人工智能的引入將為制造行業(yè)帶來巨大的經(jīng)濟效益。對此，不同的調(diào)研機構給出了相關的數(shù)據(jù)參考：

IDC數(shù)據(jù)顯示，到2021年，20％的領先制造企業(yè)將通過嵌入式智能、人工智能、物聯(lián)網(wǎng)和區(qū)塊鏈等技術實現(xiàn)流程自動化，并將執(zhí)行時間縮短25％

• 德勤表示，機器學習可以讓離散制造業(yè)的產(chǎn)品質(zhì)量提高35％
• 麥肯錫指出，那些將在未來五到七年內(nèi)擁抱人工智能的企業(yè)中，有半數(shù)企業(yè)的現(xiàn)金流將有望增加一倍，而制造業(yè)由于對數(shù)據(jù)的高依賴性所以將領跑于其他行業(yè)
• 還有數(shù)據(jù)統(tǒng)計，到2020年，領先的制造企業(yè)中將有60%的企業(yè)借助數(shù)字化平臺為其30％的業(yè)務收入提供支持
• 有機構表示，48％的日本制造企業(yè)看到了將機器學習和數(shù)字制造技術整合到運營中可能帶來的更多機會，這個結果高于麥肯錫最初研究的預期

無論如何，對于制造企業(yè)來說，通過富有洞察的機器學習平臺來提高產(chǎn)品質(zhì)量和產(chǎn)量，提高工廠生產(chǎn)率，將成為下一步變革的關鍵。

具體來看，利用機器學習來簡化生產(chǎn)的每個階段——從入庫供應商質(zhì)量開始，一直到制造計劃和訂單完成——已經(jīng)成為了制造業(yè)的一個優(yōu)先事項。根據(jù)德勤最近的一項調(diào)查顯示，機器學習將制造業(yè)的計劃外停機時間減少了15-30％，生產(chǎn)量提高了20％，維護成本降低了30％，質(zhì)量提高了35％。

那么，究竟如何利用機器學習改造生產(chǎn)過程？下面就讓我們來看看2019年機器學習變革制造業(yè)的10種方式：

>1<

據(jù)統(tǒng)計預測，人工智能將給全球企業(yè)的市場營銷和銷售創(chuàng)造1.4萬億美元到2.6萬億美元的價值，給供應鏈管理和制造創(chuàng)造1.2萬億到2萬億美元的價值。對此，麥肯錫也預測，基于人工智能的預測性維護可能會給制造企業(yè)帶來0.5萬億美元到0.7萬億美元的價值。

麥肯錫提到，人工智能的海量數(shù)據(jù)處理能力（包括音頻和視頻），將幫助企業(yè)快速識別異常以防止故障的發(fā)生。而機器學習可以檢測某個特定聲音是來自在質(zhì)量測試中正常運行的飛機發(fā)動機，還是裝配線上即將發(fā)生故障的設備。（資料來源：麥肯錫/哈佛商業(yè)評論，《人工智能的大多數(shù)商業(yè)用途將集中在兩個領域》，作者Michael Chui、Nicolaus Henke和Mehdi Miremadi。2019年3月）

>2<

制造企業(yè)正在嘗試通過使用云平臺上的機器學習和預測分析讓業(yè)務更具可持續(xù)性。比如，有部分制造企業(yè)就在使用Azure Symphony Industrial AI從模板庫部署設備模型，這個模板庫中包括熱交換器、泵、壓縮機以及制造企業(yè)常使用的其他資產(chǎn)。Symphony AI的Process 360 AI可以幫助用戶創(chuàng)建流程的預測模型，其中，高級別流程將被定義為通過設備生產(chǎn)的物品（如化學品、燃料、金屬、其他中間產(chǎn)品和成品），而工藝模板實例將包括氨工藝、乙烯工藝、LNG工藝和聚丙烯工藝。我們發(fā)現(xiàn)，流程模型有助于預測過程擾動和跳閘，而這是單獨設備模型無法預測的。（來源：微軟Azure博客，《使用Symphony Industrial AI實施制造預測分析》）

>3<

波士頓咨詢集團（BCG）發(fā)現(xiàn)，制造企業(yè)使用人工智能可以將生產(chǎn)商的轉換成本降低多達20％，同時由于勞動力生產(chǎn)率提高，成本降低可能達到70％。BCG發(fā)現(xiàn)，生產(chǎn)商正在通過使用人工智能來開發(fā)和生產(chǎn)為客戶量身定制的創(chuàng)新產(chǎn)品，并在更短交付周期內(nèi)進行交付，從而創(chuàng)造額外的銷售收入。

下圖說明了人工智能是如何根據(jù)BCG的分析為生產(chǎn)流程帶來更高靈活性和規(guī)模的。（資料來源：波士頓咨詢集團，《AI未來工廠》，2018年4月18日）

>4<

那些依賴重型資產(chǎn)的離散制造企業(yè)和流程制造企業(yè)正在利用人工智能和機器學習來提高吞吐量、改善能耗和利潤。擁有重型設備（包括大型機械）的制造企業(yè)正在探索使用算法來提高產(chǎn)量、可持續(xù)性和良率。

麥肯錫發(fā)現(xiàn)，人工智能可以自動執(zhí)行某些復雜的任務，并提供一致性和精確的最佳設定點，讓設備能夠自動運行，這對于采取一班制或者多班制的自動化制造來說至關重要。（資料來源：麥肯錫，《生產(chǎn)中的人工智能：重型資產(chǎn)制造企業(yè)的重大變革》，作者Eleftherios Charalambous、Robert Feldmann、GérardRichter和Christoph Schmitz）

>5<

基于人工智能和機器學習的產(chǎn)品缺陷檢測和質(zhì)量保證能夠將制造生產(chǎn)率提高到50％甚至更多。機器學習在發(fā)現(xiàn)產(chǎn)品及包裝異常方面有天然的優(yōu)勢，在提高產(chǎn)品質(zhì)量和防止次品流出方面同樣有著巨大潛力。與人工檢查相比，基于深度學習的系統(tǒng)能夠將缺陷檢出率提高達90％。

如今有不少可以使用的開源人工智能環(huán)境，再加上低成本的攝像頭和強大的計算機，這一切讓小型企業(yè)也能夠越來越多地使用人工智能進行視覺檢測。在使用人工智能進行視覺質(zhì)量檢查的過程中，從不同角度對良品和次品進行視覺成像來創(chuàng)建參考示例，將為學習算法訓練監(jiān)督提供強大的支持。（資料來源：麥肯錫，《用人工智能（AI）變得更智能——德國工業(yè)都做了些什么？》）

>6<

機器學習有助于緩解制造業(yè)的長期勞動力短缺問題，同時尋找留住員工的新方法。如今制造業(yè)面臨嚴重的勞動力短缺問題，每一次制造企業(yè)調(diào)查都反映出這個問題是影響制造業(yè)增長的三大因素之一。

舉個例子，一家名為Eightfold的公司，他們打造了一個基于人工智能的Talent Intelligence Platform平臺，該平臺依賴于一系列監(jiān)督和無監(jiān)督的機器學習算法來匹配候選人獨有的能力、經(jīng)驗和優(yōu)勢。除此之外，包括ConAgra等在內(nèi)的許多制造企業(yè)也都采用了Eightfold的平臺來改善招聘，發(fā)現(xiàn)他們配備團隊和實現(xiàn)增長所需的人才。下圖解釋了Eightfold人才智能平臺的工作原理：

>7<

機器學習正在幫助制造企業(yè)解決以前更多難以解決和從未遇到的問題，包括隱藏的瓶頸或者無利可圖的生產(chǎn)線，提高車間每臺機器的預測性維護精度，發(fā)現(xiàn)提高每臺設備和相關工作流程的產(chǎn)量/吞吐量的方法，優(yōu)化系統(tǒng)和供應鏈等等。

下圖說明了機器學習是如何從設備級別開始提高車間生產(chǎn)率，然后擴展到工作流程及其所依賴的系統(tǒng)。（資料來源：麥肯錫，《制造業(yè)：分析提升生產(chǎn)率和盈利能力》，作者Valerio Dilda、Lapo Mori、Olivier Noterdaeme和Christoph Schmitz）

>8<

機器學習可以顯著改善產(chǎn)品配置，以及制造商按訂單生產(chǎn)產(chǎn)品所依賴的配置-定價-報價（CPQ）工作流程。比如，西門子的銷售、設計和安裝鐵路聯(lián)鎖控制系統(tǒng)采用了人工智能和機器學習，它們可以幫助西門子從1090種潛在組合中找出最佳配置。這是機器學習所擅長的，即找出既能夠滿足客戶需求、同時也是最有可能制造出來的產(chǎn)品的最佳配置。（資料來源：《西門子，知識圖譜和數(shù)據(jù)思維支撐的下一級人工智能》，西門子中國創(chuàng)新日，Michael May，成都，2019年5月15日）

>9<

未來五年內(nèi)，預計人工智能和機器學習在制造業(yè)的應用將多過于機器人技術，成為制造業(yè)的主要用例。由于算法可以提供推薦的解決方案，因此供應鏈操作的復雜性和局限性正在成為機器學習算法的“用武之地”。許多制造企業(yè)正在尋求進行預測性維護試點，而那些能夠帶來明顯收入增長的試點項目最有可能被投入生產(chǎn)。（資料來源：MAPI基金會，《制造業(yè)發(fā)展：人工智能將如何改變制造業(yè)和未來勞動力》，作者Robert D. Atkinson、Stephen Ezell、信息技術與創(chuàng)新基金會）

>10<

機器學習正在徹底改變制造企業(yè)的安全策略，依靠零信任安全（ZTS）框架來保護和擴展企業(yè)的業(yè)務運營。許多制造企業(yè)正在轉向采用零信任安全（ZTS）框架，以保護供應鏈和生產(chǎn)網(wǎng)絡中的每個網(wǎng)絡、云和內(nèi)部部署平臺、操作系統(tǒng)和應用。在這個領域有幾家值得關注的公司：MobileIron，打造了一個以移動為中心的、零信任的企業(yè)安全框架；Centrify，它的身份訪問管理方法可以防止特權帳戶濫用，而這正是當前各種泄露事件的主要原因。Centrify最近的一項名為Privileged Access Management in the Modern Threatscape的調(diào)查顯示，有74％的數(shù)據(jù)泄露事件涉及訪問特權帳戶。利用特權訪問證書是黑客最常見的手段，讓他們可以從制造企業(yè)那里獲取有價值的數(shù)據(jù)并在暗網(wǎng)上售賣。