讓質疑者沉默：克服制造環境中采納人工智能和機器學習的障礙

　　作者：AVEVA劍維軟件高級投資組合營銷經理Matt Newton

　　在過去五年，關于人工智能(AI)和機器學習(ML)的關注程度和討論深度，都是前所未有的。人工智能已經成為一個流行詞匯，并包含各種各樣的寄望和承諾。但實踐中人們卻常常發現它十分棘手，在現實運用中難以兌現它的光明愿景。

　　這使得許多業內人士對人工智能心存疑慮。比如，有幾家大公司采用了這些新技術，大張旗鼓地表示他們打算對業務運營和產出進行一次全面的變革。但是，這些雄心勃勃的計劃十之八九無法帶來令人滿意的顯著成果。

　　在人工智能和機器學習的潛在應用如此之多的情況下，要找出最適合您自己公司和特定應用的最佳技術將是一項艱巨的任務，因為這些技術需要能夠避免陷阱，并推動真實、可量化的投資回報。畢竟，對于行業領導者來說，在極其復雜且高度敏感的工業運營環境中運行原型和未經驗證的軟件是冒險的事情。

　　然而，邁入人工智能領域需要我們具備一定的膽量和膽識——如果您僅使用部分數據實施一個小規模試點，成果可能非常有限或令人大失所望，從而不利于進一步投資或更大膽的思考。有些早期采用者傾向于在有限范圍內延長試點項目的時間，他們最終也失去信心——但這種做法是錯誤的。人工智能已經發展得更為成熟，因此現在我們應當投入下一步行動，投資于由真正富有創新精神的領先技術公司開發的成熟功能。這些公司擁有必要的指標、業務規模和產品組合，可以讓企業通過使用這些成熟、量身定制和可擴展的人工智能和機器學習工業軟件工具推動數字化轉型。

　　創新，有的放矢

　　成功的人工智能和機器學習計劃的關鍵是找到合適的合作伙伴，并采用經過驗證的解決方案。一種較好的方法就是從已經成功采用人工智能的其他領域中借鑒經驗。例如，有些B2C公司已經開始使用人工智能來跟蹤客戶的興趣和需求。這個過程尚處于起步階段，但它證明了人工智能/機器學習技術對工業環境的吸引力。例如，通過對控件和制造設備進行預測性資產分析，然后將這些知識推廣到制造環境中，將可以為流程設計帶來重大創新。

　　人工智能和機器學習可以通過對機器操作分析提供詳細、實時的業務洞察，這種新的手段能發現新的洞見，這是在缺乏統一數據的條件下無法實現的。

　　如今，人工智能和機器學習在制造業中變得越來越受歡迎，一些高級運營分析通常都采用人工智能技術。許多企業正在采用這些技術并將其應用到運營支出分析中，以了解在何處可以節省成本。所有企業都希望盡可能節約支出，而人工智能讓這一切成為可能。這些企業通常會積極繼續投資更多數字化技術。成功部署人工智能或機器學習技術可以顯著降低運營支出，并進一步推動整個企業的數字化轉型。

　　可量化的影響

　　在制造業中，人工智能可以改善流程和批次自動化。例如，您可以將分析與工業數據結合使用，從而發現如何優化流程并實現更高的產出和更出色的生產質量。在食品和飲料行業，人工智能被用于監測生產線烤箱的溫度，標記異常(包括濕度，煙囪高度和顏色)，從而形成持續優化的過程，以確保每次都能獲得令人垂涎的“黃金批次”。

　　另一個新功能是將預測性維護應用于設備監測，從而提高操作安全性和資產可靠性。將人工智能和機器學習融合在一起，可以創建預測性和處方式操作指標，然后將其應用于設備。然后人工智能可以通過規定的程序發現資產績效異常，發送自動警報并建議補救措施。這不僅避免了潛在的設備故障，而且還允許在全球各個團隊之間進行技能和知識交流，可謂潛力巨大。預測性和處方式維護可以幫助減輕運維成本壓力，提高安全性并減少計劃外停機時間。

　　技術關系

　　人工智能、機器學習和預測性維護技術使在生產線中建立新的連接成為可能，從而可以針對未來的運營提供新的洞見和建議。

　　現在正是企業利用這項創新技術提高整個生產周期透明度的大好時機——開發新的方法來增加產能，加快產品產出速度，并削減運營成本和資本支出。這是一個充滿機遇的時刻。