از کارخانه متصل تا کارخانه متفکر

به گزارش می‌متالز، صنعت فولاد به عنوان یکی از پیشران‌های اصلی اقتصاد و صنعت کشور، امروز در آستانه یک تصمیم حیاتی قرار دارد؛ ماندن در مدار سنتی یا همگام شدن با شتاب سرسام‌آور فناوری‌های نوین. در این میان، شرکت فنی مهندسی «ایریسا» به عنوان بازوی تکنولوژیک و معمار تحول دیجیتال در گروه فولاد مبارکه، نقشی فراتر از یک پیمانکار نرم‌افزاری ساده ایفا می‌کند. ایراسین در همین راستا و به مناسبت سالگرد شرکت ایریسا میزگردی تخصصی با موضوع «گذار بزرگ: تحول دیجیتال در صنعت فولاد» با حضور امین گوهرآرا، مدیر تحول دیجیتال ایریسا، پریسا کارشناس، مدیر امور پروژه‌های تحول دیجیتال ایریسا، فرزانه طاهری، مدیر گروه هوش مصنوعی ایریسا و عبدالله مشیری، مدیر راهکار‌های فناوری‌های نوظهور بخش تحول دیجیتال ایریسا برگزار کرد تا ابعاد، چالش‌ها و متدولوژی‌های عملیاتی این کلان‌پروژه ملی را بررسی کند. مشروح این میزگرد را در ادامه می‌خوانید:

خرید فناوری به معنای تحول دیجیتال نیست

نشست با طرح یک پرسش کلیدی از سوی امین گوهرآرا، مدیر تحول دیجیتال شرکت ایریسا آغاز شد؛ اینکه امروزه همه سازمان‌ها از مفاهیمی، چون هوش مصنوعی، اینترنت اشیاء (IoT)، دوقلوی دیجیتال و دیگر فناوری‌های نوظهور صحبت می‌کنند، اما آیا صرفاً خرید و استقرار این فناوری‌ها به معنای تحقق تحول دیجیتال است؟

گوهرآرا با رد این انگاره سنتی تأکید کرد: خرید فناوری به تنهایی تحول دیجیتال ایجاد نمی‌کند. این ابزار‌ها زمانی ارزش پیدا می‌کنند که مستقیماً در خدمت حل چالش‌های واقعی کسب‌وکار، کاهش هزینه‌ها، افزایش بهره‌وری فرآیند‌ها و ایجاد یک دستیار هوشمند برای تصمیم‌گیری مدیران ارشد باشند.

از الگوبرداری جهانی تا نقشه راه بومی تحول دیجیتال

در ادامه این میزگرد، پریسا کارشناس، مدیر امور پروژه‌های تحول دیجیتال شرکت ایریسا، به تشریح گام‌های اساسی سازمان‌ها برای ورود به مسیر تحول دیجیتال پرداخت.

وی با تأکید بر اینکه امروز تجربه‌های ارزشمند جهانی در این حوزه در دسترس است، اظهار داشت:در ایران نیازی به اختراع دوباره چرخ یا توسعه فناوری‌های پایه از نقطه صفر وجود ندارد. آنچه اهمیت دارد، بهره‌گیری هوشمندانه از تجربه‌های موفق جهانی و بومی‌سازی آنها متناسب با نیاز‌ها و شرایط صنعت کشور است. در عین حال، باید توجه داشت که تحول دیجیتال صرفاً اجرای چند پروژه فناوری اطلاعات یا پیاده‌سازی چند ابزار نرم‌افزاری نیست؛ بلکه یک برنامه جامع تحول کسب‌وکار است که فناوری، داده، فرآیندها، سرمایه انسانی، فرهنگ سازمانی و مدل حکمرانی را به‌صورت یکپارچه در بر می‌گیرد. به همین دلیل، موفقیت در این مسیر نیازمند نگاه کلان، برنامه‌ریزی مرحله‌ای و همسویی تمامی اجزای سازمان با اهداف کسب‌وکار است.

وی در تشریح فرآیند تدوین نقشه راه (Roadmap) تحول دیجیتال سازمان‌ها افزود:نخستین گام، مطالعه و الگوبرداری از شرکت‌های پیشرو جهان و انجام بنچ‌مارک با سازمان‌های موفقی است که در مجمع جهانی اقتصاد (World Economic Forum) به عنوان کارخانه‌های پیشرو یا Lighthouse شناخته می‌شوند؛ شرکت‌هایی نظیر POSCO کره جنوبی و Tata Steel هند. پس از آن، با ارزیابی دقیق استراتژی‌های سازمان، اهداف کسب‌وکار، وضعیت موجود و میزان آمادگی سازمان، فرآیند سنجش بلوغ دیجیتال انجام می‌شود. نتایج این ارزیابی، مبنای تدوین یک نقشه راه دو تا سه‌ساله قرار می‌گیرد که در آن مجموعه‌ای از پروژه‌های اولویت‌دار شامل پروژه‌های زیرساختی، پروژه‌های داده‌محور و هوش مصنوعی، به همراه الزامات معماری، حاکمیت و یکپارچگی فناوری، تعریف و اولویت‌بندی می‌شوند. موفقیت این برنامه نیز در گرو مدیریت یکپارچه این پورتفولیو و هم‌راستا نگه داشتن تمامی پروژه‌ها با اهداف کسب‌وکار است. "

متدولوژی بومی‌سازی‌شده؛ تلفیق استاندارد‌های جهانی با نیاز‌های صنعت ایران

مدیر امور پروژه‌های تحول دیجیتال ایریسا، بومی‌سازی چارچوب‌های بین‌المللی را یکی از عوامل کلیدی موفقیت پروژه‌های تحول دیجیتال در کشور دانست و اظهار کرد:در ایریسا، پس از مطالعه و بررسی جامع متدولوژی‌های مطرح جهان و انطباق آنها با ویژگی‌ها، محدودیت‌ها و الزامات صنعت فولاد ایران، موفق به طراحی و توسعه یک متدولوژی بومی برای اجرای پروژه‌های تحول دیجیتال شده‌ایم. این متدولوژی ضمن بهره‌گیری از تجربیات موفق جهانی، پاسخگوی نیاز‌های واقعی صنایع داخلی نیز هست.

در این چارچوب، از استاندارد‌های بین‌المللی نظیر TOGAF در حوزه معماری سازمانی، ITIL ۴ برای مدیریت خدمات فناوری اطلاعات (ITSM)، COBIT در حوزه حاکمیت فناوری اطلاعات و همچنین سایر چارچوب‌های تخصصی مرتبط با مدیریت داده، امنیت اطلاعات و مدیریت پروژه به عنوان اجزای مکمل استفاده می‌شود تا سازمان‌ها بتوانند تحول دیجیتال را به‌صورت نظام‌مند، مرحله‌ای و پایدار اجرا کنند.

نسخه واحدی وجود ندارد؛ تفاوت مگافکتوری‌ها با صنایع کوچک

یکی از چالش‌های رایج در سازمان‌های صنعتی و کارخانجات، تمایل به الگوگیری صرف از تجربه‌های موفق سایر شرکت‌ها، بدون توجه به ابعاد، زیرساخت‌ها و اقتضائات درونی هر سازمان است. در همین زمینه، عبدالله مشیری، مدیر راهکار‌های تکنولوژی و فناوری‌های نوظهور بخش تحول دیجیتال ایریسا، با اشاره به تفاوت‌های بنیادین معماری دیجیتال در مقیاس‌های مختلف سازمانی، تصریح کرد که هر سطح از بلوغ و اندازه کسب‌وکار، نیازمند رویکردی متناسب و اختصاصی است.

به گفته او، در بنگاه‌های کوچک مهم‌ترین گام، گذار از فرآیند‌های کاغذی و سنتی و حرکت به سمت استقرار پلتفرم‌های پایه دیجیتال‌سازی است. در شرکت‌های متوسط، تمرکز اصلی بر یکپارچه‌سازی و همگرایی داده‌ها در بستر‌های مشترک سازمانی قرار دارد تا اطلاعات تولیدشده در کف کارخانه یا اصطلاحا یا Shopfloor بتوانند به‌صورت ساختاریافته استخراج و در مدل‌های تحلیلی و هوش مصنوعی مورد استفاده قرار گیرند. اما در مگافکتوری‌هایی مانند فولاد مبارکه، مساله از جنس دیگری است؛ جایی که با تنوع گسترده‌ای از پروتکل‌های ارتباطی و جزیره‌های اطلاعاتی متعدد با پروتکل‌ها و برند‌های گوناگون در لایه‌های PLC، SCADA، MES و ERP مواجه هستیم و چالش اصلی، عبور از این پراکندگی و حرکت به سمت معماری یکپارچه‌ای است که هم‌زمان میان فناوری اطلاعات و فناوری عملیاتی همگرایی ایجاد کند. هدف کلان دسترسی به یک Enterprise Bus مشترک می‌باشد تا بتوان یک Data lakehouse ارزشمند برای کار‌های آنالیتیک و AI از کف عملیاتی کارخانه تا سطح ERP ایجاد نمود.

مشیری با تأکید بر پیاده‌سازی مدل‌های مرجع هوشمندسازی نظیر RAMI ۴.۰ و ارتقاء استاندارد‌های سلسله مراتبی فعلی مثل ISA-۹۵ گفت: انتقال فرمول یا نسخه یک شرکت به شرکت دیگر بدون ارزیابی وضعیت موجود (AS-IS) محکوم به شکست است. هر کارخانه بسته به مقیاس، زنجیره ارزش محصول و معماری فنی خود، نیازمند طراحی مدل اختصاصی تحول دیجیتال هم در لایه OT و هم در لایه IT و همگرایی آنها میباشد، جوری که فناوری‌های نوظهور IT در سمت OT کاملا نمود کرده و قابل استفاده شود، و نباید با این اشتباه شود که در صورت ارتقا فناوری‌های IT، از سمت OT غافل شده و همگرایی استاندارد صنعت ۴.۰ صورت نپذیرد.

هوش مصنوعی؛ بازوی توانمند پیش‌بینی و بهینه‌سازی

در بخش دیگری از این نشست گوهرآرا با طرح سوالی کلیدی رو به مدیر گروه هوش مصنوعی این شرکت، چالش انتظارات غیرواقعی از این فناوری را مطرح کرد و گفت: تا صحبت از تحول دیجیتال می‌شود، ذهن‌ها سریعاً به سمت هوش مصنوعی می‌رود؛ از بکارگیری چت‌بات‌های رایج جهانی گرفته تا پروژه‌هایی تصمیم یار در تمام حوزه‌ها که شرکت‌های داخلی و خارجی مدعی اجرای آنها هستند. جایگاه واقعی هوش مصنوعی در صنعت فولاد کجاست و اگر سازمانی بخواهد به این سمت حرکت کند، چه پیش‌نیاز‌هایی را باید فراهم آورد؟

فرزانه طاهری، مدیر گروه هوش مصنوعی ایریسا در پاسخ به این پرسش، با مرزبندی میان کاربرد‌های عمومی و صنعتی این فناوری تشریح کرد: هوش مصنوعی در صنعت فراتر از ابزار‌های چت یا پردازش متن متداول است؛ ما اینجا با هسته سخت تولید و بهینه‌سازی فرآیند‌های پیچیده سروکار داریم. همان‌طور که سایر مدیران پنل نیز اشاره کردند، لازمه ورود موفق به این حوزه، پرهیز از اقدامات شتاب‌زده است. پیش از هرگونه سرمایه‌گذاری عملیاتی، باید یک فرآیند تحقیق و توسعه دقیق و علمی شکل بگیرد.

وی در خصوص ضرورت ارزیابی آمادگی سازمان‌ها پیش از اجرای پروژه‌های هوش مصنوعی افزود:نمیتوان بدون داشتن یک نقشه‌راه (Roadmap) مشخص و ارزیابی دقیق سطح بلوغ داده‌ای سازمان، به سراغ الگوریتم‌های پیچیده رفت. پیش‌نیاز اصلی اجرای این پروژه‌ها، وجود داده‌های باکیفیت، پیوسته و ساختاریافته است. تا زمانی که زیرساخت جمع‌آوری داده‌ها اصلاح نشود و سازمان نداند در کدام بخش از فرآیند تولید به دنبال ارزش‌آفرینی و حل مساله است، پروژه‌های هوش مصنوعی به خروجی ملموس و پایدار نخواهند رسید.

پایان عصر پروژه‌های جزیره‌ای؛ پلتفرم داده ضرورت مگافکتوری‌ها

مدیر گروه هوش مصنوعی ایریسا، در ادامه واکاوی مسیر هوشمندسازی، بر یک اشتباه استراتژیک در سازمان‌ها دست گذاشت و گفت:بسیاری تصور می‌کنند با تعریف چند پروژه پراکنده مثل دستیار هوشمند یا آواتار، اجرای پروژه‌های تعمیرات پیش بینانه (که بیشتر پایش وضعیت تصمیم یار هستند تا پیش بینانه) سازمان به سمت هوشمند شدن حرکت کرده است؛ اما واقعیت این است که در سازمان‌های بزرگ (Enterprise)، دیگر تعریف پروژه‌های مجزا و جزیره‌ای در حوزه‌هایی نظیر نگهداری و تعمیرات یا کنترل کیفیت، پاسخگوی نیاز‌ها نیست.

وی با معرفی «پلتفرم داده» به عنوان قلب تپنده تحول دیجیتال افزود: ما نیازمند یک زیرساخت متمرکز هستیم که کل مجموعه داده‌های کارخانه را در قالبی یکپارچه ذخیره کرده و یک “دریچه واحد” به داده‌ها ایجاد کند. این زیرساخت پلتفرمی به ما اجازه می‌دهد هر زمان که نیاز به تعریف پروژه جدیدی بود، فرآیند آموزش مدل‌های هوش مصنوعی را با سرعت و کیفیت بسیار بالاتری انجام دهیم. در واقع، پلتفرم داده مسیر توسعه را هموار و مدیریت پروژه‌ها را متمرکز می‌کند.

طاهری بر این نکته نیز تأکید کرد که نسخه واحدی برای همه وجود ندارد: در رودمپ اولیه بررسی می‌شود که آیا یک سازمان کوچک باید با پروژه‌های زودبازده (Quick Wins) شروع کند، یا به دلیل ابعاد بزرگ و بلوغ سازمانی، حتماً باید از همان ابتدا روی پروژه‌های زیرساختی سرمایه‌گذاری نماید.

ایریسا؛ از مجری پروژه تا معمار اکوسیستم تحول دیجیتال

در ادامه این میزگرد، پریسا کارشناس، مدیر امور پروژه‌های تحول دیجیتال ایریسا، به نقش راهبردی این شرکت در توسعه زیست‌بوم تحول دیجیتال صنعت فولاد اشاره کرد و گفت:زمانی که با مجموعه‌ای در مقیاس گروه فولاد مبارکه مواجه هستیم، مأموریت ایریسا فراتر از اجرای پروژه‌های فناوری اطلاعات است و به سمت اکوسیستم‌سازی و ایجاد بستر نوآوری حرکت می‌کند. راهبرد ما این نیست که تمامی پروژه‌های هوش مصنوعی و تحول دیجیتال گروه را به‌تنهایی اجرا کنیم؛ بلکه هدف، ایجاد بستری است که شرکت‌های متخصص، دانش‌بنیان و استارتاپ‌های توانمند نیز بتوانند در توسعه راهکار‌های نوآورانه مشارکت مؤثر داشته باشند.

گوهرآرا در تشریح این رویکرد افزود:یکی از مهم‌ترین زیرساخت‌های این اکوسیستم، همین پلتفرم داده‌ای است که همه به شکلی اشاره می‌نمایید. در این مدل، ایریسا داده‌های سازمان را پس از یکپارچه‌سازی، استانداردسازی و ارتقای کیفیت، در قالب یک بستر امن و مبتنی بر حاکمیت داده، با سطوح دسترسی مشخص در اختیار بازیگران مجاز اکوسیستم قرار می‌دهد. در نتیجه، شرکت‌های فناور، دانش‌بنیان و توسعه‌دهندگان می‌توانند بدون درگیر شدن با چالش‌های جمع‌آوری و آماده‌سازی داده، بر طراحی و توسعه موارد کاربرد (Use Cases) هوش مصنوعی و راهکار‌های دیجیتال متمرکز شوند. در این راستا ایریسا برای سهولت و همراستایی حضور این شرکت‌ها در صنعت فولاد و از کانال ایریسا، ضمن تقویت مرکز داده گروه (فلاطوری)، نسبت به ایجاد پلتفرم استقرار محصولات و درگاه ورود یکپارچه، کارتابل و پرتال متمرکز (با عنوان محصولی آوند) و همچنین تولید ابزاری که با حداقل کدنویسی (LowCode,NoCode) بتوان نسبت به توسعه‌ی سریع سیستم جهت جمع آوری داده‌ها اقدام نمود (با عنوان محصولی روند) گام برداشته است.

این رویکرد علاوه بر افزایش سرعت توسعه و استقرار راهکار‌های هوشمند، موجب شکل‌گیری یک اکوسیستم پویا، تسریع نوآوری، بهره‌گیری از ظرفیت شرکت‌های تخصصی کشور و خلق ارزش پایدار برای گروه فولاد مبارکه خواهد شد. در واقع، نقش ایریسا در این مدل، ایجاد زیرساخت، معماری، حاکمیت و تسهیل همکاری میان بازیگران اکوسیستم است تا نوآوری به‌صورت مستمر در صنعت جریان یابد.

حاکمیت داده؛ کلید ورود ایمن اکوسیستم به کارخانه

گوهرآرا در ادامه، یکی دیگر از ارکان حیاتی پلتفرم‌های داده یعنی «دسترسی و امنیت» را پیش کشید و با دعوت از مدیر امور پروژه‌های تحول دیجیتال که خود مدیرپروژه‌ی حاکمیت داده نیز می‌باشد، برای پاسخگویی به این دغدغه گفت: پس از لایه‌های فنی پردازش و ذخیره‌سازی، به یک گلوگاه بسیار مهم می‌رسیم؛ یعنی بحث “حاکمیت داده” (Data Governance) و مدیریت داده. این سؤال اساسی وجود دارد که این داده‌ها چگونه و تحت چه پروتکل‌هایی باید در اختیار سایر همکاران و دانشمندان داده (Data Scientists) قرار گیرد؟ چطور می‌توانیم همان اکوسیستمی که به آن اشاره شد را فعال کنیم بدون اینکه امنیت و مالکیت داده‌های حیاتی مگافکتوری به خطر بیفتد؟

داده؛ دارایی راهبردی که ارزش آن با «اعتماد» معنا پیدا می‌کند

در ادامه این میزگرد، مدیر امور پروژه‌های تحول دیجیتال ایریسا، با تأکید بر نقش بنیادین داده در موفقیت تحول دیجیتال و توسعه هوش مصنوعی اظهار کرد:امروزه تقریباً همه سازمان‌ها پذیرفته‌اند که داده یکی از ارزشمندترین دارایی‌های آنهاست؛ اما ارزش واقعی این دارایی زمانی آشکار می‌شود که بتوان به آن اعتماد کرد. زمانی که گزارشی بر مبنای داده روی میز مدیرعامل قرار می‌گیرد و قرار است مبنای تصمیمات راهبردی و سرمایه‌گذاری‌های کلان باشد، مهم‌ترین پرسش این است که این داده‌ها تا چه اندازه صحیح، کامل، به‌روز و قابل اتکا هستند.

وی با اشاره به ارتباط مستقیم کیفیت داده با موفقیت پروژه‌های هوش مصنوعی افزود:با گسترش هوش مصنوعی، تحلیل‌های پیشرفته و حرکت سازمان‌ها به سمت خودکارسازی فرآیند‌ها و سیستم‌های تصمیم‌یار و تصمیم‌ساز، اهمیت کیفیت و قابلیت اعتماد داده‌ها چندین برابر می‌شود. هرچه نقش سامانه‌های هوشمند در تصمیم‌گیری پررنگ‌تر شود، کوچک‌ترین خطا یا ناسازگاری در داده‌ها می‌تواند به تصمیم‌های نادرست، افزایش ریسک‌های عملیاتی و تحمیل هزینه‌های سنگین منجر شود. به همین دلیل، استقرار حاکمیت داده (Data Governance) دیگر یک انتخاب نیست، بلکه پیش‌نیاز موفقیت تحول دیجیتال و توسعه هوش مصنوعی در سازمان‌ها به شمار می‌رود.

حاکمیت و مدیریت داده؛ پیش‌نیاز تحقق هوش مصنوعی سازمانی

مدیر امور پروژه‌های تحول دیجیتال ایریسا در تشریح رویکرد این شرکت در حوزه حاکمیت و مدیریت داده گفت:در ایریسا، استقرار حاکمیت و مدیریت داده بر مبنای چارچوب‌های معتبر بین‌المللی از جمله DAMA-DMBOK انجام می‌شود. این چارچوب به سازمان‌ها کمک می‌کند تا داده‌های خود را به‌عنوان یک دارایی راهبردی مدیریت کنند؛ مشخص شود مالک هر داده چه کسی است، کیفیت آن چگونه تضمین می‌شود، سطوح دسترسی چگونه تعریف می‌شوند، مسوولیت پاسخگویی در قبال داده‌ها بر عهده چه افرادی است و هر داده در چه حوزه‌هایی قابلیت ایجاد ارزش دارد.

حاکمیت داده همچنین زمینه شناسایی، توسعه و مدیریت محصولات داده‌محور و موارد کاربرد (Use Cases) مبتنی بر هوش مصنوعی را فراهم می‌کند و بستری قابل اعتماد برای تصمیم‌گیری‌های داده‌محور ایجاد می‌سازد.

ابزار‌های تخصصی؛ توانمندساز استقرار حاکمیت داده

طاهری که خود ابزار‌های این رکن از پلتفرم داده را مدیریت می‌نماید در ادامه به نقش ابزار‌های تخصصی در استقرار حاکمیت داده اشاره کرد و افزود:پیاده‌سازی حاکمیت داده بدون بهره‌گیری از ابزار‌های تخصصی و یکپارچه امکان‌پذیر نیست. این ابزار‌ها با ایجاد کاتالوگ داده، مدیریت فراداده‌ها (Metadata)، شناسایی منشأ و مسیر گردش داده‌ها (Data Lineage)، مستندسازی دارایی‌های اطلاعاتی، تعریف مالکیت داده‌ها و پایش کیفیت داده، زمینه مدیریت نظام‌مند دارایی‌های داده‌ای سازمان را فراهم می‌کنند.

در واقع، حاکمیت داده در ایریسا صرفاً به استقرار یک ابزار یا فناوری محدود نمی‌شود؛ بلکه مجموعه‌ای از فرآیندها، نقش‌ها، سیاست‌ها، استاندارد‌ها و فناوری‌های مکمل را در بر می‌گیرد که هدف نهایی آن، ایجاد داده‌های قابل اعتماد، باکیفیت و قابل استفاده برای تصمیم‌گیری‌های راهبردی، تحلیل‌های پیشرفته و توسعه راهکار‌های هوش مصنوعی است.

وی در پایان تأکید کرد: پلتفرم داده، زیرساخت و بستر مدیریت داده‌ها را فراهم می‌کند؛ اما ارزش واقعی این بستر زمانی ایجاد می‌شود که حاکمیت داده، کیفیت، صحت، مالکیت، امنیت و قابلیت اعتماد داده‌های موجود در آن را تضمین کند؛ که این مهم نشان دهنده‌ی الزام ارتباط و هماهنگی دو تیم فوق الذکر (تیم حاکمیت داده و تیم پلتفرم داده) را بیش از پیش نشان می‌دهد

مدیر گروه هوش مصنوعی ایریسا با ترسیم یک سناریوی عملیاتی، به پیامد‌های نبود پلتفرم داده نیز اشاره کرد و گفت: تصور کنید سازمانی می‌خواهد ۱۰۰ پروژه هوش مصنوعی را در بخش‌های مختلف نظیر نگهداری تعمیرات، اتوماسیون سطوح یک و دو، سیستم‌های اطلاعاتی و زنجیره تأمین و ... اجرا کند. در غیاب پلتفرم متمرکز، هر تیم هوش مصنوعی ناچار است به‌طور مستقل با ذینفعان و مالکان داده‌های مختلف (Data Owners) وارد مذاکره شود. این رویکرد سنتی نه تنها زمان و انرژی نیرو‌های تخصصی را هدر می‌دهد، بلکه سازمان را با ۱۰۰ پروژه کاملاً مجزا، مدل‌های پراکنده و آشفته روبه‌رو می‌کند که کنترل امنیت و مدیریت دسترسی‌ها در آنها عملاً غیرممکن خواهد بود.

پلتفرم داده؛ بستر مدیریت چرخه عمر مدل‌های هوش مصنوعی (MLOps)

طاهری در ادامه به نقش پلتفرم داده در حل این چالش‌ها پرداخت و افزود: پلتفرم داده با تجمیع داده‌ها در یک مخزن امن و متمرکز، این فرآیند فرساینده را متوقف می‌کند. از این پس، هر تیمی که مأمور توسعه یک داشبورد تحلیلی یا یک مدل هوش مصنوعی می‌شود، بدون نیاز به درگیری مستقیم با لایه‌های پایینی کارخانه، بر اساس سطح دسترسی تعریف‌شده خود به داده‌های پالایش‌شده در پلتفرم مراجعه می‌کند. این رویکرد، فرآیند آموزش مدل‌ها را با سرعت بالا امکان‌پذیر می‌سازد.

مدیر گروه هوش مصنوعی ایریسا با تأکید بر یکی از ویژگی‌های منحصر‌به‌فرد این زیرساخت تصریح کرد: یکی از حیاتی‌ترین ماژول‌های این پلتفرم، مدیریت چرخه عمر مدل‌های هوش مصنوعی است. با این ماژول، مدل هوش مصنوعی از نخستین لحظه توسعه و دسترسی به داده، تا زمان استقرار روی سامانه‌های عملیاتی و مانیتورینگ عملکرد آن در طول زمان، به‌صورت کاملاً متمرکز و پویا مدیریت و پایش می‌شود.

سهم ۸۰ درصدی زیرساخت داده در موفقیت هوش مصنوعی

مشیری بر اهمیت حیاتی «آمادگی داده‌ها» (Data Readiness) تأکید کرد و گفت: موضوع آمادگی داده‌ها در کارخانه‌ها به قدری اهمیت دارد که نباید اجازه دهیم جذابیت مدل‌های هوش مصنوعی، حواس ما را از زیرساخت‌های پایه‌ای پرت کند. خروجی مدل‌های هوش مصنوعی پس از فرآیند یادگیری (Learning) و تنظیم دقیق (Tuning)، زمانی ارزشمند و قابل اتکاست که زیرساخت داده‌ای درستی در پشتوانه آن باشد. متأسفانه این بخش، لایه ناپیدای کار است که کمتر به آن توجه می‌شود؛ در حالی که ۸۰ درصد کار در پروژه‌های هوش مصنوعی، متعلق به فرآیند برطرف کردن نقص داده‌ای، جمع‌آوری، پردازش و آماده‌سازی داده‌ها و اصطلاحا یک Feature Engineering یا مهندسی دقیق ویژگی‌ها برای تحلیل‌های کاملا دقیق مبتنی بر AI میباشد.

مدیر راهکار‌های تکنولوژی و فناوری‌های بخش تحول دیجیتال ایریسا، با ذکر یک مثال عملیاتی افزود: وقتی در محیط کارخانه می‌خواهید داده‌های مختلف با برچسب‌های زمانی متفاوت (Timestamps) را همگام‌سازی (Synch) کنید تا برای سناریویی مثل تعمیرات پیش‌بینانه (Predictive Maintenance) آماده شوند، زیرساخت داده اهمیت خود را نشان می‌دهد. اگر از اطلاعات ناقص یا سنسور‌های کالیبره نشده و یا اطلاعات پرت یا Outlier استفاده کرده و زیرساخت درست نباشد، مدل با داده‌های اشتباه و ناقص آموزش می‌بیند و اشتباه یاد میگیرد. در نتیجه تصمیمات نادرست تجویز می‌کند. ما باید با خودمان رو راست باشیم؛ برای رسیدن به نقطه‌ای که داده‌ها به طور کاملاً شفاف وضعیت تجهیزات و تعمیرات کارخانه را نشان دهند، باید کار را از کالیبراسیون درست و به موقع سنسورها، تکمیل داده‌های ناقص با افزودن سنسور‌های جدید، سیستم‌های جمع‌آوری و فرآیند انتقال داده (Ingestion) برای synch کردن داده‌های زمان واقعی و با پروتکل‌های مختلف شروع کنیم و سپس به سمت مدل‌سازی هوش مصنوعی برویم.

معرفی یک ابزار بومی برای مدیریت مدل‌های هوش مصنوعی

امین گوهرآرا در ادامه این میزگرد با اشاره به یکی از ابزار‌های توسعه‌یافته در ایریسا گفت: "شرکت ایریسا با توسعه‌ی مجموعه‌ی ابزار‌ها و سامانه‌هایی با نام AI Studio این امکان را به دانشمندان داده می‌دهد که ضمن توسعه‌ی مدل‌های خود، چرخه عمر مدل‌های هوش مصنوعی را مدیریت نموده، با نگهداری و مقایسه‌ی ورژن‌های مختلف داده‌های ورودی، ورژن‌های مدل و اطلاعات خروجی، بهترین ورژن مدل را در اختیار بهره بردار قرار دهند. "

الگوی همکاری فولادی‌ها و غول‌های فناوری در جهان

گوهرآرا در ادامه میزگرد، خطاب به عبدالله مشیری پرسشی درباره تجربه شرکت‌های بزرگ فولادی دنیا و نوع رابطه آنها با شرکت‌های فناوری اطلاعات مطرح نمود.

بازو‌های فناوری؛ تجربه غول‌های فولادسازی جهان در گذار دیجیتال

وی در پاسخ به پرسش مربوط به الگو‌های جهانی تحول دیجیتال تشریح کرد: از حدود سال ۲۰۱۴ که بحث کارخانه‌های هوشمند (Smart Factories) به صورت جدی در دنیا مطرح شد، شرکت‌های بزرگ فولادی بازو‌های فناوری اطلاعات اختصاصی خود را شکل دادند. به عنوان نمونه، هلدینگ تاتا استیل (Tata Steel) از یک بازوی مشاوره و آی‌تی به اسم TCS (Tata steel Consultancy Services) بهره می‌برد و شرکت پوسکو (POSCO) نیز شرکت تخصصی پوسکو دیجیتال (POSCO DX) را راه‌اندازی کرده تا به طور متمرکز روی پلتفرم‌های اینترنت اشیاء (IoT) و مدل‌های کارخانه هوشمند کار کنند. این غول‌های فولادی، مأموریت توسعه دیجیتال خود را به این بازو‌های تخصصی سپردند تا بتوانند ضمن طراحی سیستم‌های خاص خود با همکاری شرکت‌های بزرگ فناوری دنیا نظیر زیمنس و اِی‌بی‌بی (ABB) , و نظایر آن، با بهرمندی از اکو سیستم‌های قدرتمند فرآیند دیجیتالیزه کردن کارخانجات نظیر Xcelerator زیمنس، بهره وری سیستم‌های خود را با فناوری‌های نوظهور افزایش و ارتقاء دهند.

وی ادامه داد: این شرکت‌ها در حال حاضر به شدت به سمت پیاده‌سازی مدل‌های کاربردی هوش مصنوعی و به ویژه توسعه دوقلوی دیجیتال (Digital Twin) مبتنی بر هوش مصنوعی حرکت می‌کنند؛ زیرا به خوبی می‌دانند که تبدیل داده به دانش و سپس تصمیم‌گیری استراتژیک و پیش بینی درست بالاخص خرابی‌ها با ایجاد حس بینش واقعی، از مسیر دوقلوی دیجیتال جایی که به نتایج تحلیل داده‌ها و مدل‌های هوش مصنوعی حس واقعی القا میشود، می‌گذرد. دوقلوی دیجیتال در نهایت بلوغ خود با اتصال به هوش مصنوعی، بهترین بینش و دید عملیاتی را به مدیران ارائه می‌دهد.

رقابت‌پذیری فولاد مبارکه در گرو اتصال زنجیره ارزش از ابتدا تا انتها (End-to-End)

مشیری ضرورت این تحول را برای صنعت فولاد ایران تبیین کرد و گفت: در دنیای رقابتی امروز، یک کارخانه فولادسازی مدرن باید به مشتری اجازه دهد تا چه در سطح عمودی (تولید) و چه افقی (زنجیره تأمین)، محصول خود را سفارشی‌سازی کرده و به پارامتر‌های فنی تولید دسترسی داشته باشد. تحقق این امر تنها با تحول دیجیتال امکان‌پذیر است. شرکت فولاد مبارکه برای حفظ و ارتقای جایگاه رقابتی خود در بازار‌های جهانی، راهی جز حرکت به سمت یکپارچه‌سازی کامل با اصل همگرایی OT/IT و دیجیتالیزه کردن (End-to-End) فرآیند‌های محصول خود نخواهد داشت.

ایریسا؛ بازوی تخصصی تحول دیجیتال در کنار صنعت فولاد

در ادامه میزگرد، پریسا کارشناس، مدیر امور پروژه‌های تحول دیجیتال ایریسا، با تأکید بر ضرورت وجود بازو‌های تخصصی در کنار صنایع بزرگ اظهار کرد:تجربه شرکت‌های پیشرو جهان نشان می‌دهد که سازمان‌های بزرگ صنعتی، برای هدایت تحول دیجیتال و توسعه فناوری، به یک بازوی تخصصی نیاز دارند؛ مجموعه‌ای که علاوه بر تسلط بر فناوری‌های نوین و متدولوژی‌های روز دنیا، شناختی عمیق از صنعت، فرآیندها، چالش‌ها و الزامات آن داشته باشد. این تلفیق دانش فناوری و دانش صنعت، مهم‌ترین عامل موفقیت پروژه‌های تحول دیجیتال است.

وی با اشاره به جایگاه ایریسا در صنعت فولاد افزود: ایریسا بیش از سه دهه است که به‌عنوان یک شرکت تخصصی در کنار گروه فولاد مبارکه فعالیت می‌کند. این سابقه موجب شده است تا از یک‌سو با فناوری‌ها، چارچوب‌ها و روند‌های جهانی تحول دیجیتال همگام باشد و از سوی دیگر، شناختی عمیق از فرآیندها، نیاز‌ها و اولویت‌های صنعت فولاد کشور به دست آورد. همین ترکیب منحصر‌به‌فرد، ایریسا را در جایگاهی قرار داده است که بتواند به‌عنوان یک مشاور و شریک راهبردی، راهکار‌هایی متناسب با نیاز‌های واقعی صنعت ارائه کند.

مدیر امور پروژه‌های تحول دیجیتال ایریسا در ادامه خاطرنشان کرد:نقش ایریسا صرفاً اجرای پروژه‌ها نیست؛ بلکه کمک به ترسیم مسیر، انتخاب رویکرد‌های مناسب، انتقال تجربه‌های جهانی و همراهی سازمان در اجرای موفق تحول دیجیتال است. به بیان دیگر، ایریسا هم در تبیین اینکه سازمان چه مسیری را باید طی کند نقش‌آفرینی می‌کند و هم در چگونگی اجرای این مسیر در کنار سازمان قرار می‌گیرد.

این همان مدلی است که در بسیاری از شرکت‌های پیشرو دنیا نیز مشاهده می‌شود؛ شرکت‌هایی که در کنار هلدینگ‌های بزرگ صنعتی، به‌عنوان بازوی تخصصی تحول دیجیتال و فناوری فعالیت می‌کنند. الگو‌هایی مانند POSCO DX در کنار گروه POSCO یا شرکت‌های تخصصی همکار Tata Steel، نمونه‌هایی از این رویکرد هستند؛ مدلی که ایریسا نیز با تکیه بر تجربه، دانش تخصصی و شناخت عمیق از صنعت فولاد، آن را در ایران دنبال می‌کند.

درخواست برای مرور چند نمونه کاربردی از پروژه‌های اجراشده در صنعت فولاد

امین گوهرآرا در ادامه میزگرد، با تأکید بر اهمیت ارائه نمونه‌های عینی از دستاورد‌های تحول دیجیتال و هوش مصنوعی در صنعت فولاد، از حاضران خواست به چند «یوزکیس» شاخص اشاره کنند و گفت: بیایید در پایان این میزگرد چند نمونه از کار‌هایی را که تا امروز اجرایی شده و در حوصله‌ی این جلسه می‌گنجد را مطرح نماییم.

گوهرآرا در ادامه با اشاره به اهمیت پیوند این پروژه‌ها با موضوع بازسازی و نوسازی نیز تصریح کرد: سعی کنیم ارتباط این پروژه‌ها با استراتژی‌های بازسازی و نوسازی را برای خواننده شفاف نماییم.

دستیار هوشمند بومی؛ پاسخ هوش مصنوعی به نیاز‌های تخصصی فولاد

طاهری، با اشاره به پیشینه و تنوع پروژه‌های انجام شده در این بخش گفت: «تقریباً دو سال از شکل‌گیری رسمی تیم هوش مصنوعی در شرکت ایریسا می‌گذرد. در این مدت کوتاه، ما موفق شدیم پروژه‌های متعددی را در حوزه‌های مختلف، از سیستم‌های پیشرفته تعمیرات و نگهداری گرفته تا حوزه‌های نوظهور نظیر چت‌بات‌ها و مدل‌های بزرگ زبانی (LLM) به مرحله اجرا برسانیم.

مدیر گروه هوش مصنوعی ایریسا با تبیین روند جهانی استفاده از هوش مصنوعی مولد و بومی‌سازی آن در صنعت فولاد افزود: با توجه به فراگیر شدن استفاده از چت‌بات‌ها در سطح جامعه، ما بر آن شدیم تا این فناوری را با نیاز‌های خاص صنعت فولاد تطبیق دهیم. در همین راستا، پروژه “دستیار هوشمند” (AI Assistant) را کلید زدیم. این پروژه بر اساس اسناد و داده‌های داخلی شرکت‌های فولاد مبارکه و فولاد هرمزگان طراحی و پیاده‌سازی شده است.

طاهری، امنیت داده‌ها را اولویت اصلی این پروژه دانست و تصریح کرد: تفاوت اصلی و مزیت رقابتی این دستیار هوشمند در این است که به صورت کاملاً “لوکال” (محلی) در محیط داخلی کارخانه نصب و مستقر می‌شود. این چت‌بات تخصصی قادر است بر اساس محتوای اسناد فنی و دیتای داخلی فولاد، به سوالات و نیاز‌های کاربران پاسخ دهد، بدون آنکه نیاز به خروج داده از بستر امن شبکه کارخانه باشد. این ابزار در واقع دانش انباشته شده در اسناد سازمانی را به شکلی سریع و هوشمند در اختیار کارکنان قرار می‌دهد.

پیشگیری از افت کیفیت اسلب با تشخیص هوشمند نشتی کنترل‌ولو‌ها

وی با تشریح یکی از پروژه‌های کلیدی این شرکت در حوزه تعمیرات و نگهداری پیش‌بینانه گفت: یکی از پروژه‌های مهمی که در حوزه عیب‌یابی تجهیزات به آن ورود کردیم، پروژه تشخیص خرابی و نشتی شیر‌های کنترل (Control Valves) در اتاق آب (Water Room) شرکت فولاد هرمزگان بود. از آنجا که هرگونه نشتی یا عملکرد نادرست این شیر‌ها مستقیماً بر فرآیند خنک‌سازی و کیفیت نهایی تختال (اسلب) تأثیر منفی می‌گذارد، با استفاده از الگوریتم‌های هوش مصنوعی سیستمی را توسعه دادیم که قادر است پیش از بروز خسارت، خرابی و نشتی این ولو‌ها را با دقت بالا تشخیص دهد.

بازسازی فناورانه؛ استخراج اطلاعات از میلیون‌ها نقشه اسکن‌شده

مدیر گروه هوش مصنوعی ایریسا، در ادامه با اشاره به پروژه‌های مرتبط با نوسازی و مدیریت دانش فنی در مجتمع‌های فولادی افزود: در حوزه نوسازی و بازسازی، پروژه‌ای بزرگ و استراتژیک را در فولاد مبارکه آغاز کرده‌ایم. در این مجتمع صنعتی، میلیون‌ها سند و نقشه فنی و مهندسی اسکن‌شده که دسترسی سریع به اطلاعات درون آنها همواره یک چالش بوده است. کاری که ما در این پروژه انجام می‌دهیم، استخراج هوشمند اطلاعات حیاتی از این نقشه‌های فنی و تبدیل آنها به داده‌های ساختاریافته است. در کنار این ساختار، یک دستیار هوشمند قرار می‌گیرد تا کارکنان و مهندسان در سطح کارخانه بتوانند در کوتاه‌ترین زمان ممکن، اطلاعات فنی مورد نیاز خود را از دل میلیون‌ها سند استخراج کنند.

هم‌راستایی هوشمندسازی اسناد با افق ۱۴۰۷ فولاد مبارکه

گوهرآرا، مدیر تحول دیجیتال ایریسا، با تأیید اهمیت این دستاورد در سند چشم‌انداز گروه فولاد مبارکه تأکید کرد: این پروژه هوشمندسازی و ساختاریافته کردن اسناد فنی که به آن اشاره کردید، یک حلقه مفقوده بود که می‌توان آن را به طور کامل به “استراتژی بازسازی و نوسازی فناورانه در افق ۱۴۰۷ فولاد مبارکه” متصل کرد؛ چرا که پایه و اساس هرگونه نوسازی سخت‌افزاری در خطوط تولید، دسترسی سریع، دقیق و هوشمند به مستندات فنی و مهندسی گذشته است.

بازنگری نقشه راه تحول دیجیتال؛ همگام با شرایط جدید و اولویت‌های راهبردی گروه

در ادامه میزگرد، پریسا کارشناس، مدیر امور پروژه‌های تحول دیجیتال ایریسا، به یکی از مهم‌ترین اقدامات مشترک ایریسا و گروه فولاد مبارکه در ماه‌های اخیر اشاره کرد و گفت:پس از حادثه اخیر و آغاز مرحله بازسازی در فولاد مبارکه، ضرورت بازنگری در نقشه راه تحول دیجیتال بیش از گذشته احساس شد. به همین منظور، تیم‌های تخصصی ایریسا و فولاد مبارکه در قالب یک کارگروه مشترک، نقشه راه تحول دیجیتال را با توجه به شرایط جدید، اولویت‌های کسب‌وکار و الزامات پیش‌رو مورد بازبینی و به‌روزرسانی قرار دادند «وی افزود:ره نگاشت تحول دیجیتال یک سند ایستا نیست، بلکه باید متناسب با تغییرات محیط کسب‌وکار، راهبرد‌های سازمان و شرایط عملیاتی، به‌صورت مستمر بازنگری شود. با ورود فولاد مبارکه به مرحله بازسازی، طبیعی بود که برخی اولویت‌ها تغییر کند؛ ازاین‌رو، پروژه‌های جدیدی به سبد پروژه‌های تحول دیجیتال افزوده شد و تعدادی از پروژه‌ها نیز متناسب با نیاز‌های جدید، در اولویت بالاتری قرار گرفتند.

مدیر امور پروژه‌های تحول دیجیتال ایریسا، یکی از مهم‌ترین عوامل موفقیت این بازنگری را شناخت عمیق ایریسا از صنعت فولاد دانست و اظهار کرد:مزیت ایریسا صرفاً آشنایی با فناوری‌های روز دنیا نیست؛ بلکه شناخت عمیق از فرآیند‌های صنعت فولاد، تجربه حضور در پروژه‌های متعدد و همراهی مستمر با شرکت‌های این حوزه، این امکان را فراهم کرده است که در کوتاه‌ترین زمان، نقشه راه را متناسب با شرایط جدید بازنگری و اولویت‌بندی کنیم. این سطح از چابکی و انطباق، تنها زمانی امکان‌پذیر است که دانش فناوری با شناخت دقیق از صنعت تلفیق شده باشد.

هم‌راستاسازی نقشه راه تحول دیجیتال در سطح گروه فولاد مبارکه

وی با اشاره به رویکرد یکپارچه ایریسا در سطح گروه فولاد مبارکه افزود:هم‌زمان با فولاد مبارکه، تدوین و به‌روزرسانی نقشه راه تحول دیجیتال در شرکت‌های مختلف گروه از جمله فولاد هرمزگان، فولاد سنگان و فولاد سفیددشت نیز انجام شده است. رویکرد ما این است که این نقشه‌های راه، ضمن پاسخگویی به نیاز‌های اختصاصی هر شرکت، در سطح گروه نیز همسو و هم‌افزا باشند تا از تکرار سرمایه‌گذاری‌ها جلوگیری شود، ظرفیت‌های مشترک توسعه یابد و پروژه‌ها در راستای اهداف کلان گروه تعریف و اجرا شوند.

وی تأکید کرد:یکی از مهم‌ترین راهبرد‌های گروه فولاد مبارکه، ایجاد هم‌افزایی میان شرکت‌های تابعه است و این رویکرد در بازنگری نقشه راه تحول دیجیتال نیز به‌طور جدی مدنظر قرار گرفت. هدف این است که پروژه‌ها علاوه بر ایجاد ارزش برای هر شرکت، زمینه خلق ارزش در مقیاس کل گروه را نیز فراهم کنند. یکی از مهمترین اقدامات صورت گرفته با هدف تداوم کسب و کار در گروه، اصلاحات انجام شده در سیستم‌های اطلاعاتی برخی شرکت‌ها برای اعمال تغییر در زنجیره تامین فولاد مبارکه بود که می‌توان همراستا با استراتژی ارتقای نظام حکمرانی، چابکی و هم افزایی گروه دانست.

اولویت‌های جدید؛ از مدیریت انرژی تا توسعه راهکار‌های هوشمند

مشیری مدیر راهکار‌های تکنولوژی و فناوری‌های بخش تحول دیجیتال ایریسا درباره مهم‌ترین تغییرات ایجادشده در نقشه راه نیز گفت: در بازنگری انجام‌شده، برخی حوزه‌ها متناسب با شرایط جدید کشور و نیاز‌های عملیاتی گروه، در اولویت بالاتری قرار گرفتند. از جمله مهم‌ترین این حوزه‌ها می‌توان به مدیریت و بهینه‌سازی مصرف انرژی، توسعه راهکار‌های هوشمند در زنجیره تأمین، یکپارچه‌سازی فرآیند‌ها در سطح گروه و توسعه پروژه‌های مبتنی بر هوش مصنوعی اشاره کرد.

وی در پایان، به پروژه مدل احیای هوشمند به‌عنوان یکی از تجربه‌های موفق گروه اشاره کرد و افزود:یکی از رویکرد‌های اصلی در نقشه راه جدید، توسعه و تعمیم تجربه‌های موفق به سایر شرکت‌ها و سایت‌های گروه است. پروژه مدل احیای هوشمند نمونه‌ای از این رویکرد است که پس از کسب نتایج مطلوب، توسعه آن در سایر واحد‌ها نیز در دستور کار قرار گرفته است. این نگاه، نشان می‌دهد که هدف از نقشه راه تحول دیجیتال، صرفاً تعریف پروژه‌های جدید نیست؛ بلکه توسعه و مقیاس‌پذیر کردن تجربه‌های موفق در سطح کل گروه است.

افزودن لایه تحلیل انرژی به اسکادا‌های انرژی در حال توسعه ایریسا

مشیری، با اشاره به حرکت صنعت فولاد به‌سمت هوشمندسازی فرآیند‌های انرژی گفت: از منظر فرآیندی، در حوزه انرژی کار‌های خوبی در بخش اتوماسیون انجام شده است. در اسکادا‌هایی که برای مدیریت انرژی در حال طراحی و توسعه هستند، یک ماژول جدید در حال اضافه شدن است که بتواند تحلیل انرژی را نیز به‌صورت هوشمند انجام دهد.

مدیر راهکار‌های تکنولوژی و فناوری‌های تحول دیجیتال ایریسا افزود: خوشبختانه قرار بر این شد که در این مسیر، از مدل‌های هوش مصنوعی با همکاری بخش هوش مصنوعی ایریسا هم استفاده شود؛ موضوعی که سطح توانمندی این سامانه‌ها را به‌مراتب بالاتر می‌برد. اصل کار کردن بصورت Cross Functional و بین تیمی ارزش افزوده خاصی در محصولات خاص دیجیتال سازی که گستره متنوعی از کف عملیاتی تا سیستم‌های ERP را دارد ایجاد خواهد کرد و محصولات را بسیار توانمندتر میسازد.

دوقلوی دیجیتال؛ از نمایش مدل‌ها تا بلوغ هوشمند

مشیری با اشاره به جایگاه «دوقلوی دیجیتال» در نقشه راه تحول دیجیتال گفت: خودِ دوقلوی دیجیتال یک پروژه زیربنایی بسیار مهم است. به این نتیجه رسیده‌ایم که تمام مدل‌های هوش مصنوعی و مدل‌های پیش‌بینی ما باید با استفاده سطوح مختلف بلوغ دوقلوی دیجیتال قابل لمس و نتایج آنها با استفاده از اصل مصور سازی قابل درک شدن باشد؛ از سطح یک مصور سازی و نمایش تا سطح سه حس مستقیم نتایج مدل‌های تعمیرات پیش بینانه و حتی مدل‌های انرژی، و در نهایت سطح چهار که همان مرحله هوشمندی است. خوشبختانه این موضوع هم در زمان مناسب با پیشرفت‌های موازی دستاورد‌های گروه هوش مصنوعی و اتوماسیون صنعتی قابل دسترسی خواهد بود.

گوهرآرا: برای اطلاع خواننده محترم باید اشاره نماییم که دوقلوی دیجیتال در چند سطح به بلوغ می‌رسد. لایه‌ی مصورسازی و مشاهده پذیری خطوط تولید، لایه‌ی فرآیندی (شبیه سازی سناریو‌های فرآیندها)، لایه‌ی پیش بینانه خرابی و رفتار تجهیزات، لایه‌ی بهینه سازی تولید و انرژی، لایه‌ی تصمیم گیری هوشمند.

از جمله کاربرد‌های هوش مصنوعی در پروژه‌های بازسازی و نوسازی می‌توان به پروژه برج کنترل لجستیک هوشمند نیز اشاره نمود که در کنار طرح زنجیره تامین هوشمند در خصوص مدیریت بهینه مسیر‌های حمل مواد اولیه و محصولات میانی در بین تامین کنندگان و شرکت‌های گروه اقدام می‌نماید.

منبع: پایگاه خبری - تحلیلی ایراسین