制造商应该为人工智能和机器学习构建独立、明确的用例

但是，虽然人工智能和机器学习在广泛的制造环境中有大量的应用机会，但仍然存在各种挑战，其中最突出的是确定明确的、独立的用例，特别是对于小型企业来说，必须谨慎管理部署新技术的预算。

从易于实现的目标开始

凯捷研究所今年早些时候发布的研究表明，如果制造商要构建一个实时的未来，人工智能必不可少。

根据对实际制造商的采访，“从实践者角度看 AI 在制造运营中的扩展”确定了很多如何实施人工智能的例子，主要的重点在于使用人工智能进行实时监测，以帮助维护机器和生产资产。凯捷的研究表明，人工智能在制造业中最受欢迎的用例是预测性维护，以便在机器或设备可能出现故障之前的最佳时间进行维护。复杂的人工智能算法和机器学习可以对资产和机器的健康状况做出可靠的预测，并且由于维护变得更具预防性，可以延长设备的使用寿命。

预测性维护只是人工智能和机器学习在制造环境中进行实时监测的诸多优势之一。它们还可以帮助解决生产延迟问题并跟踪废品率，并通过应用基于上下文相关数据的机器学习模型，帮助制造商更好地了解流程和工作流。

人工智能还可以使用高分辨率摄像头实时进行图像分析，以评估产品，实施质量控制，使其满足汽车等受监管行业的性能基准和合规义务。从生产线上拍摄元件图像后，通过与数据库中存储的经批准的图像进行对比，对拍摄的图像进行评估，从而自动发现与既定质量标准的偏差情况。如果元件不符合这些标准，可以通知人工检查小组。

正如工业 4.0 涵盖工厂车间以外的整个供应链，人工智能和机器学习的机会也是如此。后者可用于提高需求预测的准确性，以配合产品推广和营销工作，从而为包括商店货架在内的分销渠道提供足够的产品。通过使用机器学习为营销、销售、客户管理和供应链之间的协同工作提供信息，制造商可以减少预测错误，提高整体盈亏底线，以免导致出现销售损失、生产远远超过需求和产品过时。

但是，由于人工智能和机器学习在帮助将制造环境转变为智能工厂方面有很多种可行的方法，因此制造商可能会感到不知所措，不知道从哪里入手，同时采用人工智能和机器学习也并非没有挑战。

数据科学是人工智能驱动的制造业的重要组成部分

如果您希望有效利用人工智能和机器学习，您必须有一个明确的用例。使用它来改善质量控制或预测性维护是一个很好的开始，但即使您的用途如此明确，也有几个关键的障碍必须克服。

虽然工业物联网包括使用传感器和摄像头来帮助收集工厂车间的数据，但使用人工智能和机器学习创建数字智能需要大量的知识文档，毕竟，人们对环境有着巨大的洞察力和理解力，包括在车间工作、维护、采购原始元件和分销最终产品的人员。您需要能够编纂所有这些领域的专业知识。

通过人工智能和机器学习进行预测性维护，可以为制造业带来巨大节省，因为不仅可避免代价高昂的停机时间，还允许您在小问题变成大问题之前予以解决。值得注意的是，这也需要在符合安全法规的情况下进行。

总体而言，使用人工智能和机器学习需要强大的数据管理能力，这意味着制造商现在正在争夺数据科学技能，并学习如何在整个制造环境中整合这些专业知识。

您需要高质量的数据来为人工智能和机器学习提供信息，否则，您将无法充分利用互联工厂所实现的自动化和分析。即使在工业 4.0 出现之前，整合多种格式的不同数据也非易事，这不仅要求您从信息技术 (IT) 系统中提取数据，还要从运营技术 (OT) 系统中提取数据。如果您已经开始数字化转型，那么您应该安排合适的人员担任信息技术和运营技术之间的联系人以及生产领域的专家，您需要配备了解生产流程和信息系统的人员。

制造环境中的数据非常多样，因此您不仅需要收集任何相关的数据，还必须“清理”这些数据并整理成有用的格式。为了让人工智能和机器学习利用这些数据，这些数据必须是一致的，而且如果您要使用支持组织中更明智的决策的上下文来丰富这些数据，则必须将各种数据流合并起来。在某些情况下，您希望人工智能和机器学习利用少量的数据为您实时做出决策；但在其他情况下，您可能会摄取大量长期收集的历史数据。

成功的数据管理不仅可以让您应用人工智能和机器学习来改善维护和质量控制，还可以转变制造业务，创造新的市场机会。

人工智能、机器学习可为整个供应链创造机会

除了改进现有生产流程，人工智能和机器学习还可以支持更好的产品开发。

通过创成式设计，人工智能可以利用可用时间、资源和预算等详细信息，为生产产品提出新的方案。然后可以通过应用深度学习模型进一步限定这些方法。随着利用实时数据的人工智能足够成熟，供应链可以根据人工智能建议进行动态调整，以考虑各种因素，包括经济趋势、消费者行为、政府政策以及政治动荡或自然灾害造成的中断。考虑到这些因素，可能有助于更有效地获取原材料，减少延迟和停机时间，或者通过使用基于历史数据的预测模型来指导扩张决策。

通过将人工智能和机器学习逐步融入制造环境，组织可以构建一个更智能的工厂，能够自我优化以改进现有的流程和产品，同时为快速适应新的机会做好准备。