PPR அறிவு வரைபடம் என்றால் என்ன — உற்பத்தி AI-க்கு அது ஏன் தேவை

தொழிற்சாலை AI-ஐ திறத்தல்: உங்கள் ஆலைக்கு ஏன் ப்ராடக்ட்-ப்ராசஸ்-ரிசோர்ஸ் (PPR) அறிவு வரைபடங்கள் தேவை

தொழிற்சாலை செயற்கை நுண்ணறிவு (artificial intelligence) பெரும் அளவிலான தரவுகளைப் படிக்கும் திறன் கொண்டதாக இருந்தாலும், உண்மையான ஆலைச் சூழலைப் பற்றிய அடிப்படைப் புரிதல் அதற்குப் பெரும்பாலும் இருப்பதில்லை. நிறுவன வள திட்டமிடல் (ERP) அமைப்புகள் ஆர்டர்களை அறியும், உற்பத்தி செயல்படுத்தல் அமைப்புகள் (MES) செயல்பாடுகளை அறியும், வரலாற்றுப் பதிவேடுகள் (historians) சமிக்ஞைகளை அறியும். ஆனால் இந்தத் தனித்தனிப் பதிவுகள் எதுவும், எந்த ஒரு கணத்திலும் ஒரு ப்ராடக்ட், ப்ராசஸ், ரிசோர்ஸ் (PPR) எவ்வாறு ஒன்றாக இணைந்தன என்பதை தானாக விளக்குவதில்லை. இந்தக் காணாமல் போன இணைப்புதான், நம்பிக்கைக்குரிய பல செயற்கை நுண்ணறிவுத் திட்டங்கள் தங்கள் அடித்தளத்தை இழக்கும் இடமாகும். PPR அறிவு வரைபடத்தை செயல்படுத்துவதன் மூலம், உற்பத்திக் குழுக்கள் மூல மதிப்புகளின் அடிப்படையில் யூகிப்பதிலிருந்து, உண்மையான இயக்கச் சூழ்நிலைகளை மறுகட்டமைப்பதற்கு மாற முடியும்.

தொழில்துறை செயற்கை நுண்ணறிவு மற்றும் டிஜிட்டல் மாற்றத்திற்கான பயனுள்ள அடித்தளத்தை அமைக்க, ஆலைப் பொறியாளர்களும் தரவுக் கட்டமைப்பாளர்களும் பின்வரும் முக்கிய அமைப்புக் கூறுகளில் கவனம் செலுத்த வேண்டும்:

• நெடுவரிசைகளிலிருந்து உறவுகளுக்கு நகர்தல்: மதிப்புகளைச் சேமிப்பது எளிதானது, ஆனால் ஒரு மாதிரி தான் விவரிக்கும் பொருள் என்ன, எந்த மூலத்திலிருந்து அது வந்தது, அது எந்த இயக்கச் சூழ்நிலைக்குச் சொந்தமானது என்பதை தெளிவாகக் கூறும்போதுதான் தரவு உண்மையிலேயே பயனுள்ளதாகிறது.
• திட்டத்தையும் உண்மை நிலவரத்தையும் பிரித்தல்: திட்டமிடப்பட்ட ரூட்டிங் வரையறைகளுக்கும் உண்மையான செயலாக்கப் பதிவுகளுக்கும் இடையே கடுமையான பிரிப்பு, நேற்றைய உற்பத்தி சிக்கல்களை இன்றைய ரூட்டிங் அட்டவணைகளைப் பயன்படுத்தித் தவறாக மாதிரிகள் விளக்குவதைத் தடுக்கிறது.
• தொழில்துறை தரநிலைகளைப் பயன்படுத்துதல்: ISO 95 போன்ற கட்டமைப்புகள் இன்றியமையாத சொற்களஞ்சியத்தையும் அடிப்படையையும் வழங்குகின்றன, அதே நேரத்தில் OPC-UA மற்றும் Asset Administration Shells (AAS) போன்ற தரநிலைகள் சாதனம் சார்ந்த தரவையும் ஆலை முழுவதுமுள்ள தனிப்பட்ட சொத்துகளையும் விவரிக்க உதவுகின்றன.
• அடிப்படை மும்மையை விரிவாக்குதல்: நவீன ஆய்வு இலக்கியங்கள், நிஜ உலகத் தோல்விகளையும் மறுவேலையையும் கணக்கில் கொள்ள, நிலையான ப்ராடக்ட்-ப்ராசஸ்-ரிசோர்ஸ் மும்மையை விரும்பத்தகாத நிலைமைகள், சாத்தியமான காரணங்கள் மற்றும் தணிப்பு அறிவு ஆகியவற்றை உள்ளடக்கும் வகையில் விரிவுபடுத்துகின்றன.

இந்த சொற்பொருள் உறவுகளை ஒருங்கிணைப்பது, உற்பத்தி வாழ்க்கைச் சுழற்சி முழுவதும் சக்திவாய்ந்த தொழில்துறைப் பயன்பாடுகளை சாத்தியமாக்குகிறது:

• மூல காரண பகுப்பாய்வு: உற்பத்தி வரிசையின் இறுதியிலிருந்து, உண்மையான செயல்பாடுகள், குறிப்பிட்ட கருவிகள், பொருட்கள் மற்றும் ரிசோர்ஸ் நிலைகள் வழியாக, தர விலகல்களைப் பின்னோக்கியும் முன்னோக்கியும் கண்டறியுங்கள்.
• சூழல்-விழிப்புணர்வு முன்கணிப்பு: ப்ராடக்ட் வகைகள், செய்முறைகள் மற்றும் கருவி அமைப்புகள் போன்ற சரியான இயக்கச் சூழலுடன் முன்கணிப்பு மாதிரிகளைச் சித்தப்படுத்துங்கள், இதனால் ஒரே மாதிரியான சென்சார் சமிக்ஞைகள் வெவ்வேறு ஓட்டங்களில் சரியாக விளக்கப்படும்

இந்த podcast-க்கு ஆதரவாளராக ஆகுங்கள்: https://www.spreaker.com/podcast/m365-fm-a-microsoft-mvp-podcast-by-mirko-peters--6704921/support.