Habang bumibilis ang karera sa net zero, nakahanda ang mga manufacturing CEO na baguhin ang kanilang buong operasyon, mula sa sahig ng tindahan hanggang sa pamamahala ng basura at maging ang muling pag-iisip sa paggamit ng lupa, na may pinagsama-samang sustainability sa bawat aspeto. Sa panahong ito ng "berdeng pagbabagong-anyo," ang mga pinuno sa huli ay nahahati sa dalawang kategorya: mga trailblazer na nangunguna at mabagal na mga nagsisimula, na sumusunod sa likuran. Kung magpapatunay na tumpak ang hula ng McKinsey and Co., pagsapit ng 2027, 75 porsiyento ng mga negosyo ng S&P 500 ay ganap na mawawala. Ang nakababahala na hulang ito ay nagpapadala ng isang malinaw na mensahe sa mga CEO: upang manatiling mapagkumpitensya, ang mga pinuno ay dapat na aktibong baguhin ang kanilang mga negosyo upang matugunan ang mga berdeng pangangailangan sa ngayon, at ang groundbreaking na teknolohiya, tulad ng generative artificial intelligence (GenAI), ay gaganap ng isang mahalagang papel sa pagpapabilis ng kanilang mga pagsisikap.
Ayon kay Gartner, pagsapit ng 2028, 1 sa 4 na nangungunang pandaigdigang kumpanya ang makikinabang sa GenAI upang mabawasan ang mga net emissions sa zero. Ang pamamahala at produksyon ng basura ay kabilang sa mga pinakamahalaga at mamahaling hamon na kinakaharap ng mga negosyo sa pag-abot sa net zero, partikular sa pagmamanupaktura, isa sa mga nangungunang polusyon sa mundo. Ayon sa Business Waste ng United Kingdom, ang industriya ay gumagawa ng humigit-kumulang 2 bilyong tonelada ng pang-industriya na basura taun-taon, na nagkakahalaga ng 50 porsiyento ng lahat ng basura sa buong mundo. Karamihan sa mga basura ay nabuo mula sa sobrang produksyon, may sira na paninda, at "tirang" basura, na nagreresulta mula sa mga labi ng mga hilaw na materyales na hindi kinakailangan sa huling produkto.
Sa kasalukuyang kapaligirang pang-ekonomiya, dapat mauna ang mga CEO sa kumpetisyon sa lahat ng lugar, kabilang ang karera patungo sa net zero at pagbabawas ng basura gamit ang mga makabagong teknolohiya tulad ng AI, na madiskarteng makakatulong sa kanila na gawin ito.
Nagtatanong ito: ang GenAI ba ang silver bullet para sa pagkamit ng net-zero emissions, makabuluhang pagbabawas ng basura, at sabay-sabay na pagpapahusay ng kahusayan sa pagpapatakbo? Bagama't walang anumang mga shortcut, tiyak na may potensyal ang GenAI na bawasan ang basura, palakasin ang pagiging produktibo, at palaguin ang topline.
Ang aplikasyon ng GenAI sa pagmamanupaktura: pagbabago = kahusayan
Ang hype na nakapalibot sa GenAI ay patuloy na bumubuo, at para sa magandang dahilan. Ayon sa Ernst & Young (EY), ang GenAI ay tinatayang magbubukas ng humigit-kumulang USD $1.7 trilyon hanggang $3.4 trilyon sa gross domestic product (GDP) sa 2033. Sa pagmamanupaktura lamang, pagsapit ng 2033, hinuhulaan ng MarketResearch.biz na ang pandaigdigang merkado ng GenAI ay tataas sa humigit-kumulang USD$6. Sa isang mundo kung saan binabago ng digital transformation ang sektor, kung gagamitin ng mga CEO ang GenAI upang umangkop sa kanilang mga pangangailangan sa negosyo, maaari nilang paganahin ang kanilang mga negosyo na umunlad sa lahat ng lugar, kabilang ang pagbawas ng basura at, sa huli, na magreresulta sa mga net-zero na operasyon.
Mayroong maraming mga paraan upang mailapat ng mga tagagawa ang GenAI sa kanilang mga proseso. Halimbawa, maaaring gamitin ng mga kumpanya ng fashion ang GenAI sa 3D weaving technology. Ang paggawa ng mga damit na ginawa upang magkasya ay nagpapaliit ng basura, na nagbibigay-daan sa industriya na bawasan ang mga carbon emission nito. Sa kaso ng Airbus, ang kanilang generative na disenyo ay nagbibigay-daan sa kanilang mga jetliner na kumonsumo ng mas kaunting gasolina at mabawasan ang basura at ang kanilang pangkalahatang bakas sa kapaligiran.
Upang ganap na ma-unlock ang potensyal ng AI at GenAI, ang mga CEO ay dapat magsimula sa layunin-driven na inobasyon. Sa ganitong paraan, masisiguro nilang ang mga umuusbong na solusyon na pinagtibay ay akma para sa layunin at madiskarteng nakaayon sa mga layunin at halaga ng negosyo. Narito ang limang paraan na maaaring ilapat ng mga kumpanya ang AI upang mabawasan ang basura at, sa proseso, palakasin ang kahusayan.
Ang nangungunang 5 paraan upang ma-optimize ng AI ang pamamahala ng basura
1. Intelligent na proseso ng pag-optimize
Isipin ang nabubulok na pagkain na nakapatong sa mga trak dahil sa hindi magandang pagpaplano o sobrang produksyon ng imbentaryo na nangyari dahil sa pagkakamali ng tao. Sa loob ng larangan ng pagpaplano, produksyon, atbp., maaaring suportahan ng AI ang pagpapahusay ng mga proseso, sa huli ay binabawasan ang basura. Ang isang bagong AI-driven system na binuo ng mga mananaliksik ng University of Virginia ay maaaring alisin ang mga error na ito at magtatag ng mga bagong benchmark para sa kahusayan sa pagmamanupaktura, tulad ng iniulat ng MSN.
2. Advanced predictive maintenance
Ang mga tradisyunal na diskarte sa pagpapanatili ay reaktibo at magkakabisa lamang kapag nasira ang makinarya, ngunit maaaring ihinto ng GenAI ang mga pagkagambala bago mangyari ang mga ito. Sinusuportahan ng AI ang predictive na pagpapanatili sa pamamagitan ng pagtataya ng mga pagkabigo bago mangyari ang mga ito, na maaaring magbawas ng mga labis na bahagi at labis na mga kinakailangan sa imbentaryo, bawasan ang basura, at makatipid ng mga mapagkukunan habang pinapanatili ang pinakamataas na kahusayan sa pagpapatakbo.
3. Pinahusay na pamamahala ng supply chain
Natuklasan ng pananaliksik na ang pamamahala ng supply-chain na pinagana ng AI ay humahantong sa makabuluhang pagpapahusay sa pagpapatakbo, pagpapabuti ng mga antas ng serbisyo hanggang sa 65 porsyento at imbentaryo ng hanggang 35 porsyento at higit pa. Maaaring palakasin ng AI ang kahusayan sa supply chain sa pamamagitan ng pagbibigay ng mga naaaksyunan na insight at real-time na data analytics, na humahantong sa pinahusay na pagtataya ng demand at pagputol ng labis na produksyon at labis na imbentaryo.
4. End-to-end traceability na teknolohiya
Ang teknolohiyang naka-enable ang AI na sumusubaybay at nagpapababa ng basura ay maaaring makatulong na ilantad ang mga dahilan para sa mga error sa produksyon at tumulong na magtatag ng mga pinakamahuhusay na kagawian upang mapanatili ang mapagkukunan, paggawa at pagpapadala ng mga de-kalidad na produkto. Maaaring matuklasan ng mga CEO na gumagamit ng AI para sa digital tracing ang mga inefficiencies at magsagawa ng mga naka-target na diskarte sa pagbabawas ng basura, na humahantong sa pagtitipid sa gastos, pagbabawas ng mga emisyon, at pagpoposisyon sa kanilang kumpanya bilang isang sustainability leader.
5. Malikhaing disenyo at pamamahala ng lifecycle
Maaaring paganahin ng generative na disenyo ang mga eco-friendly na kasanayan tulad ng paggamit ng napapanatiling mga materyales na hindi lamang mabuti para sa kapaligiran ngunit mapanatiling masaya ang mga customer. Ang mga produktong ito ay maaaring magkaroon ng isang na-optimize na lifecycle sa pamamagitan ng mas mahusay na pinagsama-samang napapanatiling mga proseso upang mabawasan ang mga basura at mga emisyon upang suportahan ang net-zero advancement na mga aktibidad.
Ang kalamangan ng AI: pagpapabilis ng mga pagsusumikap sa pagpapanatili
Sa buod, ang hangarin na maabot ang net-zero carbon emissions pagsapit ng 2050 ay isang ambisyosong layunin at isang bagay na nangangailangan ng pagsisikap at dedikasyon sa buong kumpanya. Ang mga tagagawa ay kabilang sa ilang mga industriya na may pinakamaraming gawaing dapat gawin, dahil sa pagbabagong kailangan upang lumipat patungo sa net zero. Dapat baguhin ng mga pinuno ang kanilang pag-iisip sa pagpapanatili at yakapin ang mga makabagong teknolohiya tulad ng AI na maaaring mapalakas ang kahusayan, mapabilis ang mga pagsisikap na bawasan ang basura at i-optimize ang paggamit ng lupa. Ang aming nangungunang limang paraan upang ma-optimize at matugunan ang pamamahala ng basura ay isang panimula, ngunit dapat ding ikategorya ng mga CEO ang mga aktibidad sa negosyo sa dalawang kategorya: mga aktibidad na sumusuporta sa mga layunin sa pagpapanatili at mga aktibidad na sa halip ay sumasabotahe sa mga layuning pang-ekolohikal.
Upang bumuo ng isang plano na tumutugon sa mga aktibidad ng negosyo na hindi naaayon sa pagpapanatili ng mga layunin ng negosyo, isang matatag na balangkas ng Environmental, Social, and Governance (ESG), gaya ng Consumer Sustainability Industry Readiness Index (COSIRI) ay sentro sa napapanatiling pagsisikap. Ang COSIRI ay isang malawak na kinikilalang framework na maaaring suriin ang sustainability maturity sa iba't ibang dimensyon, kabilang ang shop floor, supply chain, logistics, diskarte, mga panganib, pag-unlad ng workforce, at pamumuno. Maaaring ipakita ng COSIRI ang mga mahuhusay na insight na magagamit ng mga CEO para gumawa ng mga madiskarteng desisyon, na sumusuporta sa pagsasama ng mga napapanatiling kasanayan sa mga operasyon. Upang matuto nang higit pa tungkol sa COSIRI, bisitahin ang aming Pagtatasa ng COSIRI pahina.
Mga Madalas Itanong Tungkol sa AI sa Sustainable Manufacturing
Paano Sinusuportahan ng AI ang Sustainable Manufacturing Practices?
Sinusuportahan ng AI ang napapanatiling pagmamanupaktura sa pamamagitan ng pag-optimize ng paggamit ng enerhiya, pagbabawas ng basura, paghula sa mga pagkabigo ng kagamitan, at pagpapabuti ng kahusayan sa proseso. Tinutulungan nito ang mga tagagawa na ihanay ang mga operasyon sa pagpapanatili at mga layunin ng ESG.
Ano ang mga Halimbawa ng AI Application sa Pagbawas ng Industrial Waste?
Kasama sa mga halimbawa ang kontrol sa kalidad na pinapagana ng AI upang bawasan ang mga may sira na produkto, predictive na pagpapanatili upang maiwasan ang mga pagkasira ng kagamitan, at matalinong pagpaplano ng produksyon upang mabawasan ang basura ng hilaw na materyal.
Makakatulong ba ang AI sa mga Manufacturer na Ibaba ang Kanilang Carbon Footprint?
Oo, matutulungan ng AI ang mga manufacturer na mapababa ang kanilang carbon footprint sa pamamagitan ng pag-optimize ng pagkonsumo ng enerhiya, pagbabawas ng materyal na basura, at pagpapagana ng mga desisyon na batay sa data na sumusuporta sa produksyon na mababa ang emisyon.
Paano Napapabuti ng AI ang Energy Efficiency sa Mga Pabrika?
Pinapabuti ng AI ang kahusayan sa enerhiya sa pamamagitan ng pagsusuri sa performance ng kagamitan, paghula sa pinakamataas na paggamit ng enerhiya, at awtomatikong pagsasaayos ng mga system upang mabawasan ang hindi kinakailangang paggamit ng kuryente sa real time.
Ano ang Epekto ng Predictive Analytics sa Sustainable Manufacturing?
Ang predictive analytics ay tumutulong sa napapanatiling pagmamanupaktura sa pamamagitan ng pagtataya ng mga pangangailangan sa pagpapanatili, pagbabawas ng downtime, at pagliit ng basura sa mapagkukunan. Nagbibigay-daan ito sa mga tagagawa na tumakbo nang mas mahusay at sustainably.
Paano Pinagana ng AI ang Real-time na Paggawa ng Desisyon sa Paggawa?
Binibigyang-daan ng AI ang real-time na paggawa ng desisyon sa pamamagitan ng pagpoproseso ng live na data mula sa mga makina at sensor para makita ang mga problema, isaayos ang mga proseso, at agad na i-optimize ang performance, na sumusuporta sa maliksi at mahusay na operasyon.
Bakit Mahalaga ang AI para sa Circular Economy Initiatives sa Manufacturing?
Mahalaga ang AI para sa mga circular economy na inisyatiba dahil nakakatulong ito sa pagsubaybay sa paggamit ng resource, paghula ng mga pagkakataon sa muling paggamit ng materyal, at pagdidisenyo ng mga siklo ng produksyon na nagpapaliit ng basura, na nagpapagana ng mga closed-loop na manufacturing system.
Anong mga Hamon ang Kinakaharap ng Mga Kumpanya Kapag Nagpapatupad ng AI para sa Sustainability?
Kasama sa mga hamon ang mataas na gastos sa pagpapatupad, mga isyu sa pagsasama ng data, kakulangan ng sanay na talento, at paglaban sa pagbabago. Dapat ihanay ng mga kumpanya ang AI sa mga malinaw na layunin sa pagpapanatili upang mapakinabangan ang epekto.
Bakit Mahalaga ang AI sa Sustainable Manufacturing?
Mahalaga ang AI sa napapanatiling pagmamanupaktura dahil binibigyang-daan nito ang mas matalinong pamamahala ng mapagkukunan, pagbabawas ng basura, pagtitipid ng enerhiya, at pag-optimize ng proseso—na lahat ay kritikal para sa pagkamit ng mga pangmatagalang layunin sa kapaligiran at pagpapatakbo.
