ایجاد و توسعه زیرساخت داده کارخانه هوشمند برای مدیریت حجم عظیم داده های حسگرها و استفاده از هوش مصنوعی، پیش شرط اصلی تحول در صنایع تولیدی و خودکارسازی مدرن است.
شعار «اتم، نه بیت!» عبارتی که نشون دهنده وسواس رو به رشد سیلیکون ولی به تولید فیزیکی و هوش مصنوعی فیزیکی و ربات های هوشمند نسبت به محصولات دیجیتاله هفته گذشته با خبری مبنی بر اینکه جف بزوس داره یه صندوق 100 میلیارد دلاری برای تجمیع و خودکارسازی کارخونه ها راه می ندازه، حسابی داغ شد. این تحولات نشان دهنده اهمیت روزافزون زیرساخت داده کارخانه هوشمند در دنیای تولید است.
اما خودکارسازی کارخونه ها فقط یه مسئله سخت افزاری نیست. این موضوع هر روز بیشتر به نرم افزارهای پیچیده و ابزارهای هوش مصنوعی وابسته می شه و این تغییر داره شکل شرکت هایی که زیرساخت داده کارخانه هوشمند را می سازند، عوض می کنه.
نقش نرم افزار در زیرساخت داده کارخانه هوشمند
کارتیک گولاپودی، مدیرعامل Sift Stack، شرکتی در ال سگوندو کالیفرنیا که ابزارهاش از طراحی و تولید ماشین آلات پیچیده مثل فضاپیماها و خودروها پشتیبانی می کنه، به خوبی این تغییرات رو حس می کنه. اون می گه این تحولات باعث شده تمرکز شرکتش در شش ماه گذشته کلا عوض بشه.
گولاپودی و هم بنیان گذارش، آستین اشپیگل (مدیر فناوری)، این شرکت رو در سال 1401 بعد از کار روی ابزارهای نرم افزاری در اسپیس اکس تاسیس کردن؛ ابزارهایی که حجم عظیمی از داده های تله متری (اطلاعات عملکردی لحظه ای که از حسگرهای قطعات فیزیکی ارسال می شن) رو در زمان تست، تولید و پرتاب مدیریت می کردن.
بیشتر شرکت هایی که ماشین آلات پیشرفته می سازن، از ابزارهای پایگاه داده آماده استفاده می کنن یا خودشون کدهای پایتون می نویسن، اما Sift این فرصت رو دید که بهترین ابزار ممکن رو در اختیار این شرکت ها قرار بده. مشتری های اون ها از «یونایتد لانچ آلیانس»، یکی از بزرگترین سازنده های موشک در آمریکا و بقیه پیمانکاران دفاعی گرفته تا استارتاپ های رباتیک و مدیریت شبکه برق رو شامل می شه.
با این حال، گولاپودی می گه که ورود ابزارهای هوش مصنوعی برای تحلیل داده ها، کسب وکارش رو مجبور به تغییر کرده. جریان های کاری سفارشی سازی شده ای که زمانی ویژگی منحصر به فرد این شرکت بود، حالا در دنیای هوش مصنوعی و مدل های یادگیری عمیق به یه نیاز پایه تبدیل شده. اما در مقابل، توانایی شرکت در مدیریت زیرساخت داده کارخانه هوشمند ناگهان ارزش خیلی بیشتری پیدا کرده.
اهمیت مدیریت زیرساخت داده کارخانه هوشمند با هوش مصنوعی
گولاپودی به تک کرانچ گفت: «چشم انداز بلندمدتی که برای پنج سال آینده داشتیم، در واقع همین امسال داره محقق می شه.»
این یعنی مدیریت جریان شدید داده ها از ماشین آلات نرم افزارمحور امروزی. بعضی از وسایلی که این شرکت باهاشون کار می کنه، بیش از 1.5 میلیون حسگر دارن که هم زمان داده ها رو در قالب ها و مقیاس های زمانی مختلف ارسال می کنن. این جریان داده اساس زیرساخت داده کارخانه هوشمند را تشکیل می دهد.
هدف این شرکت سازماندهی و ذخیره این داده ها برای کاربردهای هوش مصنوعی است. گولاپودی گفت: «بخش زیادی از ارزش کار در اینه که داده ها رو برای ماشین قابل خوندن کنیم.» این امر برای بهره برداری کامل از زیرساخت داده کارخانه هوشمند ضروری است. اگه قراره ایجنت های هوش مصنوعی برای تولید تصمیم بگیرن یا داده های تست رو برای پیدا کردن مشکلات احتمالی تحلیل کنن، هدف Sift اینه که این داده ها رو براشون آماده کنه.
جف دکستر، معاون نرم افزار در Astranis (شرکتی ماهواره ای که از Sift برای مدیریت تست، تولید و عملیات استفاده می کنه)، گفت که یک زیرساخت داده کارخانه هوشمند قوی برای شرکت هایی مثل اون ها که ممکنه در روز 10 میلیون تست نرم افزاری خودکار انجام بدن، واقعا حیاتیه.
دکستر گفت: «در نهایت کار به جایی می رسه که فقط برای ذخیره سازی داده ها باید ماهانه میلیون ها دلار هزینه کنیم. واقعا آدم از خودش می پرسه که آیا این هزینه درست صرف شده؟ با فناوری مثل Sift، که بهینه سازی زیرساخت داده کارخانه هوشمند را هدف قرار می دهد، من دیگه نگران حجم داده ها نیستم.»
گولاپودی به تک کرانچ گفت که Sift در سال 1404 موفق به جذب 42 میلیون دلار در سری B با ارزش گذاری 274 میلیون دلاری شده که توسط StepStone و با مشارکت GV (بخش سرمایه گذاری گوگل)، Riot Ventures، Fika Ventures و CIV انجام شده.
دنیای تولید با سرعت به سمت دیجیتالی شدن کامل پیش می رود و در این مسیر، شرکت هایی که بتوانند داده های پراکنده را به بینش های عملی تبدیل کنند، برنده رقابت خواهند بود. زیرساخت های نرم افزاری اکنون ستون فقرات کارخانه های آینده هستند و توانایی تطبیق با مدل های هوشمند، مرز بین موفقیت و شکست در تولیدات پیچیده را تعیین می کند.
