في عام 1913، أحدث هنري فورد ثورة في صناعة السيارات مع أول خط تجميع متحرك، وهو ابتكار جعل تجميع المركبات الجديدة أسرع وأكثر كفاءة.
وبعد نحو مئة عام، تستخدم شركة فورد الآن الذكاء الاصطناعي لزيادة سرعة خطوط التصنيع الحالية.
ويتضمن مصنع فورد في ولاية ميشيغان، الذي تساعد فيه الروبوتات في تجميع محولات عزم الدوران، الآن نظامًا يستخدم الذكاء الاصطناعي للتعلم من المحاولات السابقة كيفية تحريك القطع في مكانها بأكبر قدر من الكفاءة.
وتستخدم شركة فورد تقنية من شركة ناشئة تسمى Symbio Robotics للاستشعار والتحكم في الذراعين، التي تبحث في المئات من المحاولات الماضية لتحديد الأساليب والحركات التي يبدو أنها تعمل بشكل أفضل.
وتستخدم شركتا تويوتا ونيسان التقنية نفسها لتحسين كفاءة خطوط إنتاجهما.
وتسمح التكنولوجيا لهذا الجزء من خط التجميع بالعمل بشكل أسرع بنسبة 15 في المئة، وهو تحسن كبير في تصنيع السيارات حيث تعتمد هوامش الربح الضئيلة بشكل كبير على كفاءات التصنيع.
وتخطط الشركة لاستكشاف ما إذا كانت تستخدم التكنولوجيا في مصانع أخرى، حيث يمكن استخدام التكنولوجيا في أي مكان يمكن أن يتعلم فيه الحاسب من الشعور بمدى انسجام الأشياء معًا، وهناك الكثير من هذه التطبيقات.
وغالبًا ما يُنظر إلى الذكاء الاصطناعي على أنه تقنية تحولية، لكن تجميع محولات عزم الدوران في مصنع فورد يوضح كيف يمكن للذكاء الاصطناعي أن يتسلل إلى العمليات الصناعية بطرق تدريجية وغير محسوسة في كثير من الأحيان.
وبالرغم من إن صناعة السيارات أصبحت مؤتمتة بشكل كبير، لكن الروبوتات التي تساعد في تجميع المركبات ولحامها وطلائها هي آلات قوية ودقيقة تكرر المهمة نفسها إلى ما لا نهاية مع الافتقار إلى أي قدرة على فهم محيطها أو التفاعل معه.
وتعد إضافة المزيد من الأتمتة أمرًا صعبًا، وتشمل الوظائف التي لا تزال بعيدة عن متناول الآلات مهام، مثل إضافة الأسلاك المرنة إلى خلال لوحة القيادة والجسم في السيارة.
وفي عام 2018، ألقى إيلون ماسك باللوم على قرار الاعتماد بشكل أكبر على الأتمتة في التصنيع، مما تسبب بتأخير إنتاج شركة تيسلا لسيارة Model 3.
ويستكشف الباحثون والشركات الناشئة طرقًا لمنح الروبوتات المزيد من القدرات، على سبيل المثال تمكينهم من إدراك وفهم الأشياء غير المألوفة التي تتحرك على طول أحزمة النقل.
ويوضح مثال فورد كيف يمكن في كثير من الأحيان تحسين الآلات الموجودة من خلال تقديم قدرات استشعار وتعلم بسيطة.
ويتم استخدام الذكاء الاصطناعي بشكل متزايد لمراقبة الجودة في التصنيع، حيث يمكن تدريب خوارزميات الرؤية الحاسوبية على اكتشاف العيوب في المنتجات أو المشكلات في خطوط الإنتاج.
ويتمثل أحد التحديات الرئيسية في أن كل عملية تصنيع فريدة من نوعها وتتطلب استخدام الأتمتة بطرق محددة، كما يجب دمج التكنولوجيا الجديدة في سير العمل دون الإخلال بالإنتاجية.
