دهه‌هاست که سالن تولید مانند رژه‌ای نظامی و منظم اداره شده است: فرماندهی مرکزی دستور می‌دهد، ماشین‌ها در صف قرار می‌گیرند و هر انحرافی با سخت‌گیری مکانیکی پاسخ داده می‌شود. اما Analog Devices (ADI) استدلالی قانع‌کننده مطرح می‌کند مبنی بر اینکه این الگوی سلسله‌مراتبی راهی انبار ضایعات دارد. به‌گفته این شرکت، آینده به چیزی بسیار سیال‌تر تعلق دارد - مفهومی که آن را «هوش فیزیکی» می‌نامد.
در ارائه‌ای که ۸ ژوئیه ۲۰۲۶ در پلتفرم Signals+ شرکت ADI منتشر شد، فیونا تریسی - مدیرعامل واحد کسب‌وکار خودکارسازی پایدار این شرکت - چشم‌اندازی را تشریح کرد که میان پذیرش هوش مصنوعی، رباتیک انسان‌نما و زنجیره تأمین نیمه‌رساناها ارتباط برقرار می‌کند؛ ارتباطی که دیگر اپراتورهای کارخانه نمی‌توانند نادیده بگیرند. تز اصلی او در عین سادگی فریبنده، عمیقاً تحول‌آفرین است: به‌جای آنکه ماشین‌ها کورکورانه دستورهای ازپیش‌تعیین‌شده را اجرا کنند، سامانه‌های صنعتی آینده در زمان واقعی محیط‌های پویا را از طریق حلقه‌های بازخورد پیوسته حس می‌کنند، استدلال می‌کنند و عمل می‌کنند و خود را با آن‌ها سازگار می‌سازند.
برچیدن ساختارهای قدیمی
خودکارسازی سنتی کارخانه همیشه بر سلسله‌مراتب سخت‌گیرانه بنا شده است. یک کنترل‌کننده مرکزی فرمان می‌دهد؛ ماشین‌ها آن را اجرا می‌کنند؛ و حلقه کنترل به‌آرامی بسته می‌شود - اگر اصلاً بسته شودتریسی استدلال می‌کند که هوش مصنوعی عملاً با راندن هوش به لبه‌ها، آن معماری را از هم می‌پاشد: حسگری و عملگری توزیع‌شده و هم‌تراز با زمان در سطح ماشین. نتیجه؟ سالن تولیدی که در آن سامانه‌های منفرد چابک‌تر و پاسخ‌گوتر می‌شوند، بی‌آنکه دائماً با فرماندهی مرکزی هماهنگ شوند.
برای تیم‌های عملیاتی که تجهیزات جدید را ارزیابی می‌کنند، این موضوع نشان‌دهنده تغییری بنیادین در معیارهای خرید است. اکنون هوش تعبیه‌شده در یک ماژول حسگر یا عملگر به‌اندازه مشخصات مکانیکی درج‌شده در برگه داده اهمیت دارد. و فشار در حال افزایش است: با افزایش تقاضای تولیدکنندگان برای محصولات محلی و شخصی‌سازی‌شده، دوره‌های تولید کوتاه‌تر و متنوع‌تر می‌شوند. معماری‌های کارخانه باید پیکربندی مجدد سریع‌تری را امکان‌پذیر کنند - و ADI هوش نهفته توزیع‌شده را پیش‌نیاز این نوع انعطاف‌پذیری می‌داند.
انسان‌نماها: آزمون نهایی فشار
اینجاست که داستان واقعاً جذاب می‌شود. تریسی از ربات‌های انسان‌نما استفاده می‌کند، نه به این دلیل که برای استقرار گسترده آماده‌اند - که نیستند - بلکه چون دشوارترین مشکلات خودکارسازی را در یک سکوی واحد و بی‌گذشت فشرده می‌کنند. یک انسان‌نما باید شبکه‌های متراکم حسگرها، عملگرها و توان پردازشی را که همگی در زمان واقعی هماهنگ می‌شوند، یکپارچه کند و دست‌هایی به‌اندازه کافی حساس برای دست‌کاری ماهرانه داشته باشد.
ارزیابی صریح ADI این است که انسان‌نماهای فعلی همچنان دامنه‌ای شگفت‌انگیز محدود دارند: بیشتر آن‌ها هنوز بر منطق ازپیش‌کدنویسی‌شده کار می‌کنند و فقط از عهده وظایف ساده و به‌خوبی تعریف‌شده برمی‌آیند. اما پیشرفت واقعی، قابلیت ظاهری ماشین نیست؛ بلکه معماری زیربنایی لازم برای عملی‌کردن آن است. و این معماری - پردازش توزیع‌شده در لبه همراه با حسگری با وضوح بالا - دقیقاً همان زیربنایی است که خودکارسازی صنعتی برای پیشرفت به آن نیاز دارد.
نکته مهم برای تیم‌های تدارکات و مهندسی این است: سرمایه‌گذاری فناوری که به توسعه ربات‌های انسان‌نما سرازیر می‌شود، به ربات‌های انسان‌نما محدود نیست. حسگرها، سامانه‌های عملگر و پردازنده‌های لبه‌ای که برای ربات‌های دوپا توسعه می‌یابند، دقیقاً همان قطعاتی هستند که نسل بعدی ربات‌های مشارکتی و سلول‌های تولید انعطاف‌پذیر را تعریف خواهند کرد.
اثر موجی سرمایه‌گذاری
استدلال گسترده‌تر ADI درباره این است که چه اتفاقی می‌افتد پس از نخستین ربات وارد سالن تولید می‌شود. تریسی از اثری زنجیره‌ای بر سرمایه‌گذاری می‌گوید: هر استقرار ربات، هزینه سرمایه‌ای برای ارتقای سیستم‌های کارخانه، دیجیتالی‌کردن عملیات و افزودن هوش در سراسر محیط تولید را به دنبال دارد. یک ردیف هزینه واحد برای ربات انسان‌نما یا ربات مشارکتی پیشرفته، به نقطه شروعی برای نوسازی گسترده‌تر زیرساخت تبدیل می‌شود و سهم نیمه‌رساناها در هر لایه از پشته افزایش می‌یابد.
برای تیم‌های برنامه‌ریزی سرمایه و زنجیره تأمین، این نگاه هزینه واقعی استقرار رباتیک و دستاوردهای آن را بازتعریف می‌کند. ADI نیمه‌رساناها را در مرکز این پویایی قرار می‌دهد؛ موضوعی که کاملاً با راهبرد محصول خود شرکت در حوزه‌های حسگری، توان و اتصال برای کاربردهای صنعتی هم‌راستا است.
این برای سالن تولید چه معنایی دارد
برای تیم‌های حاضر در محل، پیامدها ملموس است. درخواست‌های پیشنهاد قیمت برای خودکارسازی باید الزامات هوش لبه‌ای را شامل شوند و از فروشندگان بپرسند حسگری و پردازش در سطح ماشین چگونه توزیع شده است، نه فقط کنترل‌گر مرکزی چه چیزی را مدیریت می‌کند. هزینه‌های کلی استقرار باید مخارج دیجیتالی‌سازی مرتبط را نیز در نظر بگیرند، زیرا ردیف‌های هزینه ربات‌ها معمولاً به سرمایه‌گذاری گسترده‌تر در زیرساخت کارخانه منجر می‌شوند؛ سرمایه‌گذاری‌ای که ممکن است در بودجه‌های اولیه دیده نشود. تأمین‌کنندگان نیمه‌رسانا باید از همان ابتدای چرخه‌های نوسازی خودکارسازی درگیر شوند، زیرا با انتقال هوش به لبه، انتخاب قطعات در سطح حسگر و عملگر مستقیماً بر انعطاف‌پذیری سیستم و مسیرهای ارتقا اثر می‌گذارد.
پیام ADI کاملاً روشن است: دوران ماشین‌های کم‌هوشی که از مغزی دوردست فرمان می‌گیرند، رو به پایان است. کارخانه آینده سرشار از هوش توزیع‌شده خواهد بود و صنعت نیمه‌رسانا آماده است این داستان را، حسگر به حسگر، روایت کند.
