تحلیل سیاستی و الگوی اجرایی

محسن یادبروقی– صنعت ماشین‌سازی ایران به‌عنوان یکی از صنایع مادر و زیرساختی کشور نقشی تعیین‌کننده در توسعه صنایع پایین‌دستی و تقویت زنجیره ارزش ملی دارد. این صنعت نه‌تنها تامین‌کننده تجهیزات و ماشین‌آلات مورد نیاز صنایع نفت، گاز، پتروشیمی، فولاد، سیمان، خودرو و صنایع غذایی بوده بلکه به‌طور مستقیم بر ایجاد اشتغال و جذب متخصصان، رشد فناوری و ارتقای جایگاه رقابتی ایران در منطقه تاثیرگذار است. با وجود برخورداری از نیروی انسانی ماهر، تجربه چند دهه فعالیت صنعتی و ظرفیت فنی مناسب این صنعت همچنان با چالش‌های جدی بهره‌وری، کیفیت تولید و رقابت‌پذیری بین‌المللی مواجه است. آمارهای رسمی نشان می‌دهد که سهم ایران از بازار جهانی ماشین‌آلات پیشرفته کمتر از ۵‌درصد است و بخش عمده تجهیزات صنعتی به صورت وارداتی تامین می‌شود. خطوط تولید گرچه در برخی بخش‌ها متوسط تا پیشرفته هستند اما به دلیل نبود داده‌های سازمان‌یافته و استانداردهای صنعتی از توان رقابت با نمونه‌های جهانی برخوردار نیستند. ضایعات تولید بالا، توقف خطوط، فقدان سیستم‌های پیش‌بینانه نگهداری و کنترل کیفی و ضعف در ارائه Data Sheet مطابق استانداردهای بین‌المللی همگی محدودیت‌هایی هستند که بهره‌وری و ظرفیت صادرات کشور را کاهش می‌دهند.

در جهان امروز گذار از تولید سنتی و مهندسی‌محور به تولید داده‌محور یک ضرورت راهبردی است. حکمرانی داده صنعتی فراتر از مدیریت داده‌های روزمره بوده و شامل جمع‌آوری، استانداردسازی، مالکیت، امنیت و بهره‌برداری هوشمند از داده‌های طراحی، تولید، عملکرد و خدمات پس از فروش است. به بیان ساده حکمرانی داده اطمینان می‌دهد که داده‌ها به‌عنوان یک دارایی ارزشمند مدیریت شده، در دسترس ذی‌نفعان صحیح قرار گرفته و می‌توانند برای تصمیم‌گیری، بهینه‌سازی فرآیندها، توسعه محصول و کاهش ریسک به‌کار گرفته شوند. عدم توجه به این موضوع باعث می‌شود تولیدکننده صرفا فروشنده تجهیزات باشد و نه مالک داده چرخه عمر محصول که در بلندمدت رقابت‌پذیری صنعتی را به شدت کاهش می‌دهد.

تحلیل تجربه کشورهای پیشرفته نشان می‌دهد که پیاده‌سازی موفق حکمرانی داده نتایج ملموسی در بهره‌وری، کیفیت، نوآوری و توسعه صادرات دارد. در آلمان پلتفرم Industry 4.0 و مدل مرجع RAMI 4.0 اتصال کامل بین تحقیق و توسعه (R&D)، تولید، تعمیر و نگهداری و خدمات پس از فروش را فراهم کرده است. این اتصال امکان پایش لحظه‌ای خطوط تولید، پیش‌بینی خرابی، بهینه‌سازی مصرف انرژی و توسعه محصول نسل بعد را می‌دهد و موجب شده تا شرکت‌های بزرگ و متوسط آلمانی، بهره‌وری عملیاتی خود را به‌طور میانگین ۳۰تا۴۰‌درصد افزایش دهند. چین نیز با سیاست‌های «Made in China 2025» و ایجاد پایگاه داده ملی صنعت ماشین‌سازی خطوط تولید خود را هوشمند و داده‌محور کرده است. این کشور با استانداردسازی تبادل داده، تعیین مالکیت شفاف داده‌های صنعتی و ایجاد چرخه بازخورد داده توانسته تحلیل پیش‌بینانه، تعمیر و نگهداری هوشمند و توسعه محصولات جدید را بهبود بخشد. ژاپن و کره جنوبی با مدل‌های AIRI و K-Smart Manufacturing Hub بهره‌وری عملیاتی، کیفیت و توان رقابت صادراتی خود را افزایش داده‌ و موفق شده‌اند چرخه بازخورد داده را در طراحی، تولید و خدمات به‌طور یکپارچه پیاده کنند. هند نیز با برنامه «Smart Manufacturing India» تلاش کرده با ایجاد استانداردهای داده صنعتی، بهره‌وری و کاهش ضایعات تولید را بهینه کند. این تجارب نشان می‌دهد که حکمرانی داده نه‌تنها یک الزام فنی بلکه یک ضرورت سیاستگذاری راهبردی است.

در صنعت ماشین‌سازی ایران اثرات بالقوه حکمرانی داده بسیار گسترده است. در حوزه طراحی محصول، تحلیل داده‌های کارکرد ماشین‌ها و خطوط تولید امکان طراحی نسل بعدی با بهره‌وری بالاتر و هزینه کمتر را فراهم می‌کند. در حوزه تولید پایش هوشمند خطوط و کاهش توقف‌ها موجب افزایش بهره‌وری عملیاتی و کاهش ضایعات می‌شود. در حوزه کنترل کیفیت استفاده از داده‌های واقعی جایگزین تجربه فردی اپراتورها شده و امکان تامین استانداردهای بین‌المللی فراهم می‌شود. خدمات پس از فروش بر اساس داده‌های واقعی عملکرد مشتری ارائه می‌شود و مدل‌های درآمدی نوین مانند Product-as-a-Service و Data-as-a-Service علاوه بر توسعه محصول درآمد و سهم بازار را افزایش می‌دهند. تحلیل‌ها نشان می‌دهد که اجرای موفق حکمرانی داده می‌تواند بهره‌وری خطوط تولید (OEE) را ۲۵تا۳۵‌درصد افزایش داده و امکان ورود به بازارهای منطقه‌ای و بین‌المللی مانند L/GCC و CIS را فراهم کند.

با وجود این مزایا پیاده‌سازی حکمرانی داده در ایران با موانع جدی روبه‌رو است: نخست نبود زیرساخت داده صنعتی یکپارچه شامل IIoT، MES، PLM و ERP مانع جمع‌آوری و تحلیل داده‌ها می‌شود. دوم مقاومت فرهنگی درون شرکت‌هاست که تجربه فردی اپراتورها را بر داده ترجیح می‌دهد و مانع ایجاد چرخه بازخورد داده می‌شود. نگاه صرفا فروش‌محور تولیدکنندگان و نبود نهاد تنظیم‌گر ملی داده صنعتی از دیگر موانع هستند‌. نبود مشوق‌های دولتی برای تولیدکنندگان داده‌محور نیز باعث شده است بسیاری از شرکت‌ها به جای حرکت به سمت اکوسیستم داده‌محور تنها بر تولید و فروش تجهیزات تمرکز کنند. در نتیجه کشور فرصت‌های توسعه بهره‌وری، نوآوری و رقابت جهانی را از دست می‌دهد.

چالش‌های دیگر شامل نبود مدل مالکیت داده فقدان استانداردهای ملی اجباری، نبود پایگاه داده متمرکز و استانداردهای تبادل داده بین شرکت‌هاست. در سطح ملی آمار پراکنده و غیرقابل اتکا تصمیم‌گیری و سیاستگذاری صنعتی را دشوار کرده است. در سطح بنگاه داده تولید جمع‌آوری نشده یا به صورت کاغذی ثبت می‌شود و سیستم‌های ERP و MES غالبا مستقل و ناسازگار هستند. در سطح زنجیره ارزش شرکت‌ها به جای همکاری داده‌ای جزیره‌ای عمل می‌کنند و تبادل داده‌ها محدود و ناکارآمد است.

تجارب موفق جهانی به وضوح نشان می‌دهد کشورهایی که حکمرانی داده صنعتی را جدی گرفته‌ موفق به افزایش بهره‌وری، کاهش ضایعات و توسعه محصول شده‌اند. آلمان با پلتفرم‌های  IDSA/Catena-X   اتصال داده‌های تولید، طراحی و خدمات پس از فروش را فراهم کرده و منجر به بهبود بهره‌وری، نوآوری و توان رقابت بین‌المللی شده است . چین با ایجاد پایگاه داده ملی صنعت ماشین‌سازی و استانداردسازی تبادل داده خطوط تولید خود را هوشمند و داده‌محور کرده است. ژاپن و کره جنوبی با مدل‌های K-Smart و  AIRI  چرخه بازخورد داده تحلیل پیش‌بینانه و توسعه محصول را بهینه کردند. این تجارب نشان می‌دهد که یکپارچه‌سازی داده‌ها و مدیریت هوشمند آنها نه‌تنها بهره‌وری عملیاتی بلکه کیفیت، صادرات و نوآوری را نیز افزایش می‌دهد.

با توجه به وضعیت ایران مدل پیشنهادی حکمرانی داده برای صنعت ماشین‌سازی شامل سه سطح است: در سطح بنگاه جمع‌آوری و ثبت داده‌های تولید، طراحی و عملکرد مشتری با ابزارهای IoT، MES و ERP ضروری است. در سطح بخشی استانداردسازی داده‌ها و اشتراک‌گذاری اطلاعات فنی بین شرکت‌ها و ایجاد پایگاه داده مشترک توصیه می‌شود و در سطح ملی ایجاد مرکز داده ملی صنعت ماشین‌سازی، سیاستگذاری حکمرانی داده و مشوق‌های دولتی برای تولیدکنندگان داده ‌محور لازم است. این مدل می‌تواند با سه مرحله اجرایی شامل شناسایی و دیجیتالی‌سازی نقاط داده، استانداردسازی و یکپارچه‌سازی داده و خلق ارزش‌افزوده از داده بهره‌وری و رقابت‌پذیری صنعت را به‌طور ملموس افزایش دهد.

اثرات مثبت این مدل چندوجهی است. در بهره‌وری کاهش توقف خطوط، بهینه‌سازی مصرف انرژی و کاهش ضایعات را به همراه دارد. در صادرات امکان ارائه استانداردهای داده و ردپای کارکرد محصول برای مشتری خارجی فراهم می‌شود. در نوآوری توسعه محصول نسل دوم و سوم و ایجاد مدل‌های کسب‌وکار جدید مانند سرویس‌محور و داده‌محور ممکن می‌شود. در حوزه خدمات شرکت‌ها می‌توانند از فروش تجهیز صرف به سمت سرویس‌دهی مبتنی بر داده واقعی حرکت کنند. ایجاد اشتغال برای ۲۰تا۳۰هزار متخصص داده صنعتی، توسعه اکوسیستم فناوری و تقویت جایگاه ایران به‌عنوان «هاب تعمیر و نگهداری صنعتی داده‌محور» در منطقه نیز از دیگر دستاوردهای مهم است .

در نهایت بدون حکمرانی داده تولید صنعتی قابل پایش، بهبود و رقابت جهانی نخواهد بود. پیاده‌سازی مدل داده‌محور امکان افزایش بهره‌وری، کاهش ضایعات، ارتقای کیفیت و تقویت صادرات را فراهم می‌کند. تولیدکننده آینده نه‌تنها ماشین می‌فروشد بلکه داده، سرویس و پلتفرم ارائه می‌دهد. عدم اجرای حکمرانی داده صنعت ماشین‌سازی ایران را از «سازنده ماشین» به «مونتاژکار ماشین» تنزل خواهد داد. سیاستگذاران، مدیران کارخانه‌ها و صنعتگران باید توجه کنند که داده‌های تولید، طراحی و عملکرد سرمایه راهبردی صنعت ماشین‌سازی و تجهیزات پیشرفته صنعتی محسوب می‌شوند و بهره‌وری، نوآوری، صادرات و جایگاه منطقه‌ای کشور به موفقیت در جمع‌آوری، مدیریت و بهره‌برداری از این داده‌ها بستگی دارد. ایجاد زیرساخت داده صنعتی، نهاد تنظیم‌گر، استانداردهای ملی و مشوق‌های اقتصادی همگی برای شکل‌گیری یک صنعت ماشین‌سازی هوشمند، داده‌محور و رقابت‌پذیر ضروری هستند. با توجه به تجربه جهانی و پتانسیل داخلی ایران می‌تواند با اجرای حکمرانی داده به یک مرکز منطقه‌ای برای تعمیر، نگهداری و توسعه ماشین‌آلات صنعتی داده‌محور تبدیل شود. این امر نه‌تنها به افزایش بهره‌وری و کاهش هزینه‌ها کمک کرده بلکه جایگاه کشور را در زنجیره ارزش جهانی تقویت و امکان ورود به بازارهای صادراتی با ارزش‌افزوده بالا را فراهم میکند .

* تحلیلگر راهبردی هوش مصنوعی، فناوری و نوآوری (مشاورعالی انجمن استصنا)