为什么说人工智能正在革新2019年的制造业

2019年制造商的领先增长战略是通过投资机器学习平台来提高车间生产率，这些平台提供了提高产品质量和产量所需的洞察力。

使用机器学习来简化生产的每个阶段，从入库供应商质量开始，从制造计划到履行，现在是制造业的优先事项。根据Deloitte最近的一项调查，机器学习将计划外机器停机时间减少了15-30％，生产量提高了20％，维护成本降低了30％，质量提高了35％。

人工智能有可能在全球业务的营销和销售中创造1.4T至2.6T的价值，在供应链管理和制造方面创造1.2T至2美元的价值。麦肯锡预测，基于人工智能的预测性维护有可能为制造商带来0.5美元至0.7亿美元的价值。麦肯锡引用AI处理海量数据的能力，包括音频和视频，意味着它可以快速识别异常以防止故障。机器学习可以确定特定声音是飞机发动机在质量测试下正确运行还是装配线上的机器即将失效。

通过在云平台上扩展的机器学习和预测分析，制造商正在获得有关如何使其更具可持续性的新见解。

流程制造商正在使用Azure的Symphony Industrial AI从模板库部署设备模型，模板库包括热交换器，泵，压缩机以及制造商所依赖的其他资产。Symphony AI的Process 360 AI可帮助用户创建其流程的预测模型。高级别的过程被定义为通过设备生产的物品（如化学品，燃料，金属，其他中间产品和成品）。工艺模板实例包括氨工艺，乙烯工艺，LNG工艺和聚丙烯工艺。过程模型有助于预测过程扰动和跳闸 - 单独的设备模型可能无法预测。

波士顿咨询集团（BCG）发现，制造商使用人工智能可以将生产商的转换成本降低多达20％，同时由于劳动力生产率提高，成本降低高达70％。BCG发现，生产商将能够通过使用人工智能开发和生产针对特定客户量身定制的创新产品，并在更短的交付周期内交付产品，从而产生额外的销售额。下图说明了AI如何根据BCG的分析为生产流程带来更高的灵活性和规模。

依赖重型资产的离散和流程制造商正在使用人工智能和机器学习来提高吞吐量，能耗和每小时利润。拥有重型设备（包括大型机械）的制造商正在探索使用算法来提高产量，可持续性和良率。麦肯锡发现AI可以自动执行复杂的任务，并提供一致性和精确的最佳设定点，使机器能够以自动驾驶模式运行，这对于在一个或多个生产班次上实现熄灯制造至关重要。

基于AI和机器学习的产品缺陷检测和质量保证显示出将制造生产率提高50％或更多的潜力。机器学习有可能减少制造业的长期劳动力短缺，同时寻找新的方法来同时留住员工。

制造业今天面临严重的劳动力短缺，每一次制造商调查都反映出这个问题是影响行业增长的三大因素之一。承担这一挑战的最有趣的公司之一是Eightfold。他们基于AI的人才智能平台依赖于一系列有监督和无监督的机器学习算法，以匹配候选人独特的能力，经验和优势。包括ConAgra在内的制造商依赖于八倍改善招聘并重新发现他们为团队配备人才和追求增长机会所需的人才。下图解释了Eightfold人才智能平台的工作原理：

机器学习正在帮助制造商解决以前难以解决的问题并揭示他们从未知道的那些问题，包括隐藏的瓶颈或无利可图的生产线。提高车间每台机器的预测性维护精度，揭示如何提高每台机器和相关工作流程的产量/吞吐量，优化系统和供应链优化。下图说明了机器学习如何首先从机器级别开始提高车间生产率，然后扩展到工作流程及其所依赖的系统。

机器学习可以显着改善产品配置，以及制造商依赖于按订单生产产品的配置 - 报价（CPQ）工作流程。西门子的方法来销售，设计，和安装铁路联锁控制系统使用AI和机器学习，找出10种的最佳配置90种可能的组合。机器学习擅长定义最能满足客户需求的最佳配置，同时也是最可靠的制造。预计人工智能和制造业中的机器学习将在未来五年内超过机器人技术，成为制造业的主要用例。

供应链操作的复杂性和约束是机器学习算法的理想用例，以提供推荐的解决方案。制造商正在寻求有关预测性维护的试点，那些能够带来明显收入增长的企业最有可能投入生产。机器学习正在彻底改变制造商如何保护每个威胁表面，依靠零信任安全（ZTS）框架来保护和扩展其运营。