آینده ناگزیر فولادی‌ها
آیا بنگاههای فولادی در ایران از هوش مصنوعی بهره می‌گیرند؟
مجتبی میرجعفری، رئیس انجمن تحول دیجیتال و هوش مصنوعی صنعت و معدن کشور دراین‌باره می‌گوید: «هوش مصنوعی دیگر ابزار لوکس فناورانه نیست، بلکه راهی برای زنده ماندن فولاد ایران در شرایط جدید جهانی است. بدون تحلیل داده و تصمیم‌گیری هوشمند، هیچ کارخانه‌ای در این صنعت نمی‌تواند هزینه، انرژی و کیفیت را همزمان مدیریت کند.»
تحول دیجیتال باید از نگاه پروژه‌ای به نگاه سیستمی تغییر کند، یعنی از معدن تا محصول نهایی، داده و تصمیم در یک مدار واحد جریان داشته باشد. تنها در این صورت می‌توان از فولاد سنتی به فولاد هوشمند رسید. براساس گفته‌های او، امروز فولادسازان بزرگ جهان با تکیه بر داده و الگوریتم، فرآیند تولید، انرژی و کنترل کیفیت را بازطراحی کرده‌اند. در ایران نیز این تحول به‌صورت ساختاری در حال شکل‌گیری است.
نقشه راه ایمیدرو
ایمیدرو به‌عنوان سیاست‌گذار و راهبر زنجیره‌های معدنی و فلزی در کشورمان، نقشه راه تحول دیجیتال را در دو سناریو نهایی کرده است. در سناریوی توسعه، طرح‌های جدید الزاماً دیجیتال طراحی و در سناریوی نوسازی، دارایی‌ها و خطوط موجود با فناوری‌های دیجیتال و هوش مصنوعی بهینه می‌شوند. در سطح اجرایی، فولاد مبارکه به‌عنوان بزرگ‌ترین فولادساز پروژه‌های هوش مصنوعی، مانیتورینگ بی‌درنگ و دیجیتالی‌سازی زنجیره تامین را آغاز کرده است.
همچنین فولاد شادگان پس از تدوین نقشه راه تحول دیجیتال، اجرای هوش مصنوعی را در تولید آهن اسفنجی و در حوزه‌های ایمنی، عملیات، فروش، منابع انسانی و امنیت سازمانی آغاز کرده است. همه این تحولات نشانه ورود صنعت فولاد ایران به عصر جدید داده‌محور است.
الزامات محیط زیستی
در این میان، چالش‌هایی همچون مصرف بالای انرژی، نوسان بازار و محدودیت منابع وجود دارد که امروز استفاده از هوش مصنوعی برای صنعت فولاد را حیاتی‌تر از گذشته کرده است. موضوعی که میرجعفری هم بر آن تاکید دارد: صنعت فولاد یکی از پرمصرف‌ترین صنایع در حوزه انرژی و منابع است. از سوی دیگر، با فشارهای فزاینده‌ای در زمینه کاهش هزینه، الزامات محیط زیستی و پایداری زنجیره تامین مواجه است. در چنین شرایطی، هوش مصنوعی به ابزار حیاتی برای بقا و بهره‌وری تبدیل شده است.
هوش مصنوعی می‌تواند رفتار سیستم‌های پیچیده تولید را در زمان واقعی تحلیل، مصرف انرژی را به‌صورت پویا بهینه‌سازی و با پیش‌بینی الگوهای خرابی تجهیزات، از توقف‌های ناگهانی و زیان‌های سنگین جلوگیری کند.
همچنین، در مواجهه با نوسان بازار جهانی فولاد، الگوهای یادگیری ماشین با تحلیل داده‌های تقاضا، قیمت و حمل‌ونقل، امکان تصمیم‌گیری دقیق‌تر در فروش، برنامه‌ریزی تولید و مدیریت موجودی را فراهم می‌کنند.
در ایران، با توجه به محدودیت منابع انرژی و مواد اولیه، استفاده از هوش مصنوعی، مزیت رقابتی نیست، بلکه ضرورت راهبردی برای پایداری تولید است. رویکرد ایمیدرو نیز در نقشه راه تحول دیجیتال دقیقاً بر همین مبناست: بهره‌گیری از داده و هوش مصنوعی برای کاهش مصرف، افزایش بازده و حفظ مزیت صادراتی فولاد ایران در شرایط جدید جهانی.
نقش‌آفرینی هوش مصنوعی
رئیس انجمن تحول دیجیتال و هوش مصنوعی صنعت و معدن کشور درباره نقش‌آفرینی هوش مصنوعی در صنعت فولاد می‌گوید: هوش مصنوعی می‌تواند در تمام طول زنجیره ارزش فولاد از معدن تا محصول نهایی نقش‌آفرینی کند، اما بیشترین اثر آن در بخش‌هایی است که حجم داده زیاد، تصمیم‌گیری بی‌درنگ و هزینه خطا بالاست. در بخش استخراج و فرآوری مواد اولیه، الگوریتم‌های بینایی ماشین برای پایش وضع معادن، کنترل کیفیت سنگ‌آهن و بهینه‌سازی عملیات بارگیری و حمل‌ونقل استفاده می‌شوند. در واحدهای احیا و ذوب، الگوهای یادگیری ماشین با تحلیل داده‌های حسگرها و دما، مصرف انرژی و گاز را بهینه می‌کنند و راندمان کوره‌ها را بالا می‌برند.
در مرحله نورد و تولید محصول نهایی، سیستم‌های هوشمند کنترل کیفیت مبتنی بر تصویر، عیوب سطحی را در لحظه شناسایی کرده و جلوی ضایعات را می‌گیرند. همچنین، در بخش‌های پشتیبان همانند تعمیرات و نگهداری، برنامه‌ریزی تولید، لجستیک و حتی منابع انسانی، تحلیل داده‌های گذشته و پیش‌بینی رفتار سیستم‌ها به کاهش توقف، افزایش بهره‌وری و بهبود ایمنی منجر می‌شود.
در واقع، هوش مصنوعی به «عصب مرکزی تصمیم‌گیری» در کارخانه هوشمند فولاد تبدیل می‌شود؛ جایی که داده، تولید، انرژی و بازار در یک اکوسیستم یکپارچه به هم متصل‌اند.
الگوی بهینه مصرف
از طرفی، یادگیری ماشین در صنعت فولاد به‌عنوان یکی از ابزارهای اصلی بهینه‌سازی هوشمند تولید و انرژی شناخته می‌شود. میرجعفری با بیان این گزاره توضیح می‌دهد که در این صنعت، حجم عظیمی از داده از حسگرها، کوره‌ها و خطوط نورد جمع‌آوری می‌شود که اگر به‌درستی تحلیل شود، می‌تواند رفتار فرآیندها را پیش‌بینی و اصلاح کند. در حوزه مصرف انرژی، الگوهای یادگیری ماشین می‌توانند با تحلیل داده‌های لحظه‌ای دما، فشار، ترکیب مواد و عملکرد تجهیزات، الگوهای بهینه مصرف گاز و برق را بیابند و به‌صورت پویا تنظیم کنند. این رویکرد در فولاد مبارکه و چند شرکت دیگر به‌صورت پایلوت در حال اجراست و نتایج اولیه نشان داده‌اند که می‌توان تا چند درصد از مصرف انرژی را بدون تغییر سخت‌افزاری کاهش داد.
در زمینه کاهش ضایعات و افزایش بهره‌وری نیز یادگیری ماشین می‌تواند کیفیت مواد اولیه، رفتار کوره و خروجی محصول را همزمان مدل‌سازی کند و از طریق کنترل پیش‌بینانه، مانع تولید خارج از استاندارد شود. به‌طور کلی، یادگیری ماشین ابزار اصلی عبور از «کنترل سنتی» به سمت تصمیم‌گیری خودکار و تولید هوشمند در فولادسازی است؛ مسیری که به‌طور مستقیم به صرفه‌جویی اقتصادی، کاهش آلایندگی و ارتقای رقابت‌پذیری منجر می‌شود.
نکته دیگری که نباید از آن غافل شد حرکت به‌سوی تولید «فولاد سبز» است؛ پرونده‌ای که این فعال حوزه اقتصاد دیجیتال به آن این‌گونه می‌نگرد: «فولاد سبز» به معنای تولید فولاد با حداقل انتشار کربن و بیشترین بهره‌وری انرژی است؛ هدفی که بدون فناوری‌های دیجیتال و هوش مصنوعی عملاً دست‌یافتنی نیست. در جهان، فولادسازان بزرگ از الگوهای هوشمند برای کنترل دقیق مصرف گاز طبیعی، بهینه‌سازی استفاده از هیدروژن و بازیافت حرارت و مواد استفاده می‌کنند تا ردپای کربن را کاهش دهند. در ایران نیز گام‌های اولیه در این مسیر آغاز شده است. ایمیدرو در چهارچوب نقشه راه تحول دیجیتال، پروژه‌هایی برای پایش و مدیریت هوشمند انرژی و آلاینده‌ها در زنجیره فولاد تعریف کرده است.
حرکت به‌سوی فولاد سبز
در سطح بنگاه، فولاد مبارکه طرح‌هایی برای رصد هوشمند مصرف انرژی و کنترل لحظه‌ای آلایندگی در دست اجرا دارد. همچنین، فولاد شادگان در بخش احیای مستقیم برای بهره‌گیری از الگوهای هوش مصنوعی، در جهت کاهش چشمگیر مصرف گاز طبیعی و بهبود راندمان احیا اقدام کرده است.
هوش مصنوعی به ستون فقرات حرکت به‌سوی فولاد سبز تبدیل شده است، چون تنها از طریق تحلیل داده و تصمیم‌گیری هوشمند می‌توان میان بهره‌وری اقتصادی و پایداری زیست‌محیطی تعادل برقرار کرد.
کارشناسان بر این باورند که هوش مصنوعی می‌تواند به نوآوری در محصولات و فرآیندها منجر شود و جایگاه ایران را در رقابت جهانی صنعت فولاد ارتقا دهد. میرجعفری نیز معتقد است که هوش مصنوعی فقط ابزاری برای بهینه‌سازی تولید نیست، بلکه موتور اصلی نوآوری در محصول و فرآیند در صنعت فولاد به شمار می‌آید. در حوزه نوآوری محصول، تحلیل داده‌های عملکرد و خواص فولاد در کاربردهای مختلف به طراحی آلیاژهای جدید، سبک و مقاوم کمک می‌کند. در سطح نوآوری فرآیند نیز، الگوریتم‌های هوشمند با پایش همزمان داده‌های انرژی، مواد و کیفیت، خطوط تولید را به شکل پویا تنظیم می‌کنند و به الگوی «تولید خودبهینه‌گر» می‌رسند.
پیشروی به نوآوری
اما موانع پیشروی هوشمندسازی صنعت فولاد ایران چه مواردی هستند؟ پاسخ میرجعفری این است: مهم‌ترین مانع، فقدان یکپارچگی داده و زیرساخت‌های دیجیتال هماهنگ در سطح بنگاه‌هاست. در بسیاری از واحدها، داده‌ها به‌صورت جزیره‌ای و غیراستاندارد ذخیره می‌شوند و امکان تحلیل بین‌فرآیندی وجود ندارد. درحالی‌که هوش مصنوعی برای اثربخشی نیازمند داده‌های منسجم، دقیق و به‌روز است.
چالش دوم، سرمایه‌گذاری در نوسازی دیجیتال تجهیزات و آموزش نیروی انسانی است. بسیاری از خطوط تولید هنوز فاقد حسگرها و سیستم‌های مانیتورینگ پیشرفته‌اند. بدون این بستر فیزیکی، استفاده از الگوریتم‌های هوش مصنوعی عملاً محدود می‌شود.
از سوی دیگر، کمبود مهارت‌های تخصصی در حوزه داده‌کاوی، تحلیل صنعتی و یادگیری ماشین، روند پیاده‌سازی را کند کرده است. بااین‌حال، حرکت‌هایی از سوی ایمیدرو برای تدوین الگوی حکمرانی داده و از سوی شرکت‌هایی همانند فولاد مبارکه و فولاد شادگان برای تربیت نیروی انسانی دیجیتال در حال انجام است.
اهمیت همکاری‌ها
برطرف کردن این موانع نیازمند همکاری نزدیک دولت، شرکت‌های فولادی و زیست‌بوم دانش‌بنیان است تا مسیر تحول هوشمند فولاد ایران هموار شود. در این میان، نباید از نقش شرکت‌های دانش‌بنیان، استارت‌آپ‌ها و دانشگاه‌ها در این مسیر غافل شد. پرسشی که مطرح می‌شود، این است که آیا انجمن تحول دیجیتال و هوش مصنوعی صنعت و معدن برای پیوند دادن صنعت فولاد با زیست‌بوم فناوری برنامه‌ای دارد؟ میرجعفری با تاکید بر اینکه شرکت‌های دانش‌بنیان، استارت‌آپ‌ها و دانشگاه‌ها ستون اصلی شتاب‌دهی به تحول دیجیتال و هوشمندسازی صنعت فولاد هستند، می‌گوید: این شرکت‌ها و بخش‌ها با ارائه راهکارهای نوآورانه در یادگیری ماشین، اینترنت اشیای صنعتی و تحلیل داده، فاصله میان فناوری و عملیات واقعی کارخانه‌ها را پر می‌کنند.
در این میان، انجمن نقش کلیدی در شکل‌دهی به اکوسیستم تخصصی صنایع، به‌ویژه فولاد دارد. این اکوسیستم شرکت‌های فناور و دانش‌بنیان را گردهم می‌آورد و خدمات کامل چرخه حیات پروژه‌های تحول دیجیتال و هوش مصنوعی را از مشاوره و آموزش تا پیاده‌سازی، نگهداری و پشتیبانی فراهم می‌کند.
انجمن همچنین ارتباط میان بهره‌بردار، تامین‌کننده، سرمایه‌گذار و سایر اجزا را برقرار کرده و با آکادمی و لیوینگ لب، فرهنگ‌سازی، ارتقای مهارت و تست فناوری‌های نوین را دنبال می‌کند. علاوه‌براین، تعاملات و دیپلماسی بین‌المللی فناوری که انجمن برقرار می‌کند، زمینه ورود فناوری‌های نوین و انتقال تجربه را فراهم می‌کند تا اکوسیستم ایرانی با تامین‌کنندگان و پیشروهای جهانی مرتبط شود و یادگیری مستمر صورت گیرد. این مدل همکاری یکپارچه مسیر نوآوری و هوشمندسازی در صنعت فولاد ایران را هموار و جایگاه کشور را در رقابت جهانی تقویت می‌کند.
استانداردسازی تبادل اطلاعات
شاید این پرسش برای جمع‌بندی این موضوع مناسب باشد که اگر بخواهیم در پنج سال آینده صنعت فولاد ایران را بر پایه هوش مصنوعی بازطراحی کنیم، چه گام‌هایی باید برداریم و از کجا باید آغاز کنیم؟
رئیس انجمن تحول دیجیتال و هوش مصنوعی صنعت و معدن بر این باور است که بازطراحی صنعت فولاد ایران بر پایه هوش مصنوعی در افق پنج‌ساله نیازمند نقشه راه ملی و هماهنگ میان صنعت، دولت و زیست‌بوم فناوری است. نقطه آغاز این مسیر، ایجاد زیرساخت داده و استانداردسازی تبادل اطلاعات در سطح زنجیره ارزش فولاد است؛ زیرا بدون داده‌های قابل‌اعتماد، هیچ الگوریتم یا الگوی هوشمندی نمی‌تواند ارزش‌افزایی کند. در گام دوم، باید کارخانه‌های منتخب به‌عنوان پایلوت‌های تحول دیجیتال و هوش مصنوعی تعیین شوند که الگوهای بومی از موفقیت در زمینه‌هایی چون پیش‌بینی مصرف انرژی، نگهداری پیش‌گویانه، کنترل کیفیت و بهینه‌سازی عملیات ایجاد شود. تجربه فولاد مبارکه و فولاد شادگان می‌تواند نقطه شروع این مسیر ملی باشد. گام سوم، توسعه سرمایه انسانی و مهارت‌های داده‌محور در سطوح مدیریتی و عملیاتی است. این کار باید از مسیر آکادمی‌ها، برنامه‌های آموزشی و همکاری دانشگاه‌ها با صنعت دنبال شود.
درنهایت، با ایجاد بسترهای نوآوری باز و تعامل با شرکت‌های فناور داخلی و بین‌المللی، می‌توان مسیر حرکت به‌سوی فولاد هوشمند و سبز را شتاب داد. هدف نهایی، تبدیل ایران به مرکز نوآوری دیجیتال صنعت فولاد منطقه است؛ صنعتی کاراتر، رقابتی‌تر و هم‌راستا با اهداف توسعه پایدار.
