्यक्षमता जशी तिथल्या कामगारांच्या क्षमतेवर तसेच ठराविक काम करण्याच्या पद्धतीवर ठरते, त्याचप्रमाणे, तेथील यंत्रांची क्षमता तसेच प्रत्येक कामाच्या लागणाऱ्या वेळेवर ठरत असते. यासाठी, प्रत्येक मशिनच्या विविध भागाच्या कार्यक्षमतेवर तसेच कामाच्या प्रत्यक्ष प्रतीवर उत्पादनांची प्रत, त्याला बनवायला लागणार वेळ, खर्च, मशिनची देखभाल आदी अवलंबून असते. आर्टिफिशिअल इंटेलिजन्स आधारित अल्गोरिदमचा वापर करून टूलचा आकार, टूलच्या धातूचा प्रकार, मशिनमधील विविध मोटरच्या फिरण्याचा वेग, धातू कापण्याचा वेग, इतर विविध प्रक्रियांचा वेग आदी बाबी योग्यरीत्या ठरवता येतात, ज्यामुळे उत्पादित मालाच्या दर्जाची खात्री देता येते. याचा भाग म्हणून जगातील बऱ्याच संशोधकांप्रमाणेच, मीसुद्धा मुंग्याच्या, तसेच पाण्यातील माशांच्या झुंडीचे गणिती रूपांतर केलेले अल्गोरिदम, तसेच समाजातील स्पर्धात्मक चढाओढी आधारित गणिती रूपांतर केलेले कोहर्ट इंटेलिजन्स अल्गोरिदम वापरून वर सांगितलेल्या सर्वांचा अंदाज ठरवण्यावर संशोधन केले. त्याचा उपयोग धातू, खर्च, कामगारांचा वेळ, आदी वाचवण्यासाठी तर झालाच पण उत्पादनाचा दर्जाही सुधारला.

थोडक्यात सांगायचे झाले तर कारखान्यातील, पर्यायाने देशातील संसाधनांचा कमीतकमी, काटेकोर व योग्य, उपयोग करणे आर्टिफिशिअल इंटेलिजन्समुळे शक्य होऊ लागले आहे. म्हणजे वेळ, परिश्रम, पैसे, जमीन, विविध धातू आदींचा गरजेपुरताच वापर करून दर्जेदार उत्पादन घेता येणे शक्य होत आहे. यामध्ये अजूनही मोठे विकासात्मक बदल होणे गरजेचे आहे, तसे बदल होतही आहेत. आर्टिफिशिअल इंटेलिजन्स जसजशी प्रगती करेल, तसे भविष्यातील सकारात्मक बदल प्रत्यक्षात उतरतील. जगातील कित्येक विद्यापीठांत आर्टिफिशिअल इंटेलिजन्सचा वापर करून उत्पादन घेण्यासंदर्भातील प्रयोगशाळा उभारलेल्या आहेत. त्यांचे महत्त्वाचे योगदान त्या त्या देशाच्या प्रगतीत आहे. उदाहरणार्थ, सिंगापूरमधील नानयांग टेक्नॉलॉजिकल युनिव्हर्सिटीमधे विविध कंपन्यांनी त्यांच्या मोठ्या प्रयोगशाळा उभारलेल्या आहेत. या प्रयोग शाळांमध्ये कंपन्यांमधील अभियंते आणि तज्ज्ञांच्या बरोबरच युनिव्हर्सिटीमधील प्राध्यापक आणि विद्यार्थीही ठराविक लक्ष्य समोर ठेवून अहोरात्र संशोधनात गुंतलेले दिसतात. आपल्याकडील विद्यापीठांतही हे सहज शक्य आहे, कारण प्रगतिशील कंपन्या, तज्ज्ञ प्राध्यापक आणि हुशार व इच्छुक विद्यार्थ्यांची आपल्याकडेही वानवा नाही.

संबंधित बातम्या