தொழில்துறை சூழலை உருவாக்குவதற்காக உற்பத்தி சார்ந்த ஊக்கத்தொகை (Production Linked Incentive (PLI)) திட்டத்தில் சில மாற்றங்களைச் செய்வதும், திறமையான ஊழியர்களை உருவாக்குவதற்காக செயற்கை நுண்ணறிவு (Artificial Intelligence (AI)) மற்றும் உற்பத்தித் துறை அமைப்புகளை ஒன்றிணைப்பதும் மிகவும் அவசியமானதாகும்.
ஹரியானாவின் மானேசரில் உள்ள ஒரு நடுத்தர அளவிலான வாகன உதிரிபாகத் தொழிற்சாலையின் பொருட்கள் அனுப்பும் பிரிவிற்குள் நடந்து சென்று, அங்கிருக்கும் ஆலை மேலாளரிடம், உங்களுக்கு இப்போது இருக்கும் மிகப்பெரிய கவலை என்ன? என்று ஒரு வருடத்திற்கு முன்பு கேட்டிருந்தால், அவர் வேறு ஒரு பதிலைச் சொல்லியிருப்பார். அப்போதெல்லாம் அவரது கவலை உற்பத்தித் திறனைப் பற்றியதாக மட்டுமே இருந்தது. அதாவது, தொழிற்சாலையினால் உற்பத்தி செய்ய முடிந்ததைவிட அதிக வர்த்தக ஆணைகள் வந்துகொண்டிருந்தன. ஆனால் இன்று, கவலை முற்றிலும் மாறிவிட்டது.
ஐரோப்பிய ஒன்றியத்தின் (EU) 'கார்பன் எல்லை வரி ஒழுங்குமுறை' (Carbon Border Adjustment Mechanism (CBAM)) விதிகளின்படி, நீண்டகாலமாக இந்தியாவிடம் வாடிக்கையாளராக இருக்கும் ஒரு ஐரோப்பிய நிறுவனம், இப்போது ஒவ்வொரு ஏற்றுமதிக்கும் முழுமையான 'கார்பன் தடம் கண்டறியும் தரவு' (Carbon traceability data) அதாவது, உற்பத்தி செய்யும்போது எவ்வளவு கார்பன் வெளியேறியது என்ற விவரம் கேட்கிறது. தொழிற்சாலையினால் பொருட்களைத் தயாரிக்க முடியும், ஆனால் அதற்கான ஆதாரத்தை இன்னும் வழங்க முடியவில்லை. இன்றைய உலகளாவிய உற்பத்தித் துறையில், விதிகளுக்குக் கட்டுப்பட்டு நடப்பதை நிரூபிக்க முடியாமல் போவது என்பது, பொருளைத் தயாரிக்கவே தகுதியில்லாமல் போவதற்குச் சமமாக மாறி வருகிறது.
இது ஒரு தனிப்பட்ட நிகழ்வு அல்ல. வர்த்தகம், தொழில்நுட்பம் மற்றும் கார்பன் கொள்கைகள் இனிமேல் சாதாரண விஷயங்கள் அல்ல. அவை சர்வதேச சந்தைகளைப் பயன்படுத்துவதற்கான வாய்ப்பைத் தீர்மானிக்கின்றன. உலகளாவிய மதிப்புச் சங்கிலிகளில் பங்குபெறுவதற்கான விதிகளை வகுக்கின்றன. மேலும், எந்த நாடுகள் தங்களின் தொழில்துறை சுதந்திரத்தைத் தக்கவைத்துக் கொள்ள முடியும் என்பதை முடிவு செய்கின்றன. இப்போது இந்தியாவிற்கு முன் இருக்கும் முக்கியக் கேள்வி என்னவென்றால், இந்த புதிய வர்த்தக முறைக்குத் தேவையான தகுதிகளையும் அமைப்புகளையும் இந்தியாவால் உருவாக்க முடியுமா, அல்லது அதற்கு ஆதரவளிக்கும் உள்கட்டமைப்புகள் பின்தங்கியிருக்கும் போதே உற்பத்தியை மட்டும் தொடர்ந்து விரிவுபடுத்திக் கொண்டிருக்கப் போகிறதா என்பதுதான்.
நிஜ உலகோடு தொடர்பு கொள்ளும் செயற்கை நுண்ணறிவை நோக்கி நகர்தல்
செயற்கை நுண்ணறிவு (AI) என்பது, சமீபகாலம் வரை பெரும்பாலும் உள்ளடக்க உருவாக்கம், சில்லறை வர்த்தகம் மற்றும் மென்பொருள் போன்ற துறைகளில், கணினி அல்லது திறன்பேசி திரைகளுக்குள் மட்டுமே அதிகமாகப் பயன்படுத்தப்பட்டு வந்தது. ஆனால், இப்போது நிலைமை மாறிவருகிறது. செயற்கை நுண்ணறிவின் அடுத்த கட்டம் என்பது நிஜ உலகைச் சார்ந்தது (Physical AI) ஆகும். இது தொழிற்சாலைகள், தளவாடப் போக்குவரத்து, மின்சார விநியோகக் கட்டமைப்பு மற்றும் விநியோகச் சங்கிலிகள் போன்றவற்றில் பயன்படுத்தப்படுகிறது. இந்தத் துறைகளில் மென்பொருளும் இயந்திரங்களும் எந்தவிதத் தடங்கலும் இல்லாமல், நம்பகத்தன்மையுடன் இணைந்து செயல்பட வேண்டும். இது ஏதோ எதிர்காலத்தில் நடக்கப்போகும் விஷயம் அல்ல. உலகில் மிகக் கடுமையான போட்டி நிலவும் உற்பத்தித் துறை சார்ந்த பொருளாதார நாடுகளில் இது ஏற்கனவே நடந்து கொண்டிருக்கிறது. தற்போதைய நிலையில் இந்தியாவிலும் இந்தத் தொழில்நுட்பம் படிப்படியாக உருவெடுத்து வருகிறது.
இதன் பயன்பாடுகள் மிகவும் நடைமுறைக்குரியவை மற்றும் உண்மையானவை. முன்கூட்டியே கணிக்கும் பராமரிப்பு அமைப்புகள் (Predictive maintenance systems), இயந்திரங்கள் பழுதடைவதற்கு முன்பே அவற்றிலுள்ள சிக்கல்களைக் கண்டறிந்துவிடும். ‘ஒரு தொழிற்சாலையின் டிஜிட்டல் மாதிரி’ (Digital twins) தொழில்நுட்பம், நிஜமாகப் பண முதலீடு செய்து தொழிற்சாலையைக் கட்டுவதற்கு முன்பாகவே, அதை டிஜிட்டல் முறையில் இயக்கிச் சோதித்துப் பார்க்க உதவுகிறது. ‘கணினி வழிப் பார்வை’ (Machine vision) தொழில்நுட்பம், மனிதர்களின் முடிவை மட்டும் நம்பியிருக்காமல், உற்பத்திப் பொருட்களின் தரத்தை உடனுக்குடன் துல்லியமாகச் சரிபார்க்கிறது. ஆற்றல் மேலாண்மை வழிமுறைகள், தொழிற்சாலைகளின் மின்சாரப் பயன்பாட்டைக் குறைக்க உதவுவதோடு, கார்பன் உமிழ்வு விதிகளைப் பின்பற்றவும் துணைநிற்கின்றன. இந்த வகையான பயன்பாடுகளுக்குப் புதிய அல்லது அதிநவீன செயற்கை நுண்ணறிவு (AI) ஆராய்ச்சிகள் தேவையில்லை. ஏற்கனவே வெற்றிகரமாக நிரூபிக்கப்பட்ட தொழில்நுட்பங்களைச் சரியாகப் பயன்படுத்தினாலே போதுமானது என்கின்றனர்.
இங்கே உள்ள முக்கியப் பிரச்சினை விழிப்புணர்வு இல்லாமை அல்ல, மாறாக இந்தத் தொழில்நுட்பங்களை எவ்வளவு தூரம் முழுமையாகப் பயன்படுத்துகிறார்கள் என்பதில்தான் உள்ளது. இந்தியாவில் உள்ள சில பெரிய வாகன உற்பத்தி (Automotive) மற்றும் பொறியியல் (Engineering) நிறுவனங்கள் ஏற்கனவே இந்தத் தொழில்நுட்பங்களைப் பயன்படுத்தத் தொடங்கிவிட்டன. இருப்பினும், இந்த ஆரம்பகாலப் பயனர்களுக்கும், ஒட்டுமொத்த குறு, சிறு மற்றும் நடுத்தர தொழில் நிறுவனங்களுக்கும் (Micro, Small and Medium Enterprises (MSME)) இடையே இன்னும் பெரிய இடைவெளி உள்ளது. உதாரணமாக, மூன்று சுழற்சி முறையில் இயங்கும் ஒரு நடுத்தர அளவிலான உதிரிபாகத் தயாரிப்பு நிறுவனம், இயந்திரங்கள் பழுதடைவதை முன்கூட்டியே கணித்து பராமரிக்கும் தொழில்நுட்பத்தின் (Predictive maintenance) நன்மைகளைப் புரிந்து வைத்திருக்கலாம். ஆனால், பழைய உபகரணங்கள், வெவ்வேறு வகையான தரவு அமைப்புகள் மற்றும் இந்தத் தொழில்நுட்பங்களை நிர்வகிப்பதற்கான சொந்த நிபுணத்துவம் இல்லாததால், அதைச் செயல்படுத்துவது அந்நிறுவனங்களுக்கு கடினமாக உள்ளது. வணிகங்களுக்கு இடையே வர்த்தகம் நடக்கும் (Business-to-Business (B2B)) தொகுப்புகளில், அதாவது வார்ப்பாலைகள் (Foundries) மற்றும் இயந்திரப் பட்டறைகள் (Machining shops) போன்ற இடங்களில்தான், புதிய தொழில்நுட்பங்களை ஏற்றுக்கொள்வதில் மிகப்பெரிய இடைவெளி உள்ளது. அதே நேரத்தில், போட்டி காரணமாக ஏற்படும் ஆபத்தும் இந்தத் தொழில்நிறுவன முறையில் அதிகமாக உள்ளது.
சுற்றுச்சூழல் கட்டாயம்
உற்பத்தித் துறையில் போட்டித்திறன் என்பது ஒரு தனி நிறுவனத்தால் மட்டுமே எளிதில் சாதிக்கக்கூடிய ஒன்று அல்ல. அது ஒட்டுமொத்த உற்பத்திச் சூழல் அமைப்பால் உருவாக்கப்படுகிறது. சீனாவின் ஷென்சென் (Shenzhen) நகரில், ஒரு புதிய வன்பொருள் மாதிரி (Hardware prototype) ஒரு சில நாட்களிலேயே யோசனையிலிருந்து மேம்பட்ட வடிவமாக மாறிவிடுகிறது. இதற்கு அங்குள்ள ஏதோ ஒரு தனிச்சிறப்பான தொழிற்சாலை மட்டும் காரணம் அல்ல; மாறாக, விநியோகஸ்தர்கள், கருவிகளை வடிவமைக்கும் நிபுணர்கள், வடிவமைப்பாளர்கள் மற்றும் செயல்முறை பொறியாளர்கள் என அனைவரும் ஒரு நெருக்கமான பிணைப்பாக இணைந்து செயல்படுவதும், அவர்களிடையே அறிவு மற்றும் தகவல்கள் மிக வேகமாகப் பகிர்ந்துகொள்ளப்படுவதுமே இதற்குக் காரணம் ஆகும்.
இந்தியாவிலும் இதற்கு இணையான உதாரணங்கள் உள்ளன. புனே மற்றும் சென்னையில் உள்ள வாகன உதிரிபாகக் கூட்டமைப்புகள், திருப்பூரில் உள்ள பின்னலாடை உற்பத்திச் சூழல், மற்றும் தமிழ்நாடு மற்றும் தெலங்கானாவில் வளர்ந்து வரும் மின்னணுவியல் மையங்கள் ஆகியவற்றை இதற்குச் சான்றாகக் கூறலாம். ஆனால், இங்குள்ள முக்கியக் கேள்வி என்னவென்றால், இந்த உற்பத்தி மையங்கள் தங்களின் புவிசார் நெருக்கம்கொண்ட சூழலை, நீண்டகாலப் பலனாக மாற்றுவதற்குத் தேவையான நிறுவன வலிமையை உருவாக்கி வருகின்றனவா என்பதுதான். இதில் பொதுவான சோதனைக்கூட வசதிகள் (Shared testing facilities), திறன்பயிற்சி அமைப்புகள், தர நிர்ணய அமைப்புகளில் தொழில்துறையினரின் தீவிரப் பங்கேற்பு மற்றும் தொழிற்சாலைகளின் கள நிலவரப் பிரச்சினைகளுக்குத் தீர்வு காணும் ஆராய்ச்சி நிறுவனங்கள் ஆகியவை அடங்கும். இந்த அம்சங்கள் இல்லையென்றால், ஒரு உற்பத்தி மையம் என்பது வெறும் குறிப்பிட்ட இடத்தில் குவிந்திருக்கும் ஒரு தொழிற்சாலைகளின் கூட்டமாக மட்டுமே இருக்குமே தவிர, உண்மையான ஒரு தொழில்துறை சுற்றுச்சூழல் அமைப்பாக இருக்காது என்பதையும் சுட்டிக்காட்டுகின்றனர்.
தரநிலைகள் தொடர்பான விஷயத்திற்கு தனிக் கவனம் செலுத்த வேண்டும். ஐரோப்பிய ஒன்றியத்தின் 'கார்பன் எல்லை வரி ஒழுங்குமுறை' (CBAM) மற்றும் 'டிஜிட்டல் தயாரிப்பு அடையாளம்' (Digital Product Passport (DPP)) போன்ற நடவடிக்கைகள் வெறும் நிர்வாக நடைமுறைகள் மட்டுமே அல்ல. அவை உலகளாவிய சந்தைகளை அணுகுவதற்கான ஒரு புதிய விதியாகவே மாறி வருகின்றன. இந்தத் தரநிலைகளை உருவாக்கத் துணையாக இருக்கும் நாடுகளும் அமைப்புகளும், உலகளாவிய வர்த்தகத்தின் மீது அதிக செல்வாக்கைப் பெறுகின்றன. பன்முகப்படுத்தப்பட்ட உலகளாவிய விநியோகச் சங்கிலிகளில் இந்தியா ஒரு நம்பகமான வர்த்தக நாடாக மாற வேண்டுமானால், மற்றவர்கள் உருவாக்கும் தரநிலைகளைப் பின்பற்றுவதை நிறுத்த வேண்டும். அதற்குப் பதிலாக, சர்வதேச தரநிர்ணய அமைப்புகள், வர்த்தகப் பேச்சுவார்த்தைகள் மற்றும் மதிப்புச் சங்கிலி வடிவமைப்பு ஆகியவற்றின் மூலம் இந்த விதிகளை உருவாக்குவதில் இந்தியா தீவிரமாகப் பங்கேற்க வேண்டும்.
பலவீனங்கள்
இந்தியாவிற்கு இருக்கும் உண்மையான ஆபத்து, இந்த உற்பத்தித் துறை வாய்ப்பைத் தவறவிடுவது அல்ல. உலகளாவிய விநியோகச் சங்கிலியில் ஏற்பட்டு வரும் மாற்றங்கள், சர்வதேச நிறுவனங்களின் "சீனாவை மட்டுமே நம்பியிருக்காமல் மற்றுமொரு நாட்டைத் தேடும்" (China-plus-one) உத்தி, மற்றும் மேற்கத்திய நாடுகளின் "நட்பு நாடுகளுடன் மட்டும் வர்த்தகம் செய்யும்" (Friend-shoring) அணுகுமுறை ஆகிய அனைத்தும் சேர்ந்து, இந்தியா ஒரு முதன்மையான உற்பத்தி மையமாக மாறுவதற்கான வலுவான தேவையை உருவாக்கியுள்ளன. இந்த சாதகமான வாய்ப்பு என்பது முற்றிலும் உண்மையானது. ஆனால், உண்மையான ஆபத்து எங்குள்ளது என்றால் — உற்பத்திக்குத் தேவையான பின்னணி ஆதரவு அமைப்புகளை மேம்படுத்தாமல், வெறும் உற்பத்தித் திறனை மட்டும் அதிகரிப்பதுதான். அப்படிச் செய்தால், அது நிலையான மற்றும் பலமான வளர்ச்சிக்கு வழிவகுக்காமல், ஒரு தற்காலிக வளர்ச்சிக்கு மட்டுமே வழிவகுக்கும் என்றும் எச்சரிக்கப்படுகிறது.
பெரும்பாலான உற்பத்தி அமைப்புகள் ஆரம்பத்தில் தங்களிடம் ஏற்கனவே உள்ள வளங்களை சிறப்பாகப் பயன்படுத்துவதன் மூலமே வளர்ச்சியடைகின்றன. அதாவது கூடுதல் பணிநேரங்கள் (Shifts) வேலை செய்வது, இயந்திரங்களின் பயன்பாட்டை அதிகரிப்பது மற்றும் மேலாளர்களின் பொறுப்புகளை விரிவாக்குவது போன்ற வழிகளில் வளர்கின்றன. இது பயன்படுத்தப்படாமல் இருக்கும் உற்பத்தித் திறனை திறம்படக் கையாள உதவுகிறது. இருப்பினும், ஒரு குறிப்பிட்ட எல்லையைத் தாண்டும்போது, பொறுப்புக்கூறல் தெளிவற்றதாகிவிடுகிறது, குளறுபடிகள் அதிகரிக்கின்றன, மேலும் வாடிக்கையாளர்களுடன் கட்டியெழுப்பப்பட்ட நம்பிக்கையை விரைவாக இழக்க நேரிடும். தங்களுடைய சொந்தக் கட்டுபாட்டு விதிமுறைகளைப் பூர்த்தி செய்யவேண்டிய கட்டாயத்தில் இருக்கும் உலகளாவிய வாடிக்கையாளர்கள், இதுபோன்ற முரண்பாடுகளைப் பொறுத்துக் கொள்ள மாட்டார்கள்.
மோசமாக வடிவமைக்கப்பட்ட இயங்குதளங்களில் (Operating Systems), செயற்கை நுண்ணறிவு (AI) தொழில்நுட்பத்தை முதலீடு செய்து பயன்படுத்துவது இந்தச் சிக்கல்களுக்குத் தீர்வாகாது. மாறாக, அது அந்த இயங்குதளங்களில் ஏற்கனவே இருக்கும் பலவீனங்களை அதிகரிக்கும் என்கின்றனர்.
அடுத்தகட்ட நடவடிக்கை
இந்தியா இந்த மாற்றுக் காலகட்டத்திற்குள் சில உண்மையான கட்டமைப்புச் சாதகங்களுடன் நுழைகிறது. ஒரு பெரிய பொறியியல் தளம், டிஜிட்டல் தொழில்நுட்பங்களை மிகப்பெரிய அளவில் வெற்றிகரமாகச் செயல்படுத்திக் காட்டிய திறன், மற்றும் வாகன உற்பத்தி, மருந்துகள், மின்னணுவியல் மற்றும் பாதுகாப்புத் துறை ஆகியவற்றில் உலகளாவிய விநியோகச் சங்கிலிகளுடன் ஆழமாகத் தன்னை இணைத்துக் கொண்டிருப்பது ஆகியவை இந்தக் கட்டமைப்புச் சாதகங்கள் ஆகும்.
இந்தச் சாதகங்களை நிலையான தொழில்துறை சுயசார்பு நிலையாக மாற்றுவதற்கு மூன்று குறிப்பிட்ட மாற்றங்கள் தேவைப்படுகின்றன. முதலாவதாக, உற்பத்தி சார்ந்த ஊக்கத்தொகை (PLI) திட்ட அமைப்பு வெறும் உற்பத்தி அளவிற்கான ஊக்கத்தொகைகளை வழங்குவதைத் தாண்டி அடுத்த கட்டத்திற்கு வளர வேண்டும். ஏனெனில், உற்பத்தி அளவை அடிப்படையாகக் கொண்ட மானியங்கள் அவற்றின் நோக்கத்தை நிறைவேற்றிவிட்டன. அடுத்த கட்டமானது ஒட்டுமொத்த உற்பத்திச் சூழல் உருவாக்கத்திற்கு வெகுமதி அளிப்பதாக இருக்க வேண்டும். அதாவது, உள்ளூர் விநியோகஸ்தர்களின் பலம், பொதுவான உள்கட்டமைப்பு மற்றும் தொழில்நுட்பத் தொழிலாளர்களை உருவாக்குதல் ஆகியவற்றுக்கு முக்கியத்துவம் அளிக்கப்பட வேண்டும்.
இரண்டாவது, ஆராய்ச்சித் திறனுக்கும் தொழில்முறை பயன்பாட்டிற்கும் இடையே உள்ள இடைவெளியைக் கூட்டு-நிதி வழிமுறைகள் மற்றும் பகிரப்பட்ட பொறுப்புக்கூறல் மூலம் சரிசெய்ய வேண்டும். மத்திய உற்பத்தித் தொழில்நுட்ப நிறுவனம் (Central Manufacturing Technology Institute (CMTI)) மற்றும் பயன்பாட்டு நுண்ணலை மின்னணு பொறியியல் மற்றும் ஆராய்ச்சி சங்கம் (Society for Applied Microwave Electronics Engineering & Research (SAMEER)) போன்ற தேசிய ஆய்வகங்கள் சிறந்த தொழில்நுட்பத் திறனைக் கொண்டுள்ளன. ஆனால் அவை தொடர்ந்து உற்பத்தித் தரத்திலான கருவிகளாக மாற்றப்படுவதில்லை. இங்கு விடுபட்ட புள்ளி அறிவியல் அல்ல; மாறாக, முன்மாதிரிகளை (Prototypes) தொழில்நுட்பத் தயார்நிலை மட்டம் 4-லிருந்து (Technology Readiness Level 4 (TRL 4)) தொழில்நுட்பத் தயார்நிலை மட்டம் 7-க்கு (Technology Readiness Level 7 (TRL 7)) கொண்டு செல்லத் தயாராக இருக்கும் தொழில்முறை கூட்டமைப்புகள்தான் தற்போதைய முதன்மைத் தேவையாக உள்ளது.
மூன்றாவது, செயற்கை நுண்ணறிவு (AI) மற்றும் நிஜ உலக செயல்பாட்டு அமைப்புகளின் இணைப்பை, இந்தியா தனது மனிதவளத் திறனை மேம்படுத்துவதற்கான ஒரு முதன்மை முன்னுரிமையாகக் கருதவேண்டும். வழிமுறைகள் மற்றும் பொருள்சார் அமைப்புகள், அதாவது வெப்ப இயக்கவியல் (Thermodynamics), ரோபாட்டிக்ஸ் (Robotics), மற்றும் நம்பகத்தன்மை பொறியியல் (Reliability engineering) ஆகிய இரண்டையும் திறம்பட கையாளத் தெரிந்த பொறியாளர்கள்தான், அடுத்த தொழிற்புரட்சி யுகத்தை எந்த நாடுகள் வழிநடத்தும் என்பதைத் தீர்மானிப்பார்கள். சரியாக இப்படிப்பட்ட திறமையாளர்களைத்தான் இந்தியா உருவாக்குகிறது. ஆனால், கேள்வி என்னவென்றால், அந்தத் திறமையை சொந்த நாட்டிலேயே பயன்படுத்துவதற்கான நிறுவனரீதியான சூழல்களும் வசதிகளும் இந்தியாவில் இருக்கிறதா என்பதுதான்.
ஒரு தொழிற்சாலை, எவ்வளவு கார்பன் உமிழ்வை வெளியிடுகிறது என்பதைக் துல்லியமாகக் கண்டறிவதும், இயந்திரங்களில் ஏற்படும் பழுதுகளை முன்கூட்டியே கணிப்பதும், உலகளாவிய மதிப்புச் சங்கிலிகளில் தடையின்றி தன்னை இணைத்துக் கொள்வதும் இன்றியமையாதது ஆகும். இன்றைய தேதியில், முக்கியமான உற்பத்திப் பொருட்களை வாங்கும் உலகளாவிய நிறுவனங்கள் ஒரு தொழிற்சாலையிடம் எதிர்பார்க்கும் குறைந்தபட்ச அடிப்படைத் தகுதி ஆகும்.
எனவே, ஒரு நாட்டின் பெரிய அளவிலான வளர்ச்சி அதன் சந்தையை வலுப்படுத்தும் அதே வேளையில், அதன் தனித்துவமான கட்டமைப்புதான் அதற்கு முழுமையான தன்னாட்சி அதிகாரத்தையும் தேடித்தரும் என்கின்றனர்.
சோந்தி, 'Global – India' அமைப்பின் இயக்குநராக உள்ளார். இவர் ‘Ashok Leyland’ மற்றும் ‘JCB India’ ஆகிய நிறுவனங்களின் முன்னாள் நிர்வாக இயக்குநராகவும், தலைமை நிர்வாக அதிகாரியாகவும் இருந்தவர் ஆவார். சுந்தரராமன், ‘Wipro Research’ அமைப்பின் தலைமை விஞ்ஞானியும் தலைவரும் ஆவார்.
Original article : Welding AI with manufacturing systems. -Vipin Sondhi and G Sundararaman