AVEVA高級產(chǎn)品組合營(yíng)銷(xiāo)經(jīng)理Matt Newton 談如何克服制造業(yè)AI和機器學(xué)習的采用障礙
在過(guò)去的五年左右的時(shí)間里，圍繞人工智能(AI)和機器學(xué)習(ML)技術(shù)進(jìn)行了大量宣傳。
如此之多以至于A(yíng)I變成了一個(gè)流行語(yǔ)，充滿(mǎn)了想法和希望，但是在實(shí)踐中很難執行。
目前，這意味著(zhù)我們在A(yíng)I和ML方面遇到的挑戰是健康的懷疑態(tài)度。
例如，我們已經(jīng)看到幾家大公司采用了這些功能，經(jīng)常宣布它們打算用這種技術(shù)來(lái)革新運營(yíng)和輸出，但是卻未能交付。
反過(guò)來(lái)，這些技術(shù)的不斷發(fā)展和采用也因此被取消。在A(yíng)I和ML的潛在應用如此之多的情況下，尋找可以證明真實(shí)和可量化的投資回報的技術(shù)采用機會(huì )可能會(huì )令人望而生畏。
許多行業(yè)在采用AI和ML技術(shù)方面實(shí)際上已經(jīng)達到了癥結所在。
通常，這是由未經(jīng)驗證的初創(chuàng )公司提供的，這些公司提供某種類(lèi)型的開(kāi)源技術(shù)，并在其周?chē)胖萌A麗的外觀(guān)，然后依靠客戶(hù)充當其開(kāi)發(fā)合作伙伴。
但是，這是主要問(wèn)題–客戶(hù)不是在尋找原型和未經(jīng)驗證的軟件來(lái)運行其工業(yè)運營(yíng)。
許多公司沒(méi)有提供革命性的數字體驗，而是通過(guò)提供計劃不周的試點(diǎn)項目繼續加深他們對AI和ML的最初懷疑，這些試點(diǎn)項目經(jīng)常使公司陷入試煉的停滯狀態(tài)，不斷出現的功能蠕變以及定期推出新Beta版軟件版本。
永無(wú)止境的試點(diǎn)項目的這種做法使客戶(hù)不愿再與創(chuàng )新型公司進(jìn)行合作，而這些創(chuàng )新型公司通過(guò)成熟的AI和ML技術(shù)真正推動(dòng)其領(lǐng)域的數字化轉型。
有方向的創(chuàng )新
克服這些挑戰的一種方法是向客戶(hù)展示證明點(diǎn)。這意味著(zhù)要展示AI和ML技術(shù)是如何真實(shí)存在的，并且完全像我們想象的那樣。
自然，有些公司比其他公司更好地采用了AI和ML，但是由于這項技術(shù)中的許多都是如此新的技術(shù)，因此許多公司仍在努力確定何時(shí)何地使用它。
例如，許多人熱衷于使用AI來(lái)跟蹤客戶(hù)的興趣和需求。
實(shí)際上，以預測資產(chǎn)分析的形式將AI應用于工業(yè)過(guò)程控制和制造設備時(shí)，可以發(fā)現更大的價(jià)值。
AI和ML可以提供有關(guān)機械操作的詳細實(shí)時(shí)見(jiàn)解，從而揭示人類(lèi)不一定能發(fā)現的新見(jiàn)解?？梢詫I(yè)務(wù)底線(xiàn)產(chǎn)生巨大影響的見(jiàn)解。
AI和ML在制造業(yè)中正變得越來(lái)越受歡迎，高級操作分析通常是由AI驅動(dòng)的。許多人正在采用這些技術(shù)并將其應用到他們的運營(yíng)經(jīng)驗中，以了解在何處可以節省成本。
所有組織都希望通過(guò)AI盡可能地省錢(qián)。
這些相同的組織通常熱衷于投資進(jìn)一步的數字技術(shù)。成功實(shí)施AI或ML技術(shù)可以大大降低運營(yíng)成本，并進(jìn)一步推動(dòng)整個(gè)企業(yè)的數字化轉型。
工業(yè)影響
可以理解，我們看到AI和ML的價(jià)值在過(guò)程和批次自動(dòng)化中在制造業(yè)中得到了最好的證明。
例如，使用AI找出如何優(yōu)化流程以實(shí)現更高的產(chǎn)量和改善生產(chǎn)質(zhì)量。在食品和飲料領(lǐng)域，人工智能被用于監視生產(chǎn)線(xiàn)烤箱溫度，并通過(guò)不斷優(yōu)化的過(guò)程來(lái)標記異常(包括濕度，煙囪高度和顏色)，以達到令人垂涎的黃金批次。
另一個(gè)方面是使用預測性維護來(lái)監視設備的行為并提高操作安全性和資產(chǎn)可靠性。
AI和ML的組合融合在一起，以創(chuàng )建預測性和規范性維護。在使用AI來(lái)發(fā)現資產(chǎn)行為異常的地方，并規定了建議的解決方案來(lái)補救潛在的設備故障。
預測性和規范性維護有助于減輕運維成本的壓力，提高安全性并減少計劃外的停機。
技術(shù)關(guān)系
人工智能，機器學(xué)習和預測性維護技術(shù)都可以在生產(chǎn)線(xiàn)內建立新的連接，為未來(lái)的運營(yíng)提供新的見(jiàn)解和建議。
現在是組織認識到采用和創(chuàng )新為生產(chǎn)周期中不同要素之間的關(guān)系提供新清晰度的時(shí)候了，這為以更快的速度和更低的成本生產(chǎn)更好的產(chǎn)品的新方法鋪平了道路。
