අඩු විදුලි ගාස්තු: ඇඟලුම් AI වියදම් ගණන් හදාගන්න

විදුලි ගාස්තු 25.3%කින් පහළ දැමීම (කර්මාන්ත සඳහා) කියන්නේ සාමාන්‍ය පුවතක් විතරක් නෙවෙයි. ශ්‍රී ලංකාවේ ඇඟලුම් අපනයනකරුවන්ට මේක කැෂ්-ෆ්ලෝ එක හුස්ම ගන්න ඉඩක්—එකම වෙලාවට AI සහ ඩිජිටල් පරිවර්තනයට “ආයෝජන කරන්න පුළුවන්” කියලා කියන පදනමක්.

අපේ කර්මාන්තය 2022දි Rs. 6.58/kWh සිට Rs. 34/kWh දක්වා ගිය විදුලි ගාස්තු පීඩනයෙන් වැටුන එක පෙන්වන අංක තියෙනවා: අපනයන ආදායම US$ 5,591.5 මිලියන සිට US$ 4,535.5 මිලියන දක්වා අඩුවුණා. මේ වගේ පසුබෑමකින් පස්සේ, PUCSL අනුමත කළ අඩුවීම කර්මාන්තයේ තරඟකාරීත්වයට සහ ස්ථායිතාවයට සෘජුවම බලපාන එක තහවුරු.

මේ ලිපිය “ශ්‍රී ලංකාවේ වස්ත්‍ර හා ඇඳුම් කර්මාන්තය කෘත්‍රිම බුද්ධිය මඟින් කෙසේ වෙනස් වෙමින් තිබේද” සිරීස් එකේ කොටසක්. අද අපි බලන්නේ—විදුලි ගාස්තු අඩුවීම AI හරහා කාර්යක්ෂමතාව, තත්ත්ව පාලනය, අනුකූලතා ස්වයංක්‍රීය කිරීම, සහ decarbonization ඉලක්ක ඉක්මනින් අල්ලගන්න උපකාරී වෙන්නේ කොහොමද කියලා.

විදුලි ගාස්තු අඩුවීමෙන් ලැබෙන “වියදම් ඉඩකඩ” එක කොහෙද වැදගත්?

කියන්න තියෙන දේ සරලයි: විදුලි වියදම අඩු වුණාම ඒක ලාභය විතරක් නෙවෙයි—ඔබේ factory එකේ තීරණ ගැනීමේ නිදහස වැඩි වෙනවා.

2023 සහ 2024 කාලයේ ගාස්තු ඉහළම කාලවලදි බොහෝ ඇඟලුම් කර්මාන්තශාලා කළේ:

• overtime අඩු කරලා output පාලනය කිරීම
• නව යන්ත්‍ර/automation projects නවත්තන එක
• QC/inspection අමතර කණ්ඩායම් කප්පාදු කිරීම
• R&D සහ digital projects “අනාගතයට” තල්ලු කරලා දාන එක

එතනින් ගැටලුවක්: AI සහ ඩිජිටල් පරිවර්තනය කියන්නේ වියදමක් නෙවෙයි—ඔබේ unit cost එක අඩු කරලා lead-time එක කෙටි කරන මාර්ගයක්. ඒත් capex/opex දෙකම තද උනාම ඒ මාර්ගය වසා ගන්න ලේසි.

JAAF කියන “policy” දේ AI එකටත් අදාළයි

JAAF එක PUCSL හමුවේ ඉල්ලලා තියෙන්නේ least-cost generation plan එකක් සහ transparent competitive bidding යටතේ PPA ක්‍රියාවලියක්. මේක කඩිනම්ව අදාළ නොකරන එකෙන් tariff forecasting වැරදිවීලා කර්මාන්තයට අනවශ්‍ය පීඩනයක් වැටෙනවා.

“Tariff forecasting model එක නිවැරදි වීම අත්‍යවශ්‍යයි” කියන අදහස මෙතන ප්‍රායෝගිකව කියන්නේ: නිෂ්පාදකයාට multi-year investment plan එකක් හදාගන්න විශ්වාසනීය විදුලි වියදම් trajectory එකක් ඕන.

AI projects කුඩා pilot එකෙන් පටන් ගත්තත්, value එක ලැබෙන්නේ scale කරද්දි. ඒකට tariff volatility අඩු වීමම වටිනාකමක්.

අඩු ගාස්තු + AI: මෙහෙම ඉක්මනින් කාර්යක්ෂමතාව වැඩි කරගන්න

ප්‍රධාන ලාභය: ඔබට ලැබෙන savings “බිල් එක ගෙවලා ඉවරයි” කියන මානසිකත්වයෙන් “process එක හොඳ කරමු” කියන ක්‍රමයට මාරු කරගන්න පුළුවන්.

පහත AI use cases කිහිපයක් Sri Lanka apparel context එකේම දැන් ඉතා practical:

1) AI-ආධාරිත energy monitoring සහ load optimization

විදුලි ගාස්තු අඩු වුනත්, kWh එකක් ඉතිරි කිරීම තවමත් ලාභයි. AI එකෙන් කරන්න පුළුවන්:

• machine-wise energy profiling (sewing lines, compressors, boilers, chillers)
• peak-time vs off-peak scheduling recommendations
• abnormal consumption detection (leaks, inefficient motors, poor maintenance)

මෙහෙම system එකක් තියෙන factory එකකට, tariff එක අඩුවුණත් energy intensity (kWh per garment) අඩු කරන එකෙන් competitiveness ද්විත්වයෙන් වැඩි වෙයි: cost එකත් අඩුවෙයි, carbon footprint එකත් අඩුවෙයි.

2) Computer Vision මගින් quality inspection automation

QC එකේ වැරදි අල්ලාගන්න එක labor-heavy, time-consuming. Computer vision models වලින්:

• stitching defects, shade variations, fabric faults auto-detect
• defect classification (root-cause hints)
• rework rate අඩු කිරීම

මෙතන වැදගත් කාරණාවක්: rework කියන්නේ electricity + labor + time තුනම අහිමි කරන එක. Tariff relief එක ඔබට මේ automation project එකක් rollout කරන්න budget එකක් හදලා දෙයි.

3) Production planning සඳහා AI (line balancing + demand signals)

Global buyers එක්ක වැඩ කරන කර්මාන්තශාලා වල ප්‍රධාන pain point එකක් තමයි: plan එක වෙනස් වෙද්දි cost explode වෙන එක. AI planning tools වලින්:

• style changeover impact predict කිරීම
• bottleneck prediction
• WIP reduction
• OTIF (on-time in-full) වැඩි කිරීම

අන්තිමට, lead-time එක කෙටි වුනාම buyer confidence එක ඉහළ යනවා—එය price pressure එකටත් ප්‍රතිරෝධයක්.

4) Compliance සහ documentation automation (AI + workflow)

අපි මේ සිරීස් එකේ මූලික තේමාවක් ලෙස කතා කරන එකක් තමයි: අනුකූලතා ක්‍රියාවලීන් ස්වයංක්‍රීය කිරීම.

• audit evidence gathering
• policy document drafting support
• incident logging + corrective action tracking
• supplier data normalization

මෙවා AI එකෙන් “කිසිදේ අහෝසි කරන” වැඩ නෙවෙයි. වැඩේ කෙටි කරලා, human team එකට risk-based thinking කරන්න ඉඩ හදන වැඩ.

Savings එක “බාල” දේවල්ට ගියා නම් අවස්ථාව අතපසු වෙනවා

මගේ මතය: tariff relief එක ලැබුණ ගමන් ඒක පාවිච්චි කරන්නේ plan එකක් නැතුව නම්, මාස 3–6කින් ඒ savings එක සාමාන්‍ය operational noise එකක් වෙලා අතුරුදහන් වෙයි.

මෙහෙම කරන්න:

60-90 දින AI investment plan එකක් (factory-level)

1. Savings capture කරන්න: tariff cut එකෙන් මාසික electricity bill එකේ අඩුවීම වෙනම line-item එකක් වශයෙන් track කරන්න.
2. Savings වලින් 20–30%ක් ring-fence කරන්න: “Digital Efficiency Fund” වගේ internal budget එකක්.
3. Use case 2ක් තෝරන්න:
   • එකක් cost (energy/maintenance) සම්බන්ධිත
   • එකක් quality/lead-time සම්බන්ධිත
4. Pilot KPIs හදාගන්න:
   • rework rate %
   • defect per 100 units
   • kWh per garment
   • changeover time
   • OTIF%
5. Data readiness checklist එකක් කරන්න:
   • machine data access (PLC/IoT)
   • QC image capture standard
   • master data (styles, BOM, routing)

AI වැඩ කරන්නේ “data discipline” තියෙද්දි. මේ අංශය හදාගන්න එක, savings වලට වඩා වටිනාකමක් දෙන්න පුළුවන්.

Decarbonization ඉලක්ක: 2030ට කලින් buyer expectations තද වෙයි

බ්‍රෑන්ඩ්ලාගේ decarbonization ඉල්ලීම් දැන් procurement decisions වලට සෘජුවම එනවා. JAAF එක renewables 70% by 2030 ඉලක්කයට සහය දක්වලා තියෙනවා. මේක ඇඟලුම් අංශයට වැදගත් වෙන්නේ හේතු තුනක් නිසා:

1. Carbon reporting: unit-level emissions track කිරීම ඉල්ලන buyer වැඩි වෙයි.
2. Energy price stability: renewables scale වුනාම long-term tariff volatility අඩු වීමේ හැකියාව තියෙනවා.
3. Brand preference: low-carbon factories new order allocation වලදි ඉස්සරහට යන්න පුළුවන්.

AI මෙතනට එන්නේ measurement + optimization වලට. ඔබට renewable source එකක් තිබුණත්, energy waste එක තියෙනවා නම් carbon story එක දුර්වලයි. AI monitoring + process optimization එකෙන් “දත්ත වලින් හරි” කියන්න පුළුවන් decarbonization narrative එකක් හැදෙයි.

“People also ask” style ප්‍රශ්න කිහිපයකට සෘජු උත්තර

විදුලි ගාස්තු අඩුවුණාම AI අදායම (ROI) අඩුවෙනවද?

නෑ. Tariff අඩුවීමෙන් energy-saving projects වල ROI ටිකක් වෙනස් වෙන්න පුළුවන්. හැබැයි AI එකේ ලොකු ROI එන්නේ quality, rework, throughput, lead-time, compliance cost අඩු කරන එකෙන්. ඒවා tariff එක අඩු වුණත් අදාළයි.

කුඩා සහ මධ්‍ය පරිමාණ (SME) කර්මාන්ත සඳහා AI කරන්න බැරිද?

බැරි නෑ. SME වලට හොඳම මාර්ගය: subscription tools + focused pilots. Camera-based QC pilot එකක්, forecasting/production planning light version එකක්, compliance workflow automation එකක්—මේවා capex අඩුයි.

AI දාන්න කලින් මොන data ටික හදාගන්න ඕනද?

අවමයෙන්:

• style-wise production history
• defect codes එක consistent කිරීම
• energy meter readings machine/section level එකෙන්
• shift/line/operator logs (privacy සහ labor policy අනුව)

විදුලි ගාස්තු අඩුවීම “අවසාන විසඳුම” නෙවෙයි—ඒත් හොඳ ආරම්භයක්

PUCSL විසින් කර්මාන්ත විදුලි ගාස්තු 25.3%කින් අඩු කිරීම ඇඟලුම් අපනයනකාරයන්ට තරඟකාරීත්වය නැවත සකස් කරගන්න ලැබුණු අවස්ථාවක්. ඒත් JAAF එක ඉල්ලන විදිහට least-cost generation, transparent bidding, සහ නිවැරදි tariff forecasting අතුරුදහන් වුනොත්, අපි ආයෙත් එකම චක්‍රයට වැටෙන අවදානමක් තියෙනවා.

මේ සිරීස් එකේ තේමාවට ගැලපෙන්න කියනවා නම්: AI කියන්නේ ලාභය ගන්න පමණක් නෙවෙයි—අපේ ඇඟලුම් කර්මාන්තයට predictable, measurable, buyer-ready operation එකක් ගොඩනගන ක්‍රමයක්. tariff relief එක ඒකට fuel එක.

ඔබේ factory එකට අදම කරන්න පුළුවන් වැඩේ මෙන්න: savings වල කොටසක් අල්ලාගෙන, data discipline එකෙන් පටන්ගෙන, use cases දෙකක් pilot කරන්න. 2026ට order book එක තීරණය කරන එක “අඩු මිල” විතරක් නෙවෙයි—අඩු වියදම + අඩු carbon + ඉක්මන් lead-time එකට.

ඔබේ ආයතනය AI pilot එකක් පටන් ගත්තොත්, පළවෙනි use case එක energy ද, quality ද, production planning ද?