پیشرفت های فعلی و آتی در تحول دیجیتال و انقلاب صنعتی چهارم

چهار اهرم تحولات دیجیتالی

بر پایه تحقیقات انجام شده در بخش های اصلی اقتصاد آلمان و اروپا، چهار اهرم تحولات دیجیتال که در حال حاضر در دست اقدام است، داده­ های دیجیتال، اتوماسیون، اتصال و دسترسی به مشتری دیجیتال هستند (برگر، 2015).

داده­ های دیجیتال

ثبت، پردازش و تحلیل داده­ های دیجیتال می­ تواند امکان انجام پیش­ بینی­ ها و تصمیمات بهتر را فراهم کند. در این زمینه، دسترسی به داده ­ها و توانایی تحلیل آنها از مهم ترین جنبه­ ها هستند.

با شروع از اینترنت اشیاء، کاربردهای جدید حسگرها رو به افزایش هستند. همچنین، اینترنت اشیا اتصالات بین دستگاه­ های مجهز به حسگرها، قابلیت های نرم ­افزاری و بی­ سیم همراه با ظرفیت رو به رشد برای جمع ­آوری و ذخیره ­سازی داده­ ها هستند. در نتیجه، منابع داده ­ای جدید در دسترس فناوری های تحلیلی پیشرفته هستند که به شرکت ها امکان پیش­ پردازش سریعتر داده­ ها و با روش دقیق­ تر و مفصل­ تر نسبت به قبل را می­ دهد.

در بخش فولاد، داده­ های واقعی به پویش فرآیندها و محصولات کمک می­ کنند. با استفاده از حسگرها، می ­توان هر قطعه را در امتداد زنجیره تولید بررسی کرد و بعد خطاها را براحتی می ­توان ردیابی و اصلاح کرد.

در نتیجه، می­ توان تولید کارآمدتری را بدست آورد. علاوه بر این، در تعمیر و نگهداری تجهیزات، بدلیل دسترسی به داده­ ها و یادگیری ماشین، می ­توان به پیشرفت های زیادی دست یافت، این کار باعث می­ شود قبل از وقوع مشکل، کار تعمیر و نگهداری را پیش­ بینی کرده و آن را انجام داد. علاوه بر این، ممکن است تجهیزات برای تعمیر و نگهداری زمان­ بندی شوند و بسیاری از بازرسی­ ها را بتوان از راه دور انجام داد.

اتوماسیون

ترکیب فناوری های سنتی با هوش مصنوعی رو به افزایش است، که سبب ایجاد سیستم های دارای کارکرد مستقل و خود سامانده می­ شود. این کار منجر به کاهش نرخ های خطا، افزایش سرعت و نیز کاهش هزینه­ های عملیاتی می­ شود. همچنین، بخش فولاد در حال تداوم روند خودسازگاری با اتوماسیون تولید و مصرف است.

قابلیت اتصال:

اتصال داخلی کل زنجیره ارزش از طریق شبکه ­های مخابراتی با پهنای باند بالای سیار یا خط ثابت برای همگام­ سازی زنجیره­ های تامین و کاهش زمان فرآوری تولید و نیز چرخه­ های نوآورد سودمند است. افزایش اتصال سیستم های جداگانه قبلا استفاده شده بر عدم شفافیت غلبه خواهد کرد و در نتیجه، کارایی فرآیند را بهتر خواهد کرد.

برای مثال، کارخانه ­های هوشمند مبتنی بر اتصال داخلی سیستم های تولیدی تسهیل شده با ارتباطات ماشین به ماشین (M2M) هستند. با این وجود، تنها در صورتی امکان­پذیر است که با برنامه کاربردی استاندارد ارتباطات جهانی و قابل همکاری انجام شود.

در بخش فولاد، اتصال بیشتر و به اشتراک­ گذاری داده­ ها می ­تواند برخی مشکلات به دلیل مکان های راه دور و زنجیره ­های تامین گسترده و نیز نوسانات بازار و محیط های کاری بالقوه خطرناک را کاهش دهد. برای مثال، ارتباطات M2M امکان مدیریت خودکار انبار را فراهم می­ کند، یعنی موادی که کاهش پیدا می­ کنند را بلافاصله می ­توان دوباره سفارش داد.

دسترسی به مشتری دیجیتال:

 اینترنت (تلفن همراه) دسترسی مستقیم واسطه ­های جدید به مشتریان را ارائه می ­دهد تا شفافیت و خدمات جدیدی را به آنها ارائه دهند. بدلیل در اختیار گذاشتن داده­ های دیجیتال، اتوماسیون فرایندهای تولید، ارتباط داخلی زنجیره­ های ارزش و ایجاد رابط های مشتری دیجیتال، مدل های کسب و کار در حال تحول هستند و کل صنایع را مجددا ساماندهی می­ کنند.

در این خصوص، شرکتهای فولاد امروزه در حال بررسی روش های تعامل آنها با تامین­ کنندگان و مشتریان هستند. در آینده نزدیک، تقاضای مشتری تغییر خواهد کرد، چون شرکت ها بیش از پیش قادر به رقابت در تحویل دقیق کالای مورد نیاز مشتریان می­ شوند.

برخی پروژه­های در حال اجرای اروپایی، نتایج معنی­ داری را در آینده نزدیک ارائه خواهند کرد. همچنین، پروژه COCOP از(COCOP, 2016-2020)، پروژه COPRO (CoPro, 01/11/2016- 30/04/2020)، FUDIPO (FUDIPO, 01/10/2016- 30/06/2020)، پروژه MORSE (MORSE, 1/10/2017-30/9/2021)، پروژه HYBRIT (HYBRIT, 2016- 2024) به دلیل داشتن نمونه اختصاصی، راهکارهای دیجیتالی مقطعی را توسعه خواهند داد.

علاوه بر این، پروژه TRACKOPT (TRACKOPT, Ct. N° 753592, 01/01/2018-30/06/2021)، پروژه کیفیت نسل 4 (Quality4.0, Ct N° 788552, 01/06/2018-30/11/ 2021)، پروژه NEWTECH4STEEL (NewTech4Steel, Ct No 800677, 01/06/2018-30/11/ 2021)، پروژهDESDEMONA (DESDEMONA, 2018-2021)، پروژه CYBERMAN4.0 (CyberMan4.0, 2018-2021) برخی پروژه­های RFCS هستند که می­ توانند نتایج بیشتری را در مورد پیاده ­سازی واقعی دیجیتال­ سازی در بخش فولاد ارائه دهند.

به منظور بررسی فعالیت های فعلی و انتظارات انقلاب صنعتی چهارم در صنعت فولاد اروپا، مرور پروژه­ های تامین مالی شده عمومی، تحلیل اعطای امتیاز، مصاحبه­ های تخصصی و نظرسنجی کیفی از دانشگاهیان و دست­ اندرکاران مربوط به انقلاب صنعتی چهارم در ساخت آهن و فولاد، اخیرا انجام شده است (نیف، هیرزل، و آرنس، 2018).

همانطور که قبلا بحث شده، در رابطه با وضعیت فعلی پیاده­ سازی انقلاب صنعتی چهارم در صنعت آهن و فولاد اروپا، بیشتر پروژه ­های تحقیقاتی بر دیجیتال­ سازی متمرکز هستند. نتایج نشان دادند که تقریبا 30 تا 50 مورد از پروژه­ های تحقیق و توسعه “بشدت” بر دیجیتال­ سازی ورای انقلاب صنعتی چهارم متمرکز شده ­اند. علاوه بر این، در میان آنها، پروژه­ های اجرا شده عمدتا کاربردها و نمایش نمونه­ های اولیه هستند.

مصاحبه­ ها و نتایج نظرسنجی نشان دادند که مشکلات اصلی مربوط به تغییرشکل ساختار سازمانی شرکت هستند. این کار چالش اصلی را نشان می­ دهد و آنها مربوط به ارتقاء تجهیزات فرسوده، بهره­ برداری از داده­ های جمع ­آوری شده و وضعیت اقتصادی برخی تولیدکنندگان اروپایی فولاد هستند. همچنین بیشتر نتایج نشان دادند که برای تامین منافع اقتصادی جهت توسعه شرکت، پیاده­ سازی انقلاب صنعتی چهارم الزامی است.

نقش انتظاری برای انقلاب صنعتی چهارم در آینده عمدتا به بهبود کارایی فرآیند و توسعه مدل های جدید کسب و کار مربوط می ­شود. علاوه بر این، انقلاب صنعتی چهارم را می ­توان ابزاری برای بهبود اثربخشی با ارائه سیستم های پشتیبانی هوشمند برای نیروی کار دانست. در آینده، انقلاب صنعتی چهارم عمدتا بر مناطق تولید “پایین دست” مانند نورد و اندودسازی/ پرداخت­ کاری به حوزه فنی و تعامل با مشتریان در حوزه سازمانی اثر خواهد گذاشت.

 تدوین سناریوی آتی کارخانه دارای فولاد دیجیتالی در ارزیابی اقتصادی و اثرگذاری بر کارکنان منظور شده است

نقشه ­راه آتی اسپایر 2050 در حال آماده­ سازی توسط کارگروه دیجیتالی اسپایر، صنعت فرآیند اروپایی مجتمع و دیجیتالی را با ارائه فناوری های جدید و مدل های کسب و کار، جامعه ­ای کاملا چرخشی در اروپا با افزایش رقابت و اثرگذاری بر مشاغل و رشد پیش ­بینی می­ کند (اسپایر، 2018).

طبق مقاله (استام و ناوجوک، 2017)، راندمان، سرمایه­ گذاری در نوآوری و دیجیتالی ­سازی از عناصر لازم برای رشد خواهد بود و 59٪ از مدیران شرکت فلزات فکر می­ کنند که ­این فناوری در پنج سال آینده رقابت را از نو تنظیم خواهد کرد. طبق (PwC، 2016) اینطور به نظر می­رسد که در 5 سال بعدی، سطح رقومی­ سازی که اکنون در 33% قرار دارد، تا 72% افزایش خواهد یافت.

در آرسلورمیتال، پلتفرم کلان داده و الگوریتم های هوش مصنوعی در برخی زمینه­ ها مانند تشخیص نقص و تضمین کیفیت بسیار حیاتی هستند، چون منجر به باردهی بیستر و اثرات زیست محیطی کمتر، از جمله CO₂ می ­شوند. علاوه بر این، بدلیل دیجیتال­ سازی، در آرسلورم یتال ­پذیرش پلتفرم های مشترک و هوش مصنوعی در حال متحول ساختن زنجیره تامین و لجستیک ها هستند. با این حال، تمرکز بر ایجاد پلتفرم ها و ابزارهایی در کل گروه و در زمینه­ های تجاری بسیار متفاوت قرار دارد، چون منافع اصلی دیجیتال­ سازی، تکرارپذیری آن است (آرسلورمیتال، 2019).

در سه ماهه پایانی سال 2018، به دلیل رشد واردات کشور ثالث تا 3/16% به مدت مشابه سال قبل، کاهش تحویل های داخلی از کارخانه ­های اتحادیه اروپا به بازار اتحادیه اروپا در مقایسه با مدت مشابه سال 2017 نشان داده شده است (اتحادیه فولاد اروپا یعنی یوروفر، 2016). دلیل اصلی تضعیف اقتصاد اتحادیه اروپا در سال 2018، که حداقل تا نیمه اول سال 2019 نیز ادامه خواهد داشت، کند شدن تکانه­ های اقتصادی جهانی و بدتر شدن مشارکت ناشی از تجارت خالص بوده است.

سناریوی اصلی برای رشد اقتصادی در اتحادیه اروپا نشان می­ دهد که اصول اقتصادی داخلی می­ تواند ضعف در تجارت را جبران کند و همچنین، در صورت افزایش حمایت­ گرایی، سرمایه ­گذاری در معرض خطر عقب افتادن از انتظارات است (یوروفر، 2019).

اثرات دیجیتال­ سازی بر نیروی کار صنعت فولاد اروپا

انقلاب صنعتی چهارم سبب تغییرات فراوانی در کلیه ساختارهای صنعت، از جمله پویایی نیروی کار شده است. عامل های مهم برای پیشبرد پیشرفت های فناورانه برای تحول در انقلاب صنعتی چهارم می ­تواند برنامه ­ریزی راهبردی نیروی کار، ساختار سازمانی مناسب، توسعه مشارکت ها و استاندارد­سازی فناورانه باشد.

دستورالعمل های آتی و پیشرفت های احتمالی نشان می­ دهند که فعالیت های صنعتی می­ تواند از تولید انسان محور به حالت کاملا خودکار تغییر یابند و به شکلی مثبت، نهایتا کار یکنواخت و به لحاظ جسمی طاقت فرسا می­ تواند جایگزین کار خلاقانه شود (فایفر، 2016). با این حال، می ­تواند با بیکاری بیشتر و مهارت­ زدایی گسترده نیروی کار نیز ارتباط منفی داشته باشد.

دیدگاه­ های منفی و مثبت نقش تجربه انسانی را در کار مونتاژ امروزی کم اهمیت می ­دانند و مونتاژ را کار صرفا معمول طبقه ­بندی می­ کنند و براحتی آن را با رباتیک جدید جایگزین می­ کنند. افزایش کاربرد فناوری های دیجیتال مستلزم کار با مهارت پایین است که شامل کار دستی ابزارهای ساده و ابزارهای تخصصی ماشین است و فعالیت هایی را در بر می­ گیرد که پس از آموزش مختصر می ­توان آنها را انجام داد.

در آلمان، با در نظر گرفتن بخش های کلی، تقریبا 23٪ نیروی کار فاقد صلاحیت حرفه­ ای هستند (در بخش ساخت، به میزان مطلق، 2/1 میلیون کارگر با مهارت پایین وجود دارند). از یک طرف، این روند را می­ توان به عنوان ساده­ سازی و کنترل روند کار که تاکنون غیرقابل دستیابی بوده ­­اند، تلقی کرد؛ از طرف دیگر، استفاده از روش های مهارت­ افزایی دیجیتال نیز فرصتهای شغلی در اختیار کارمندان با توانایی کمتر قرار می­ دهد (هیرش – کرینسن، a2016).

برخی تصور می­ کنند که کار با مهارت پایین نیز تحت تاثیر فرآیندهای مهارت ­افزایی قرار خواهد گرفت، این بدان معناست که دیجیتال ­سازی در نتیجه اتوماسیون فعالیت های ساده و با مهارت پایین و در ضمن، افزایش مداوم فعالیت های ماهرانه به ارتقاء آن منتهی خواهد شد (اوانجلیستا، ملیسانی، و گوئریه‌ری، 2014). به جای اینکه کار صنعتی با مهارت پایین از بین برود، باید میزان شایستگی با سعی و کوشش افزایش یابد. بقیه تضاد شدید در مشاغل و مهارت ها را پیش­ بینی می­ کنند.

تز ایجاد تضاد این است که مشاغل با میزان مهارت متوسط بصورت خودکار با کامپیوترها انجام می ­شوند، و دیجیتال­ سازی میزان بهره­وری ماهرانه ­ترین مشاغل را افزایش می­ دهد و مشاغل با کمترین میزان مهارت ابقاء می ­شوند چون آنها را نمی­ توان بصورت خودکار انجام داد و از فناوری های جدید منفعت چندانی کسب نمی ­کنند.

در حقیقت، کار خودکار بشدت در میانه توزیع مهارت ها متمرکز می ­شود، و کار غیرمعمول که نمی ­توان بصورت خودکار انجام داد، در مشاغل با مهارت بسیار (برای مثال، مهندسین کامپیوتر) یا در مشاغل با کمترین میزان مهارت (مثلا، خدمتکارها یا نظافتچی ­ها) متمرکز می ­شود (هیرش – کرینسن، b2016) (کمیسیون اقتصاد، 2019).

طبق مقاله هیرش – کرینسن (هیرش – کرینسن، b2016) چهار مسیر توسعه برای کار با مهارت پایین تحت شرایط دیجیتال­ سازی را می­ توان شناسایی کرد. شواهد و مدارک فرسایش کلی کار صنعتی با مهارت اندک و اتفاق نظر مجازی مبنی بر اینکه کارهای ساده و معمولی که بصورت تخصصی توسط فناوری های جدید تهدید می­ شوند احتمالا در مدت زمان طولانی از بین خواهد رفت و فقط یک سناریو را می­ توان در نظر گرفت.

مسیر دوم “ارتقا کار صنعتی با مهارت اندک” است، که در آن استراتژی بهبود محصول فناورانه همراه با جهت­ گیری بازاریابی بسیار انعطاف­ پذیر عرضه می­شود. در سناریوی سوم، توصیف شده با “کار دیجیتالی با مهارت اندک”، کاربرد بشدت بالای فناوری های دیجیتال در اینجا نشان داده شده و اشکال جدید کار، برای مثال، ” جمع سپاری (حمایت داوطلبانه گروهی از مردم از یک پروژه، فرایند یا اجراء)” و “جذب کار جمعی”، که ممکن است با اشکال جدید کار با مهارت پایین همراه باشد، در این متن ظاهر می ­شود.

در فرآیند جمع ­سپاری، متمایزسازی و باز شدن فرآیندهای تولید و گنجاندن هماهنگ شده با ­اینترنت طیف وسیعی از عامل های خارجی در فرآیند ایجاد ارزش وجود دارد (بنر، 2014). سناریوی چهارم بعنوان “تثبیت ساختاری محافظه ­کارانه کار با مهارت اندک” توصیف می ­شود و در این مسیر، هیچ تغییر محسوسی در ساختارهای شغلی و سازمانی موجود وجود ندارد.

سناریوهای بحث شده مختلف (هیرش – کرینسن، c2016) نشان می­دهند که، از یک طرف، بیکاری بالقوه بدلیل پیاده­ سازی فناوری های جدید بحث­ برانگیز است. از طرف دیگر، پیامدهای فعالیت های شغلی و شرایط و مشخصات مورد انتظار بعنوان “ارتقاء” یا “دوگانگی یا تضاد” مهارت ها تفسیر می­ شوند.

با این حال، تغییرات ملموس به میزان اثرگذاری عوامل مختلف بستگی دارد. همچنین، نوع اتوماسیون فناوری و روند پیاده ­سازی آن از جنبه­ های مهم هستند. به همین دلیل، مطالعه بر این نکته تاکید می­کند که، در میان مدت، می­ توان گسترش محدود فناوری های دیجیتال و پیامدهای آنها را انتظار داشت.

اثرات و تاثیر بر اشتغال نیز بدلیل دیجیتال­ سازی تدریجی و اتوماسیون مشاغل و فرایندهای کاری، نیز جنبه مهمی هستند. طبق مدل فری و آزبورن (فری و آزبورن، 2013)، تقریبا 47٪ کارهای ایالات متحده را می­ توان بصورت خودکار از طریق استفاده از فناوری دیجیتالی جدید انجام داد.

طبق برآورد گروه مشاورین بوستون (BCG، 2015)، استفاده بیشتر از رباتیک و کامپیوتری­ سازی باعث افزایش ایجاد مشاغل جدید بویژه در فناوری اطلاعات و علم داده­ ها می ­شود. بونین و همکاران (بونین، تری و اولریش، 2015) نشان می­دهند که فقط 12% مشاغل در آلمان از طریق اتوماسیون دیجیتال در معرض خطر هستند. همچنین آنها پیش­ بینی می­ کنند که در مواردی که میزان تحصیلات پایین باشد، احتمال اتوماسیون بیشتر خواهد بود.

در “یادآوری گزارش صنعت” کمیسیون اروپایی اینطور گفته شده که از سال 2013 بیش از 5/1 میلیون شغل خالص جدید در صنعت ایجاد شده است و از سال 2009 بطور متوسط رشد میزان بهره ­وری نیروی کار 7/2% در هر سال، بیشتر از دو کشور ایالات متحده و کره (بترتیب 7/0% و 3/2%) بوده است (اتحادیه صنعت دیجیتال اروپا، 2018).

CEDEFOP، مرکز اروپایی برای توسعه آموزش حرفه ­ای، در (پانوراما، 2018) انتظار دارد که بین سالهای 2016 و 2030 بیش از 151 میلیون فرصت شغلی وجود خواهد داشت، که 91٪ به دلیل نیازهای جایگزین و 9٪ باقیمانده به دلیل فرصت های شغلی جدید ایجاد می ­شوند. همچنین، این جایگزینی به دلیل بازنشستگی (تقریبا 50٪ تقاضای جایگزینی)، مهاجرت، جابجایی به مشاغل دیگر یا کارگرانی که بطور موقت از نیروی کار خارج می­ شوند، خواهد بود. برای متخصصان فناوری اطلاعات و ارتباطات، در همان دوره، بیش از 1750000 فرصت شغلی وجود خواهد داشت.

به همین دلیل، به منظور دستیابی به ترکیبی از مهارت های دیجیتال و تجاری، گرفتن نیروی کار با مهارت بالا و کسب مجدد مهارت از طریق اجرای فعالیت های آموزشی بسیار حائز اهمیت است. رویکرد یادگیری مادام ­العمر، برای استفاده از فناوری به روشی موثر، خلاقانه، انتقادی و مسئولانه، روشی صحیح برای پرداختن به مهارت های دیجیتالی است (کمیسیون اروپایی، 2017).

شرکت ها باید مجموعه مهارت های افقی قوی­تری نسبت به پروفایل های بسیار تخصصی، به ویژه در کارگران دارای مجموعه مهارت های قابل انتقال به منظور ارائه سطح مناسبی از انعطاف ­پذیری و هماهنگی بین بخش های مختلف شرکت های خود داشته باشند. علاوه بر این، برای شرکت ها داشتن کارکنانی که قادر به انجام چندین کار هستند و در حوزه­ های مختلف مداخله می­ کنند، بسیار اهمیت دارد.

در نتیجه، بدلیل وجود مشکلات ناامنی شغلی فعلی، مهارتهای چند تخصصی قابل انتقال می­ توانند منبع امنیت کارگران باشند (مشاغل بخش فولاد، 2019).

با اینکه کارکنان فعلی نیاز به کسب مجدد مهارت، با پاسخگویی به نیازهای اقتصاد دیجیتال دارند، اما با توجه به نیازهای مشاغل و مهارتهای آتی، کارکنان جدید باید آموزش ببینند. در این راستا، شرکت ها، همراه با بهره­ وری و رقابت­ پذیری آنها از دیدگاه انقلاب صنعتی چهارم، باید نیروی کار آتی خود را توسعه دهند و مدل های جدید کسب و کار و ساختار سازمانی را اتخاذ کنند (کاراکای، 2018). افزون بر این، فعالیت های آموزشی مداوم بیانگر جنبه ­های مهم شرکت های فولادی برای دستیابی به­ آینده­ای درخشان هستند.

از منظر بازار کار فعلی و آتی، مهارت های جدیدی از کارگران درخواست می­ شوند، بنابراین، دولتها و شرکته ای علاقمند باید کسب آموزش مناسب از سیستم آموزش را دوباره طراحی کنند. گاهی ممکن است عدم­ تطبیق مهارت ها نیز وجود داشته باشد: عدم­ تطبیق مهارت به عدم تامین مهارت برای برآوردن تقاضای مهارت اطلاق می ­شود.

عدم ­تطبیق مهارت ها می ­تواند مانعی برای رشد اقتصادی باشد و نیز محدود ساختن اشتغال و فرصت های درآمدی افراد باشد و مانع شرکت ها در به حداکثر رساندن عملکرد خود شوند (گمبین و مای، همکاران، 2016). چند نماینده، از جمله مرکز اروپایی برای توسعه آموزش حرفه ­ای، کمیسیون اروپا، سازمان همکاری و توسعه اقتصادی و کشورهای عضو اتحادیه اروپا، روی این سوال متمرکز شده­ اند که چگونه می ­توان به هم ترازی بهتر در عرضه و تقاضای مهارت دست یافت و دلیل سرمایه­ گذاری کمتر در آموزش را درک کرد (کمیسیون، 2019).

در کل 6/2 میلیون نفر در مشاغل فاقد مهارت کار می­ کردند (تقریبا 10٪ کل اشتغال). در طی سال 2013، 47000 شغل خالی تخمین زده شده که 25600 مورد از آنها توسط کارفرمایان بصورت سخت در جایگزینی گزارش شدند و تقریبا23500 نفر از آنها را بدلیل متقاضیان فاقد مهارت های لازم مدنظر کارفرما، به سختی می­ توان جایگزین کرد (کمیسیون، 2016).

در بخش فولاد، چشم ­انداز اشتغال دغدغه جدی است و نیاز به توجه سیاسی کامل دارد، چون که 40000 شغل در سال های اخیر به دلیل بازسازی از بین رفته است (کمیسیون، 2013). با این حال، دیجیتال­ سازی در صنایع فرآیندی، از جمله صنعت فولاد، مهارت های انعطاف­ پذیر جدیدی را در اختیار می گذارد و نیروی کار می­ تواند بسرعت فناوری های دیجیتالی جدید را یاد بگیرد. به همین دلیل، علوم شناختی برای ارائه پشتیبانی، که آگاهی وضعیتی و دانش همراه با الگوریتم های کنترل پیشرفته و بهینه­ سازی را ترکیب می ­کند، نقشی مهمی ایفا می­ کنند (مشارکت اسپایر DEI WG 2، 2016).

در انقلاب صنعتی چهارم، همه کارکنان باید بیش از مهارت های اصلی به مهارت های ICT مسلط شوند. همچنین، در کنار مهارت های سخت­ افزاری، کارکنان باید مهارت های نرم ­افزاری مانند مشارکت، ارتباط و استقلال شغلی داشته باشند تا بتوانند کارهای خود در سیستم عامل های ترکیبی انجام دهند. علاوه بر این، کارکنان باید توانایی خود جهت وفق­ پذیری و عادت به یادگیری مداوم از منظر میان­ رشته ­ای را افزایش دهند.

برای مثال، به بیان دقیق­ تر، در پروژه اروپایی استناد شده DROMOSPLAN (DROMOSPLAN, 2016-2019)، از یک طرف، نیاز به کسب مجوز برای کار با وسایل هوایی بدون سرنشین، مهارت های جدید کنترل/مدیریت وسایل هوایی بدون سرنشین و مهارت های جدید آنالیز داده ­ها برای پردازش داده ­های حسگر پیشنهاد شده است.

اما، از سوی دیگر، پیامدهای مربوط به نحوه ساماندهی کار نیز مورد تاکید قرار گرفته است (برای مثال، در صورت جمع­ سپاری کار، باید توسط تیم های وسایل هوایی بدون سرنشین یا در داخل تیم های موجود انجام شود).

در رابطه با مهندسی، در انقلاب صنعتی چهارم آموزش مبتنی بر چند رشته است و از روش های زیادی، با نمایش پیچیدگی مرتبط با این رشته رو به رشد استفاده می­ کند. الزامات آموزشی جدید، با هدف دستیابی به اطلاعات و دانش کاربردی قابل اجراء در محیط کسب و کار انجام شدند و در این زمینه، رشته­ های مختلف باید بتوانند با یکدیگر کار کنند.

به همین دلیل، طراحی برنامه ­های جدید مهندسی جامع ممکن است شکاف بین دانشگاه­ ها و محیط کسب و کار را ببندد. از آنجا که انقلاب صنعتی چهارم شامل حوزه ­های تحقیقاتی مختلفی نظیر مهندسی مکاترونیک، مهندسی صنایع و علوم کامپیوتری است، پس کار در تیم های میان رشته ­ای، با انجام وظایف میان رشته­ ای و ارائه تفکر میان رشته ­ای الزامیست.

به همین دلیل، برنامه­ ها باید به منظور بهبود مهارت های میان رشته­ ای به روزرسانی شوند (چویک اونار، 2018). پیش­ بینی مهارت ها و تنظیم پیش گیرانه، بر پایه نتایج این گزارش در داخل فعالیت های بعدی پروژه ESSA (مهارت های شرکت و الزامات سیستم VET) انجام خواهند شد.