मैन्युफैक्चरिंग एंड सप्लाई के क्षेत्र में आर्टिफिशियल इंटेलिजेंस (कृत्रिम बुद्धिमत्ता) की परिकल्पना
लेखक:- डॉ. संजय कुमार यादव, सहायक प्रोफेसर, (मार्केटिंग – कंज्यूमर मनोविज्ञान), आई.सी.एफ.ए.आई. विश्वविद्यालय रायपुर.
रायपुर 31 मार्च 2024/
आर्टिफिशियल इंटेलिजेंस यानि, कृत्रिम बुद्धिमत्ता गणित की आधार रेखा के साथ विज्ञान और प्रौद्योगिकी का व्यापक संलयन है। कृत्रिम बुद्धिमत्ता के जनक मैकार्थी ने एआई को “बुद्धिमान मशीनें बनाने के विज्ञान और इंजीनियरिंग” के रूप में परिभाषित किया है। हालांकि स्वायत्त ड्राइविंग कारें मैकार्थी की प्रयोगशाला का हिस्सा थीं, लेकिन इसे विकसित किया गया है और अब अंततः हमारे पास मैककार्थी के मॉडल की अवधारणा के सिद्धांत और प्रमाण से एक ठोस संस्करण है। वास्तव में उन्होंने अपने पत्रों में मशीन सीखने और मानसिक चेतना की स्वतंत्र इच्छा पर चर्चा की है। उन्होंने मानसिक स्थिति कैलकुलस, चेतना की धारा आदि सहित विभिन्न कैलकुलस मॉडल का वर्णन किया है। जहां इन्होंने वर्तमान युग के मशीन लर्निंग एल्गोरिदम की नींव रखी। उन्होंने अपने एक पेपर में स्वतंत्र इच्छा की आवश्यकता पर जोर देते हुए लिखा है जो सिस्टम को महत्वपूर्ण निर्णय लेने के लिए मनुष्यों की सहायता करने में सक्षम बनाएगा। उन्होंने सरल नियतात्मक मुक्त इच्छा के एक सिद्धांत को परिभाषित किया जहां कार्यों और परिणामों का पता लगाया जाता है और उसके बाद निर्णय लेना सबसे इष्टतम परिणाम के लिए दूसरा कदम है। इसे उद्योग के निर्णय में एआई के सभी निर्णय मॉडल के लिए प्राथमिक अवधारणा के रूप में माना जा सकता है। जहां इसका उपयोग किया जा सकता है विनिर्माण संसाधन नियोजन, आपूर्तिकर्ता मूल्यांकन के नियोजन इंजनों का निर्णय लेना जहां पहले में प्रभावी विनिर्माण प्रक्रिया के लिए डेटा का जटिल सेट और उचित आउटपुट शामिल होता है और बाद में आपूर्तिकर्ता के मूल्यांकन के लिए मानव को शामिल किया जाता है, अक्सर संभावित अनुकूल निर्णयों से बचा जा सकता है। डेटा का अर्थ है किसी भी एनालिटिक्स के लिए मौलिक इनपुट और यह किसी भी निर्णय लेने के लिए महत्वपूर्ण है। प्रिडिक्टिव एनालिटिक्स का विकास डेटा संग्रह, विश्लेषण और रिपोर्टिंग और भविष्य की भविष्यवाणी से शुरू होता है। वर्तमान में भविष्यवाणी निर्णय लेने में महत्वपूर्ण भूमिका निभाती है, जिससे पहले की पहचान से गैर-अनुरूपता समाप्त हो जाती है। सरल शब्दों में, प्रभावी पहचान वाले व्यवसाय मॉडल के लिए इलाज की तुलना में रोकथाम बेहतर है। संयंत्र रखरखाव गतिविधियाँ एक ऐसा मामला है जहां पूर्वानुमानित रखरखाव प्रबंधन को मशीनों की किसी भी विफलता से बचने और क्षमता की आवश्यकता की प्रभावी ढंग से योजना बनाने में सहायता कर सकता है। हालांकि यह पूर्वव्यापी प्रभाव के रूप में पर्याप्त अद्यतन डेटा और सीखने के मॉडल के साथ प्रबंधन को बार-बार अलर्ट और सुधारात्मक उपायों पर भी सक्षम बनाया जाएगा। हालांकि इस उपकरण का उपयोग उच्च मांग में उतार-चढ़ाव के साथ क्लास-ए इन्वेंट्री के लिए लगभग सटीक होने के लिए इन्वेंट्री रणनीतियों के लिए भी किया जा सकता है।
