作者丨Louis Columbus 编译丨科技行者 此次疫情的肆虐,在很多制造商眼中反而成了“重置现有业务体系”的好机会,他们希望借此拓展并增强生产流程的适应性与智能化水平,而分析与AI技术的驱动自然成为转型过程中不可或缺的一环。 将人类经验、见解与AI技术相结合,制造业企业发现了新的差异化方法,得以在降低成本的同时维持正常利润。面对艰难的经济环境,各制造商都必须正视保持业务增长所需要克服的挑战。但他们并不孤单——波士顿咨询一项最新研究《后危机时代下,以AI为驱动力的企业将全面崛起(The Rise of the AI-Powered Company in the Postcrisis World)》就发现,在前四轮全球经济衰退当中,有14%的公司反而能够逆势提高销售额与利润率,如下图所示: ▲ 图片来源/波士顿咨询《后危机时代下,以AI为驱动力的企业将全面崛起》,2020年4月2日。 AI,构建实时制造业的未来「核心」 实时监控具有诸多优势,包括解决生产瓶颈、跟踪废品率、控制交货日期等等。实时监控指标也是上下文数据的理想来源,可用于训练机器学习模型。有监督与无监督机器学习算法,能够在几秒钟之内,解释多个生产班次的实时数据,并据此探索出前所未有的流程、产品与生产运作模式。 凯捷近期发布了《在制造运营中扩展AI技术(Scaling AI in Manufacturing Operations: A Practitioners Perspective )》研究报告。我们结合报告内容,同时参考过去几个月来对多家制造商的访谈结论,整理出以下十条AI技术在2020年增强制造行业的重要见解:
▲ 图片来源/凯捷制造业AI运营扩展报告:从业者视角。
▲ 图片来源/哈佛商学院案例分析,《捕梦网计划:生成式设计如何加速增材制造》
▲ 图:诺基亚联手瑞典电信与英特尔,公布全球首个「实用型」5G智能工厂实验
▲ 图片来源/凯捷制造业AI运营扩展报告:从业者视角
▲ 图:基于机器学习的需求规划与预测系统基本架构。图片来源/ 凯捷制造业AI运营扩展报告:从业者视角。
▲ 图:用于预测性维护的TIRIS大数据分析工具中的仪表板,可帮助铁路行业实现零计划外停机目标,来自于Thales SA公司。
▲ 图: 宝马目前使用的AI图像匹配技术示例。图片来源/《快速、高效、可靠:宝马集团生产体系中的人工智能(Fast, efficient, reliable: Artificial intelligence in BMW Group Production)》
图:包含微软Azure Machine Learning Service的微软IoT Edge Analytics植入方案 。图片来源/《施耐德电气通过Azure Machine Learning服务的预测性维护功能,将成本与员工风险控制在最低水平(Schneider Electric minimizes costs and worker risk with Azure Machine Learning service predictive maintenance for additional details)》
|
|