人工智能的引入將為制造行業帶來巨大的經濟效益。對此，不同的調研機構給出了相關的數據參考：

IDC數據顯示，到2021年，20%的領先制造企業將通過嵌入式智能、人工智能、物聯網和區塊鏈等技術實現流程自動化，并將執行時間縮短25%

德勤表示，機器學習可以讓離散制造業的產品質量提高35%

麥肯錫指出，那些將在未來五到七年內擁抱人工智能的企業中，有半數企業的現金流將有望增加一倍，而制造業由于對數據的高依賴性所以將領跑于其他行業

還有數據統計，到2020年，領先的制造企業中將有60%的企業借助數字化平臺為其30%的業務收入提供支持

有機構表示，48%的日本制造企業看到了將機器學習和數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，對于制造企業來說，通過富有洞察的機器學習平臺來提高產品質量和產量，提高工廠生產率，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的每個階段——從入庫供應商質量開始，一直到制造計劃和訂單完成——已經成為了制造業的一個優先事項。根據德勤最近的一項調查顯示，機器學習將制造業的計劃外停機時間減少了15-30%，生產量提高了20%，維護成本降低了30%，質量提高了35%。

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

>1<

據統計預測，人工智能將給全球企業的市場營銷和銷售創造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，人工智能的海量數據處理能力(包括音頻和視頻)，將幫助企業快速識別異常以防止故障的發生。而機器學習可以檢測某個特定聲音是來自在質量測試中正常運行的飛機發動機，還是裝配線上即將發生故障的設備。(資料來源：麥肯錫/哈佛商業評論，《人工智能的大多數商業用途將集中在兩個領域》，作者Michael Chui、Nicolaus Henke和Mehdi Miremadi。2019年3月) 

 

 

 

>2<

制造企業正在嘗試通過使用云平臺上的機器學習和預測分析讓業務更具可持續性。比如，有部分制造企業就在使用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常使用的其他資產。Symphony AI的Process 360 AI可以幫助用戶創建流程的預測模型，其中，高級別流程將被定義為通過設備生產的物品(如化學品、燃料、金屬、其他中間產品和成品)，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。我們發現，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)發現，制造企業使用人工智能可以將生產商的轉換成本降低多達20%，同時由于勞動力生產率提高，成本降低可能達到70%。BCG發現，生產商正在通過使用人工智能來開發和生產為客戶量身定制的創新產品，并在更短交付周期內進行交付，從而創造額外的銷售收入。

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

 

 

>4<

那些依賴重型資產的離散制造企業和流程制造企業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)的制造企業正在探索使用算法來提高產量、可持續性和良率。

麥肯錫發現，人工智能可以自動執行某些復雜的任務，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，《生產中的人工智能：重型資產制造企業的重大變革》，作者Eleftherios Charalambous、Robert Feldmann、GérardRichter和Christoph Schmitz)  

 

 

>5<

基于人工智能和機器學習的產品缺陷檢測和質量保證能夠將制造生產率提高到50%甚至更多。機器學習在發現產品及包裝異常方面有天然的優勢，在提高產品質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建參考示例，將為學習算法訓練監督提供強大的支持。(資料來源：麥肯錫，《用人工智能(AI)變得更智能——德國工業都做了些什么?》)  

 

 

>6<

機器學習有助于緩解制造業的長期勞動力短缺問題，同時尋找留住員工的新方法。如今制造業面臨嚴重的勞動力短缺問題，每一次制造企業調查都反映出這個問題是影響制造業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督和無監督的機器學習算法來匹配候選人獨有的能力、經驗和優勢。除此之外，包括ConAgra等在內的許多制造企業也都采用了Eightfold的平臺來改善招聘，發現他們配備團隊和實現增長所需的人才。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線，提高車間每臺機器的預測性維護精度，發現提高每臺設備和相關工作流程的產量/吞吐量的方法，優化系統和供應鏈等等。

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率，然后擴展到工作流程及其所依賴的系統。(資料來源：麥肯錫，《制造業：分析提升生產率和盈利能力》，作者Valerio Dilda、Lapo Mori、Olivier Noterdaeme和Christoph Schmitz)  

 

 

>8<

機器學習可以顯著改善產品配置，以及制造商按訂單生產產品所依賴的配置-定價-報價(CPQ)工作流程。比如，西門子的銷售、設計和安裝鐵路聯鎖控制系統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品的最佳配置。(資料來源：《西門子，知識圖譜和數據思維支撐的下一級人工智能》，西門子中國創新日，Michael May，成都，2019年5月15日)  

 

 

>9<

未來五年內，預計人工智能和機器學習在制造業的應用將多過于機器人技術，成為制造業的主要用例。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。(資料來源：MAPI基金會，《制造業發展：人工智能將如何改變制造業和未來勞動力》，作者Robert D. Atkinson、Stephen Ezell、信息技術與創新基金會)  

 

>10<

機器學習正在徹底改變制造企業的安全策略，依靠零信任安全(ZTS)框架來保護和擴展企業的業務運營。許多制造企業正在轉向采用零信任安全(ZTS)框架，以保護供應鏈和生產網絡中的每個網絡、云和內部部署平臺、操作系統和應用。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的調查顯示，有74%的數據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那里獲取有價值的數據并在暗網上售賣。