在過去的十年里，復(fù)雜機器人系統(tǒng)和人工智能（AI）等技術(shù)的進步改變了制造業(yè)，推動了人們通常所說的工業(yè)4.0革命。COVID-19疫情進一步加速了許多制造商的數(shù)字化轉(zhuǎn)型，因為更多的工廠運營需要有效地運行，并且在許多情況下，需要實現(xiàn)遠程監(jiān)控和管理。

　　作為人工智能的一個分支，機器學(xué)習(xí)（ML）的核心是創(chuàng)建從經(jīng)驗中學(xué)習(xí)并隨著時間的推移提高其決策能力的計算機程序。它在許多行業(yè)中越來越重要，制造業(yè)也不例外。

　　更便宜的傳感器和數(shù)據(jù)存儲，以及大數(shù)據(jù)技術(shù)的成熟，使制造商能夠捕獲大量數(shù)據(jù)，而機器學(xué)習(xí)使企業(yè)能夠從上述數(shù)據(jù)中獲得可操作的智能，從而實現(xiàn)更智能的設(shè)備，提高質(zhì)量和提高生產(chǎn)力。

　　隨著企業(yè)不斷將機器學(xué)習(xí)作為日常運營的一部分，未來一年機器學(xué)習(xí)將在如下5個方面影響制造業(yè)的發(fā)展。

　　1. 更廣泛的預(yù)測性維護

　　通常情況下，工廠依賴于由使用情況或時間決定的定期維護計劃來確定機器何時需要維修，甚至等到設(shè)備出現(xiàn)故障后才進行維護。

　　利用人工智能，制造商們可以創(chuàng)建預(yù)測性維護模型，這些模型根據(jù)歷史數(shù)據(jù)進行訓(xùn)練，了解導(dǎo)致過去設(shè)備問題的原因，從而預(yù)測機器何時需要維護，并發(fā)出警報，提醒企業(yè)及時處理。

　　由于只有在實際需要時才會關(guān)閉設(shè)備進行維修，而不是按照計劃進行定期維修，因此預(yù)測性維護可以節(jié)省大量時間和成本。

　　此外，由于快速的創(chuàng)新周期正在縮短大多數(shù)產(chǎn)品類別的產(chǎn)品生命周期，而客戶期望的急劇變化正在縮短交貨周期，制造企業(yè)必須更快更靈活地進行機器維修和重新調(diào)整。

　　雖然預(yù)測性維護并不是制造業(yè)的新鮮事物，但預(yù)計今年將看到其廣泛采用的急劇增加，企業(yè)將使用更多互聯(lián)設(shè)備（例如嵌入設(shè)備中的傳感器等）的數(shù)據(jù)來消除維護決策中的猜測。

　　2. 提高能源效率

　　如今，大多數(shù)工廠都在7X24小時不間斷地運行，以保持最佳效率，這需要大量的能源來保持事物的運行。通過綜合考慮能源價格、設(shè)備維護、人工成本和庫存等因素，機器學(xué)習(xí)算法可以為能源密集型活動安排最佳時間。因此，企業(yè)可以通過在適當(dāng)?shù)臅r間運行適當(dāng)?shù)牧鞒虂碜畲笙薅鹊毓?jié)約成本。

　　很多制造企業(yè)已經(jīng)開始了這樣的計劃。例如，一家全球大型石化制造商希望通過采用人工智能解決方案以降低能耗，削減成本并更加環(huán)保。該公司每年在能源消耗方面要花費大約2000萬美元。通過部署易于實時調(diào)整和處理傳感器數(shù)據(jù)的人工智能模型，該公司成功將能耗降低了5%。

　　3. 提升產(chǎn)品質(zhì)量

　　無論制造過程如何優(yōu)化，每個工廠都會遇到產(chǎn)品缺陷的困擾。盡管有各種各樣的方法來糾正缺陷，但瑕疵仍然無法避免，為企業(yè)經(jīng)營增加了更多成本。使用機器學(xué)習(xí)，制造商可以在優(yōu)化質(zhì)量控制工作的同時顯著降低出錯的可能性。

　　圖像識別和機器學(xué)習(xí)模型可以被訓(xùn)練來分析圖像，并在產(chǎn)品創(chuàng)建的早期檢測異常，而不是依靠員工在裝配線上目測每個產(chǎn)品。因此，工廠可以確保他們正在創(chuàng)造高質(zhì)量的產(chǎn)品，同時減少浪費。

 
             圖：利用人工智能，制造商正在開發(fā)預(yù)測性維護模型，該模型根據(jù)導(dǎo)致過去設(shè)備問題的歷史數(shù)據(jù)進行訓(xùn)練，以預(yù)測機器何時需要維護。圖片來源：RapidMiner

　　4. 創(chuàng)建更安全的工作場所

　　任何在工廠工作過的人都經(jīng)歷過全面的年度健康和安全培訓(xùn)，并且知道正確使用安全裝置的重要性。雖然這些工具對工作場所的安全至關(guān)重要，但像人工智能這樣的新技術(shù)可以幫助進一步避免風(fēng)險，因為即使在遵循適當(dāng)?shù)陌踩珔f(xié)議時，事故也可能會發(fā)生。

　　來自機器學(xué)習(xí)的數(shù)據(jù)分析可以增強視頻監(jiān)控系統(tǒng)，以識別潛在的不安全行為，包括用于在操作重型機械之前識別過度工作或疲勞的員工。還可以將機器學(xué)習(xí)用于傳感器數(shù)據(jù)，以揭示有關(guān)安全系統(tǒng)性能的重要見解。

　　通過依靠人工智能對工業(yè)物聯(lián)網(wǎng)（IIoT）和其他互聯(lián)設(shè)備每秒產(chǎn)生的數(shù)千個數(shù)據(jù)點進行篩選，企業(yè)可以獲得關(guān)于潛在危險的自動警報，從而創(chuàng)造一個更安全的工作場所。

　　一家財富500強的礦業(yè)和化工生產(chǎn)公司，希望能夠利用機器學(xué)習(xí)來識別其生產(chǎn)過程中的一個不可預(yù)見的變量，該變量通常會導(dǎo)致巨大的環(huán)境健康和安全（EHS）風(fēng)險因素。

　　通過使用由工藝工程師建立的機器學(xué)習(xí)模型，操作人員能夠使工廠免于停產(chǎn)，避免堆積如山的行政文書工作，并將整體EHS風(fēng)險降低約90%。該公司估計，使用機器學(xué)習(xí)模型每年避免了6起以上的事故。

　　5. 預(yù)測和應(yīng)對消費者的實時需求

　　預(yù)測消費者的需求是一項艱巨的任務(wù)，而且要做到完美更是一項挑戰(zhàn)。值得慶幸的是，人工智能程序可以用來預(yù)測需求，其能達到的復(fù)雜程度和準(zhǔn)確性都是前所未有的。從新數(shù)據(jù)和歷史數(shù)據(jù)中汲取靈感，機器學(xué)習(xí)模型可以幫助企業(yè)了解哪些因素驅(qū)動了需求，以及企業(yè)如何適應(yīng)現(xiàn)場的變數(shù)。

　　另一方面，需求感應(yīng)讓企業(yè)能夠?qū)崟r跟蹤需求的波動，以及消費者的購買行為。通過分析來自倉庫和銷售點系統(tǒng)的數(shù)據(jù)，機器學(xué)習(xí)可以識別銷售中的重大變化，以確保供應(yīng)不會超過需求。

　　機器學(xué)習(xí)系統(tǒng)在這些過程中的優(yōu)勢，已經(jīng)在COVID-19大流行中所凸顯出來。在疫情爆發(fā)之初，隨著封鎖的開始，產(chǎn)品的消費和需求發(fā)生了根本性的變化，導(dǎo)致食品和衛(wèi)生紙短缺?；谕ǔＰ枨蟮亩ㄆ诮桓稛o法跟上不斷變化的行為。

　　雖然我們正處于工業(yè)4.0革命之中，但制造業(yè)才剛剛開始全面擁抱數(shù)字化轉(zhuǎn)型。在2020年之前，質(zhì)量、流程優(yōu)化和降低運營費用是這場轉(zhuǎn)型的主要業(yè)務(wù)驅(qū)動力。

　　但現(xiàn)在，在全球疫情大流行的影響下，安全、遠程運維和信息透明化等正被加入到這個清單中?；谌斯ぶ悄芎蜋C器學(xué)習(xí)的先進技術(shù)將繼續(xù)推動創(chuàng)新，并幫助制造企業(yè)改變思考問題和解決問題的方式，為更安全、更高效、更盈利的未來鋪平道路。