以最低的成本生產(chǎn)更高質量的更多產(chǎn)品是制造業(yè)一個永恒的目標。智能制造革命已經(jīng)使制造商比以往任何時候都更成功地實現(xiàn)了這一目標。推動這波創(chuàng)新浪潮的核心技術之一是人工智能。數(shù)據(jù)已經(jīng)成為一種非常有價值的資源，而且獲取和存儲數(shù)據(jù)的成本比以往任何時候都要低。如今，由于采用人工智能技術(特別是機器學習)，越來越多的制造商利用這些數(shù)據(jù)來顯著提高他們的收入。

對許多人來說，這意味著通過消除生產(chǎn)損失和其他相關成本的主要原因，顯著地提高生產(chǎn)效率和產(chǎn)能。當然，從人工智能中獲得切實的商業(yè)價值往往說起來容易做起來難。這是一項復雜的技術，有許多不同的應用。制造商如何才能看穿炒作和空洞的承諾，投資于真正能給他們帶來競爭優(yōu)勢的工業(yè)人工智能?

人工智能和機器學習成功的關鍵

人們不可能錯過人工智能技術的快速崛起，無論是在制造業(yè)的總體背景下，還是在制造業(yè)的背景下。因此，人們對人工智能的期望往往非常偏離基礎，從解決業(yè)務問題的全面解決方案，到一提到人工智能就產(chǎn)生深深的懷疑。

找到正確的用例

但是，與任何技術一樣，真相確實介于兩者之間。在合適的環(huán)境下，人工智能可以非常有效。了解這些環(huán)境，以及適用于這些環(huán)境的人工智能技術，是為人工智能應用設定現(xiàn)實的商業(yè)目標的關鍵。

人工智能不是靈丹妙藥。沒有任何解決方案能解決你所有或大部分的問題。根據(jù)經(jīng)驗，當人工智能被應用于解決特定問題或非常密切相關的一系列問題時，它的效果最好。

一般的人工智能是需要警惕的：如果一家人工智能供應商聲稱可以做所有的事情，那么他們可能什么都做不好。現(xiàn)在回到了人工智能在制造業(yè)中的話題。人工智能和機器學習在制造業(yè)中有許多潛在的應用，每個用例都需要一種獨特類型的人工智能。

以下的指南提供了一個簡單有效的公式，用于選擇正確的工業(yè)人工智能解決方案，以應對特定的制造挑戰(zhàn)和目標。

重點仍然是機器學習和人工智能，因為這是最令人興奮和最有影響力的創(chuàng)新發(fā)生的地方。這個公式可以用一個簡單的圖表和方法來概括，稱為“工業(yè)人工智能象限”。

基于機器學習的下一代優(yōu)化

機器學習在制造業(yè)中的兩個主要用例是預測性質量和產(chǎn)量和預測性維護。

（1）只在必要時進行維護

預測性維護是兩者中更常見的一種，因為維護問題和相關問題可能會產(chǎn)生巨大的成本，這就是它現(xiàn)在是制造商的一個相當普遍的目標的原因。

預測性維護使用算法來預測組件/機器/系統(tǒng)的下一次故障，而不是根據(jù)預定的時間表執(zhí)行維護，或使用帶有人工編碼閾值、警報規(guī)則和配置的SCADA系統(tǒng)。然后可以提醒人員執(zhí)行重點維護程序以防止故障，但不要太早，以免浪費不必要的停機時間。

相比之下，傳統(tǒng)的人工和半人工方法沒有考慮到機械更復雜的動態(tài)行為模式，或者與制造過程相關的場景數(shù)據(jù)。例如，生產(chǎn)機器上的傳感器可能會檢測到溫度突然升高。基于靜態(tài)規(guī)則的系統(tǒng)不會考慮到機器正在進行滅菌的事實，并且會繼續(xù)觸發(fā)假陽性警報。

預測性維護的優(yōu)點很多，可以顯著降低成本，同時在許多情況下消除計劃停機時間的需要。

通過使用機器學習算法來預防故障，系統(tǒng)可以在沒有不必要中斷的情況下繼續(xù)運行。當需要維修時，它是非常集中的，技術人員被告知需要檢查、維修和更換的部件;使用哪些工具，遵循哪些方法。

預測性維護還可以延長機器和設備的剩余使用壽命(RUL)，因為可以防止二次損壞，同時需要更少的勞動力來執(zhí)行維護程序。

（2）找到損失的隱藏原因

預測質量和產(chǎn)量（有時被稱為預測質量）是工業(yè)人工智能的一個更高級的用例，它揭示了制造商每天面臨的許多基于流程的長期生產(chǎn)損失的隱藏原因。例子包括質量、產(chǎn)量、浪費、吞吐量、能源效率、排放等等，在本質上是由過程效率低下造成的任何損失。

預測質量和產(chǎn)量使用連續(xù)的多變量分析，由機器學習算法提供支持，通過獨特的訓練來密切了解每個生產(chǎn)過程，自動識別過程驅動生產(chǎn)損失的根本原因。

然后可以生成自動建議和警報，通知生產(chǎn)團隊和流程工程師即將出現(xiàn)的問題，并無縫地共享有關如何在損失發(fā)生之前防止損失的重要知識。

減少這類損失一直是所有制造商的難題。但在當今的市場中，這一使命至關重要。一方面，消費者的期望處于歷史最高水平;全球消費習慣正在逐漸發(fā)生變化，盡管人口增長仍在繼續(xù)。

根據(jù)多項調查，到2050年，全球人口將增長25%。另一方面，消費者從未有過如此多的選擇，幾乎所有能想到的產(chǎn)品都能買得到。

最近的調查顯示，如此豐富的選擇意味著，消費者越來越有可能永久性地拋棄他們最喜歡的品牌。

在這樣的背景下，制造商再也無法承受流程效率低下以及由此帶來的損失。在浪費、產(chǎn)量、質量或產(chǎn)量方面的每一次損失都會減少他們的收入。

許多制造商面臨的挑戰(zhàn)是，他們最終在流程優(yōu)化方面遇到了瓶頸。有些效率低下沒有任何明顯的原因，流程專家無法解釋這些原因。這就是機器學習尤其是自動化根本原因分析發(fā)揮重要作用的地方。

人工智能和機器學習對制造業(yè)的好處

人工智能和機器學習的引入代表了一場翻天覆地的變化，帶來了許多好處，這些好處遠遠超出了效率的提高，為新的商業(yè)機會打開了大門。

機器學習在制造業(yè)中的一些直接好處包括:

• 減少常見的、痛苦的過程驅動的損失，如產(chǎn)量、浪費、質量和吞吐量
• 通過優(yōu)化生產(chǎn)流程提高產(chǎn)能。
• 通過更優(yōu)化的流程，實現(xiàn)產(chǎn)品線的大規(guī)模增長和擴張。
• 通過預測性維護降低成本，導致更少的維護活動，這意味著更低的勞動力成本，減少庫存和材料浪費。 預測剩余使用壽命(RUL)。更多地了解機器和設備的行為可以創(chuàng)造條件，在保持機器健康的同時提高性能。預測RUL消除了導致計劃外停機的“不愉快的意外”。
• 通過高效的庫存管理和良好的監(jiān)控和同步的生產(chǎn)流程改善供應鏈管理。
• 改善質量控制，提供可操作的見解，不斷提高產(chǎn)品質量。
• 改善人機協(xié)作，改善員工安全條件，提高整體效率。
• 以消費者為中心的制造業(yè)——能夠對市場需求的變化做出快速反應。

為了充分利用工業(yè)人工智能/機器學習解決方案，制造商需要知道哪種人工智能解決方案最適合應對他們面臨的挑戰(zhàn)。