在制造行业中，工业4.0（Industry 4.0）不仅仅是一个流行词，它已成为一种新的现实。新型冠状病毒的爆发加速了这一现实的到来。在新型冠状病毒爆发的前三个月中，企业和消费者都适应了网络世界，数字技术的发展速度相当于十年间的发展速度。
面向数字技术解决方案的投资可以帮助企业实现未来发展的关键点，即敏捷性、适应性和创新性。随着精简业务、降低成本和最大化收益压力的增大，数字化转型已成为当务之急。
“数字化转型的赢家正在利用颠覆性技术来应对业务挑战，并通过实际应用推动改进。数字化运营流程对于制造商应对需求和危机的挑战至关重要，可视为制造业发展的自然进步。”（Manufacturing Global Magazine）部门首席技术顾问乔纳森·怀特塞德表示。
“幸运的是，创新已经发展到了一个新的高度，人工智能和物联网（IoT）等新兴技术得到了广泛应用，有助于加速传统制造业的转型。制造商可以在以下三个关键领域中通过人工智能来增强适应能力、提高利润：预测、条件性维护和沟通。”
▍1 . 需求规划和预测
机器学习技术能够以人类无法实现的速度自动进行分析和数据模式的检测。它可以超出简单的关键字集群对数据进行细分，并为从新数据源中收集信息提供了机会。当机器学习技术应用于预测模型时，其成果更为喜人。根据麦肯锡数字化咨询部门（Mckinsey Digital）提供的数据，基于人工智能的预测（estimated）可以将供应链网络中的失误减少30%-50%。精确度的提高可以将因缺货而导致的销售损失减少65%，仓储成本降低约10%-40%。在制造和供应链规划（manufacturing and supply chain planning）中，人工智能对供应链的影响估计在1.2万亿-2万亿美元之间。
通过这些统计数据可见，毫无疑问，整个行业的需求计划人员都在接受机器学习技术。机器学习预测的速度和准确性可带来诸多好处，其可用性的提高改善了客户的体验，这些却只是冰山一角。随着预测技术的不断成熟，其有助于降低缓冲库存水平，从而减少营运资金并释放宝贵的库存空间。更为准确的预测可在整个价值链（从改进运输计划到优化劳动计划）中实现节约。
需求预测准确性的提高正在所有行业中取得可喜成效，尤其是包装消费品制造商。法国跨国公司达能集团（Danone Group）正在通过机器学习改善营销、销售、客户管理和供应链之间的规划协调。通过人工智能的需求建模，达能能够更好地满足产品促销的需求，并达到其渠道或商店级库存的目标服务水平。机器学习技术使预测误差减少了20%，销售损失减少了30%，产品淘汰率降低了30%，需求计划人员的工作量减少了50%。
机器学习和人工智能不仅影响公司的生产制造方式，还对其生产制造的产品产生影响。通过数据分析和趋势跟踪，包装食品公司可以发现消费者不断变化的口味，从而调整食材，推出能引起消费者共鸣的限时特色产品。其还可以为公司提供多种机会，来确定产品可能适合的推广区域，同时加快生产流程以便更及时地推出产品。
▍2 . 开发与维护
对制造设备进行人工维护既昂贵又费时，而且还存在设备故障的高风险，均会对生产进度产生巨大影响，导致生产率降低。因此，预测机器何时可能发生故障是人工智能在当今制造业中最为普遍的应用。
“通过计划性维护可以避免计划外停机。制造商可以制定资产使用期限保护计划，通过对警报做出响应并解决出现的小问题来确定最合适的设备升级时机。有监督和无监督的机器学习算法可对实时数据的变化做出解释。此外，它还可以借助多种数据类型在几秒钟内检测出以前未知的工艺、产品和工作流程。”怀特塞德表示。
传感器的数据来自设备本身，用于对设备的热量、振动和运动情况进行检测，而可编程逻辑控制器（PLC）数据则用于跟踪设备的输入和输出。计算机视觉数据可从工厂周围的摄像头获取，根据历史记录，通过时间序列数据可以确定设备的状态。此外，还考虑到了相关的外部数据源，例如天气条件的变化或相关设备的连锁效应。这些发现为背景数据提供了理想的来源，这些背景数据可用于机器学习模型的训练、产品开发和装配线生产的优化。
▍3 . 沟通策略
人工智能和机器学习不仅在运营流程中使用，其还能够检测各种来源的模式，例如：音频、图像和视频，从而改善企业与客户和员工之间的沟通方式。人工智能和机器学习还可以应用于沟通渠道，从而为企业节省大量的时间。
人工智能聊天机器人可以为企业的呼叫中心减轻压力，为现场销售团队保留更多的精力，专注于新客户的开发，同时还可以及时地解答客户查询的问题。如果使用数字孪生技术（digital twins），则还应了解产品的维护周期以及产品可能升级或出现问题的时间。在客户需要联系企业之前，自动化的通信流程可以及时地与这些客户沟通，从而为企业在客户服务方面赢得赞誉。
随着在线网络连接的进步，尤其是最近5G连接设备的推出以及蓝牙的不断完善，连接具有关键业务功能的设备变得愈加容易。其有两种实现方法：数据分析和自动化。这些相互关联的数据通常是通过云软件进行收集的，然后将这些数据集中于一个易于访问的位置。企业可以通过云应用程序收集有关网站搜索量最大的常见问题、完成和退货记录以及物料采购数据的信息。这样就可以对客户产品遇到特定问题的时间、该问题是否可以通过提供支持或召回而得到解决、该问题是否与供应商的特定订单相关等情况进行跟踪，从而同时得出问题和解决方案。
▍借助可扩展解决方案实现发展
为应对新型冠状病毒爆发带来的挑战，世界各地的制造公司大都加快了数字化进程。在英国，超过五分之二的制造商（43%）表示，在过去一年中，对传统技术的依赖为其各自的业务运营带来了更大的风险。并且，全球将近95%的制造商或供应链运营商表示他们已受到新型冠状病毒爆发带来的不利影响，但现在却只有82%的企业认为其已经为将来处理类似的事件做好了准备。这些企业最重要的收获就是进行数字化转型、成为数字化推动者的能力。
有些企业从这些全球领导者企业中汲取灵感、吸取教训。例如，西门子正在以多种方式使用人工智能；优化现场生产过程中工厂的功耗；利用机器进行质量检查，并自动调整风力涡轮机转子的位置，以提高风电场的产量。佳能将人的专业知识、洞察力和人工智能技术相结合，以使其制造中心的质量控制达到更高的水平。此外，还可以使用工业射线照相法对制造组件进行详细检查，以验证每个零件的完整性及其内部结构。
与以往任何时候相比，制造行业现在更有能力使用人工智能策略，并且这样做的价值也日益凸显。通过专注于数字化，接近最终用户并创新数字生态系统以确保满足客户的需求，制造商可以避免产品的商品化，更能在竞争中处于优势地位，并培养新老客户的长期忠诚度。
该文章内容转载自 中国机械工程学会
