AIનું રોકાણ હવે માત્ર ટેક્સ્ટ અને ડિજિટલ એપ્લિકેશન્સથી આગળ વધીને વાસ્તવિક દુનિયામાં પણ થઈ રહ્યું છે. 'ફિઝિકલ AI' – મશીનો દ્વારા અવાજ, કંપન અને ગરમીને સમજવાની ક્ષમતા – ફેક્ટરીઓની કાર્યક્ષમતા માટે અત્યંત મહત્વપૂર્ણ બની રહી છે. ભારતીય ઉત્પાદન ક્ષેત્રે, સેન્સર-આધારિત ટેકનોલોજી અપનાવવાથી કંપનીઓ સાધનોની નિષ્ફળતાની આગાહી કરી શકશે અને ડેટા રિપોર્ટિંગ સુધી સીમિત રહેવાથી આગળ વધી શકશે.
ડિજિટલ ઇન્ટેલિજન્સથી આગળ
આર્ટિફિશિયલ ઇન્ટેલિજન્સ (AI) માં હાલનું રોકાણ મુખ્યત્વે ડિજિટલ કમ્પ્યુટિંગ પાવર, જેમ કે એડવાન્સ્ડ ચિપ્સ અને વિશાળ ડેટા સેન્ટર્સ પર કેન્દ્રિત છે. જ્યારે આનાથી AIની ભાષા અને ઈન્ટરનેટના ઈમેજીસને પ્રોસેસ કરવાની ક્ષમતા વધી છે, ત્યારે ઔદ્યોગિક ક્ષમતામાં મોટી ખામી રહી ગઈ છે. મશીનો રિપોર્ટ્સ લખવામાં વધુ સક્ષમ બની રહ્યા છે, પરંતુ તેઓ જે ભૌતિક વાતાવરણમાં કાર્ય કરે છે તેને 'અનુભવી' કે 'સાંભળી' શકતા નથી. અહીં જ 'ફિઝિકલ AI' પ્રવેશ કરે છે.
ભૌતિક સંવેદના પર ફોકસ
પરંપરાગત AI મોડલથી વિપરીત, જે ઐતિહાસિક ઇન્ટરનેટ ડેટા પરથી શીખે છે, ફિઝિકલ AI રીઅલ-ટાઇમ સેન્સરી ઇનપુટ્સ પર ધ્યાન કેન્દ્રિત કરે છે. સ્ટીલ પ્લાન્ટ, ટેક્સટાઇલ મિલ કે કેમિકલ રિફાઇનરી જેવા ઔદ્યોગિક સેટિંગમાં, સૌથી મહત્વપૂર્ણ ડેટા કંપન (vibrations), ધ્વનિ તરંગો (sound frequencies), ગરમીના સંકેતો (heat signatures) અને વિદ્યુત પ્રવાહના ઉતાર-ચઢાવમાંથી આવે છે. ફિઝિકલ AI થી સજ્જ મશીન એન્જિનના સૂક્ષ્મ અવાજ અથવા બેરિંગના લયબદ્ધ કંપનને શોધી શકે છે જે સંભવિત બ્રેકડાઉન સૂચવે છે. વર્તમાન સિસ્ટમ્સ, જે ડિજિટલ સારાંશ પર આધાર રાખે છે, તે ઘણીવાર આ ભૌતિક સંકેતોને ચૂકી જાય છે.
એજ કમ્પ્યુટિંગ તરફ વળાંક
ફિઝિકલ AI અપનાવવામાં સૌથી મોટી મુશ્કેલી ડેટા મેનેજમેન્ટ છે. દરેક વસ્તુ રેકોર્ડ કરતા સેન્સર્સ સંચાર નેટવર્કને ઝડપથી ઓવરલોડ કરી શકે છે, જ્યારે ખૂબ ધીમા રેકોર્ડિંગ કરતા સેન્સર્સ અચાનક સાધનોની નિષ્ફળતાને ચૂકી શકે છે. આનો ઉકેલ 'સ્માર્ટ સેન્સિંગ' છે, જ્યાં વિશ્લેષણ સ્રોત પર જ – એટલે કે મશીન પર જ – થાય છે, તમામ ડેટાને રિમોટ ક્લાઉડ સર્વર પર મોકલવાને બદલે. આ ફેરફાર એવા ઉચ્ચ-જોખમવાળા વાતાવરણ માટે નિર્ણાયક છે જ્યાં ઉત્પાદનમાં મોટો વિક્ષેપ અથવા સલામતીના જોખમોને ટાળવા માટે સ્પ્લિટ-સેકન્ડ નિર્ણયો લેવા જરૂરી છે.
ભારતના મેન્યુફેક્ચરિંગ સેક્ટર પર અસર
ભારત વૈશ્વિક મેન્યુફેક્ચરિંગ હબ બનવાના તેના લક્ષ્યોને પહોંચી વળવા માટે, આ ટેકનોલોજી અપનાવવી એ આર્થિક પ્રાથમિકતા છે. જે કંપનીઓ સેન્સર સ્તર પર ઇન્ટેલિજન્સને એકીકૃત કરે છે તે પ્રતિક્રિયાશીલ જાળવણી (reactive maintenance) – મશીન તૂટ્યા પછી તેને ઠીક કરવા – થી આગાહીયુક્ત જાળવણી (predictive maintenance) તરફ આગળ વધી શકે છે, જે સમસ્યાઓ થાય તે પહેલાં તેનું નિરાકરણ લાવે છે. આ ડાઉનટાઇમ ઘટાડીને અને સ્પેરપાર્ટ્સના ખર્ચમાં ઘટાડો કરીને નફાના માર્જિનમાં નોંધપાત્ર સુધારો કરી શકે છે. ઔદ્યોગિક ક્ષેત્રમાં રોકાણકારો એવા શેરો પર નજર રાખી શકે છે જેઓ ફક્ત સ્ટાન્ડર્ડ સોફ્ટવેર ખરીદવાને બદલે આંતરિક સેન્સર ક્ષમતાઓ અને ઔદ્યોગિક ઓટોમેશનમાં રોકાણ કરી રહ્યા છે. જે કંપનીઓ બેઝિક ઓફિસ ઓટોમેશન માટે AI નો ઉપયોગ કરે છે અને જેઓ ફેક્ટરી ફ્લોર ઓપરેશન્સને ઑપ્ટિમાઇઝ કરવા માટે ફિઝિકલ AI નો ઉપયોગ કરે છે તેમની વચ્ચેનો તફાવત વધવાની અપેક્ષા છે, જે લાંબા ગાળાની કાર્યક્ષમતા અને એસેટની ટકાઉપણું પર સીધી અસર કરશે.