作者 | Louis Columbus

來(lái)源 | CDA數(shù)據(jù)分析師

10 Ways Machine Learning Is Revolutionizing Manufacturing In 2019

• 人工智能有可能在全球業(yè)務(wù)的營(yíng)銷(xiāo)和銷(xiāo)售中創(chuàng)造1.4T至2.6T的價(jià)值，在供應(yīng)鏈管理和制造方面的成本為1.2T至2T。
• 根據(jù)IDC的數(shù)據(jù)，到2021年，20％的領(lǐng)先制造商將依賴(lài)嵌入式智能，使用AI，IoT和區(qū)塊鏈應(yīng)用程序來(lái)自動(dòng)化流程并將執(zhí)行時(shí)間增加高達(dá)25％。
• 德勤表示，機(jī)器學(xué)習(xí)可以使離散制造業(yè)的產(chǎn)品質(zhì)量提高35％。
• 麥肯錫（McKinsey）表示，由于對(duì)數(shù)據(jù)的嚴(yán)重依賴(lài)，未來(lái)五到七年內(nèi)擁有人工智能的公司有50％可能將現(xiàn)金流增加一倍，制造業(yè)領(lǐng)先所有行業(yè)。
• 到2020年，60％的領(lǐng)先制造商將依靠數(shù)字平臺(tái)來(lái)支持其總收入的30％。
• 48％的日本制造商看到了將機(jī)器學(xué)習(xí)和數(shù)字制造技術(shù)整合到其運(yùn)營(yíng)中的更多機(jī)會(huì)，而不是最初認(rèn)為根據(jù)麥肯錫的標(biāo)志性研究 - 數(shù)字制造 - 逃避試點(diǎn)煉獄。

底線(xiàn)： 2019年制造商的領(lǐng)先增長(zhǎng)戰(zhàn)略是通過(guò)投資機(jī)器學(xué)習(xí)平臺(tái)來(lái)提高車(chē)間生產(chǎn)率，這些平臺(tái)提供了提高產(chǎn)品質(zhì)量和產(chǎn)量所需的洞察力。

使用機(jī)器學(xué)習(xí)來(lái)簡(jiǎn)化生產(chǎn)的每個(gè)階段，從入庫(kù)供應(yīng)商質(zhì)量開(kāi)始，從制造計(jì)劃到履行，現(xiàn)在是制造業(yè)的優(yōu)先事項(xiàng)。根據(jù)Deloitte最近的一項(xiàng)調(diào)查，機(jī)器學(xué)習(xí)將計(jì)劃外機(jī)器停機(jī)時(shí)間減少了15-30％，生產(chǎn)量提高了20％，維護(hù)成本降低了30％，質(zhì)量提高了35％。

以下是機(jī)器學(xué)習(xí)在2019年徹底改變制造的十種方式：

人工智能有可能在全球業(yè)務(wù)的營(yíng)銷(xiāo)和銷(xiāo)售中創(chuàng)造1.4T至2.6T的價(jià)值，在供應(yīng)鏈管理和制造方面創(chuàng)造1.2T至2美元的價(jià)值。

麥肯錫預(yù)測(cè)，基于人工智能的預(yù)測(cè)性維護(hù)有可能為制造商帶來(lái)0.5美元至0.7億美元的價(jià)值。麥肯錫引用AI處理海量數(shù)據(jù)的能力，包括音頻和視頻，意味著它可以快速識(shí)別異常以防止故障。機(jī)器學(xué)習(xí)可以確定特定聲音是飛機(jī)發(fā)動(dòng)機(jī)在質(zhì)量測(cè)試下正確運(yùn)行還是裝配線(xiàn)上的機(jī)器即將失效。

(麥肯錫/哈佛商業(yè)評(píng)論——AI的大多數(shù)商業(yè)用途將由 Michael Chui，Nicolaus Henke和Mehdi Miremadi 兩個(gè)領(lǐng)域組成)

通過(guò)在云平臺(tái)上擴(kuò)展的機(jī)器學(xué)習(xí)和預(yù)測(cè)分析，制造商正在獲得有關(guān)如何使其更具可持續(xù)性的新見(jiàn)解。

流程制造商正在使用Azure的Symphony Industrial AI從模板庫(kù)部署設(shè)備模型，模板庫(kù)包括熱交換器，泵，壓縮機(jī)以及制造商所依賴(lài)的其他資產(chǎn)。Symphony AI的Process 360 AI可幫助用戶(hù)創(chuàng)建其流程的預(yù)測(cè)模型。高級(jí)別的過(guò)程被定義為通過(guò)設(shè)備生產(chǎn)的物品（如化學(xué)品，燃料，金屬，其他中間產(chǎn)品和成品）。工藝模板實(shí)例包括氨工藝，乙烯工藝，LNG工藝和聚丙烯工藝。過(guò)程模型有助于預(yù)測(cè)過(guò)程擾動(dòng)和跳閘 - 單獨(dú)的設(shè)備模型可能無(wú)法預(yù)測(cè)。

(Microsoft Azure博客， 使用Symphony Industrial AI實(shí)施制造預(yù)測(cè)分析)

波士頓咨詢(xún)集團(tuán)（BCG）發(fā)現(xiàn)，制造商使用人工智能可以將生產(chǎn)商的轉(zhuǎn)換成本降低多達(dá)20％，同時(shí)由于勞動(dòng)力生產(chǎn)率提高，成本降低高達(dá)70％。

BCG發(fā)現(xiàn)，生產(chǎn)商將能夠通過(guò)使用人工智能開(kāi)發(fā)和生產(chǎn)針對(duì)特定客戶(hù)量身定制的創(chuàng)新產(chǎn)品，并在更短的交付周期內(nèi)交付產(chǎn)品，從而產(chǎn)生額外的銷(xiāo)售額。下圖說(shuō)明了AI如何根據(jù)BCG的分析為生產(chǎn)流程帶來(lái)更高的靈活性和規(guī)模。

(波士頓咨詢(xún)集團(tuán)，AI未來(lái)工廠(chǎng))

依賴(lài)重型資產(chǎn)的離散和流程制造商正在使用人工智能和機(jī)器學(xué)習(xí)來(lái)提高吞吐量，能耗和每小時(shí)利潤(rùn)。

擁有重型設(shè)備（包括大型機(jī)械）的制造商正在探索使用算法來(lái)提高產(chǎn)量，可持續(xù)性和良率。麥肯錫發(fā)現(xiàn)AI可以自動(dòng)執(zhí)行復(fù)雜的任務(wù)，并提供一致性和精確的最佳設(shè)定點(diǎn)，使機(jī)器能夠以自動(dòng)駕駛模式運(yùn)行，這對(duì)于在一個(gè)或多個(gè)生產(chǎn)班次上實(shí)現(xiàn)熄燈制造至關(guān)重要。

(麥肯錫，AI正在制作中：Eleftherios Charalambous，Robert Feldmann，GérardRichter和Christoph Schmitz 為重型資產(chǎn)制造商改變游戲規(guī)則)

基于AI和機(jī)器學(xué)習(xí)的產(chǎn)品缺陷檢測(cè)和質(zhì)量保證顯示出將制造生產(chǎn)率提高50％或更多的潛力。

機(jī)器學(xué)習(xí)在發(fā)現(xiàn)產(chǎn)品及其包裝異常方面的固有優(yōu)勢(shì)具有提高產(chǎn)品質(zhì)量和阻止有缺陷的產(chǎn)品離開(kāi)生產(chǎn)設(shè)施的巨大潛力。使用基于深度學(xué)習(xí)的系統(tǒng)，與人工檢查相比，缺陷檢測(cè)高達(dá)90％的改進(jìn)是可行的。鑒于開(kāi)源人工智能環(huán)境的可用性以及相機(jī)和功能強(qiáng)大的計(jì)算機(jī)方面的廉價(jià)硬件，即使是小型企業(yè)也越來(lái)越依賴(lài)基于人工智能的視覺(jué)檢測(cè)。在啟用AI的視覺(jué)質(zhì)量檢查中，通過(guò)從不同角度對(duì)優(yōu)質(zhì)和有缺陷產(chǎn)品進(jìn)行視覺(jué)成像來(lái)創(chuàng)建參考示例，從而為監(jiān)督學(xué)習(xí)算法的培訓(xùn)提供動(dòng)力。

(通過(guò)人工智能（AI）實(shí)現(xiàn)智能化 - 德國(guó)及其工業(yè)部門(mén)有哪些內(nèi)容？（52頁(yè)，PDF，無(wú)選擇加入）麥肯錫公司)

機(jī)器學(xué)習(xí)有可能減少制造業(yè)的長(zhǎng)期勞動(dòng)力短缺，同時(shí)尋找新的方法來(lái)同時(shí)留住員工。

制造業(yè)今天面臨嚴(yán)重的勞動(dòng)力短缺，每一次制造商調(diào)查都反映出這個(gè)問(wèn)題是影響行業(yè)增長(zhǎng)的三大因素之一。承擔(dān)這一挑戰(zhàn)的最有趣的公司之一是Eightfold。他們基于AI的人才智能平臺(tái)依賴(lài)于一系列有監(jiān)督和無(wú)監(jiān)督的機(jī)器學(xué)習(xí)算法，以匹配候選人獨(dú)特的能力，經(jīng)驗(yàn)和優(yōu)勢(shì)。包括ConAgra在內(nèi)的制造商依賴(lài)于八倍改善招聘并重新發(fā)現(xiàn)他們?yōu)閳F(tuán)隊(duì)配備人才和追求增長(zhǎng)機(jī)會(huì)所需的人才。下圖解釋了Eightfold人才智能平臺(tái)的工作原理：

機(jī)器學(xué)習(xí)正在幫助制造商解決以前難以解決的問(wèn)題并揭示他們從未知道的那些問(wèn)題，包括隱藏的瓶頸或無(wú)利可圖的生產(chǎn)線(xiàn)。

提高車(chē)間每臺(tái)機(jī)器的預(yù)測(cè)性維護(hù)精度，揭示如何提高每臺(tái)機(jī)器和相關(guān)工作流程的產(chǎn)量/吞吐量，優(yōu)化系統(tǒng)和供應(yīng)鏈優(yōu)化。下圖說(shuō)明了機(jī)器學(xué)習(xí)如何首先從機(jī)器級(jí)別開(kāi)始提高車(chē)間生產(chǎn)率，然后擴(kuò)展到工作流程及其所依賴(lài)的系統(tǒng)。

(麥肯錫，制造業(yè)：分析提升生產(chǎn)率和盈利能力，由Valerio Dilda，Lapo Mori，Olivier Noterdaeme和Christoph Schmitz提供)

機(jī)器學(xué)習(xí)可以顯著改善產(chǎn)品配置，以及制造商依賴(lài)于按訂單生產(chǎn)產(chǎn)品的配置 - 報(bào)價(jià)（CPQ）工作流程。

西門(mén)子的方法來(lái)銷(xiāo)售，設(shè)計(jì)，和安裝鐵路聯(lián)鎖控制系統(tǒng)使用AI和機(jī)器學(xué)習(xí)，找出10種的最佳配置90種可能的組合。機(jī)器學(xué)習(xí)擅長(zhǎng)定義最能滿(mǎn)足客戶(hù)需求的最佳配置，同時(shí)也是最可靠的制造。

(西門(mén)子，下一級(jí)AI - 由知識(shí)圖和數(shù)據(jù)思維提供支持，西門(mén)子中國(guó)創(chuàng)新日，Michael May，成都)

預(yù)計(jì)人工智能和制造業(yè)中的機(jī)器學(xué)習(xí)將在未來(lái)五年內(nèi)超過(guò)機(jī)器人技術(shù)，成為制造業(yè)的主要用例。

供應(yīng)鏈操作的復(fù)雜性和約束是機(jī)器學(xué)習(xí)算法的理想用例，以提供推薦的解決方案。制造商正在尋求有關(guān)預(yù)測(cè)性維護(hù)的試點(diǎn)，那些能夠帶來(lái)明顯收入增長(zhǎng)的企業(yè)最有可能投入生產(chǎn)。

(MAPI基金會(huì)，制造業(yè)發(fā)展：人工智能將如何改變制造業(yè)和未來(lái)的勞動(dòng)力作者： Robert D. Atkinson，Stephen Ezell，信息技術(shù)與創(chuàng)新基金會(huì)（PDF，56頁(yè)，選擇加入）)

機(jī)器學(xué)習(xí)正在徹底改變制造商如何保護(hù)每個(gè)威脅表面，依靠零信任安全（ZTS）框架來(lái)保護(hù)和擴(kuò)展其運(yùn)營(yíng)。

制造商正在轉(zhuǎn)向零信任安全（ZTS）框架，以保護(hù)其供應(yīng)鏈和生產(chǎn)網(wǎng)絡(luò)中的每個(gè)網(wǎng)絡(luò)，云和內(nèi)部部署平臺(tái)，操作系統(tǒng)和應(yīng)用程序。首席分析師Forrester的Chase Cunningham是Zero Trust Security的主要權(quán)威，他最近的視頻Zero Trust In Action值得關(guān)注，以了解制造商如何保護(hù)其IT基礎(chǔ)架構(gòu)。這個(gè)領(lǐng)域有幾家值得關(guān)注的公司，包括 MobileIron創(chuàng)建了一個(gè)以移動(dòng)為中心，零信任的企業(yè)安全框架制造商，它們依賴(lài)于今天。Centrify的身份訪(fǎng)問(wèn)管理方法阻礙了特權(quán)帳戶(hù)濫用，這是當(dāng)今違規(guī)行為的主要原因。 Centrify 最近的一項(xiàng)調(diào)查， 即現(xiàn)代Threatscape中的特權(quán)訪(fǎng)問(wèn)管理，發(fā)現(xiàn) 74％的違規(guī)行為涉及訪(fǎng)問(wèn)特權(quán)帳戶(hù)。特權(quán)訪(fǎng)問(wèn)憑證是黑客最常用的技術(shù)，用于啟動(dòng)違規(guī)行為，從制造商那里獲取有價(jià)值的數(shù)據(jù)并在Dark Web上銷(xiāo)售。