擴展人工智能在制造業(yè)中的應(yīng)用規(guī)模：來自從業(yè)者的觀點

賽迪譯叢

本報告建議，制造業(yè)企業(yè)應(yīng)為車間匹配符合需求的人工智能原型算法和數(shù)據(jù)管控框架，并在多工廠部署AI應(yīng)用，實現(xiàn)網(wǎng)絡(luò)化推廣。

AI在制造業(yè)價值鏈中潛力巨大

人工智能（AI）是學(xué)習(xí)系統(tǒng)所顯示出來的模仿人類能力的統(tǒng)稱，這些系統(tǒng)代表了智能。典型的AI功能包括語音、圖像和視頻識別、自主物體、自然語言處理、會話代理、規(guī)范性建模、增強的創(chuàng)造力、智能自動化、高級仿真以及復(fù)雜的分析和預(yù)測。在制造業(yè)方面，大多數(shù)AI用例都集中在三大技術(shù)細分領(lǐng)域。一是機器學(xué)習(xí)，即算法和代碼使用數(shù)據(jù)并自動從其基礎(chǔ)模式中學(xué)習(xí)而無需明確編程的能力。二是深度學(xué)習(xí)，即機器學(xué)習(xí)的一種高級形式，它使用人工神經(jīng)網(wǎng)絡(luò)來分析和解釋圖像和視頻。三是自主物體，即人造機器（如協(xié)作機器人或自動導(dǎo)航車輛）可以自行處理分配給他們的任務(wù)。

為探索AI在制造業(yè)中的所有潛在應(yīng)用，本報告調(diào)研了全球汽車、工業(yè)制造、消費品、航空航天與國防四大關(guān)鍵領(lǐng)域中的300家主要制造商（排名為本領(lǐng)域全球前75位的企業(yè)），并對上述企業(yè)的30位高級管理人員進行了深度訪談，以了解各企業(yè)如何實現(xiàn)和推廣人工智能技術(shù)。

經(jīng)過調(diào)研我們發(fā)現(xiàn)，歐洲在制造業(yè)領(lǐng)域的AI技術(shù)部署方面處于全球領(lǐng)先地位。目前，歐洲51%的企業(yè)都在制造業(yè)領(lǐng)域采用了AI解決方案，日本（30%）、美國（28%）、韓國（25%）和中國（11%）的制造商緊隨其后。在歐洲，德國的采納比例處于領(lǐng)先地位，69%的德國制造商在制造中采用了至少一個AI用例。其次是法國（47%）和英國（33%）。

與此同時，研究顯示AI在全球制造業(yè)價值鏈中顯示出了強大的潛力，很多領(lǐng)先的企業(yè)在其制造過程中通過使用AI發(fā)揮其優(yōu)勢。AI在產(chǎn)品開發(fā)、質(zhì)量控制、需求規(guī)劃等制造業(yè)領(lǐng)域均可應(yīng)用。例如，日本輪胎制造商普利司通（Bridgestone）引入了新的輪胎組裝系統(tǒng)“EXAMATION”進行生產(chǎn)質(zhì)量控制，該系統(tǒng)配備了一個人工智能工具，使用傳感器根據(jù)480個質(zhì)量項目測量單個輪胎的特性。EXAMATION則依據(jù)上述信息實時控制生產(chǎn)過程，確保在理想條件下組裝所有組件。與傳統(tǒng)的制造工藝相比，該系統(tǒng)有助于提高輪胎制造的超高精度，使輪胎均勻度提高15%以上;法國食品制造商達能（Danone）公司使用機器學(xué)習(xí)來預(yù)測需求變化和規(guī)劃。改進了銷售數(shù)據(jù)的預(yù)測流程，預(yù)測誤差減少了20%，銷售損失減少了30%;美國通用汽車（GeneralMotors）的“Dreamcatcher”系統(tǒng)使用機器學(xué)習(xí)對生產(chǎn)原型進行轉(zhuǎn)換，使單件式安全帶支架零件的設(shè)計比原始的八件式設(shè)計輕了40%，而強度卻提高了20%。

AI在制造業(yè)中的三大代表性應(yīng)用場景

通過分析調(diào)研企業(yè)的AI技術(shù)實施案例用例，我們發(fā)現(xiàn)智能維護、產(chǎn)品質(zhì)量檢驗、需求規(guī)劃是目前AI應(yīng)用最為成熟廣泛的制造業(yè)場景。這些場景都具備以下五點共同特征：

一是有明確的商業(yè)價值/利益。企業(yè)傾向于將AI技術(shù)投資重點放在收益易于識別和量化的用例上，包括減少停機時間、改善設(shè)備綜合效率（OEE）、減少產(chǎn)品缺陷、減少庫存等。二是相對容易實施。企業(yè)傾向于將重點放在不太復(fù)雜的用例上，這樣可以將投資回收期控制在幾個月內(nèi)，獲得更高的投資回報率。三是有可用的數(shù)據(jù)。企業(yè)多傾向于使用智能維護的機器和設(shè)備的性能數(shù)據(jù)，為檢驗質(zhì)量截取的成品圖片和視頻等，企業(yè)表示，這些數(shù)據(jù)必須有足夠?qū)嶋H發(fā)生數(shù)量支撐，但如果發(fā)生的次數(shù)實在不足，則可以使用模擬數(shù)據(jù)。在許多情況下，企業(yè)需要為收集數(shù)據(jù)配備物聯(lián)網(wǎng)（IoT）傳感器。四是具有成熟的AI專有技術(shù)、標(biāo)準(zhǔn)化解決方案和IT基礎(chǔ)設(shè)施，并可以在生產(chǎn)中大規(guī)模部署。企業(yè)將優(yōu)先考慮具有部署的基礎(chǔ)設(shè)施基礎(chǔ)的相關(guān)AI技術(shù)，因為隨著這些用例的推廣，制造商需要規(guī)?；?、可定制的AI產(chǎn)品和解決方案以降低成本。五是能夠添加有助于員工實施和理解的可視化、解釋性的輔助性技術(shù)工具。這可以幫助基層員工了解如何利用AI技術(shù)做出更優(yōu)質(zhì)的生產(chǎn)決策。

（一） 智能維護。工廠機械設(shè)備的智能維護是各行各業(yè)采用AI可輕松實現(xiàn)的目標(biāo)，其投資回收率非?？捎^，可最大程度地減少停機時間、支降低維護成本、提高生產(chǎn)率（圖1）。此外，相比高質(zhì)量數(shù)據(jù)的可用性以及在商業(yè)環(huán)境中進行分析的專業(yè)知識，相對容易實施，發(fā)現(xiàn)有以下集成解決方案可供選擇：

一是視情維護。預(yù)測機器/設(shè)備何時可能發(fā)生故障，并對進行維護的最佳時間提出建議。二是分析根本原因并確定機器停機的原因，以防止將來發(fā)生故障。根據(jù)機器人工業(yè)協(xié)會的說法，像通用汽車這樣的公司生產(chǎn)線停機一分鐘的成本就高達2萬美元。通用汽車在其供應(yīng)商的幫助下，分析安裝在裝配機器人上的照相機拍攝的圖像，以便發(fā)現(xiàn)機器人部件故障的跡象。在該系統(tǒng)的先導(dǎo)測試中，檢測了7000個機器人的72個部件故障實例，并在可能導(dǎo)致計劃外停機之前確定了問題。三是分析關(guān)聯(lián)事件和問題對機器效率和故障的影響。企業(yè)可以評估它對故障和故障率的影響，將生產(chǎn)損失最小化并將設(shè)備綜合效率最大化。例如，沃爾沃在其預(yù)警系統(tǒng)中使用了大規(guī)模數(shù)據(jù)集。每周系統(tǒng)都會分析機器運行過程中發(fā)生的超過一百萬個事件，例如溫度升高或壓力讀數(shù)異常。四是確保在正確的時間發(fā)出正確的警報。這是為了避免出現(xiàn)太多的誤報而導(dǎo)致解決方案無法使用。另外，警報還應(yīng)該允許使用者考慮“行動的時間”，即應(yīng)該在何時發(fā)出警報，以確保可采取必要措施避免預(yù)期故障。

舉例來說，一家歐洲大型工程公司的數(shù)字創(chuàng)新負責(zé)人表示，智能維護以多種方式為企業(yè)創(chuàng)造了收益，該公司在調(diào)音機上使用AI，已經(jīng)實現(xiàn)了預(yù)見性維護，它可以7天24小時（24/7）運行。以前，每一次計劃外的停機都會產(chǎn)生生產(chǎn)時間的損失，而現(xiàn)在該公司掌握了與以往故障及可能的故障原因相關(guān)的數(shù)據(jù)，可以預(yù)測下一次故障可能發(fā)生的時間，不僅節(jié)省了生產(chǎn)時間，還可以節(jié)省計劃外的維護成本和工時，進而節(jié)省大量資金。

另一家領(lǐng)先汽車制造商表示公司正致力于減少機器停機和將生產(chǎn)損失最小化，并提前發(fā)現(xiàn)可能發(fā)生故障的機器和生產(chǎn)線，以免影響銷售和向客戶交付產(chǎn)品。該公司啟用了AI的預(yù)見性維護解決方案，能夠準(zhǔn)確地識別最有可能出現(xiàn)故障的機器和生產(chǎn)線，并能主動采取補救措施。在預(yù)計會出現(xiàn)重大故障的一個月中，通過智能維護可以多生產(chǎn)300輛汽車，這是對因停機和維護而可能損失的產(chǎn)量的補充。

此外，一家高端商用車輛制造領(lǐng)域領(lǐng)先汽車制造商通過焊接和上膠機器人來克服維護方面面臨的挑戰(zhàn)。由于機器人驅(qū)動焊接程序的頻繁更改，導(dǎo)致底盤焊接和漏膠等故障反復(fù)出現(xiàn)。公司利用智能維護解決方案，能夠提前一到兩天預(yù)測到機器人的故障，每周可節(jié)省約500分鐘的運營停機時間。目前，該公司的裝配線上有600多個機器人。

（二）產(chǎn)品質(zhì)量檢驗。利用AI技術(shù)分析過程參數(shù)有助于預(yù)測和防止質(zhì)量問題，通過參數(shù)的細微趨勢變化可以預(yù)測資產(chǎn)的潛在故障一樣。目前，基于AI算法的高分辨率照相機的廣泛使用以及強大的圖像識別技術(shù)大大降低了實時中段檢查的成本。在實施該用例期間，制造商機器合作伙伴用大量圖像對計算機視覺AI系統(tǒng)進行了訓(xùn)練，并用“通過或失敗”對圖像進行分類。然后，系統(tǒng)就能確定零件是否符合質(zhì)量要求。

制造商能夠有效應(yīng)對汽車和消費品等細分市場中存在的產(chǎn)品規(guī)格和合規(guī)性的嚴(yán)格監(jiān)管法規(guī)，避免因任何違規(guī)行為導(dǎo)致的重大損失。例如，知名汽車制造商奧迪在英戈爾施塔特的沖壓車間安裝了基于深度學(xué)習(xí)的圖像識別系統(tǒng)，直接安裝在壓機上的多臺照相機可以拍攝壓制金屬板的圖像。然后，AI系統(tǒng)對圖像進行分析，識別金屬板上最細小的裂紋。通過來自奧迪英戈爾施塔特工廠和其他幾家大眾工廠的數(shù)百萬張測試圖像對該AI系統(tǒng)進行了訓(xùn)練，這樣可以實現(xiàn)非常高的準(zhǔn)確度。

基于AI的質(zhì)量檢驗正越來越多地用于確定零件和/或成品的缺陷。某大型歐洲電子企業(yè)表示正在嘗試用機器人自動檢驗線圈，這能節(jié)省大量成本，可完全消除因檢驗不善造成的浪費。

AI質(zhì)檢可以確保生產(chǎn)線的正確裝配操作。菲亞特克萊斯勒中國利用計算機視覺來檢查動力裝置配件的質(zhì)量，該公司訓(xùn)練了用來檢測不正確的裝配組件或漏裝配件的AI系統(tǒng)，這個系統(tǒng)速度極快、效率極高，可以將有缺陷的部件從主傳送帶上分離出來，用一條單獨的傳送線運至返工區(qū)進行糾正。這一過程不僅為終端客戶解決了大量質(zhì)量問題，還節(jié)省了生產(chǎn)時間。

人工智能技術(shù)可以根據(jù)給定的輸入特征預(yù)測最終產(chǎn)品的質(zhì)量。通過自動跟蹤成分、原料成分等記錄產(chǎn)品質(zhì)量，減少人工干預(yù)和質(zhì)量檢驗錯誤，擴大質(zhì)量檢驗的規(guī)模和范圍。一家大型食品加工企業(yè)在其生產(chǎn)線上采用了基于AI的雞蛋質(zhì)量檢驗，該企業(yè)的生產(chǎn)量為每小時3萬至27萬個雞蛋，操作人員對雞蛋進行抽樣檢查，由于規(guī)模大，小的缺陷容易漏檢，手動檢查方式在量大的情況下也容易出錯，在總量很大情況下，即使質(zhì)量下降1%，也意味著損失數(shù)千雞蛋。

為解決這個問題，該企業(yè)設(shè)計了一種基于深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)的AI算法，該算法使用了7萬多個雞蛋圖像，并根據(jù)雞蛋可能存在的缺陷類型將它們分為十類。實時地將每個雞蛋的圖像與該系統(tǒng)進行比較，以確定雞蛋是否有缺陷。如果發(fā)現(xiàn)與其中一種分類缺陷相吻合，則將雞蛋從傳送帶取下并回收;AI系統(tǒng)可以高速運行，掃描一個雞蛋不到40毫秒，匹配生產(chǎn)線的速度。

（三）需求規(guī)劃。制造業(yè)企業(yè)都在用機器學(xué)習(xí)盡可能精確地預(yù)測消費者需求的變化，以便對生產(chǎn)計劃和原材料采購進行必要的更改。更精確的預(yù)測可以帶來很多好處，可以提供更好的客戶服務(wù)和減少在制品和制成品的庫存。

利用機器學(xué)習(xí)系統(tǒng)可以提高制造商對需求預(yù)測的準(zhǔn)確性，不僅能極大提高預(yù)測準(zhǔn)確性，還能更好地進行營銷、銷售、賬戶管理、供應(yīng)鏈和財務(wù)之間的規(guī)劃。例如，法國跨國食品制造商達能（Danone）集團利用機器學(xué)習(xí)系統(tǒng)減少了20%預(yù)測誤差、減少了30%銷售損失、減少了30%產(chǎn)品淘汰、減少了50%需求規(guī)劃員的工作量，這不僅提高了供應(yīng)鏈效率，改善了庫存平衡，也使達能集團能夠滿足產(chǎn)品推銷的需求并達到渠道或門店級庫存的目標(biāo)服務(wù)等級。一家大型美國汽車配件企業(yè)表示，企業(yè)擁有大量關(guān)于客戶需求的歷史數(shù)據(jù)和給客戶供貨的歷史數(shù)據(jù)，公司正在用這些數(shù)據(jù)結(jié)合當(dāng)前的預(yù)測創(chuàng)建一個需求規(guī)劃模型，確保有能力應(yīng)對產(chǎn)量波動或客戶需求波動，預(yù)測客戶需求的變化、預(yù)測發(fā)展趨勢、優(yōu)化銷售方案。

制造業(yè)企業(yè)擴展AI應(yīng)用規(guī)模的三大路徑

總的來說，制造商將其AI技術(shù)實施重點放在維護和質(zhì)量上，29%和27%的頂級制造商將AI技術(shù)分別用于設(shè)備維護和質(zhì)量檢測。用于生產(chǎn)、產(chǎn)品研發(fā)、供應(yīng)鏈管理的比例分別為20%、16%、8%。目前，制造商實現(xiàn)規(guī)模效益面臨的最大挑戰(zhàn)是數(shù)字平臺和技術(shù)的部署和集成。例如，在汽車行業(yè)，截止到2019年1月，只有14%的汽車原始設(shè)備制造商（OEM）已經(jīng)大規(guī)模使用AI技術(shù)，僅僅比2017年年中10%的估量略有上升。

目前，超越概念驗證（POC）2水平擴展能力不足仍然是制造業(yè)人工智能實施的最大障礙之一。通過總結(jié)制造商可以采取的克服這一障礙的關(guān)鍵措施，發(fā)現(xiàn)可以采取三大類方法完成AI部署的超越概念驗證，將用例開發(fā)和實施過程標(biāo)準(zhǔn)化和重復(fù)操作，以實現(xiàn)大規(guī)模部署。一是在現(xiàn)場工程環(huán)境中部署成功的AI原型，二是加大投資奠定數(shù)據(jù)、AI系統(tǒng)和人才的基礎(chǔ)，三是在制造網(wǎng)絡(luò)上擴展AI解決方案。以下對這三類方法分別進行闡述：

在現(xiàn)場工程環(huán)境中部署成功的AI原型

1.實施AI應(yīng)用程序以處理車間的實時數(shù)據(jù)。大部分企業(yè)是在沙箱或受控環(huán)境中實施AI技術(shù)的概念驗證，這導(dǎo)致的問題是只使用了有限的數(shù)據(jù)集對該系統(tǒng)進行了培訓(xùn)和測試，AI系統(tǒng)無法處理多種場景，準(zhǔn)確性不能適應(yīng)生產(chǎn)環(huán)境的復(fù)雜度水平。

為此，企業(yè)應(yīng)在訓(xùn)練AI應(yīng)用程序模型時，引入處理車間的實時數(shù)據(jù)，并做好準(zhǔn)備應(yīng)對初期的故障和不成功案例。例如，西門子用AI預(yù)測處理高壓滅菌器廢氣的風(fēng)扇故障，早起該系統(tǒng)的準(zhǔn)確性比較低，預(yù)測的一些故障后來證實都是錯誤警報。但隨著數(shù)據(jù)量增大，預(yù)測準(zhǔn)確度的提高，這個系統(tǒng)能夠提前預(yù)測許多故障，節(jié)省了很多成本和停機時間，從而證明了它的價值。

2.將AI應(yīng)用與已有IT系統(tǒng)和工業(yè)物聯(lián)網(wǎng)進行集成嵌入。現(xiàn)有系統(tǒng)和工具的集成問題是AI大規(guī)模應(yīng)用所面臨的最大技術(shù)挑戰(zhàn)。為此，企業(yè)可以將AI作為關(guān)鍵組成部分嵌入到產(chǎn)品生命周期管理（PLM）、制造執(zhí)行系統(tǒng)（MES）、企業(yè)資源計劃（ERP）系統(tǒng)等原有IT系統(tǒng)中，從而克服這一障礙。而且，對于AI應(yīng)用程序來說，這些系統(tǒng)可能是有價值的嵌入。

菲亞特克萊斯勒（中國）汽車集團認為企業(yè)設(shè)備和系統(tǒng)的標(biāo)準(zhǔn)化可以讓AI應(yīng)用的系統(tǒng)集成變得更加容易，產(chǎn)生的問題更少。不僅如此，企業(yè)還能很容易地將集成后的應(yīng)用程序在新工廠中投入規(guī)?；耐茝V使用（只需付出第一次實施應(yīng)用程序所付出努力的15%到20%）。

除了已有IT系統(tǒng)的數(shù)據(jù)源外，AI系統(tǒng)有時還需要更精細的數(shù)據(jù)。精細數(shù)據(jù)可能直接從工業(yè)物聯(lián)網(wǎng)系統(tǒng)中的機器和設(shè)備獲得，為此需要兩種類型的集成：一是在工廠里、裝配線上、資產(chǎn)附近等邊緣地帶運行AI計算，以便立即做出策略決策，這也被稱為“邊緣智能”;二是在中央存儲庫中收集和處理物聯(lián)網(wǎng)數(shù)據(jù)，進行出于系統(tǒng)優(yōu)化目的的策略型學(xué)習(xí)。

加大對數(shù)據(jù)管控、AI平臺和人才的投入

投資基礎(chǔ)技術(shù)和AI技能也是取得長期成功的關(guān)鍵，當(dāng)最初的用例初步證明了AI的價值時，加大投資可以使企業(yè)保持動力。它還有助于將來創(chuàng)建可重復(fù)操作的、更快的、更容易操作的新AI應(yīng)用程序。

1.設(shè)計數(shù)據(jù)管控框架并構(gòu)建數(shù)據(jù)和AI平臺。數(shù)據(jù)管控框架定義了與數(shù)據(jù)生成、管理和分析相關(guān)的關(guān)鍵流程，這些流程對于實現(xiàn)AI應(yīng)用程序的功能至關(guān)重要。數(shù)據(jù)管控框架主要包含三大內(nèi)容：一是定義什么函數(shù)生成數(shù)據(jù)，誰是所有者，誰管理對數(shù)據(jù)的訪問;二是確定哪些數(shù)據(jù)對AI應(yīng)用程序有用，如何捕獲和存儲;三是規(guī)范和簡化數(shù)據(jù)集成，確定遵循的數(shù)據(jù)標(biāo)準(zhǔn)和格式。數(shù)據(jù)管控框架將為企業(yè)提供高質(zhì)量數(shù)據(jù)，幫助企業(yè)不同部門收集和存儲的數(shù)據(jù)在捕獲時或存儲在數(shù)據(jù)存儲庫中時遵循同樣一套標(biāo)準(zhǔn)，減少數(shù)據(jù)清理和預(yù)處理的難度，加快數(shù)據(jù)分析和數(shù)據(jù)準(zhǔn)備速度。想要擁有預(yù)處理后的結(jié)構(gòu)化數(shù)據(jù)集，數(shù)據(jù)管控至關(guān)重要。

同時，為了收集的數(shù)據(jù)得到最有效利用，被調(diào)研企業(yè)大多構(gòu)建了AI平臺來存儲數(shù)據(jù)并管控對數(shù)據(jù)的訪問，將不同數(shù)據(jù)用于特定于問題的AI應(yīng)用程序。圖2顯示了數(shù)據(jù)和AI平臺的構(gòu)建模式，AI平臺從現(xiàn)有機器、控制系統(tǒng)和制造執(zhí)行系統(tǒng)以及智能傳感器收集數(shù)據(jù)。最初，平臺可能主要提供對運營的初步見解，以建議和支持優(yōu)化決策。隨著時間的發(fā)展，AI平臺可以將AI模型產(chǎn)生的結(jié)果發(fā)送回制造執(zhí)行系統(tǒng)，以便安排維護、安排設(shè)備等自動執(zhí)行優(yōu)化決策。此類AI平臺既可以作為解決一系列用例的縱向集成解決方案，又可以作為開發(fā)各種用例的通用平臺使用?；跀?shù)據(jù)的AI平臺可以不斷地、安全地開發(fā)和擴展解決方案，提供穩(wěn)定的數(shù)據(jù)獲取能力，對用例進行開發(fā)和部署。

不過，對于缺乏在內(nèi)部實施和培訓(xùn)AI的必要技能和專業(yè)知識的中小制造業(yè)企業(yè)來說，購買現(xiàn)成的解決方案是開發(fā)和實施AI的快速而有效的方法，通過購買的通用平臺上定制AI解決方案，中小制造業(yè)企業(yè)將得以組建自身的AI專業(yè)系統(tǒng)。

舉例來說，寶馬公司幾年前就開始構(gòu)建數(shù)據(jù)架構(gòu)，能夠處理寶馬公司分布在31個國家的生產(chǎn)設(shè)施和140多個國家的銷售網(wǎng)絡(luò)生成的大量數(shù)據(jù)。寶馬公司的數(shù)據(jù)倉庫創(chuàng)建一種新的數(shù)據(jù)架構(gòu)，使其能夠處理正在生成的大量數(shù)據(jù)并進行及時的分析。在該數(shù)據(jù)平臺上，寶馬公司建立了一個神經(jīng)網(wǎng)絡(luò)和圖像數(shù)據(jù)庫，用于評估生產(chǎn)過程中的圖像，一旦機器學(xué)習(xí)過程完成，神經(jīng)網(wǎng)絡(luò)就可以自行確定組件是否符合規(guī)格。目前，寶馬公司正將此用于消除斯太爾工廠的“偽”缺陷，通過運行訓(xùn)練好的AI分析軟件，已能夠區(qū)分實際的失誤和假定的失誤;同時，寶馬公司還用員工注解的存儲圖像數(shù)據(jù)在斯太爾工廠開發(fā)了AI控制應(yīng)用程序來強化缺陷發(fā)現(xiàn)的訓(xùn)練過程，在部分工廠試點的AI應(yīng)用程序可以識別是否需要將集裝箱裝在貨板上、是否需要其他固定措施，還可以計算出最短的路徑將集裝箱直接送到卸貨站。從數(shù)據(jù)的角度來說，寶馬圍繞開發(fā)、生產(chǎn)、采購等職能部門進行數(shù)據(jù)組織，利用機器學(xué)習(xí)優(yōu)化流程質(zhì)量，將數(shù)據(jù)轉(zhuǎn)化為財富，優(yōu)化公司產(chǎn)品和業(yè)務(wù)模型。到2017年，寶馬公司已開發(fā)出嵌入AI算法的物聯(lián)網(wǎng)平臺，可快速方便地訪問大量傳感器和處理生產(chǎn)和物流數(shù)據(jù)。

2.儲備相關(guān)人才資源。制造商需要擁有一個能開發(fā)AI程序的人才庫。制造商的IT團隊一般不具備這樣的技能，需要專門招聘專業(yè)人員和開展技能提升項目，一些企業(yè)與學(xué)術(shù)界和初創(chuàng)公司積極合作是一種不錯的途徑。除此之外，企業(yè)還需要幫助和培訓(xùn)客戶快速順利地采用AI技術(shù)。

在制造網(wǎng)絡(luò)上擴展AI解決方案應(yīng)用規(guī)模

我們建議企業(yè)要加大對已建立的數(shù)據(jù)管理和人才隊伍的依賴度，將價值已經(jīng)得到證實的AI原型在企業(yè)工廠以及更廣泛的制造網(wǎng)絡(luò)上進行擴展，實現(xiàn)更大網(wǎng)絡(luò)化、規(guī)?；瘍r值。

1.在AI平臺上部署AI應(yīng)用程序使其可被應(yīng)用在不同工廠。建議企業(yè)通過開發(fā)數(shù)據(jù)和AI平臺，將現(xiàn)有的AI實施轉(zhuǎn)移到該平臺上，以獲取可用數(shù)據(jù)和資源的全部價值。在制造網(wǎng)絡(luò)上擴展AI解決方案有四大方面好處：一是有助于擴展用例的應(yīng)用規(guī)模，企業(yè)可以訪問從多個工廠采集的更廣泛數(shù)據(jù)集，并在這些站點使用該平臺;二是有助于確定在平臺上開發(fā)新用例所需的IT硬件和軟件資源;三是有助于自動執(zhí)行AI建議的決策，通過將輸出反饋到制造執(zhí)行系統(tǒng)或控制系統(tǒng)，可以將AI應(yīng)用程序的輸出作為同一平臺上托管的新AI應(yīng)用程序的輸入;四是AI平臺本身可以托管在云上，企業(yè)可以AI應(yīng)用程序進行集中訪問以節(jié)約成本，實現(xiàn)應(yīng)用程序的可移植性和企業(yè)移動性。

2.持續(xù)監(jiān)控其性能以獲取價值、輸出質(zhì)量和可靠性。當(dāng)AI解決方案在現(xiàn)場環(huán)境運行時，企業(yè)為保障程序運行的穩(wěn)定，避免發(fā)生故障，需要利用制造網(wǎng)絡(luò)同步監(jiān)控AI解決方案的各種參數(shù)性能，避免故障、誤報和漏報的發(fā)生，使用新的數(shù)據(jù)類別進行重新培訓(xùn)，以提高預(yù)測的準(zhǔn)確性。

結(jié)論

AI具有革新制造業(yè)的潛力。然而，我們發(fā)現(xiàn)雖然全球主要制造商已開始嘗試AI用例，但很少進行大規(guī)模應(yīng)用。我們認為，需要有更多企業(yè)將AI的應(yīng)用從試驗或概念驗證轉(zhuǎn)向規(guī)模發(fā)展，否則制造業(yè)的新4.0時代仍將是一個遙不可及的目標(biāo)。為此，企業(yè)需要采用規(guī)模驅(qū)動的策略，將精力集中在最有價值的用例上，并建立堅實的管控、平臺和人才基礎(chǔ)。