اختصاصی بسپار/ چالش خاکستری در صنعت؛ بازنشستگی نیروی کار، تهدیدی برای دانش فنی نسلها
گروه ترجمه و تولید محتوا در بسپار/ایران پلیمر صنعت تولید پلاستیک (Plastics Manufacturing) با چالشی جمعیتی روبهروست؛ افزایش سن نیروی کار و موج بازنشستگیها، خطر ازدسترفتن دههها دانش فنی و مهارت تجربی را به همراه دارد. براساس گزارش موسسه Manufacturing Institute (MI)، تا سال ۲۰۳۰ (۱۴۰۹) حدود ۲.۱ میلیون شغل در بخش تولید در ایالات متحده خالی خواهد ماند، عمدتا بهدلیل کمبود نیروی کار ماهر. اداره آمار کار آمریکا (US Bureau of Labor Statistics) نیز میانگین سنی کارگران تولید را بیش از ۴۴ سال اعلام کرده است؛ عددی بسیار بیشتر از میانگین سایر مشاغل.
چالش در روشهای گوناگون فرایند بسپار
این بحران در شاخههای مختلف فرایند تولید از قالبگیری تزریقی (Injection Molding) تا رانشگری (Extrusion) و گرماشکلدهی (Thermoforming)، بهگونهای متفاوت بروز میکند. فنورزهای قالبگیری تزریقی، مهارت حیاتی در تنظیم قالب و بهینهسازی چرخه تزریق دارند که مستقیما بر زمان چرخه و کیفیت محصول اثر میگذارد. در واحدهای رانشگری، کارشناسها دانش تخصصی طراحی قالب و تنظیم دمای ناحیههای مختلف را در اختیار دارند. عملیات قالبگیری دمشی (Blow Molding) وابسته به مهارت کنترل ضخامت دیواره و نیازمند درک دقیق از الگوی گرمادهی و فشار شکلدهی است.
در قالبگیری چرخشی (Rotational Molding) نیز کارگران با تجربه، ایرادهای فرایند را از طریق حس لمس یا صدا تشخیص میدهند؛ دانشی که در هیچ کتاب راهنمایی ثبت نشده است.
دانش پشت پرده؛ گنجینهای در آستانه فراموشی
با شدتگرفتن بازنشستگیها، خطر ازدسترفتن «دانش پشت پرده» (Tacit Knowledge) افزایش یافته است — همان دانشی که سالها تجربه در تشخیص صدا، لرزش و تغییرات جزئی در مواد و تجهیزات ایجاد کرده است. مدیرعامل شرکت Seeq و متخصص در تحلیل صنعتی پیشرفته، هوش مصنوعی (AI) و پایش سازمانی، در گفتوگو با PlasticsToday گفت:
«شرکتها ممکن است بخشی از انعطافپذیری و کارکرد را که حاصل سالها تجربه است از دست بدهند؛ از جمله توانایی تنظیم سریع فرمولبندیهای جدید یا شناسایی نوسانات ظریف در کیفیت محصول.» او افزود: «آموختن این مهارتها از طریق تجربه ممکن است سالها طول بکشد و تنها با مستندسازی سنتی ممکن نیست.»
راهکارهای دیجیتال برای حفظ دانش فنی
به گفته Graham، پلتفرمهای تحلیلی و سامانههای همکاری دیجیتال میتوانند در ثبت دانش کارشناسان کهنهکار بسیار موثر باشند. شرکت Seeq قابلیت Seeq Journal را در مجموعه Industrial Analytics & AI Suite خود توسعه داده است؛ قابلیتی که امکان مستندسازی دلایل تصمیمگیری، مراحل تحلیل و منطق محاسبات را بهصورت برخط و اشتراکی فراهم میکند. او تاکید کرد: «این کار نهتنها داده، بلکه منطق تحلیلی و تجربه انسانی را نیز ثبت میکند. از آنجا که Seeq بر بستر ابری (Cloud) کار میکند، این دانش در دسترس همهی کاربران قرار میگیرد و جلوی از بینرفتن دانش تجربی را خواهد گرفت.»
در کنار Seeq، شرکتهایی مانند TrendMiner، Oden Technologies و Sight Machine نیز پلتفرمهای مشابهی برای تحلیل داده و ثبت دانش ارائه میدهند. شرکتهای بزرگ خودکارسازی صنعتی از جمله Rockwell Automation، Siemens، Honeywell و Hitachi نیز در این حوزه فعالاند.
این مدیر افزود: «هوش مصنوعی با تحلیل دادههای تاریخچه و لحظهای، میتواند الگوها، علل ریشهای و روشهای بهینه را شناسایی کند. در نتیجه، تصمیمگیری سریعتر و دقیقتر خواهد شد.»
دیجیتالیسازی تدریجی، نه انقلاب ناگهانی
او پیشنهاد کرد تولیدکنندگان کوچک میتوانند بدون صرف هزینههای سنگین، مسیر دیجیتالیسازی دانش را با برنامههای آزمایشی (Pilot Programs) آغاز کنند. بهگفتهی وی، این سامانهها بهسرعت (در چند روز نه چند ماه) قابل پیادهسازیاند، با ساختارهای موجود سازگارند و به گروهها اجازه میدهند از طریق آزمون و یادگیری مستمر، ارزش اقتصادی ملموس ایجاد کنند.
پل میان نسلها؛ از تجربه تا مهارت دیجیتال
این مدیر تاکید کرد که این فرایند صرفا بر دوش مهندسان فرایند (Process Engineers) نیست؛ بلکه تمام کارشناسان فرایند، از فنورزها تا گروههای تضمین کیفیت، باید در انتقال دانش نقش داشته باشند. او گفت: «برای بهرهگیری کامل از این راهکارها، کارشناسان باید سواد دادهای (Data Literacy) را بهبود دهند و توانایی تعامل با ابزارهای هوش مصنوعی را بیاموزند.»
به گفتهی او، دیجیتالیسازی دانش نهتنها موجب حفظ ایمنی و کاهش خطا میشود، بلکه بستری آموزشی برای نسل جدید کارکنان فراهم میکند. «کارکنان تازهوارد میتوانند آموزشهای دقیق و لحظهای دریافت کنند، بدون نیاز به سالها تجربه عملی. این امر شکاف تجربه را پر کرده و برای نیروی کار جوانِ آشنا با فناوری جذابتر است.»
ترکیب فناوری با انسانمحوری
مدیرعامل شرکت Fictiv، نیز در گفتوگویی با PlasticsToday تاکید کرد که کمبود نیروی انسانی تنها مسئلهی عددی نیست، بلکه بازتابی از تغییر ماهیت نقشها در تولید نوین است. او گفت: «برای پرکردن شکاف مهارتی، باید برداشت عمومی از تولید را تغییر داد. امروزه محیطهای تولید پاک، فناورانه و با فرصتهای شغلی پردرآمد هستند — بینیاز از تحصیلات چهارسالهی دانشگاهی.»
Evans افزود که ابزارهای طراحی برای تولیدپذیری (Design for Manufacturability – DFM) میتوانند شکاف مهارتی را بکاهند و دانش عملی را بهصورت دیجیتال در دسترس قرار دهند.
مسیر آینده: همگرایی تجربه و فناوری
صنعت پلاستیک با بحرانی بیسابقه در گذار نیروی کار روبهروست. اما شرکتهایی که سرمایهگذاری راهبردی در دیجیتالیسازی دانش و تحلیل هوش مصنوعی انجام دهند، میتوانند ضمن حفظ کارکرد تولید، مزیت رقابتی خود را تقویت کنند.
این تغییر جمعیتی، اگر درست مدیریت شود، نه تهدید، بلکه فرصتی برای نوسازی زیرساختهای دانشی و بهبود پایداری سازمانی است — گامی بهسوی صنعتی هوشمند، ایمن و ماندگار.
مهندس زهرا آهنگ/ دانشجوی دکتری مهندسی پلیمر
