根據(jù) 2020 年麻省理工學院技術評論洞察調查，制造業(yè)是人工智能(AI)采用率第二高的行業(yè)。這并不奇怪，因為AI可以改變行業(yè)范式，重塑公司處理制造過程各個方面的方式。

　　AI并不擅長一切，戰(zhàn)略實施是關鍵

　　盡管它幾乎徹底改變了我們生活的方方面面，但AI在很多事情上都不能像人類一樣做得好。例如，雖然它看似比普通人更不容易出錯，但它仍然會犯錯誤。

　　預編程機器人非常擅長完成重復性任務，幾乎沒有監(jiān)督。然而，重要的是要記住，人類必須嚴格控制任何程度的自主權，以減輕潛在的問題。這就是為什么盡管無人駕駛列車已經(jīng)存在了一段時間，但汽車行業(yè)仍在努力實現(xiàn)自動駕駛汽車。當自動駕駛列車受到鐵路的限制時，控制它要容易得多;而目前道路的相對自由度，為錯誤留下了太多的空間。

　　在制造業(yè)中，對錯誤的容忍度極低。這意味著，雖然可以利用AI來改善制造企業(yè)的運作方式，但它必須與熟練的人類工人一起戰(zhàn)略性地完成。

　　AI改變制造業(yè)的 7 種方式

　　1. 預測性維護

　　在AI出現(xiàn)之前，機器維護被嚴格安排，以盡量減少意外故障的風險?，F(xiàn)在，公司可以利用預測性AI系統(tǒng)來定制每臺設備的維護需求，為單個機器創(chuàng)建優(yōu)化的時間表，在不增加成本的情況下提高效率。

　　例如，銑削設施經(jīng)常存在主軸容易斷裂的問題，從而減慢了生產(chǎn)速度并增加了運營成本。但是，通過將AI程序集成到軟件中，這些工廠可以保持最新的監(jiān)控，以便在潛在故障點引起問題之前檢測到它們。

　　2. 質量保證

　　使用AI來增強質量保證實踐不僅可以產(chǎn)生更好的最終結果，還可以幫助企業(yè)確定車間的最佳操作條件，并確定哪些變量對實現(xiàn)這些目標最重要。這降低了缺陷率，并大大減少了產(chǎn)生的浪費，從而節(jié)省了時間和金錢。

　　麥肯錫指出，半導體行業(yè)最昂貴的方面是制造，因為漫長的多步驟生產(chǎn)周期可能需要數(shù)周或數(shù)月。大部分時間成本歸因于必須在每一步進行的QA測試以及缺陷造成的延遲。AI不僅簡化了這些 QA 步驟，它還通過聚合所有生產(chǎn)階段的數(shù)據(jù)來提高整體效率和產(chǎn)量損失。

　　3. 缺陷檢查

　　現(xiàn)在可以"外包"尋找缺陷的工作，這要歸功于AI能夠比人類更快、更徹底地目視檢查物品。

　　正確的系統(tǒng)可以在相對較少的映像上進行訓練，然后部署以執(zhí)行通常需要數(shù)十或數(shù)百名工作人員才能完成的相同工作。此外，它可以進行根本原因分析，使公司能夠解決可能被忽視的潛在問題，從而提高產(chǎn)量并優(yōu)化生產(chǎn)。

　　4. 倉庫自動化

　　消費者正在將他們的購買習慣轉向電子商務，這意味著倉庫效率正成為需要卓越物流以保持競爭力的企業(yè)的首要任務。

　　倉庫自動化涵蓋從實施處理發(fā)票、產(chǎn)品標簽和供應商文檔的AI解決方案，到利用算法優(yōu)化貨架空間的所有內容，這可以為倉庫運營帶來巨大的投資回報率。

　　5. 裝配線集成與優(yōu)化

　　要真正優(yōu)化生產(chǎn)并降低成本，需要的不僅僅是從制造車間收集數(shù)據(jù)。必須以允許功能分析的方式掃描、清理和構建信息。AI可以快速輕松地對整個設施的匯總數(shù)據(jù)進行分類和結構化，為人員提供生產(chǎn)過程每個階段發(fā)生的事情的可操作、實用的概述。

　　這也允許一定程度的裝配線自動化，例如在一臺機器發(fā)生故障時重組生產(chǎn)線。

　　6. AI產(chǎn)品開發(fā)與設計

　　隨著技術的不斷進步和完善，AI有望在未來五年內對產(chǎn)品開發(fā)和設計產(chǎn)生最重大的影響。制造商已經(jīng)將其用于創(chuàng)成式設計，以創(chuàng)建創(chuàng)新的原型并加快網(wǎng)格劃分和幾何體準備等耗時的任務。

　　由于AI程序的培訓，計算機輔助開發(fā)和設計還可以幫助工程師創(chuàng)建超出傳統(tǒng)思維的解決方案。它們不僅能夠創(chuàng)造新的想法，還可以減少制造可行產(chǎn)品之前所需的模擬和原型數(shù)量。

　　7. 中小企業(yè)受益

　　機器人行業(yè)正在快速發(fā)展，因此AI驅動的機器人正變得不那么新奇，而是許多行業(yè)日常生活的一部分。這對小型企業(yè)來說是個好消息，因為這意味著在更可實現(xiàn)的價格點上有更廣泛的可用選項。以前，只有有預算投入研發(fā)和尖端技術的大公司才能負擔得起讓機器人成為其運營的一部分。

　　此外，機器人教學已成為一個更簡單的過程，不需要工程師團隊進行設置和維護。這意味著小公司不必聘請技術團隊來培訓和維護機器人。

　　現(xiàn)在，較小的制造商可以合理地投資幾個小型機器人，而不會用完他們的整個年度預算。這意味著他們的擴展能力將大幅提高，從而實現(xiàn)更快的擴張、更多的收入增長和競爭優(yōu)勢。

　　AI尚未接管工業(yè)制造

　　目前，工業(yè)制造業(yè)占全球碳排放量的近24%，整個制造業(yè)充斥著代價高昂的低效率，使勞動者的工作更加困難。盡管如此，AI、機器學習和云計算尚未被工業(yè)制造商廣泛采用。雖然通過數(shù)字化控制制造所需的大量復雜工業(yè)設備似乎是合乎邏輯的，但新技術并沒有像它可能的那樣快地取代人類。

　　為了理解原因，致力于為工業(yè)企業(yè)測量二氧化碳和提高效率的物聯(lián)網(wǎng)SaaS企業(yè)CloEE，對150多個將AI應用于工業(yè)制造業(yè)的場景進行了研究，以下是他們發(fā)現(xiàn)的三個主要障礙。

　　1. 不愿相信機器勝過人類

　　在對如何在行業(yè)中使用AI進行研究時，一個共同的說法是："如果人類可以處理所有事情，就沒有理由過渡到技術。"

　　讓我們看看鋼鐵廠的例子。在這樣的行業(yè)中，人們相信用機器取代人類是困難的或幾乎不可能的，因為他們的專業(yè)知識處于化學和物理的微妙交叉點。他們經(jīng)常利用個人經(jīng)驗來開發(fā)一種在質量和成本之間取得平衡的鋼鐵"配方"。

　　就像你不能把主廚帶出廚房一樣，大多數(shù)制造商認為，將鋼鐵工人從生產(chǎn)車間撤走幾乎是不可能的。這種專業(yè)知識的權衡是更大的誤差幅度(因為它們是人為的)和更高的整體成本。

　　事實是，AI并不能取代優(yōu)秀的專業(yè)人士。相反，它將低級工人拉到中級工人，提高了那些還不具備高技能的人的工作質量。

　　2. 對使用AI的目的不夠清晰

　　在研究中注意到的一個主要疑慮是：如果出現(xiàn)問題，我們責怪誰?是機器人的錯嗎?程序員的?應該監(jiān)督機器人的人?

　　對于人類來說，責任鏈通常很簡單：這個人負責這個過程，所以如果發(fā)生什么事情，這是他們的責任。對于AI，它需要被澄清，這導致不愿意將其整合到現(xiàn)有程序中。

　　同樣，許多制造商認為AI旨在奪走工作或完全取代人類，但事實并非如此。雖然它確實接管了一些日常任務，但它也使大多數(shù)年輕人不想做的工作現(xiàn)代化和數(shù)字化。通過實施技術，工廠可以吸引和留住新的工人。

　　3. 對數(shù)字化的接受速度緩慢

　　制造企業(yè)面臨的主要問題之一是需要更多的歷史數(shù)據(jù)來構建有效的AI模型。目前缺乏從單個機器收集和存儲數(shù)據(jù)的流程，不僅使得未來無法過渡到AI，而且還損害了制造商的短期利益。

　　制造商通?？床坏皆七B接和數(shù)據(jù)收集的直接價值，因此他們可能將任何形式的數(shù)字化都作為低優(yōu)先級而推遲。但是，有兩個重要的好處可以推動更快的采用：提高整體設備效率(OEE)和獲得更好的核心資產(chǎn)回報。AI還極大地改善了質量控制，這對生產(chǎn)力、收入和工人滿意度產(chǎn)生了連鎖反應。

　　AI在制造業(yè)的未來

　　一個有效的AI需要兩到三年的時間來訓練歷史數(shù)據(jù)，因此缺乏接受度已經(jīng)使該行業(yè)落后。通常，采用問題更多的是經(jīng)濟問題，由于初始成本，這一步是最難采取的。

　　此外，案例研究證明，集成基于公司數(shù)據(jù)訓練的人工智能可以減少必要的人力資源，使工廠更加敏捷并提高底線。它還有助于可持續(xù)發(fā)展計劃，隨著氣候危機的臨近，這已成為許多制造商的痛點。

　　雖然大多數(shù)操作員仍然更喜歡在現(xiàn)場利用他們的直覺和判斷力，但數(shù)字化工廠可以在熟練操作員離開時更容易、更安全、更有利可圖地替換他們。

　　目前，技能差距越來越大，可能會在不久的將來造成問題。制造企業(yè)將需要既精通制造方面又精通AI能力的運營商。這意味著制造商集成AI的速度越快，他們就越有可能看到未來的增長和成功。

　　隨著數(shù)字化和可持續(xù)發(fā)展的全球趨勢，制造業(yè)的面貌正在發(fā)生變化。很多制造商一直不愿意做出轉變，但由于變化是不可避免的，最好現(xiàn)在就開始擁抱AI，而不是等著落后再去追趕。