Työvoimapula tappaa amerikkalaisen tuotannon. Näin tekoäly voi herättää sen henkiin.

USA:n tuotanto on valmiina merkittävään elpymiseen. Pandemian aiheuttamat toimitusketjun häiriöt ovat osoittaneet liiallisen riippuvuuden heikkouden pitkästä toimitusketjusta, erityisesti Yhdysvaltojen ulkopuolella.

Lisäksi lisääntyvät jännitteet Kiinan kanssa ovat saaneet USA:n kyseenalaistamaan sen riippuvuuden Kiinan teollisuudesta taloudellisen menestyksen kannalta. Nämä ongelmat ovat muuttaneet yhdysvaltalaisten valmistusyritysten sitoutumista paikalliseen rakentamiseen.

Ongelmana on, että amerikkalaisella teollisuudella on kriittisesti pulaa työvoimasta, jota se tarvitsee vallankumouksen ajamiseen. Ei yksinkertaisesti ole tarpeeksi ammattitaitoisia työntekijöitä tekemään työtä, eikä tarpeeksi koulutettuja työntekijöitä, jotka ovat halukkaita oppimaan.

Välttämättömyys on kuitenkin todellakin keksinnän äiti. Valmistusalan työvoimapula on tasoittanut tietä joidenkin erittäin jännittävien innovaatioiden laajalle levittämiselle valmistuksen tekoälyssä. Nämä kehitykset ovat niin voimakkaita, että McKinskey ennustaa niiden luovan niitä 3.7 biljoonaa dollaria by 2025.

Mutta ennen kuin menemme siihen, katsotaanpa nopeasti vallankumousta lietsovaa työkriisiä.

Tässä on kuinka huono työvoimaongelma on amerikkalaisessa tuotannossa

Vaikka jokainen ammattitaitoinen työntekijä Amerikassa työllistyisi, niitä olisi edelleen 35 % enemmän täyttämättömiä työpaikkoja kestohyödykkeiden valmistussektorilla kuin ammattitaitoiset työntekijät, jotka pystyvät täyttämään ne. Deloitte ennustaa yli kahden miljoonan amerikkalaisen valmistustyöntekijän pula vuoteen 2030 mennessä, mikä edustaa 1 biljoonan dollarin vuosittaista vaihtoehtokustannusta.

Jos asiaa ei valvota, asiat todennäköisesti pahenevat, eivät paremmin. Niitä on vieläkin 40 miljoonaa suurten ikäluokkien työvoimaa-noin 25 % koko työvoimasta, joista monet ovat "vanhan koulun" tehdastehtävissä. Boomersin jäädessä eläkkeelle nuoremmat työntekijät välttelevät tuotantotyöpaikkoja teknologian, terveydenhuollon ja muiden mahdollisuuksien hyväksi, joissa työolot ja korvaukset ovat houkuttelevampia.

Yhdysvallat voisi nopeasti lisätä maahanmuuttoa maista, joissa työntekijät ovat innokkaita saamaan amerikkalaisia ​​työpaikkoja, mutta siihen liittyy omat haasteensa ja se vaatisi enemmän poliittista taikuutta kuin osaan kuvitella mahdollista. Lisäksi työnantajat voivat olla varovaisia ​​kouluttamasta uutta ammattitaitoista työvoimaa vain nähdäkseen toimintansa suljetun jälleen seuraavan sulkemisen aikana.

Jotta koneet pyörivät, amerikkalaisten valmistajien on löydettävä vaihtoehtoja ihmistyölle.

Tekoäly voi olla suuri osa työvoimapulan ratkaisua

Osa ratkaisusta tähän ongelmaan, ei ole yllättävää, on tekoäly. Kuten muillakin teollisuudenaloilla, on väistämätöntä, että monet entiset ihmistyöt korvataan tekoälyllä. Mutta murehtimisen sijaan tekoälyn uhkaamat työpaikat, tässä tapauksessa sinun tulee miettiä, kuinka tekoäly voi auttaa pitämään toimintasi käynnissä ja henkilöstösi työllistymisessä.

Tässä on vain muutamia tapoja, joilla AI in Manufacturing auttaa lieventämään työvoimapulaa ja mullistamaan tuotteiden valmistusta Yhdysvalloissa:

Robottiautomaatio

Robotteja on käytetty vuosikymmeniä esimerkiksi autoteollisuudessa ja terästehtaissa, joissa ne ovat suorittaneet toistuvia tuotantolattiatoimintoja, kuten raskaita nostoja ja liitoshitsauksia. Nämä tavanomaiset robotit on kuitenkin suunniteltu suorittamaan vain hyvin kapeasti määriteltyjä tehtäviä erittäin ennustettavissa olosuhteissa.

Nykyään tekoälysovellukset, kuten Siemensin Simatic neuroprosessointiyksikkö antavat robottikäsivarsien tarttua ja käsitellä esineitä niiden suunnasta, nopeudesta tai sijainnista riippumatta. Tämä tarkoittaa, että robotit ja "co-botit" (robottiavustajat, jotka on suunniteltu työskentelemään ihmisten rinnalla) voidaan kouluttaa suorittamaan monenlaisia ​​kokoonpanolinjatöitä, aivan kuten ihmisetkin. Autonomous Guided Vehicles (AGV) -ajoneuvot, jotka on varustettu tekoälytoiminnoilla, kuten kartoituksella, pintapoikkeamien havaitsemisella ja esineiden välttämistekniikalla, voivat kuljettaa osia ja valmiita tavaroita varastojen ja tehdaskerrosten läpi lastausmiehistön ja trukkien kuljettajien sijaan.

Yhdessä nämä tekoälyllä toimivat robotti-innovaatiot voivat säästää ainakin 75% työvoimakustannuksista Ihmisten käyttäminen yksin, mahdollistaa 24 tunnin jatkuvan tuotannon ja auttaa välttämään kokoonpanolinjan vaaroista, raskaiden materiaalien käsittelystä ja toistuvista liikkeistä aiheutuvia loukkaantumisia. Ei ihme, että moderni robotiikka ajaa jo a valmistuksen omaisuuden kääntäminen paikoissa, kuten Singaporessa ja Etelä-Koreassa. Miksi ei tehdä samaa Yhdysvalloissa?

Lisäaineiden valmistus

Toinen alue, jolla tekoäly auttaa lievittämään valmistustyövoimapulaa, on 3D-tulostus. Perinteisen lähestymistavan mukaan korkeasti koulutettujen suunnittelijoiden ja insinöörien on hyödynnettävä vuosien kokemusta ja "parhaan arvauksen" lähestymistapaa parhaan suunnitteluratkaisun löytämiseksi. Mutta nyt tekoäly mahdollistaa nopean, luovan lähestymistavan monimutkaisten ja erittäin optimoitujen suunnitteluratkaisujen kehittämiseen, jotka voidaan tuottaa nopeasti 3D-tulostuksen avulla.

Koneoppiminen ohjelmistojärjestelmissä, kuten esimerkiksi Autodeskin Netfabbissa, mahdollistaa valmistajien suunnitteluparametrit ja pyytää tehokkaimpia, tehokkaimpia ja valmistettavimpia vaihtoehtoja. Kun malli on valittu, NNAISENCE:n kaltaisten yritysten tekoäly käyttää neuroverkot ja digitaaliset kaksoset ennakoida, valvoa ja eliminoida vikoja lisäainevalmistusprosessissa, mikä auttaa välttämään kalliita viiveitä ja virheitä. Tekoälyohjelmistoja, kuten Intellegensin Alchemite, voidaan jopa käyttää kuvitella uusia ja eksoottisia materiaaleja soveltuu tiettyihin valmistus- ja tuotekäyttötarpeisiin.

Jos ihmiset suorittaisivat kaikki nämä uskomattoman monimutkaiset toiminnot yksin, ne vaatisivat paljon suurempia korkeasti koulutettujen insinöörien ja suunnittelijoiden ryhmiä ja johtaisivat usein huonompiin tuloksiin.

Machine Vision

Kun kuvittelet valmistuksen kokoonpanolinjan, kuvittelet luultavasti ensin hihnakuljettimen, jossa tuotteita kuljetetaan asemalta toiselle, jolloin ihmistyöntekijät tarkastavat tuotteita niiden matkalla. Useimmissa tuotantoympäristöissä se ei todellakaan ole kaukana totuudesta. Se on toistuvaa, työvaltaista ja virhealtista työtä, mutta se on elintärkeää laadunvarmistusprosessin kannalta.

enter Autonomous Machine Vision (AMV), jota johtavat tekoälyyritykset, kuten Inspekto ja Matroid. Käyttämällä kameroita ja tekoälyä, jotka tunnistavat kokoonpanolinjan tuotteiden muodon, suunnan ja kunnon erilaisissa valaistusolosuhteissa, AMV-järjestelmät voivat laskea ja seurata kohteita, havaita vikoja ja lajitella tuotteet sen mukaan, kun ne kilpailevat ohi. Tämä eliminoi suuren osan ihmissilmien ja käsien tarpeesta laadunvarmistusprosessissa.

Konenäköä voidaan käyttää myös tukemaan pakkaamista, lavaamista ja lastin lastausta, mikä säästää työvoimaa, aikaa ja rahaa. RobitIQ:n ja Spiroflown kaltaisten yritysten ratkaisut voivat määrittää esimerkiksi optimaalisen lavausmenetelmän, jolloin robottikäsivarsi tarttuu ja asettaa laatikot kuormalavoille automaattisesti.

Tuotannon optimointi

Kun tuotantokoneet menevät alas, se vaatii usein erikoistuneita analyysi- ja korjausagentteja, jotka usein lähetetään valmistajalta, mikä maksaa aikaa ja rahaa. Sen lisäksi, että Vantin ja 3DS:n kaltaisten palveluntarjoajien tekoälyä voidaan käyttää valvomaan koneiden ja muotin kulumista niin, että ennaltaehkäisevä huolto voidaan ajoittaa optimaaliseen aikaan, se voi myös valvoa eri tuotteiden ja materiaalien lämpötilaa, kosteutta ja käyttövaihteluita, jotta tuotantokoneet voidaan optimoida vallitsevien olosuhteiden perusteella.

Kun jokin menee pieleen, tekoäly voi analysoida kaikki mahdolliset syyt ja ehdottaa parasta todennäköistä toimintatapaa. Se on asia, jonka vain erittäin kokenut inhimillinen huoltoinsinööri voi tehdä useimmissa tehtaissa.

Mutta kyse ei ole vain kunnossapidosta ja vahinkojen hallinnasta. Tekoälyllä toimivat pilvi- ja reunajärjestelmät, kuten GE:n Brilliant Manufacturing Suite ja Siemensin Mindsphere, pyrkivät yhdistämään ja hallitsemaan koko päästä päähän -tuotantoprosessia suunnittelusta kysynnän suunnitteluun ja materiaalivarastoihin, energiankulutukseen ja loppupelilogistiikkaan.

Tekoälyn tarve tuotannossa on jopa suurempi kuin luulet

Kuvittele antropomorfisia robotteja, joilla on niin laaja valikoima fyysisiä toimintoja ja tekoälyyn perustuva sopeutumiskyky, että ne pystyvät tekemään melkein mitä tahansa manuaalista työtä, jonka ihmiset tällä hetkellä voivat tehdä. Kun näin tapahtuu, mitä eroa kehitysmaiden työvoimakustannuksilla on kilpailuetuna? Tekoälyllä toimivien valmistajien ei tarvitse rekrytoida ja kouluttaa lähes yhtä paljon työntekijöitä. He ovat vähemmän huolissaan seuraavasta pandemiasta ja sulkemisesta. He välttävät monet yhdestä lähteestä johtuvat haasteet, jotka tulivat nykyisen toimitusketjun hallintakriisin yhteydessä. Ja paljon enemmän.

Kun tekoälyjärjestelmät altistuvat yhä enemmän datalle, ne kehittyvät jatkuvasti luoden vauhtipyörävaikutuksen, joka lopettaa liiketoiminnan jos myöhästyt junasta. Tällä vallankumouksella on kuitenkin myös ainutlaatuinen voima nuorentaa amerikkalaista valmistusta kokonaan ja tehdä siitä ehkä jälleen yksi maailman kilpailukykyisimmistä.

Tekoälyvalmistuksen vallankumous tapahtuu juuri nyt, ei jossain käsittämättömässä horisontissa. Tämä työkriisi ei ole ohimenevä ärsytys. Se on osa uutta liiketoimintaympäristöä, jota meidän pitäisi odottaa tulevina vuosina. Valmistajat, jotka pitävät tekoälyä nimellä menestyksen avaintekijä hyötyy kuluvan vuosikymmenen aikana.

Jos välität siitä, kuinka tekoäly ratkaisee liiketoiminnan voittajat ja häviäjät ja kuinka voit hyödyntää tekoälyä organisaatiosi hyödyksi, kehotan sinua pysymään kuulolla. Kirjoitan (melkein) yksinomaan siitä, kuinka ylimmät johtajat, hallituksen jäsenet ja muut yritysjohtajat voivat käyttää tekoälyä tehokkaasti. Voit lukea aiempia artikkeleita ja saada ilmoituksia uusista napsauttamalla "Seuraa" -painiketta täällä.