چه کسی آینده کنترل صنعتی را تعیین خواهد کرد: الگوریتم‌ها یا مهندسان؟

در بحث‌های مربوط به اتوماسیون صنعتی، هوش مصنوعی (AI) اغلب به‌عنوان نیرویی مخرب توصیف می‌شود که جایگزین نقش‌های مهندسی سنتی می‌گردد. به‌ویژه مهندسان PLC معمولاً محور این بحث‌ها هستند. با این حال، این دیدگاه بیش از حد ساده‌انگارانه است و واقعیت‌های کارخانه‌ها و تیم‌های مهندسی را نادیده می‌گیرد.

واقعیت این است که جایگزینی نقش‌ها رخ نمی‌دهد، بلکه توزیع مسئولیت‌ها تغییر می‌کند. اگرچه هوش مصنوعی در حال تغییر نحوه توسعه سیستم‌های کنترل صنعتی است، اما مهندسان همچنان مسئول تعیین اصول عملیاتی و کارایی این سیستم‌ها هستند.

فشرده‌سازی نقش‌ها در اتوماسیون صنعتی

در طول تاریخ، کنترل صنعتی تقسیم‌بندی واضحی از کار داشته است: PLCها منطق قطعی را اجرا می‌کنند، مهندسان این منطق را طراحی و نگهداری می‌کنند، و ابزارهای نرم‌افزاری صرفاً به‌عنوان ابزارهای کمکی توسعه عمل می‌کنند. این مدل در دوره‌هایی که محیط‌های تولید پایدار بودند و پیچیدگی سیستم‌ها به‌آهستگی افزایش می‌یافت، به‌خوبی عمل می‌کرد.

امروزه سیستم‌های صنعتی با تغییرات مکرر پیکربندی، اهداف سخت‌گیرانه‌تر بهره‌وری و نیازهای فزاینده‌تر برای ادغام داده‌ها مواجه هستند. در این زمینه، جریان‌های کار مهندسی — نه سخت‌افزار — محدودیت اصلی هستند. چالش امروز دیگر این نیست که آیا PLC قادر به کنترل ماشین است یا خیر، بلکه این است که آیا تیم مهندسی می‌تواند با تحولات سیستم همگام باشد یا خیر.

هوش مصنوعی دقیقاً برای مقابله با این فشار ظهور کرده است، نه برای جایگزینی تخصص انسانی.

ورودی مهندسی دیگر متناسب با ارزش مهندسی تولیدشده نیست.

در بسیاری از پروژه‌های اتوماسیون، بخش قابل توجهی از زمان مهندسی صرف وظایف لازم اما کم‌هوشمند می‌شود. ایجاد منطق تکراری، تنظیم الگوهای استاندارد، بررسی تطبیق سیگنال‌ها و به‌روزرسانی مستندات، همگی منابع قابل توجهی را مصرف می‌کنند.

این وظایف ساختارمند، مبتنی بر الگو و قابل تکرار هستند و بنابراین برای کمک‌گیری از هوش مصنوعی بسیار مناسب‌اند. با اینکه ابزارهای هوش مصنوعی ساختارهای اولیه کنترلی را تولید یا ناهماهنگی‌ها را در مراحل اولیه شناسایی می‌کنند، مهندسان زمان خود را صرفه‌جویی می‌کنند بدون اینکه از کنترل خود بر فرآیند بکاهند.

تغییر در ارزش ایجادشده آشکار است: زمان کمتری صرف ساخت منطق می‌شود و زمان بیشتری صرف ارزیابی سیستم می‌گردد.

هوش مصنوعی نقطه ورود را تغییر می‌دهد، نه نقطه خروج.

یکی از مزایای عمده توسعه PLC با کمک هوش مصنوعی، تسریع سرعت آموزش و ورود مهندسان جدید به پروژه است. حتی مهندسان جوان اکنون قادرند وظایفی را انجام دهند که قبلاً نیازمند دانش عمیق از محیط‌های اختصاصی تأمین‌کنندگان بودند. با این حال، این به معنای ضروری‌بودن مهندسان ارشد نیست؛ بلکه نحوه به‌کارگیری تخصص آن‌ها را تغییر می‌دهد.

مهندسین ارشد به‌طور فزاینده‌ای نقش‌هایی مانند بازبین (reviewer)، معمار سیستم (system architect) و مدیر ریسک (risk manager) را بر عهده می‌گیرند. نقش آن‌ها از نوشتن کد خط به خط به سمت تأیید رفتار سیستم در محیط‌های واقعی جابه‌جا شده است. هوش مصنوعی اجرای فرآیندها را تسریع می‌کند، اما قضاوت همچنان نیازمند عنصر انسانی است.

استراتژی‌های تأمین‌کنندگان در حال هدایت تغییرات هستند.

ادغام هوش مصنوعی (AI) در پلتفرم‌های کنترل صنعتی، انعکاسی از ملاحظات استراتژیک گسترده‌تر است. با کاهش تمایز سخت‌افزاری PLCها، قابلیت اطمینان دیگر محور رقابتی نیست. بنابراین تأمین‌کنندگان تمرکز خود را بر محیط مهندسی، اکوسیستم‌های نرم‌افزاری و تعامل بلندمدت با کاربران قرار داده‌اند.

هوش مصنوعی این اکوسیستم‌ها را با درج دانش مهندسی انباشته‌شده در ابزارهایی که قابلیت اعمال در طیف گسترده‌ای از پروژه‌ها را دارند، تقویت می‌کند. سیمنس اینداستریال کوپایلت (Industrial Copilot) نمونه‌ای بارز از این امر است؛ نه به دلیل نوآوری آن، بلکه به این دلیل که روند تبدیل دانش مهندسی به نرم‌افزار قابل استفاده مجدد را به‌صورت رسمی تثبیت کرده است. این تحول نه‌تنها به تأمین‌کنندگان و کاربران کمک می‌کند، بلکه انتظارات از متخصصان را نیز بازتعریف می‌نماید.

افزایش کارایی به معنای واگذار کردن مسئولیت نیست.

ابزارهای هوش مصنوعی می‌توانند گردش کارهای مهندسی را تسریع کنند، اما مسئولیت نتایج سیستم را بر عهده نمی‌گیرند. اتوماسیون صنعتی در محیط‌های فیزیکی عمل می‌کند و خرابی‌ها پیامدهای ملموسی دارند، مانند آسیب به تجهیزات، توقف تولید و خطرات ایمنی.

هوش مصنوعی مسئول عیب‌یابی تجهیزات، پاسخ به ناهنجاری‌های محلی یا اتخاذ تصمیمات نهایی عملیاتی نیست. مهندسان همچنان مسئول هر جنبه‌ای از عملکرد سیستم هستند. این مسئولیت اساسی را نمی‌توان با اتوماسیون جایگزین کرد.

تغییر بهره‌وری به سمت تفکر سیستمی

سازمان‌هایی که از ابزارهای مهندسی کمک‌شده توسط هوش مصنوعی استفاده کرده‌اند، گزارش داده‌اند که تخصیص اولویت‌های کاری به‌طور قابل‌توجهی تغییر کرده است. تیم‌ها زمان کمتری را صرف پیکربندی می‌کنند و زمان بیشتری را صرف تحلیل عملکرد، بهبود فرآیندها و بهینه‌سازی چرخه عمر می‌کنند.

مهندسان دیگر این سؤال را مطرح نمی‌کنند: «چگونه می‌توانم این منطق را سریع‌تر بنویسم؟» بلکه این سؤال را مطرح می‌کنند: «این سیستم در بلندمدت چگونه باید عمل کند؟» این تغییر نقش مهندسان را تقویت می‌کند، نه اینکه آن را کاهش دهد.

یک لبه رقابتی جدید

با ارزش‌ترین متخصصان اتوماسیون امروز دیگر تنها بر اساس مهارت‌های برنامه‌نویسی‌شان تعریف نمی‌شوند. مزیت رقابتی امروز در ترکیب دانش تخصصی با کاربرد انتقادی ابزارهای هوش مصنوعی قرار دارد.

این مهندسان درک می‌کنند که چگونه خروجی تولیدشده توسط هوش مصنوعی را اعتبارسنجی کنند، چگونه آن را در محیط‌های صنعتی خاص به کار ببرند و چگونه از انطباق با استانداردها و الزامات ایمنی اطمینان حاصل کنند. هوش مصنوعی این توانایی‌ها را تکمیل می‌کند، نه جایگزین آن‌ها می‌شود.

جایگاه هوش مصنوعی

تصویرسازی هوش مصنوعی و مهندسان PLC به عنوان نیروهای متضاد، روایتی گمراه‌کننده ایجاد می‌کند. خودکارسازی صنعتی همواره از طریق ابزارهای بهتر همراه با متخصصان ماهر پیشرفت کرده است.

هوش مصنوعی وظایف مهندسی را تسریع می‌کند. مهندسان اطمینان حاصل می‌کنند که سیستم‌ها در دنیای واقعی به‌صورت قابل اعتمادی عمل می‌کنند. وجود یکی بدون دیگری کافی نیست.

کنترل همچنان مسئولیتی انسانی باقی می‌ماند

آینده کنترل صنعتی نه تنها توسط الگوریتم‌ها تعیین خواهد شد و نه تنها با حفظ سنت‌ها حفظ می‌شود؛ بلکه توسط مهندسانی شکل می‌گیرد که درک کافی از نحوه ادغام هوش مصنوعی بدون واگذار کردن مسئولیت دارند.

در این آینده، هوش مصنوعی به انجام کارهای تکراری و تشخیص الگوها می‌پردازد. مهندسان مسئولیت قضاوت، پاسخگویی و نوآوری را بر عهده دارند. شخصیت اصلی خودکارسازی صنعتی نه فناوری یا شغلی خاص، بلکه همکاری بین این دو است.