मैन्युफैक्चरिंग के लिए AI रोडमैप: प्लांट डेटा से एजेंट तक

आपका AI पायलट एक लाइन पर चल गया। एक साल बाद भी दूसरे प्लांट में वह नहीं पहुँचा, और पहली लाइन ने भी चुपचाप उसका इस्तेमाल बंद कर दिया।

मैन्युफैक्चरिंग का AI रोडमैप इसी को रोकने के लिए होता है। इसके चार चरण हैं। प्लांट डेटा को ERP डेटा से जोड़िए, एक गवर्न्ड इंटेलिजेंस लेयर जोड़िए, AI एजेंट्स को बड़े पैमाने पर लाइए, फिर AI को फ़ैक्टरी के कामकाज का हिस्सा बनाइए।

ज़्यादातर मैन्युफैक्चरर तीसरे चरण से शुरू करने की कोशिश करते हैं। इसीलिए पायलट अटक जाते हैं।

मैंने प्लास्टिक, स्टील और डिफ़ेंस मैन्युफैक्चरिंग में ERP इम्प्लीमेंट किया है। हर बार वही पैटर्न दिखता है। मॉडल शायद ही कभी मुश्किल हिस्सा होता है।

मुश्किल यह है कि तीन सिस्टम एक ही ऑर्डर को तीन अलग तरीक़ों से बताते हैं।

5,000 मोल्डेड कैप के एक ऑर्डर की कल्पना कीजिए। ERP को एक प्रोडक्शन ऑर्डर दिखता है। MES (वह सिस्टम जो शॉप फ़्लोर चलाता है) को प्रेस 14 पर एक जॉब दिखता है, और प्रेस सिर्फ़ साइकिल काउंट जानता है।

आपका कोर सिस्टम कोई भी हो, यह रोडमैप काम करता है: SAP, Oracle, Microsoft, Infor या घर में बना कोई सिस्टम।

मैं तीन साल को इस तरह बाँटूँगा।

तीन साल, चार चरण

1. 01

   अभी: डेटा फ़ाउंडेशन

   प्लांट, क्वालिटी और ERP डेटा एक गवर्न्ड प्लेटफ़ॉर्म पर, लीनिएज और सेल्फ़-सर्विस रिपोर्टिंग के साथ।

2. 02

   साल 1: गवर्न्ड इंटेलिजेंस

   प्लांट, लाइन, मटीरियल और ऑर्डर के लिए एक बिज़नेस भाषा, AI गवर्नेंस और पहले क्विक विन।

3. 03

   साल 2: AI एजेंट्स का विस्तार

   मेंटेनेंस, क्वालिटी, प्लानिंग और प्रोक्योरमेंट के एजेंट, सभी प्लांट में चलते हुए।

4. 04

   साल 3: बड़े पैमाने पर AI

   AI इस बात के भीतर कि फ़ैक्टरी कैसे प्लान करती, चलती और सुधरती है, जहाँ लोग और एजेंट साथ काम करते हैं।

समय-सीमा को एक गाइड की तरह लीजिए। चार ERP पर चलने वाले दस प्लांट के ग्रुप को पहले चरण में ज़्यादा समय लगेगा।

फ़ैक्टरी का डेटा परतों में रहता है, और ISA-95 स्टैंडर्ड इन परतों को अच्छी तरह बताता है। सबसे नीचे सेंसर और PLC होते हैं, यानी हर मशीन चलाने वाले कंट्रोलर। उनके ऊपर SCADA स्क्रीन और हिस्टोरियन (मशीन रीडिंग के डेटाबेस) आते हैं, फिर MES, और सबसे ऊपर ERP, जो इन सबकी प्लानिंग और कॉस्टिंग करता है।

AI को इन परतों का आपस में बात करना ज़रूरी है। ज़्यादातर प्लांट में ऐसा होता नहीं।

मैं तीन चीज़ों से शुरू करूँगा।

1. एक डेटा प्लेटफ़ॉर्म, आमतौर पर क्लाउड लेकहाउस या वेयरहाउस, जो ERP डेटा, MES रिकॉर्ड और हिस्टोरियन रीडिंग लेता है। ज़्यादातर यूज़ केस को सारांश चाहिए, जैसे हर बैच का औसत मेल्ट तापमान।
2. पहले दिन से गवर्नेंस: एक डेटा कैटलॉग, लीनिएज जो दिखाए कि हर आँकड़ा कहाँ से आया, और क्वालिटी नियम। अगर कोई नहीं बता सकता कि स्क्रैप का आँकड़ा कहाँ से आया, तो उसे प्रेडिक्ट करने वाले मॉडल पर भी कोई भरोसा नहीं करेगा।
3. सेल्फ़-सर्विस रिपोर्टिंग। AI के आने से पहले ही प्लांट मैनेजरों को OEE (संभव आउटपुट के मुक़ाबले अच्छा आउटपुट), स्क्रैप और शेड्यूल का पालन एक ही स्रोत से दिखना चाहिए।

सबसे कठिन काम मास्टर डेटा का है। दो प्लांट वाले एक प्लास्टिक ग्रुप को लीजिए।

प्लांट A काले पॉलीप्रोपिलीन ग्रैन्यूल को MAT-1001 कहता है और किलो में गिनता है। प्लांट B उसे PP-BLK-25 कहता है और 25 kg के बैग में गिनता है। मॉडल से रेज़िन की खपत का अनुमान माँगिए, तो उसे दो अलग-अलग मटीरियल दिखते हैं।

इसका हल उबाऊ है। एक मटीरियल ओनर कोड को मैप करता है, एक यूनिट तय करता है, और प्लेटफ़ॉर्म हर रात वह नियम लागू करता है।

टूल मिलान सुझा सकता है। फिर भी कौन-सा कोड रहेगा और उसके बाद नियम का ओनर कौन होगा, यह एक व्यक्ति तय करता है।

दूसरी चीज़ जो मैं जल्दी जाँचूँगा, वह है घड़ियाँ। किसी रोलिंग मिल का हिस्टोरियन फ़र्नेस की रीडिंग लोकल टाइम में दर्ज कर सकता है, जबकि ERP UTC में पोस्ट करता है।

आप कॉइल 4471 पर सतह के एक दोष को उस फ़र्नेस तापमान से जोड़ना चाहते हैं जो रोलिंग के समय था। अगर घड़ियों में चार घंटे का अंतर है, तो मॉडल ग़लत तापमान से सीखता है। इसे यहीं एक बार ठीक कीजिए, और बाद का हर यूज़ केस सही चलेगा।

1. 01मशीनें और हिस्टोरियनसेंसर रीडिंग, हर बैच का सारांश
2. 02MESजॉब, डाउनटाइम और स्क्रैप
3. 03ERPऑर्डर, मटीरियल और लागत
4. 04लैंडिंग ज़ोनकच्ची कॉपी, जैसी आईं वैसी ही रखी गईं
5. 05साफ़ और मैप किया हुआएक मटीरियल कोड, एक यूनिट, एक घड़ी
6. 06सेल्फ़-सर्विस रिपोर्टOEE, स्क्रैप और शेड्यूल का पालन

हर ऑर्डर का एक भरोसेमंद रूप, मशीन से लेजर तक

पहले साल में उस डेटा को ऐसा रूप दिया जाता है जिसे AI सुरक्षित ढंग से इस्तेमाल कर सके। इसका केंद्र एक सिमेंटिक लेयर है: प्लांट, लाइन, वर्क सेंटर, मटीरियल, ऑर्डर और दोषों के लिए एक साझा बिज़नेस भाषा।

किसी एजेंट से "लाइन 3 का डाउनटाइम" पूछिए, तो उसे पता होना चाहिए कि कौन-सी लाइन 3। प्लांट A और प्लांट B दोनों में एक-एक हो सकती है, और दोनों डाउनटाइम अलग तरह से गिन सकते हैं।

एक प्लांट घड़ी तब शुरू करता है जब मशीन रुकती है। दूसरा तब, जब ऑपरेटर रुकावट दर्ज करता है। सिमेंटिक लेयर एक परिभाषा लिख देती है, और हर रिपोर्ट और हर एजेंट उसी का इस्तेमाल करता है।

उसी साल AI गवर्नेंस लागू कीजिए। हर AI यूज़ केस का एक रजिस्टर रखिए, हर एक के साथ एक नामित ओनर, एक रिस्क रेटिंग और एक बिंदु जहाँ कोई व्यक्ति आउटपुट जाँचता है।

अगर कोई AI सिस्टम किसी मशीन का सेफ़्टी कंपोनेंट बन जाता है, तो EU AI Act उसे हाई-रिस्क मानता है। अपने सेफ़्टी इंजीनियरों को जल्दी शामिल कीजिए। मैं उन्हें पहली वर्कशॉप में चाहता हूँ।

फिर दो या तीन ऐसे क्विक विन दीजिए जो फ़्लोर पर लोगों को दिखें। रात की शिफ़्ट में एक मेंटेनेंस कोपायलट का उदाहरण देखिए।

1. एक टेक्नीशियन के सामने एक हाइड्रोलिक प्रेस है जो कम प्रेशर पर बार-बार फ़ॉल्ट देता है। वह टैबलेट पर कोपायलट में फ़ॉल्ट कोड और प्रेस नंबर टाइप करती है।
2. कोपायलट प्रेस का मैनुअल और उस प्रेस के पुराने वर्क ऑर्डर खोजता है।
3. वह बताता है कि यही फ़ॉल्ट पहले दो बार आया था, और दोनों बार मुख्य सिलिंडर की घिसी हुई सील वजह थी।
4. वह सील का पार्ट नंबर देता है और बदलने की प्रक्रिया वाले मैनुअल पेज का लिंक देता है।

प्रेस रोकनी है या नहीं, यह अब भी वही तय करती है, और लॉकआउट भी वह ख़ुद लगाती है। कोपायलट ने बस पुराने काग़ज़ों में खोजबीन का समय बचा दिया।

शिफ़्ट हैंडओवर सारांश दूसरा क्विक विन है। सुबह 6 बजे आने वाले सुपरवाइज़र को MES इवेंट, डाउनटाइम लॉग और क्वालिटी होल्ड से बना एक पेज मिलता है। प्रेस 9 ने धीमे मोल्ड चेंज में 40 मिनट गँवाए, और बैच 2207 शॉर्ट शॉट की वजह से होल्ड पर है।

सुपरवाइज़र होल्ड जाँचता है और तय करता है कि पहले क्या चलाना है।

तीसरा विकल्प सप्लायर दस्तावेज़ों की जाँच है। अगर कॉइल का मिल सर्टिफ़िकेट S275 कहता है और आपने S355 ऑर्डर किया था, तो AI गुड्स रिसीट से पहले इसे फ़्लैग कर देता है। कॉइल को स्वीकार या अस्वीकार क्वालिटी टीम का कोई व्यक्ति ही करता है।

पहले उम्मीदवारों को मैं इस तरह रैंक करूँगा।

1. 01सुपरवाइज़र पूछता हैकल रात लाइन 3 का समय क्यों गया?
2. 02सिमेंटिक लेयरकौन-सा प्लांट, कौन-सी लाइन, डाउनटाइम का कौन-सा नियम
3. 03गवर्न्ड डेटाडाउनटाइम लॉग, MES इवेंट, वर्क ऑर्डर
4. 04कोपायलट जवाब देता हैहर आँकड़े के स्रोत के साथ
5. 05सुपरवाइज़र जाँचता हैस्वीकार करता है, सुधारता है या आगे बढ़ाता है

ऐसा जवाब जिस पर प्लांट मैनेजर और बोर्ड पैक दोनों सहमत हों

बिज़नेस वैल्यूऊँचीमध्यमकम

• ऑटोनॉमस शेड्यूलिंग

• विज़न क्वालिटी इंस्पेक्शन

• मेंटेनेंस कोपायलट

• सप्लायर दस्तावेज़ जाँच

• शिफ़्ट हैंडओवर सारांश

• सामान्य चैटबॉट

कममध्यमऊँचीडेटा की तैयारी

• बाद में
• योजना बनाइए
• अभी शुरू कीजिए

दूसरे साल में असिस्टेंट से एजेंट की ओर बढ़ा जाता है। असिस्टेंट एक सवाल का जवाब देता है। एजेंट एक सिग्नल पर नज़र रखता है, आपकी तय सीमाओं के भीतर तय करता है कि क्या करना है, और आपके सिस्टम में कार्रवाई करता है।

मैन्युफैक्चरिंग में ये एजेंट मुझे सबसे पहले फ़ायदा देते दिखते हैं।

1. प्रेडिक्टिव मेंटेनेंस। मशीन की रीडिंग ख़राबी से पहले ERP में एक वर्क ऑर्डर बना देती है, और स्पेयर पार्ट रिज़र्व हो जाते हैं।
2. क्वालिटी। विज़न इंस्पेक्शन एक दोष फ़्लैग करता है, और एजेंट बैच को होल्ड करता है, उसे प्रोसेस सेटिंग से जोड़ता है और एक डेविएशन खोलता है।
3. प्लानिंग। मशीन बंद होने या मटीरियल देर से आने पर एजेंट शेड्यूल को फिर से संतुलित करता है, और प्लानर से मंज़ूरी माँगता है।
4. प्रोक्योरमेंट। यह देर से आने वाली डिलीवरी का पीछा करता है और एक्सपेडाइट रिक्वेस्ट का ड्राफ़्ट बनाता है।

स्टैम्पिंग प्रेस पर ख़राब हो रहे बेयरिंग को एक मेंटेनेंस एजेंट ऐसे संभालता है।

1. मुख्य बेयरिंग पर वाइब्रेशन दो हफ़्तों में धीरे-धीरे बढ़ता है, और तापमान भी साथ बढ़ता है।
2. एजेंट इस पैटर्न की तुलना उसी प्रकार की प्रेस की पुरानी ख़राबियों से करता है और एक मिलान पाता है।
3. वह ERP में एक मेंटेनेंस नोटिफ़िकेशन बनाता है, जाँचता है कि स्पेयर बेयरिंग स्टॉक में है, और उसे रिज़र्व कर देता है।
4. वह शनिवार के प्लान्ड स्टॉप में एक स्लॉट सुझाता है और रिक्वेस्ट मेंटेनेंस प्लानर को भेजता है।

प्लानर स्लॉट मंज़ूर करता है या उसे खिसका देता है। एजेंट अपने आप नोटिफ़िकेशन बना और रिज़र्व कर सकता है, पर लाइन नहीं रोक सकता, और इस सीमा का ओनर एक नामित व्यक्ति है।

अब प्लानिंग एजेंट को लीजिए। मंगलवार दोपहर एक एक्सट्रूडर गुरुवार तक के लिए बंद हो जाता है, और रेज़िन का एक कंटेनर पोर्ट पर अटका है।

एजेंट खुले ऑर्डर, ड्यू डेट और यह जाँचता है कि कौन-सी लाइन कौन-से प्रोडक्ट बना सकती है। वह दो विकल्प बनाता है। तीन ऑर्डर बुधवार के ओवरटाइम के साथ लाइन 2 पर ले जाइए, या एक कस्टमर ऑर्डर को दो दिन आगे खिसकाइए।

प्लानर एक चुनता है, या पहले कस्टमर को फ़ोन करता है। मैं किसी एजेंट को चुपचाप कस्टमर की तारीख़ बदलने कभी नहीं दूँगा।

दूसरे साल का बड़ा बदलाव ओनरशिप है। हर एजेंट, उसकी सीमाओं और उसके नतीजों का कोई ओनर होना चाहिए। मैं एजेंट्स को नए टीम सदस्यों की तरह देखता हूँ, एक जॉब डिस्क्रिप्शन और नियमित रिव्यू के साथ।

1. 01नज़र रखनाहर प्रेस पर वाइब्रेशन, तापमान और करंट
2. 02पहचाननाबेयरिंग की रीडिंग रेंज से बाहर खिसकती है
3. 03तैयारीवर्क ऑर्डर का ड्राफ़्ट, स्पेयर पार्ट रिज़र्व
4. 04मंज़ूरीमेंटेनेंस प्लानर स्लॉट बुक करता है
5. 05कार्रवाईऑर्डर रिलीज़, टेक्नीशियन रवाना
6. 06सीखनानतीजा अगले अनुमान में काम आता है

हर एजेंट का एक ओनर, तय सीमाओं के साथ

तीसरे साल तक AI कोई अलग प्रोजेक्ट नहीं रह जाता। वह प्लानिंग, प्रोडक्शन, क्वालिटी, मेंटेनेंस और कॉस्टिंग के भीतर बैठा होता है।

मासिक S&OP चक्र में, जहाँ सेल्स, प्रोडक्शन और फ़ाइनेंस एक योजना पर सहमत होते हैं, यह कुछ ऐसा दिखता है।

1. कस्टमर अपने फ़ोरकास्ट साझा करते हैं, और एजेंट उन फ़ोरकास्ट को फ़्लैग करता है जो ऑर्डर हिस्ट्री के मुक़ाबले बहुत ऊँचे लगते हैं।
2. सप्लायर अपनी क्षमता साझा करते हैं, तो एजेंट देखता है कि आपका कोटिंग सप्लायर मार्च में पूरा भरा है।
3. एजेंट दोनों में फ़िट होने वाली योजना का ड्राफ़्ट बनाता है और ERP में उसकी लागत निकालता है।
4. मीटिंग का पूरा घंटा उन गिने-चुने असली ट्रेड-ऑफ़ पर लगता है।

योजना के ओनर अब भी लोग ही हैं। हेड ऑफ़ ऑपरेशंस उस पर हस्ताक्षर करते हैं, और फ़ाइनेंस मार्जिन जाँचता है।

कॉस्टिंग दूसरी जगह है जहाँ मैं ध्यान दूँगा। मान लीजिए एक मोल्डिंग मशीन लगातार अपने स्टैंडर्ड साइकिल टाइम से धीमी चल रही है। एजेंट इस अंतर को पकड़ता है, लागत पर असर निकालता है और कॉस्ट अकाउंटेंट से पूछता है कि क्या स्टैंडर्ड अपडेट करना है।

फ़ैसला अकाउंटेंट करता है, क्योंकि स्टैंडर्ड कॉस्ट में बदलाव स्टॉक वैल्यूएशन और मार्जिन तक जाता है।

1. प्लांट डायरेक्टरप्लांट के लक्ष्यों और एजेंट पोर्टफ़ोलियो के ओनर
   AI गवर्नेंसहर एजेंट के लिए रजिस्टर, टेस्टिंग और किल स्विच
2. प्रोडक्शन मैनेजरएजेंट्स के सुझाए शेड्यूल बदलावों को मंज़ूरी देते हैं

• मेंटेनेंस एजेंटओनर: मेंटेनेंस मैनेजर
• क्वालिटी एजेंटओनर: क्वालिटी मैनेजर
• प्लानिंग एजेंटओनर: प्लानिंग लीड
• प्रोक्योरमेंट एजेंटओनर: बायर

1. 04AI एजेंट और कोपायलटमेंटेनेंस, क्वालिटी, प्लानिंग और प्रोक्योरमेंट एजेंट, इंसानी मंज़ूरी के बिंदुओं के साथ
2. 03गवर्न्ड इंटेलिजेंस लेयरप्लांट, लाइन, मटीरियल और ऑर्डर का सिमेंटिक मॉडल, साथ में AI रजिस्टर
3. 02डेटा फ़ाउंडेशनERP, MES और हिस्टोरियन डेटा वाला लेकहाउस, कैटलॉग और लीनिएज
4. 01प्लांट और एंटरप्राइज़ सिस्टमसेंसर, SCADA, हिस्टोरियन, MES और ERP

चार चीज़ें किसी एक साल की नहीं हैं। वे हर साल में चलती हैं।

1. OT सिक्योरिटी। OT का मतलब वे कंट्रोलर और नेटवर्क हैं जो मशीनें चलाते हैं। उन्हें क्लाउड AI से जोड़ने पर हमले का दायरा बढ़ता है, इसलिए कनेक्शन IEC 62443 के अनुसार डिज़ाइन कीजिए और कंट्रोल नेटवर्क को अलग-अलग सेगमेंट में रखिए। एजेंट हिस्टोरियन डेटा की एक कॉपी पढ़ता है और किसी PLC पर कभी कुछ नहीं लिखता।
2. सॉवरेनिटी। डिफ़ेंस, सरकार और कुछ एक्सपोर्ट-कंट्रोल्ड काम के लिए देश के भीतर या ऑन-प्रिमाइस AI विकल्प चाहिए। मॉडल चुनने से पहले तय कीजिए कि कौन-सा डेटा प्लांट से बाहर जा सकता है। किसी डिफ़ेंस पार्ट की ड्रॉइंग शायद कभी किसी पब्लिक मॉडल के पास न जाए, जबकि रेज़िन का फ़ोरकास्ट शायद जा सकता है।
3. खुला, मल्टी-वेंडर स्टैक। ओपन फ़ॉर्मैट और स्टैंडर्ड इंटरफ़ेस इस्तेमाल कीजिए, जैसे OPC UA, जो मशीन डेटा पढ़ने का एक आम स्टैंडर्ड है। फिर आप बिना दोबारा बनाए मॉडल बदल सकते हैं।
4. आपके लोग। प्लानर, इंजीनियर और टेक्नीशियन को एजेंट्स के साथ काम करने की ट्रेनिंग दीजिए। जो प्लानर एजेंट के विकल्पों पर भरोसा करता है, वह उनका इस्तेमाल करता है। जो भरोसा नहीं करता, वह योजना Excel में फिर से बनाता है।

सबसे आम असफलता ऐसा पायलट है जो आगे नहीं बढ़ पाता। एक लाइन पर ट्रेन किया गया विज़न मॉडल, हाथ से निकाले गए डेटा के साथ, सिर्फ़ विचार को साबित करता है, उससे आगे कुछ नहीं।

उसे दूसरे प्लांट में ले जाइए। कैमरे अलग हैं, पार्ट नंबर मेल नहीं खाते और मॉडल का कोई ओनर नहीं है।

दूसरी असफलता AI को IT प्रोजेक्ट मान लेना है। अगर प्रोडक्शन, क्वालिटी और मेंटेनेंस के लीडर यूज़ केस के ओनर नहीं हैं, तो एजेंट बन जाते हैं और फिर अनदेखे रह जाते हैं।

मेरी सलाह है कि प्रोसेस से शुरू कीजिए। आज एक वर्क ऑर्डर या क्वालिटी होल्ड कैसे आगे बढ़ता है, इसे मैप कीजिए, फिर सिस्टम चुनिए। किसी के कोड लिखने से पहले हर यूज़ केस को एक बिज़नेस ओनर दीजिए।

कैसे ग़लत होता हैक्या काम करता है

1. 01कैसे ग़लत होता है: एक लाइन पर पायलट, हाथ से निकाले गए डेटा के साथ→क्या काम करता है: हर प्लांट के लिए बना डेटा फ़ाउंडेशन
2. 02कैसे ग़लत होता है: IT बनाता है और प्लांट कभी ओनर नहीं बनता→क्या काम करता है: हर यूज़ केस के लिए प्रोडक्शन, क्वालिटी या मेंटेनेंस का एक ओनर
3. 03कैसे ग़लत होता है: हर प्रोजेक्ट में कोड, यूनिट और घड़ियाँ फिर से ठीक करना→क्या काम करता है: मास्टर डेटा एक बार, केंद्रीय रूप से ठीक
4. 04कैसे ग़लत होता है: बिना ओनर, बिना सीमा और बिना रिव्यू के एजेंट→क्या काम करता है: हर एजेंट का एक ओनर, सीमाएँ और नियमित रिव्यू

इसे अपने प्लांट पर परखना चाहते हैं? एक कॉल बुक कीजिए और एक यूज़ केस के साथ अपने ERP और MES का एक मोटा ख़ाका लाइए। मैं आपको बताऊँगा कि आप असल में किस चरण पर हैं और मैं सबसे पहले क्या करूँगा।

मैन्युफैक्चरिंग के लिए AI रोडमैप क्या है?

यह पूरे मैन्युफैक्चरिंग बिज़नेस में AI इस्तेमाल करने की चरणबद्ध योजना है। यह एक डेटा फ़ाउंडेशन से शुरू होती है जो प्लांट और ERP डेटा को जोड़ता है। फिर एक गवर्न्ड इंटेलिजेंस लेयर, AI एजेंट, और फ़ैक्टरी के कामकाज में शामिल AI आते हैं।

किसी मैन्युफैक्चरर को AI की शुरुआत कहाँ से करनी चाहिए?

डेटा से शुरू कीजिए। ERP, MES और मशीन डेटा को एक गवर्न्ड प्लेटफ़ॉर्म पर जोड़िए, मास्टर डेटा ठीक कीजिए, और प्लांट मैनेजरों को सेल्फ़-सर्विस रिपोर्टिंग दीजिए। पहले AI यूज़ केस साल 1 में, इसी फ़ाउंडेशन के ऊपर आते हैं।

मैन्युफैक्चरिंग में कौन-से AI यूज़ केस सबसे पहले फ़ायदा देते हैं?

मेंटेनेंस कोपायलट, शिफ़्ट हैंडओवर सारांश और सप्लायर दस्तावेज़ों की जाँच जल्दी डिलीवर होते हैं। प्रेडिक्टिव मेंटेनेंस, विज़न इंस्पेक्शन और शेड्यूल को फिर से संतुलित करना ज़्यादा फ़ायदा देते हैं, पर इनके लिए बेहतर डेटा चाहिए, इसलिए ये आमतौर पर साल 2 में आते हैं।

मैन्युफैक्चरिंग के AI रोडमैप में कितना समय लगता है?

डेटा फ़ाउंडेशन का काम शुरू होने के बाद मैं इसे तीन साल में प्लान करता हूँ। साल 1 में इंटेलिजेंस लेयर जुड़ती है, साल 2 में एजेंट्स का विस्तार होता है और साल 3 में AI मुख्य प्रोसेस का हिस्सा बनता है। क्विक विन से पहले साल के भीतर वैल्यू दिखनी चाहिए।

क्या AI इस्तेमाल करने से पहले हमें अपना ERP या MES बदलना होगा?

नहीं। AI डेटा फ़ाउंडेशन के ज़रिए आपके मौजूदा सिस्टम के ऊपर बैठता है। ज़रूरी यह है कि आपका ERP और MES डेटा साफ़ और जुड़ा हुआ हो, चाहे आप किसी भी वेंडर का इस्तेमाल करें।