RMG শিল্পে AI এর প্রভাব নিয়ে নানান জন নানান মত পোষণ করছেন। কেউ কেউ আগ বাড়িয়ে বলছেন হাজার হাজার শ্রমিকের চাকরি চলে যাবে। কেউ আবার স্প্যাসিফিকভাবে ঘোষনা করছেন কত কমাবেন, কিন্তু একটা প্রশ্ন থেকেই যায় AI ব্যবহার করে কিভাবে জনবল কমানো সম্ভব? বাংলাদেশের তৈরি পোশাক (RMG) শিল্পে AI ব্যবহার করে কিছু ক্ষেত্রে জনবল কমানো সম্ভব, কিন্তু “AI আসবে আর হাজার হাজার শ্রমিকের চাকরি চলে যাবে”—বিষয়টি এতটা সরল নয়। বাস্তবতা হলো,RMG শিল্পে AI এর প্রভাব মূলত কম দক্ষ, পুনরাবৃত্তিমূলক এবং তথ্যভিত্তিক কাজগুলোকে স্বয়ংক্রিয় করবে, আর মানুষের ভূমিকা স্থানান্তরিত হবে তদারকি, সিদ্ধান্ত গ্রহণ এবং সমস্যা সমাধানের দিকে। আসুন বিস্তারিত জানি সত্যিকারে কি হবে AI প্রযুক্তি ব্যবহার করে। আজকের ব্লগে তা নিয়ে আলাপ করবো।
AI কি সত্যিই লোক কমাতে পারবে?
হ্যাঁ, তবে সব বিভাগে নয়। RMG শিল্পে AI এর প্রভাব সত্যিই কিছু ক্ষেত্রে জনবল কমাতে পারে, তবে এটি মূলত মানুষের বিকল্প নয়, বরং মানুষের কাজকে আরও দ্রুত, নির্ভুল এবং উৎপাদনশীল করে তোলে। উদাহরণস্বরূপ, একটি তৈরি পোশাক কারখানায় আগে যদি ৫ জন কর্মী প্রতিদিন বিভিন্ন লাইন থেকে উৎপাদন, দক্ষতা ও কোয়ালিটির তথ্য সংগ্রহ করে রিপোর্ট তৈরি করতেন, সেখানে AI-ভিত্তিক ড্যাশবোর্ড ও অটোমেটেড রিপোর্টিং সিস্টেম ব্যবহার করে একই কাজ ১-২ জন কর্মী দ্বারা সম্পন্ন করা সম্ভব। আবার মার্চেন্ডাইজিং বিভাগে AI কয়েক মিনিটের মধ্যে ইমেইল খসড়া, কস্ট বিশ্লেষণ ও TNA আপডেট তৈরি করতে পারে, যা আগে কয়েক ঘণ্টা সময় নিত। তবে সেলাই অপারেটর, ফিট টেকনিশিয়ান বা জটিল সমস্যা সমাধানকারী ব্যবস্থাপকদের ক্ষেত্রে RMG শিল্পে AI এর প্রভাব এখনও মানুষের বিকল্প হতে পারেনি। তাই AI-এর সবচেয়ে বড় প্রভাব হবে পুনরাবৃত্তিমূলক ও তথ্যনির্ভর কাজের ওপর। যারা AI গ্রহণ করবে, তারা কম জনবল দিয়ে বেশি কাজ করতে পারবে, কিন্তু দক্ষ ও প্রযুক্তি-সচেতন কর্মীদের চাহিদা বৃদ্ধি পাবে।
RMG শিল্পে AI এর প্রভাব যেসব বিভাগে জনবল কমাতে পারে
AI মূলত প্রতিটি বিভাগে “মানুষকে প্রতিস্থাপন” না করে “মানুষের কাজকে সহজ, দ্রুত এবং ডেটা–ড্রিভেন” করে তুলবে। ফলে একই টিম দিয়ে বেশি কাজ, কম ভুল এবং দ্রুত সিদ্ধান্ত নেওয়া সম্ভব হবে।
বিভাগ | AI-এর ব্যবহার | সম্ভাব্য প্রভাব |
মার্চেন্ডাইজিং | Costing, TNA, Email Drafting, Data Analysis | 20-40% অফিস কাজ কমতে পারে |
Planning | Production Forecasting | কম জনবল দিয়ে বেশি পরিকল্পনা |
Quality | AI Vision Inspection | কিছু QC/QA কাজ অটোমেটেড |
IE | SMV Analysis, Line Balancing | IE টিমের দক্ষতা বৃদ্ধি |
HR | CV Screening, Attendance Analysis | প্রশাসনিক কাজ কমবে |
Compliance | Document Review | ম্যানুয়াল ডকুমেন্টেশন কমবে |
Sample Development | Virtual Sample / 3D Sample | Sample cycle time কমবে |
যেসব ক্ষেত্রে AI সহজে মানুষকে প্রতিস্থাপন করতে পারবে না
Sewing Floor : বর্তমান প্রযুক্তিতেও একটি T-shirt সেলাই করার জন্য মানুষের হাতের বিকল্প পুরোপুরি তৈরি হয়নি।
কারণ:
কাপড় নমনীয় (Flexible Material)
প্রতিটি অপারেশন আলাদা
Style পরিবর্তন হয়
ছোট Batch Production
তাই আগামী ১০-১৫ বছরেও বাংলাদেশের Sewing Operator-এর সম্পূর্ণ বিকল্প AI হবে না।
RMG শিল্পে AI এর প্রভাবের ফলে সবচেয়ে বড় সুযোগ:
AI Quality Inspection: গার্মেন্টস কোয়ালিটি কন্ট্রোলে নতুন যুগ
বর্তমানে RMG শিল্পে AI এর প্রভাব হলো AI-চালিত ক্যামেরা ও ভিশন সিস্টেম ব্যবহার করে কাপড় ও পোশাকের বিভিন্ন ত্রুটি স্বয়ংক্রিয়ভাবে শনাক্ত করা সম্ভব। যেমন: Shade Variation, Stitch Defect, Hole, Stain এবং Measurement Issue। যেখানে একজন QC কর্মী দীর্ঘ সময় ধরে ম্যানুয়ালি পরিদর্শন করেন, সেখানে AI কয়েক সেকেন্ডের মধ্যেই হাজার হাজার পয়েন্ট বিশ্লেষণ করতে পারে এবং সম্ভাব্য ত্রুটি চিহ্নিত করে সতর্কবার্তা প্রদান করতে পারে।
এর ফলে Defect Detection Rate বৃদ্ধি পায়, Rework ও Alteration খরচ কমে এবং Final Inspection-এ রিজেকশন কম হয়। পাশাপাশি QC টিমের উৎপাদনশীলতা উল্লেখযোগ্যভাবে বৃদ্ধি পায়, কারণ তারা প্রতিটি পিস ম্যানুয়ালি চেক করার পরিবর্তে গুরুত্বপূর্ণ সমস্যা বিশ্লেষণ ও সমাধানে বেশি সময় দিতে পারে।
তবে AI QC-র সম্পূর্ণ বিকল্প নয়; বরং এটি QC টিমের জন্য একটি শক্তিশালী সহায়ক প্রযুক্তি, যা দ্রুত, নির্ভুল এবং ডেটাভিত্তিক সিদ্ধান্ত গ্রহণে সহায়তা করে।
RMG শিল্পে AI এর প্রভাবে Production Planning: আগাম সিদ্ধান্ত, কম ঝুঁকি
গার্মেন্টস শিল্পে Production Planning-এর সবচেয়ে বড় চ্যালেঞ্জ হলো সময়মতো ঝুঁকি শনাক্ত করা। RMG শিল্পে AI এর প্রভাবের ফলে Planning System অতীতের উৎপাদন তথ্য, দক্ষতা, মেশিন ব্যবহার, লাইন পারফরম্যান্স এবং অর্ডার স্ট্যাটাস বিশ্লেষণ করে আগেই পূর্বাভাস দিতে পারে কোন Style নির্ধারিত সময়ে সম্পন্ন হওয়ার ঝুঁকিতে আছে, কোন Line-এ Bottleneck তৈরি হতে পারে এবং কোন Machine দীর্ঘ সময় Idle থাকার সম্ভাবনা রয়েছে।
উদাহরণস্বরূপ, যদি কোনো স্টাইলের SMV বেশি হয় কিন্তু লাইন দক্ষতা কম থাকে, AI আগেই সতর্ক করতে পারে যে নির্ধারিত Ship Date ঝুঁকির মধ্যে রয়েছে। একইভাবে, কোনো নির্দিষ্ট অপারেশনে Work-in-Progress (WIP) অস্বাভাবিকভাবে জমে গেলে AI সম্ভাব্য Bottleneck চিহ্নিত করতে পারে এবং বিকল্প পরিকল্পনার পরামর্শ দিতে পারে।
ফলে Planning Team সমস্যা ঘটার পর ব্যবস্থা নেওয়ার পরিবর্তে আগেই সিদ্ধান্ত নিতে পারে, উৎপাদন প্রবাহ আরও কার্যকর হয়, Delay কমে এবং On-Time Shipment নিশ্চিত করার সম্ভাবনা বৃদ্ধি পায়।
AI Sample Development: দ্রুত, সাশ্রয়ী ও নির্ভুল স্যাম্পলিংয়ের নতুন দিগন্ত
বর্তমানে বিশ্বখ্যাত ব্র্যান্ডগুলো যেমন Levi Strauss & Co., Nike এবং Adidas 3D Design ও AI-ভিত্তিক Virtual Sampling প্রযুক্তি ব্যবহার করছে। এর মাধ্যমে Physical Sample তৈরির আগেই ডিজিটাল স্যাম্পল তৈরি করে Buyer Review এবং Fit Assessment সম্পন্ন করা যায়। AI এবং 3D সফটওয়্যার ব্যবহার করে Fabric Drape, Fit, Measurement, Color Combination এবং Design Details ভার্চুয়ালি পরীক্ষা করা সম্ভব। ফলে Buyer এবং Factory উভয় পক্ষই দ্রুত মতামত বিনিময় করতে পারে এবং Physical Sample তৈরি করার আগে অনেক ভুল শনাক্ত করা যায়।এর ফলে Courier Cost উল্লেখযোগ্যভাবে কমে, Sample Development Lead Time কয়েক সপ্তাহ থেকে কয়েক দিনে নেমে আসে এবং Sample Rejection-এর হারও কমে যায়। পাশাপাশি Sample Room-এর উৎপাদনশীলতা বৃদ্ধি পায় এবং উন্নয়ন খরচ হ্রাস পায়।
ভবিষ্যতে RMG শিল্পে AI এর প্রভাবে 3D Sampling ও AI-ভিত্তিক Product Development গ্রহণ করবে, তারা দ্রুত সিদ্ধান্ত গ্রহণ, কম খরচ এবং অধিক প্রতিযোগিতামূলক সেবা প্রদানের মাধ্যমে আন্তর্জাতিক বাজারে এগিয়ে থাকবে।
বাংলাদেশের RMG কি AI-এর জন্য প্রস্তুত?
আংশিকভাবে প্রস্তুত, তবে সবচেয়ে বড় বাধা হলো Data Management।
RMG শিল্পে AI এর প্রভাব এর সবচেয়ে বড় শক্তি হলো Data। সহজ ভাষায় বলতে গেলে, “Data হলো AI-এর খাদ্য।“ AI যত ভালো এবং নির্ভুল তথ্য পাবে, তার সিদ্ধান্তও তত নির্ভুল হবে। কিন্তু বাংলাদেশের অধিকাংশ গার্মেন্টস কারখানায় এখনও তথ্য সংগ্রহ ও ব্যবস্থাপনার ক্ষেত্রে বড় ঘাটতি রয়েছে। অনেক কারখানায় এখনও Manual Report, Excel Sheet এবং বিভিন্ন বিভাগের বিচ্ছিন্ন তথ্যের উপর নির্ভর করে সিদ্ধান্ত নেওয়া হয়। অনেক ক্ষেত্রে একই তথ্য বিভিন্ন রিপোর্টে ভিন্নভাবে উপস্থাপিত হয়, ফলে Data Accuracy নিশ্চিত করা যায় না।
উদাহরণস্বরূপ, যদি কোনো লাইনের প্রকৃত Efficiency 55% হয় কিন্তু রিপোর্টে 65% দেখানো হয়, তাহলে AI সেই ভুল তথ্যের ভিত্তিতে ভুল Forecast এবং Planning Recommendation দেবে। অর্থাৎ,
Wrong Data In, Wrong Decision Out.
তাই AI বাস্তবায়নের আগে কারখানাগুলোকে Digital Data Collection, ERP Integration, Real-Time Production Tracking এবং Standardized Reporting System চালু করতে হবে। নির্ভুল ও নির্ভরযোগ্য Data ছাড়া AI থেকে প্রত্যাশিত ফলাফল পাওয়া সম্ভব নয়। সংক্ষেপে বলা যায়, বাংলাদেশের RMG শিল্পে AI ব্যবহারের সম্ভাবনা অনেক, কিন্তু AI সফল করার জন্য প্রথম বিনিয়োগ হওয়া উচিত Software নয়, বরং সঠিক Data Infrastructure গড়ে তোলার দিকে
Skilled People-এর অভাব: AI বাস্তবায়নের অন্যতম বড় চ্যালেঞ্জ
RMG শিল্পে AI এর প্রভাবে শুধু সফটওয়্যার বা মেশিন কিনে সফল করা যায় না; এর জন্য প্রয়োজন দক্ষ জনবল। বর্তমানে বাংলাদেশের অনেক তৈরি পোশাক কারখানায় AI Engineer, Data Analyst, Automation Specialist কিংবা Digital Transformation Expert-এর মতো গুরুত্বপূর্ণ পদ এখনও গড়ে ওঠেনি বা পর্যাপ্ত সংখ্যায় নেই।
ফলে অনেক প্রতিষ্ঠান AI প্রযুক্তিতে বিনিয়োগ করলেও সেটি কার্যকরভাবে ব্যবহার, পরিচালনা এবং উন্নত করার জন্য প্রয়োজনীয় দক্ষতা খুঁজে পায় না। উদাহরণস্বরূপ, AI যদি কোনো লাইনের উৎপাদন ঝুঁকি বা কোয়ালিটি সমস্যা চিহ্নিত করে, তাহলে সেই তথ্য বিশ্লেষণ করে ব্যবসায়িক সিদ্ধান্তে রূপান্তর করার জন্য দক্ষ Data Analyst প্রয়োজন। একইভাবে Automation System পরিচালনা ও উন্নয়নের জন্য Automation Specialist অপরিহার্য।
বাস্তবতা AI মানুষের চাকরি পুরোপুরি কেড়ে নেবে না; বরং যারা AI ব্যবহার করতে জানবে না, তারা পিছিয়ে পড়বে। তাই প্রতিষ্ঠানগুলোর উচিত নতুন নিয়োগের পাশাপাশি বর্তমান কর্মীদের Data Analysis, AI Tools, Automation এবং Digital Skills বিষয়ে প্রশিক্ষণ দেওয়া। AI যুগে প্রযুক্তির পাশাপাশি দক্ষ জনবলই হবে সবচেয়ে বড় প্রতিযোগিতামূলক শক্তি।
Digital Infrastructure দুর্বলতা: AI বাস্তবায়নের আরেকটি বড় বাধা
বাংলাদেশের RMG শিল্পে AI এর ব্যবহারের পথে অন্যতম বড় চ্যালেঞ্জ হলো দুর্বল Digital Infrastructure। কারণ AI কার্যকরভাবে কাজ করার জন্য একটি শক্তিশালী ডিজিটাল ইকোসিস্টেম প্রয়োজন, যা বর্তমানে অনেক ফ্যাক্টরিতে এখনো সম্পূর্ণভাবে গড়ে ওঠেনি।বর্তমানে বেশিরভাগ ফ্যাক্টরিতে পূর্ণাঙ্গ ERP Integration নেই, যার ফলে Production, Inventory, HR এবং Quality-এর তথ্য একসাথে সংযুক্তভাবে বিশ্লেষণ করা সম্ভব হয় না। একইভাবে Real-time Data Collection সিস্টেমের অভাবে উৎপাদনের বর্তমান অবস্থা তাৎক্ষণিকভাবে জানা যায় না, যা সিদ্ধান্ত গ্রহণে দেরি তৈরি করে।
এছাড়াও অনেক প্রতিষ্ঠানে IoT Devices বা Smart Machine Monitoring System ব্যবহার করা হয় না, ফলে Machine Performance, Downtime বা Efficiency স্বয়ংক্রিয়ভাবে ট্র্যাক করা কঠিন হয়ে যায়। অপরদিকে Cloud System না থাকায় ডেটা স্টোরেজ ও শেয়ারিং অনেক সময় স্থানীয়ভাবে সীমাবদ্ধ থাকে, যা Multi-Factory বা Central Monitoring System তৈরি করতে বাধা দেয়।
AI বাস্তবায়নের জন্য কী কী করতে হবে?
RMG শিল্পে AI সফলভাবে বাস্তবায়নের প্রথম এবং সবচেয়ে গুরুত্বপূর্ণ ধাপ হলো Digitization বা ডিজিটাল রূপান্তর। কারণ AI কোনোভাবেই কাগজভিত্তিক বা বিচ্ছিন্ন ডেটার উপর নির্ভর করে কার্যকর সিদ্ধান্ত দিতে পারে না।
এই ধাপে প্রধানত তিনটি কাজ করতে হয়:
- Paper Process কমানো:
ফ্যাক্টরির দৈনন্দিন কাজ যেমন Production Report, Quality Report, Attendance বা Inspection Sheet ধাপে ধাপে কাগজ থেকে ডিজিটাল সিস্টেমে স্থানান্তর করতে হবে। - ERP চালু করা:
একটি কেন্দ্রীয় ERP System ব্যবহার করে Production, Inventory, HR, Merchandising এবং Quality Data এক জায়গায় সংযুক্ত করতে হবে, যাতে সব বিভাগ একই তথ্যের উপর কাজ করতে পারে। - Digital Production Tracking:
লাইনভিত্তিক উৎপাদন তথ্য, দক্ষতা, WIP এবং Output রিয়েল-টাইমে ডিজিটালভাবে ট্র্যাক করার ব্যবস্থা করতে হবে, যাতে সিদ্ধান্ত গ্রহণ দ্রুত ও নির্ভুল হয়।
এই ধাপটি সফলভাবে সম্পন্ন না হলে পরবর্তী AI, Automation বা Smart Factory System বাস্তবায়ন কার্যকরভাবে কাজ করবে না। তাই Digitization হলো AI যাত্রার ভিত্তি বা foundation layer।
Data Collection — AI বাস্তবায়নের মূল ভিত্তি
RMG শিল্পে AI প্রভাব কার্যকরভাবে কাজ করার জন্য সবচেয়ে গুরুত্বপূর্ণ ধাপ হলো নিয়মিত ও নির্ভুল Data Collection। কারণ সঠিক ডেটা ছাড়া AI কোনোভাবেই সঠিক বিশ্লেষণ বা পূর্বাভাস দিতে পারে না।
এই ধাপে প্রতিদিন ফ্যাক্টরি থেকে কিছু গুরুত্বপূর্ণ অপারেশনাল ডেটা সংগ্রহ করতে হবে, যেমন:
- Production: প্রতিটি লাইনের দৈনিক উৎপাদন কত হয়েছে তা রেকর্ড করা
• Efficiency: লাইন ও অপারেটরভিত্তিক দক্ষতার হার নির্ধারণ ও ট্র্যাক করা
• Defect: উৎপাদনে পাওয়া ত্রুটির সংখ্যা ও ধরন সংগ্রহ করা
• Rework: কত পরিমাণ কাজ পুনরায় করতে হয়েছে তা নির্ধারণ করা
• Machine Downtime: কোন মেশিন কত সময় বন্ধ ছিল এবং কেন ছিল তা রেকর্ড করা
এই ডেটাগুলো যদি নিয়মিত, সঠিক এবং স্ট্যান্ডার্ড ফরম্যাটে সংগ্রহ করা যায়, তাহলে AI সহজেই প্যাটার্ন বিশ্লেষণ করে সমস্যা শনাক্ত করতে পারে এবং ভবিষ্যতের জন্য পূর্বাভাস দিতে পারে।
অতএব, Data Collection শুধুমাত্র রিপোর্টিং নয়, বরং এটি AI-চালিত স্মার্ট ফ্যাক্টরি গড়ে তোলার একটি গুরুত্বপূর্ণ ভিত্তি।
Dashboard তৈরি — রিয়েল-টাইম মনিটরিং সিস্টেম
Digitization ও Data Collection সফলভাবে সম্পন্ন হলে পরবর্তী গুরুত্বপূর্ণ ধাপ হলো একটি Central Dashboard তৈরি করা। এর মাধ্যমে পুরো ফ্যাক্টরির কার্যক্রম এক নজরে দেখা ও বিশ্লেষণ করা সম্ভব হয়।
Power BI বা সমজাতীয় BI (Business Intelligence) টুল ব্যবহার করে নিচের বিষয়গুলো Live Monitoring করা যায়:
- Live Production: প্রতিটি লাইন বা অর্ডারের বর্তমান উৎপাদন অবস্থা রিয়েল-টাইমে দেখা
• Live Quality: ডিফেক্ট রেট, রিজেকশন ও কোয়ালিটি পারফরম্যান্স তাৎক্ষণিকভাবে পর্যবেক্ষণ
• Live Efficiency: লাইন, মেশিন ও অপারেটরভিত্তিক দক্ষতার হার লাইভ ট্র্যাক করা
এই Dashboard ব্যবহারের মাধ্যমে Management দ্রুত সিদ্ধান্ত নিতে পারে, সমস্যাগুলো আগেই চিহ্নিত করা যায় এবং Production Flow আরও স্থিতিশীল হয়।
ফলে ফ্যাক্টরি শুধু রিপোর্ট নির্ভর না হয়ে একটি Data-driven এবং Real-time Decision-making System-এ রূপান্তরিত হয়, যা AI বাস্তবায়নের জন্য অত্যন্ত গুরুত্বপূর্ণ একটি ধাপ।
Pilot Project — ছোট পরিসরে শুরু, বড় পরিসরে সফলতা
RMG শিল্পে AI বাস্তবায়নের ক্ষেত্রে সবচেয়ে বুদ্ধিমানের কাজ হলো পুরো ফ্যাক্টরিতে একসাথে পরিবর্তন না এনে প্রথমে একটি Pilot Project চালু করা। এতে ঝুঁকি কমে এবং বাস্তব পরিবেশে প্রযুক্তির কার্যকারিতা যাচাই করা সহজ হয়।
এই ধাপে সাধারণত একটি নির্দিষ্ট বিভাগকে বেছে নেওয়া হয়, যেমন:
- Quality Inspection: AI Vision System ব্যবহার করে ডিফেক্ট ডিটেকশন ও কোয়ালিটি মনিটরিং
• Production Planning: ডেটা বিশ্লেষণের মাধ্যমে স্টাইল ডিলে, লাইন ব্যালান্স ও ক্যাপাসিটি প্ল্যানিং উন্নত করা
• IE Analysis: SMV, efficiency ও workflow বিশ্লেষণ করে অপারেশন অপ্টিমাইজ করা
Pilot Project-এর মাধ্যমে দেখা যায় কোন প্রযুক্তি বাস্তবে কতটা কার্যকর হচ্ছে, কোথায় সমস্যা হচ্ছে এবং কীভাবে সেটিকে স্কেল আপ করা যায়।
এই ধাপটি সফল হলে পরবর্তী সময়ে পুরো ফ্যাক্টরিতে AI ধাপে ধাপে বাস্তবায়ন করা সহজ, নিরাপদ এবং কার্যকর হয়।
Employee Upskilling — মানুষকে প্রতিস্থাপন নয়, প্রস্তুত করা
RMG শিল্পে AI বাস্তবায়নের সবচেয়ে গুরুত্বপূর্ণ দিক হলো কর্মীদের নতুন প্রযুক্তির সাথে খাপ খাইয়ে নেওয়ার জন্য দক্ষ করে তোলা। কারণ AI-এর লক্ষ্য চাকরি কমানো নয়, বরং কাজের ধরন পরিবর্তন করে উৎপাদনশীলতা বাড়ানো।
এই ধাপে কর্মীদের নিম্নলিখিত বিষয়ে প্রশিক্ষণ দিতে হবে:
- Data Interpretation: রিপোর্ট ও ড্যাশবোর্ড থেকে সঠিক সিদ্ধান্ত গ্রহণের সক্ষমতা তৈরি করা
• AI Monitoring: AI সিস্টেম কীভাবে কাজ করছে তা পর্যবেক্ষণ ও নিয়ন্ত্রণ করা
• Digital Reporting: কাগজভিত্তিক রিপোর্টের পরিবর্তে ডিজিটাল সিস্টেমে তথ্য ইনপুট ও বিশ্লেষণ করা
• Automation Control: অটোমেশন মেশিন ও স্মার্ট সিস্টেম পরিচালনা ও সমস্যা সমাধানের দক্ষতা অর্জন করা
এই প্রশিক্ষণের মাধ্যমে কর্মীরা শুধু অপারেটর নয়, বরং একটি Digital Smart Factory-এর অংশ হিসেবে নিজেদের রূপান্তর করতে পারে।
ফলে প্রতিষ্ঠান AI গ্রহণ করলেও মানবসম্পদ হারায় না, বরং আরও দক্ষ ও প্রযুক্তিনির্ভর হয়ে ওঠে।
AI Center of Excellence (CoE) — কেন্দ্রীয় AI সক্ষমতা গড়ে তোলা
বড় গার্মেন্টস গ্রুপগুলোর জন্য RMG শিল্পে AI প্রভাব সফলভাবে বাস্তবায়নের একটি গুরুত্বপূর্ণ ধাপ হলো একটি AI Center of Excellence (CoE) তৈরি করা। এটি এমন একটি কেন্দ্রীয় টিম বা সেল, যা পুরো প্রতিষ্ঠানের AI, ডেটা এবং ডিজিটাল ট্রান্সফরমেশন কার্যক্রমকে সমন্বয় ও পরিচালনা করে।
এই টিমে সাধারণত নিম্নলিখিত বিভাগগুলোর প্রতিনিধি থাকে:
- IT: সিস্টেম ডেভেলপমেন্ট, ডেটা ইনফ্রাস্ট্রাকচার ও সাইবার নিরাপত্তা ব্যবস্থাপনা
• IE (Industrial Engineering): প্রোডাকশন অপ্টিমাইজেশন, SMV বিশ্লেষণ ও লাইন ব্যালান্সিং
• Production: বাস্তব ফ্লোর অপারেশন থেকে ডেটা ও ফিডব্যাক প্রদান
• Quality: ডিফেক্ট অ্যানালাইসিস ও AI ভিত্তিক কোয়ালিটি ইমপ্রুভমেন্ট
• Planning: ডিমান্ড, ক্যাপাসিটি ও শিপমেন্ট প্ল্যানিং ইন্টিগ্রেশন
এই AI Center of Excellence পুরো প্রতিষ্ঠানের জন্য একটি স্ট্র্যাটেজিক হাব হিসেবে কাজ করে, যেখানে ডেটা-ভিত্তিক সিদ্ধান্ত, অটোমেশন উদ্যোগ এবং AI প্রকল্পগুলো সমন্বিতভাবে পরিচালিত হয়।
ফলে AI শুধুমাত্র একটি টুল হিসেবে সীমাবদ্ধ না থেকে পুরো ফ্যাক্টরির একটি কাঠামোগত অংশে পরিণত হয়, যা দীর্ঘমেয়াদে দক্ষতা, গুণগত মান এবং প্রতিযোগিতামূলক সক্ষমতা বৃদ্ধি করে।
আগামী ৫ বছরে সবচেয়ে বেশি ঝুঁকিতে কারা?
- Data Entry Operator
- Reporting Executive
- Manual Planner
- Basic Coordinator
- Basic Merchandising Support
- কারণ AI দ্রুত এসব কাজ করতে পারে।
আগামী ৫ বছরে সবচেয়ে বেশি চাহিদা বাড়বে কার?
- AI-aware IE
- Digital Merchandiser
- Data Analyst
- Automation Engineer
- Smart Factory Manager
- AI-assisted Quality Manager
উপসংহার
বাংলাদেশের তৈরি পোশাক শিল্পে AI-এর মূল উদ্দেশ্য হওয়া উচিত “লোক ছাঁটাই” নয়, বরং “প্রতি কর্মীর উৎপাদনশীলতা বৃদ্ধি”। কারণ AI মানুষের বিকল্প নয়; বরং মানুষের কাজকে আরও দ্রুত, নির্ভুল এবং ডেটা-ভিত্তিক করার একটি শক্তিশালী টুল।
বর্তমানে একটি কারখানা যদি ১০০ জন অফিস স্টাফ দিয়ে দৈনন্দিন রিপোর্টিং, পরিকল্পনা, কোয়ালিটি মনিটরিং এবং ডেটা অ্যানালাইসিস পরিচালনা করে, তাহলে AI ব্যবহারের মাধ্যমে একই কাজ ৭০–৮০ জন দক্ষ কর্মী দিয়েই আরও দ্রুত ও কার্যকরভাবে সম্পন্ন করা সম্ভব। এতে অপ্রয়োজনীয় পুনরাবৃত্তিমূলক কাজ কমে যায় এবং সিদ্ধান্ত গ্রহণের গতি বাড়ে। তবে Sewing Floor-এর মতো শ্রমনির্ভর অংশে AI-এর প্রভাব তুলনামূলকভাবে সীমিত থাকবে, কারণ সেখানে মানুষের হাতের দক্ষতা, অভিজ্ঞতা এবং ফ্লেক্সিবিলিটি এখনো অপরিহার্য। যে প্রতিষ্ঠান আজ থেকেই Data, Digitization এবং Employee Upskilling-এ বিনিয়োগ করবে, তারাই আগামী ৫–১০ বছরে বৈশ্বিক বাজারে টিকে থাকবে এবং প্রতিযোগিতায় এগিয়ে যাবে। কারণ ভবিষ্যতের RMG শিল্প হবে “Labour Intensive” নয়, বরং “Data Driven Smart Industry”।
লেখক: আবদুল আজিজ
Head of Sample & Innovation,
Standard MH group