Siemens اور NVIDIA جرمنی کے ایرلانگن میں Siemens کی الیکٹرانکس فیکٹری کی حقیقی پیداوار میں صنعتی AI کے دو طریقۂ کار آزما رہے ہیں۔ ایک ڈیجیٹل ٹوئن سے بنائی گئی تصاویر کے ذریعے نئے سرکٹ بورڈ کے بصری معائنے کی تیاری کرتا ہے۔ دوسرا پیداواری شیڈول تجویز کرتا ہے، جن کا انسانی منصوبہ ساز موازنہ اور فیکٹری کی سیمولیشن میں جائزہ لے سکتے ہیں۔ Siemens نے 19 اکتوبر کو ان کاموں کو خودمختار مینوفیکچرنگ کی جانب پیش رفت کے طور پر پیش کیا، ساتھ ہی ایرلانگن کو ترقی اور تجربات کا مقام بتایا۔

اسی طرح کے نظاموں پر غور کرنے والے مینوفیکچررز کے لیے یہ فرق اہم ہے۔ بیان کردہ طریقۂ کار تاخیر کے دو مخصوص اسباب سے نمٹتے ہیں: معائنے کی تیاری سے پہلے حقیقی بورڈ کا انتظار اور آرڈرز یا مواد بدلنے پر پیداواری منصوبوں کو پرکھنا۔ Siemens نے عمل اور ممکنہ فوائد بیان کیے ہیں، مگر ایسا مطالعہ شائع نہیں کیا جس سے باہر کے لوگ بچت یا دوسرے کارخانوں میں نظاموں کی کارکردگی کا جائزہ لے سکیں۔

پہلے بورڈ سے قبل معائنے کی تیاری ہو سکتی ہے

ایرلانگن پلانٹ صنعتی ڈرائیوز اور فریکوئنسی کنورٹر بناتا ہے جن میں پرنٹڈ سرکٹ بورڈ اسمبلیاں ہوتی ہیں۔ Siemens کے 19 اکتوبر کے اعلان کے مطابق، پہلے کسی نئی اسمبلی کے معائنے کی تیاری کے لیے حقیقی پروٹوٹائپ کا انتظار کرنا پڑتا تھا، پھر وژن سسٹمز کی تربیت اور معائنے کے آلات کی ترتیب طے کی جاتی تھی۔ اس میں کئی ہفتے لگ سکتے تھے۔

نئے طریقۂ کار میں مجوزہ بورڈ کا ڈیجیٹل ٹوئن معائنے کی تیاری کے لیے تصویر جیسی حقیقت پسندانہ تصاویر بنانے کی بنیاد بنتا ہے۔ Siemens کی تقریب کی حقائق نامہ دستاویز کہتی ہے کہ NVIDIA Cosmos ورلڈ ماڈلز ممکنہ نقائص والے اور بغیر نقائص والے بورڈ کی تصاویر بنانے میں مدد دیتے ہیں۔ انجینئر حقیقی پروٹوٹائپ بننے سے پہلے ان تصاویر سے معائنے کے آلات کو تربیت دے سکتے ہیں۔ اعلامیہ تصویر سازی کو NVIDIA Cosmos سے منسوب کرتا ہے؛ نتیجے میں بننے والے معائنہ نظام کا تربیتی ڈیٹا، نقائص کی کوریج یا غلطی کی شرح ظاہر نہیں کرتا۔

Siemens کا کہنا ہے کہ پیداوار کی یہ مجازی تیاری نئی بورڈ اسمبلیوں کے لیے انجینئرنگ کی محنت 85% تک اور مارکیٹ تک پہنچنے کا وقت 40% تک کم کر سکتی ہے۔ یہ کمپنی کے بتائے ہوئے ممکنہ فوائد ہیں۔ اعلامیے میں دونوں اعداد کے لیے موازنے کا طریقہ یا آزادانہ طور پر تصدیق شدہ نتیجہ نہیں دیا گیا۔ انہیں ایرلانگن میں متعارف ہونے والی ہر مصنوعے میں ناپی گئی بہتری نہیں سمجھنا چاہیے۔

ایجنٹ منصوبے دیتا ہے، انتخاب لوگ کرتے ہیں

دوسرا طریقۂ کار پیداوار کی منصوبہ بندی سے متعلق ہے۔ نیا آرڈر لائن کی گنجائش، مواد کی دستیابی، لاگت اور ترسیل کی تاریخوں کا توازن بدل سکتا ہے۔ Siemens کے مطابق ایک AI ایجنٹ کئی منظرنامے بناتا ہے اور متعین کلیدی کارکردگی اشاریوں سے ان کے اثرات دکھاتا ہے۔ منصوبہ ساز متبادل دیکھ کر منصوبہ منتخب کرتے ہیں؛ عمل درآمد سے پہلے مجوزہ منصوبہ فیکٹری کے ڈیجیٹل ٹوئن پر جانچا جاتا ہے۔ حقائق نامہ NVIDIA Factory Operations Blueprint سے بنے Siemens Intelligence Center X Agents کا نام لیتا ہے اور جانچ کو طبیعیات پر مبنی سیمولیشن قرار دیتا ہے۔ اعلامیے کے مطابق NVIDIA Omniverse لائبریریاں حقیقی فیکٹری ڈیٹا کے ساتھ مجازی تجربات کی معاونت کرتی ہیں۔

یہ بیان اپنے عملی فیصلے خود کرنے والی فیکٹری کی نسبت محدود ہے۔ عوامی مواد میں ایجنٹ کی تجاویز، سیمولیشن کی جانچ اور انسانی نگرانی کی وضاحت ہے۔ اس میں یہ نہیں کہا گیا کہ نظام آزادانہ شیڈول منظور کرتا، آلات کی ترتیبات بدلتا یا منصوبہ سازوں کے بغیر ایرلانگن چلاتا ہے۔ Siemens کا کہنا ہے کہ منصوبہ بندی کا یہ طریقہ لاگت میں 20% تک بچت ممکن بنا سکتا ہے، جس میں حقائق نامے کے مطابق سرمائے اور فوری کام کے اخراجات شامل ہیں۔ کمپنی نے اس اندازے کے لیے عوامی تقابلی بنیاد، پیمائش کا دورانیہ یا آزاد آڈٹ فراہم نہیں کیا۔

بڑی تبدیلی

جنوری میں اعلان کردہ شراکت داری نے مکمل طور پر AI سے چلنے والے، حالات کے مطابق ڈھلنے والے پیداواری مقامات بنانے کا ہدف رکھا تھا، جس کی ابتدا ایرلانگن کو نمونہ بنا کر ہونی تھی۔ اکتوبر کی تازہ معلومات دو ٹھوس طریقۂ کار پیش کرتی ہیں جنہیں مشترکہ طور پر بنایا اور حقیقی پیداوار میں آزمایا جا رہا ہے: معائنے کی تیاری کے لیے بورڈ کی مصنوعی تصاویر، اور ایسا ایجنٹ جس کے منصوبہ بندی کے متبادل انسانوں کے عمل سے پہلے فیکٹری کے ٹوئن میں جانچے جاتے ہیں۔ عملی تبدیلی یہ ہے کہ حقیقی بورڈ یا ترمیم شدہ پیداواری منصوبہ لائن تک پہنچنے سے پہلے ٹیمیں بعض فیصلوں کی مجازی تیاری اور جانچ کر سکتی ہیں۔

دوسرے مینوفیکچررز کے لیے ایرلانگن یہ دکھاتا ہے کہ Siemens اور NVIDIA ان اوزاروں کو کہاں استعمال کر رہے ہیں، یہ بڑے پیمانے پر خودمختار فیکٹری کے ثابت ہونے کا ثبوت نہیں۔ طریقۂ کار کو دہرانا درست مصنوعات اور فیکٹری ماڈلز، پیداواری ڈیٹا، معائنے کی توثیق اور مقامی عملی کنٹرولز پر منحصر ہوگا۔ کمپنیوں نے کافی عمل درآمد یا نتائج کا ڈیٹا شائع نہیں کیا جس سے بیان کردہ مقام سے باہر اس طریقے کی لاگت، بھروسہ مندی یا منتقلی کی صلاحیت ثابت ہو۔ BIG CHANGE نے دونوں میں سے کسی طریقۂ کار کو نہیں آزمایا۔

ذرائع اور مزید مطالعہ