Как периферийный ИИ может повысить производительность ММСП Индии

В течение многих лет микро-, малые и средние предприятия (ММСП) считались основой индийской экономики. Эту фразу повторяют так часто, что она рискует показаться церемониальной; однако цифры однозначны.

ММСП вносят почти третий валового внутреннего продукта Индии и более 250 миллионов рабочие места. Этот сектор является важнейшим якорем для производства, услуг и конкурентоспособности экспорта Индии.

Это признание теперь более четко отражено в политике. Союзный бюджет Индии на 2026–2027 годы Затраты в размере 100 миллиардов индийских рупий для ММСП сигнализирует о том, что следующий этап экономической траектории Индии не может опираться исключительно на крупные предприятия; рост должен быть обеспечен внутри кластеров ММСП и цепочек поставок Индии.

Однако для осуществления этого сдвига необходимо повышение производительности. Это можно измерить по сокращению времени простоя оборудования, снижению уровня дефектов, повышению энергоэффективности, сокращению циклов инвентаризации и более предсказуемому результату.

В Индии нет недостатка в политических основах искусственного интеллекта (ИИ) или технологических намерениях, но ей не хватает масштабного внедрения – способности использовать ИИ для достижения измеримого повышения производительности в цехах большинства ММСП. Принятие остается неравномерным и фрагментированным – теперь сдерживающим фактором является исполнение, а не намерение.

Сегодня индийские ММСП сталкиваются с множественное давление. Затраты на вводимые ресурсы нестабильны. Квалифицированной рабочей силы мало. Требования к соблюдению требований растут. Глобальные покупатели требуют более высокого качества, большей согласованности и отслеживаемости. В то же время конкуренция – внутренняя и глобальная – усиливается.

Традиционно ММСП решали эти проблемы посредством опыта, интуиции и ручного контроля. Эта модель обеспечила устойчивость, но также достигла своих пределов. Прибыль мала, дефекты обходятся дорого, а решения часто являются реактивными, а не упреждающими.

ИИ переводит это уравнение с реактивного на прогнозирующее. Например, от ремонта оборудования после его поломки до прогнозирования его поломки и соответствующего планирования технического обслуживания.

Вместо того, чтобы рассматривать его как футуристическое дополнение, его следует использовать как инструмент для повседневного принятия решений. В наших консультациях многие сторонники ММСП теперь описывают ИИ как фактического соучредителя в повседневном принятии решений.

Помимо расширения, оно уменьшает количество дефектов, предвидит отказы оборудования, оптимизирует потребление энергии и стабилизирует качество продукции – преимущества, которые напрямую влияют на прибыльность и выживание бизнеса. ИИ, очевидно, полезен; Вопрос в том, какая форма ИИ является жизнеспособной для индийских ММСП?

Большинство доминирующих архитектур искусственного интеллекта предназначены для крупных предприятий с тяжелыми облачными системами, централизованными озерами данных и длительными циклами экспериментов. Эта модель не соответствует и не может хорошо отражать реалии ММСП.

У ММСП нет больших ИТ-команд или чистых озер данных. Они работают в средах с прерывистым подключением, и решения должны приниматься в режиме реального времени. Ожидание облачной обработки или создание сложной инфраструктуры данных не является ни доступным, ни практичным.

Именно здесь периферийный ИИ становится критически важным — интеллектуальные возможности находятся непосредственно на машине или рядом с ней, а не на удаленном облачном сервере. Вместо отправки производственных данных в облако для анализа и ожидания ответа алгоритмы запускаются локально, на устройствах, подключенных к машинам или производственным линиям. Информация, будь то дефект, аномалия вибрации или всплеск энергии, генерируется в реальном времени в цехе.

Рассмотрим небольшого производителя автокомпонентов в кластере. Сегодня проверки качества могут быть ручными и периодическими. Если на линии установлена периферийная камера с поддержкой искусственного интеллекта, дефекты можно обнаруживать мгновенно по мере продвижения компонентов в производство.

Система немедленно выявляет несоответствия, сокращая количество брака, переделок и отходов материала. Это обеспечивает более быстрое принятие решений там, где они имеют значение. Напротив, рабочий процесс с приоритетом облака потребует непрерывной передачи производственных данных на удаленный сервер для обработки до того, как будет сгенерировано предупреждение.

Это увеличивает задержку, увеличивает затраты на передачу данных и создает зависимость от стабильного подключения.

По итогам консультаций с сотнями партнеров по экосистеме и самими ММСП Всемирный экономический форум недавно опубликовал Пособие по искусственному интеллекту для ММСП Индии. Этот документ отражает основные реалии индийских ММСП и предлагает четкую и действенную структуру, обеспечивающую им своевременный доступ к технологиям.

Однако рамки имеют значение только тогда, когда они проверены на соответствие реальности. Вот почему так важно пилотировать кластеры.

ММСП редко действуют в одиночку – они действуют кластерами. Например: автомобильные компоненты, текстиль, пищевая промышленность, электроника. Фирмы могут делиться поставщиками, навыками, рабочей силой и проблемами. Самое главное, что кластеры позволяют узнать об успехе коллег.

Заинтересованные стороны экосистемы сходятся во мнении, что взаимное обучение является единственным наиболее важным фактором, мотивирующим ММСП опробовать новые технологии. Добавьте к этому преимущества разделения затрат и объединения возможностей, и кластеры станут естественной единицей для развертывания и распространения любой технологии.

В этом контексте несколько участников отрасли и экосистем инициируют пилотное внедрение в кластерах ММСП в Индии. Отраслевые организации, такие как Национальная ассоциация компаний-разработчиков программного обеспечения и услуг (NASSCOM) и Конфедерация индийской промышленности (CII), дают возможность пилотным проектам кластеров ММСП через Центры передового опыта и испытательные стенды интеллектуального производства.

Десятки поставщиков технологий, в том числе такие, как Индустрия.ИИFlutura, Detect Technologies и Altizon Systems работают над внедрением вариантов использования визуального контроля качества, профилактического обслуживания, управления соответствием и оптимизации энергопотребления в промышленных условиях, в том числе с помощью периферийного искусственного интеллекта.

Посредством своей работы по внедрению ИИ для ММСП Форум стремится продвигать кластерный подход, включая усилия по наращиванию потенциала на уровне кластеров и признанию первых, кто внедрит его в рамках своего проекта. УМЫ программа.

Эта структура послужит для получения информации о реализации и демонстрации надежных и ответственных путей внедрения ИИ для ММСП. Такое сочетание имеет значение, поскольку реализация без обмена знаниями не масштабируется, а признание без наращивания потенциала не является устойчивым.

Цель состоит в том, чтобы создать петлю обратной связи, которая будет способствовать внедрению и постоянному повышению стандартов.

Время этого сдвига имеет решающее значение. Индия позиционирует себя как глобальный партнер в сфере производства и поставок в момент геополитической и экономической реконфигурации. ММСП глубоко вовлечены в эту возможность, но только в том случае, если они смогут продуктивно масштабироваться.

Edge AI обеспечивает именно такое преимущество. Если правительство, промышленность, поставщики технологий и финансовые учреждения объединятся вокруг кластерного развертывания, моделей общей инфраструктуры, финансирования на ранних стадиях и скоординированного наращивания потенциала, Индия сможет добиться масштабного повышения производительности.

Переход от сценария к пилотному проекту и от пилотного проекта к масштабированию — вот как индийские ММСП могут уверенно шагнуть в момент своего преимущества в области ИИ.