کاربرد هوش مصنوعی در کنترل کیفیت و بهره وری: رویکردهای علمی چالش ها و حاکمیت مسئولانه در صنعت

هوش مصنوعی با فناوری هایی مانند بینایی ماشین، یادگیری عمیق، و تحلیل داده های بزرگ، فرآیندهای کنترل کیفیت و بهره وری را در صنایع تولیدی، نرم افزاری، و خدماتی دگرگون کرده است. این پژوهش کاربردهای عملی هوش مصنوعی را در شناسایی خودکار عیوب، نظارت لحظه ای، و بهینه سازی تست نرم افزار بررسی می کند. سیستم های هوش مصنوعی با دقت ۸۵ تا ۹۵ درصد، بازرسی ها را خودکار کرده و ضایعات را تا ۳۰ درصد کاهش داده اند. در حوزه نرم افزار، این فناوری زمان تست را تا ۴۰ درصد کوتاه کرده و ۹۰ درصد کارشناسان معتقدند روش های خودکار مقرون به صرفه ترند. چارچوب سه خطی حاکمیت هوش مصنوعی، با نظارت مداوم، شفافیت را تقویت کرده و تعصبات را کاهش می دهد. داده های این مطالعه از پرسشنامه ای با ۱۰۴ پاسخ دهنده و مصاحبه با ۷ متخصص گردآوری شده که نشان دهنده پذیرش بالای این فناوری در میان مهندسان جوان است. با این حال، چالش هایی مانند کیفیت پایین داده ها، نیاز به زیرساخت های پیشرفته، و مقاومت نیروی کار همچنان پابرجاست. نتایج پژوهش نشان می دهد که ترکیب هوش مصنوعی با اصول اخلاقی و یکپارچگی سیستم ها، کیفیت و بهره وری را تا ۲۰ درصد بهبود می بخشد. فناوری هایی مانند محاسبات لبه ای و استانداردسازی بین صنعتی، آینده روشنی برای سیستم های هوشمند ترسیم می کنند. این مطالعه راهنمایی برای سازمان ها ارائه می دهد تا با آموزش نیروی کار و مدیریت داده ها، از هوش مصنوعی در صنعت ۴.۰ بهره مند شوند. هدف نهایی، ایجاد تعادل میان نوآوری های فنی و مسئولیت های اخلاقی برای تضمین توسعه پایدار است.

کلیدواژه ها:

هوش مصنوعی ، کنترل کیفیت ، بهره وری ، صنعت ، حاکمیت مسئولانه