AI 體現(xiàn)了工廠(chǎng)的范式轉(zhuǎn)移。今天的工廠(chǎng)自動(dòng)化流程和工具采用的是規(guī)則導(dǎo)向的做法，今天的機(jī)器人編程處理的是固定的場(chǎng)景。
相反，未來(lái)的工廠(chǎng)會(huì)利用 AI 來(lái)支持自動(dòng)化流程和機(jī)械制造以響應(yīng)不熟悉或者意外情況，從而做出明智決定。
因此，技術(shù)系統(tǒng)會(huì)變得更加靈活適應(yīng)性更強(qiáng)。比方說(shuō)，在基于規(guī)則的做法下，機(jī)器人無(wú)法從一批未整理的零件中識(shí)別和選擇所需的零部件，因?yàn)樗狈Ρ匾脑敿?xì)編程去處理零件無(wú)數(shù)可能的方向。
相比之下，有 AI 支持的機(jī)器人可以從一堆亂糟糟的零件中挑出想要的零件，不管其方向如何。
各種 AI 用例包括改善工廠(chǎng)內(nèi)外不同運(yùn)營(yíng)領(lǐng)域的生產(chǎn)力。在調(diào)查受訪(fǎng)者當(dāng)中，有 37% 認(rèn)為 AI 對(duì)工廠(chǎng)運(yùn)營(yíng)中生產(chǎn)的生產(chǎn)力改進(jìn)發(fā)揮了最重要的杠桿作用。
而 12% 的人選擇了物流是 AI 作用最大的地方。跟這些發(fā)現(xiàn)一致的是，公司把自?xún)?yōu)化機(jī)器、質(zhì)量缺陷檢測(cè)以及效能損失預(yù)測(cè)視為最重要的 AI 用例。
盡管不同的公司對(duì)不同用例的價(jià)值看法胡有所不同，但制造商唯有應(yīng)用 AI 并集成內(nèi)部不同職能以及供應(yīng)商與客戶(hù)的數(shù)據(jù)池才能重返發(fā)揮其作用。
工廠(chǎng)外部。在工廠(chǎng)外圍，工程和供應(yīng)鏈管理是 AI 應(yīng)用最重要的運(yùn)營(yíng)領(lǐng)域：
工程：制造商可以利用 AI 促進(jìn)研發(fā)努力，從而優(yōu)化設(shè)計(jì)，改進(jìn)對(duì)客戶(hù)需求和期望的響應(yīng)并且簡(jiǎn)化生產(chǎn)。
AI 支持生成式產(chǎn)品設(shè)計(jì)，根據(jù)既定目標(biāo)和約束利用算法探索各種可能的設(shè)計(jì)解決方案。
通過(guò)迭代式測(cè)試和學(xué)習(xí)，AI 算法優(yōu)化設(shè)計(jì)，推薦在人類(lèi)看來(lái)非傳統(tǒng)的解決方案。
一些航天公司正在利用生成式設(shè)計(jì)以全新的設(shè)計(jì)開(kāi)發(fā)飛行器部件，比如提供跟傳統(tǒng)設(shè)計(jì)功能相同但是卻輕便許多的仿生學(xué)結(jié)構(gòu)。
供應(yīng)鏈管理：需求預(yù)測(cè)是供應(yīng)鏈管理領(lǐng)域應(yīng)用 AI 的關(guān)鍵主題。通過(guò)更好地預(yù)測(cè)需求變化，公司可以有效地調(diào)整生產(chǎn)計(jì)劃改進(jìn)工廠(chǎng)利用率。
AI 通過(guò)分析和學(xué)習(xí)產(chǎn)品發(fā)布、媒體信息以及天氣情況等相關(guān)數(shù)據(jù)來(lái)支持客戶(hù)需求預(yù)測(cè)。
一些公司還利用機(jī)器學(xué)習(xí)算法識(shí)別需求模式，其手段是將倉(cāng)庫(kù)、企業(yè)資源計(jì)劃（ERP）系統(tǒng)與客戶(hù)洞察的數(shù)據(jù)合并起來(lái)。
工廠(chǎng)內(nèi)部。在工廠(chǎng)內(nèi)部，AI 會(huì)把各種好處帶給生產(chǎn)以及諸如維護(hù)、質(zhì)量與物流等支持職能：
生產(chǎn)：我們的研究涵括了所有的生產(chǎn)環(huán)境，包括連續(xù)加工（比如生產(chǎn)化學(xué)和建筑材料的）以及離散型生產(chǎn)（比如裝配任務(wù)）。
在所有的環(huán)境中，制造商都會(huì)利用 AI 來(lái)降低成本提高速度，從而提升生產(chǎn)力。他們還會(huì)用它來(lái)改善靈活性應(yīng)對(duì)生產(chǎn)的復(fù)雜性——比方說(shuō)客戶(hù)定制產(chǎn)品的生產(chǎn)。
AI 還可以讓機(jī)器和部件成為自?xún)?yōu)化的系統(tǒng)，通過(guò)對(duì)當(dāng)前和歷史數(shù)據(jù)進(jìn)行連續(xù)分析和學(xué)習(xí)實(shí)時(shí)調(diào)整自身參數(shù)一些鋼鐵廠(chǎng)已經(jīng)在利用 AI 讓熔爐自動(dòng)優(yōu)化設(shè)置了。
AI 分析鑄溝的材料構(gòu)成，識(shí)別穩(wěn)定工藝條件的最低溫度，從而降低整體的能耗。
在另一個(gè)重要的生產(chǎn)用例中，得到智能圖像識(shí)別能力增強(qiáng)的機(jī)器人可以從未定義的位置（比如箱子里或傳送帶上）里撿起未分類(lèi)的零件。這已經(jīng)在汽車(chē)業(yè)有了實(shí)際應(yīng)用。
維護(hù)：制造商會(huì)利用 AI 減少設(shè)備故障提高資產(chǎn)利用。AI 支持預(yù)測(cè)性維護(hù)——比方說(shuō)，通過(guò)根據(jù)實(shí)際情況替換磨損部件來(lái)避免故障。
AI 會(huì)持續(xù)分析和學(xué)習(xí)機(jī)器和部件產(chǎn)生的數(shù)據(jù)（比方說(shuō)傳感器數(shù)據(jù)和產(chǎn)品結(jié)構(gòu)）。這一技術(shù)對(duì)加工業(yè)尤其有好處，因?yàn)楣收蠒?huì)導(dǎo)致銷(xiāo)售損失。
比方說(shuō)，一些煉油廠(chǎng)已經(jīng)實(shí)現(xiàn)了在設(shè)備失效前估計(jì)剩余時(shí)間的機(jī)器學(xué)習(xí)模型。這種模型會(huì)考慮超過(guò) 1000 個(gè)與材料投入、材料輸出、工藝參數(shù)以及氣候條件有關(guān)的變量。
質(zhì)量：制造商可以利用AI幫助盡早檢測(cè)出質(zhì)量問(wèn)題。視覺(jué)系統(tǒng)利用圖像識(shí)別技術(shù)識(shí)別缺陷以及產(chǎn)品功能的偏差。
因?yàn)檫@些系統(tǒng)可以持續(xù)學(xué)習(xí)，其性能會(huì)隨著時(shí)間轉(zhuǎn)移而改善。汽車(chē)供應(yīng)商已經(jīng)開(kāi)始利用帶機(jī)器學(xué)習(xí)算法的視覺(jué)系統(tǒng)識(shí)別有質(zhì)量問(wèn)題的部件，包括檢測(cè)沒(méi)有出現(xiàn)在用于訓(xùn)練算法的數(shù)據(jù)集內(nèi)的缺陷。
AI 還可以持續(xù)分析和學(xué)習(xí)由機(jī)器和生產(chǎn)環(huán)境產(chǎn)生的數(shù)據(jù)。比方說(shuō)，AI 可以將材料屬性和行為與鉆床設(shè)置信息比較，預(yù)測(cè)鉆孔超出耐受度的風(fēng)險(xiǎn)。
物流：我們的研究關(guān)注于產(chǎn)內(nèi)物流和倉(cāng)儲(chǔ)，而不是外部供應(yīng)鏈的物流。AI 會(huì)促進(jìn)場(chǎng)內(nèi)材料供應(yīng)的自動(dòng)轉(zhuǎn)移和效率，這對(duì)于管理制造多種產(chǎn)品衍生和定制產(chǎn)品所帶來(lái)的日益增長(zhǎng)的復(fù)雜性是必不可少的。
在工廠(chǎng)和倉(cāng)庫(kù)內(nèi)運(yùn)輸物品的無(wú)人車(chē)會(huì)利用 AI 感應(yīng)障礙調(diào)整車(chē)輛路線(xiàn)從而實(shí)現(xiàn)最佳路線(xiàn)。醫(yī)療包建設(shè)部制造商已經(jīng)開(kāi)始在自己的維修中心利用無(wú)人車(chē)。
在不需要磁條或者傳送帶引導(dǎo)的情況下，這些車(chē)輛可以在遇到障礙時(shí)停下來(lái)然后自動(dòng)確定最佳路線(xiàn)。
機(jī)器學(xué)習(xí)算法會(huì)利用物流數(shù)據(jù)——比如材料進(jìn)出的數(shù)據(jù)、庫(kù)存量、零件的周轉(zhuǎn)率等——來(lái)促進(jìn)倉(cāng)庫(kù)自主優(yōu)化運(yùn)營(yíng)。
比方說(shuō)，有一個(gè)算法會(huì)建議將低需求的零件轉(zhuǎn)移到更遠(yuǎn)的地方，并且將高需求的零件放到可以更快獲取的附近區(qū)域。
一些 AI 用例還可以應(yīng)用到多個(gè)運(yùn)營(yíng)領(lǐng)域。比方說(shuō)，能夠生成語(yǔ)言并進(jìn)行處理的虛擬助理（類(lèi)似蘋(píng)果的 Siri 和 Amazon 的 Alexa）可向操作員提供源自 IT 系統(tǒng)的相關(guān)背景信息。
一些公司已經(jīng)在利用語(yǔ)音分揀系統(tǒng)處理分揀、打包、接收以及補(bǔ)給事務(wù)。在這些應(yīng)用中，語(yǔ)音系統(tǒng)會(huì)連接到 ERP 系統(tǒng)的物料清單引導(dǎo)操作員去到正確的箱子那里。
AI 系統(tǒng)會(huì)根據(jù)事件報(bào)告（比如圖片和書(shū)面報(bào)告）建議相應(yīng)事件（比如機(jī)器故障、質(zhì)量離差、性能損失）的解決方案，而且還會(huì)持續(xù)分析和學(xué)習(xí)這些報(bào)告。
飛機(jī)制造商已經(jīng)實(shí)現(xiàn)了利用事件報(bào)告識(shí)別生產(chǎn)問(wèn)題模式的自學(xué)習(xí)算法，然后將當(dāng)前事件與過(guò)去類(lèi)似事件進(jìn)行匹配，并且提出解決方案建議。
在研究參與者中國(guó)，期望上述用例到 2030 年會(huì)變得非常重要的人占比在 81% 到 88% 之間，但是認(rèn)為這種能力已經(jīng)在生產(chǎn)的多個(gè)領(lǐng)域完全實(shí)現(xiàn)的占比就相當(dāng)?shù)停?6% 到 8% ）。提供了受訪(fǎng)者認(rèn)為在未來(lái)工廠(chǎng)中發(fā)揮重要作用的用例排名的概覽。
