隨著現(xiàn)代制造業(yè)的日新月異,人工智能(AI)已成為一項(xiàng)能夠帶來變革的差異化因素,為追求效率和創(chuàng)新等競爭優(yōu)勢的企業(yè)重塑了產(chǎn)業(yè)格局。伴隨著第四次和第五次工業(yè)革命的到來,AI技術(shù)正在推動(dòng)產(chǎn)品設(shè)計(jì)、生產(chǎn)和優(yōu)化方面的范式轉(zhuǎn)變。
由于制造商能夠存儲海量歷史數(shù)據(jù),AI可以應(yīng)用于任何行業(yè)的一般業(yè)務(wù)領(lǐng)域,比如提供營銷、供應(yīng)鏈優(yōu)化和新產(chǎn)品開發(fā)等方面的建議。借助這些數(shù)據(jù)以及一些有關(guān)業(yè)務(wù)和流程的背景信息,制造商就可以將AI作為發(fā)展和提升運(yùn)營水平的關(guān)鍵基石。
在制造業(yè)中,AI可賦能許多功能領(lǐng)域。以下是一些AI關(guān)鍵用例:
1. 預(yù)測性維護(hù):通過來自設(shè)備的時(shí)間序列數(shù)據(jù)(傳感器數(shù)據(jù))、歷史維護(hù)日志和其他背景數(shù)據(jù),您可以預(yù)測設(shè)備的行為方式以及設(shè)備或部件出現(xiàn)故障的時(shí)間。在AI的幫助下,甚至可以規(guī)定需要采取的適當(dāng)行動(dòng)以及特定時(shí)間。
2. 質(zhì)量:AI技術(shù)能夠提升視覺檢測、產(chǎn)量優(yōu)化、故障檢測、分類等用例。雖然在不同的產(chǎn)業(yè)領(lǐng)域,其成果會(huì)有所不同,但是潛在的益處是巨大的。例如,在半導(dǎo)體產(chǎn)業(yè)中,即使提高了一小部分的良品率,也能節(jié)省數(shù)百萬美元。
3. 需求預(yù)測:AI可根據(jù)歷史數(shù)據(jù)、趨勢以及天氣、節(jié)假日、季節(jié)性和市場條件等外部因素預(yù)測產(chǎn)品需求。
盡管AI有望推動(dòng)先進(jìn)智能工廠的發(fā)展、優(yōu)化生產(chǎn)流程,并且實(shí)現(xiàn)預(yù)測性維護(hù)和模式分析、個(gè)性化、情感分析、知識管理以及檢測異常等諸多用例,但如果沒有穩(wěn)健的數(shù)據(jù)管理策略,就很難有效地利用AI。
通用工業(yè)數(shù)據(jù)的挑戰(zhàn)
數(shù)據(jù)作為可信AI的基礎(chǔ),可以引領(lǐng)業(yè)務(wù)流程轉(zhuǎn)型,幫助制造商創(chuàng)新和定義新的業(yè)務(wù)模式,并開辟新的收入來源。然而,許多制造業(yè)高管表示,他們在采用新技術(shù)(包括將AI用于新用例)時(shí)遇到了難題。Gartner調(diào)查發(fā)現(xiàn),80%的制造業(yè)首席執(zhí)行官正在增加數(shù)字化技術(shù)方面的投資,包括人工智能(AI)、物聯(lián)網(wǎng)(IoT)、數(shù)據(jù)和分析等。據(jù)2023年Gartner發(fā)布的《2023年CIO和技術(shù)高管議程中國篇》報(bào)告顯示,只有11%的中國企業(yè)表示其數(shù)字化轉(zhuǎn)型帶來的銷售收入超越了預(yù)期。這個(gè)數(shù)據(jù)非常的低。
缺乏通用工業(yè)數(shù)據(jù)一直是阻礙主流制造商采用AI的主要障礙之一。先進(jìn)技術(shù)只是數(shù)字化轉(zhuǎn)型的一個(gè)方面。制造商想要領(lǐng)先一步,就必須了解數(shù)據(jù)的作用和價(jià)值。傳感器憑借極低的成本,正在成為新設(shè)備的標(biāo)配,而舊的制造設(shè)備也在使用傳感器完成改造。如今,制造商在采集、利用和管理海量數(shù)據(jù)的能力方面已達(dá)到了前所未有的水平。
在這個(gè)工業(yè)物聯(lián)網(wǎng)時(shí)代,制造商可以通過快速引進(jìn)工具來利用龐大的數(shù)據(jù)集產(chǎn)生可執(zhí)行的結(jié)果。但如果對這些數(shù)據(jù)缺乏最高級別的信任,那么AI/ML解決方案就會(huì)產(chǎn)生可疑的分析和次優(yōu)的結(jié)果。企業(yè)在構(gòu)建解決方案時(shí),往往會(huì)想當(dāng)然地認(rèn)為數(shù)據(jù)包含了所有目標(biāo)場景,而算法會(huì)“搞定”一切。如果沒有可信的數(shù)據(jù)和強(qiáng)大的數(shù)據(jù)平臺作為堅(jiān)實(shí)的根基,那么AI/ML方法將產(chǎn)生偏見且變得不可信,失敗的風(fēng)險(xiǎn)會(huì)隨之上升。簡而言之,許多企業(yè)未能實(shí)現(xiàn)AI的價(jià)值,是因?yàn)樗麄兯蕾嚨腁I工具和數(shù)據(jù)科學(xué)從一開始就使用了有問題的數(shù)據(jù)。
可信AI始于可信數(shù)據(jù)
制造業(yè)該如何解決這一數(shù)據(jù)挑戰(zhàn),并充分利用數(shù)據(jù)驅(qū)動(dòng)的AI呢?答案是制定基于強(qiáng)大數(shù)據(jù)平臺的數(shù)據(jù)戰(zhàn)略。
制造業(yè)的運(yùn)營部門和IT部門必須密切合作,共同發(fā)展以數(shù)據(jù)為中心的文化,由IT部門負(fù)責(zé)端到端的數(shù)據(jù)生命周期管理,側(cè)重于可靠性和安全性。
數(shù)據(jù)相關(guān)的最佳實(shí)踐包括:
- 小步快跑,設(shè)立可行的目標(biāo),從生產(chǎn)車間需要解決的試點(diǎn)問題入手。
- 確定能夠幫助制造業(yè)運(yùn)營部門增加價(jià)值的用例,據(jù)此來決定要采集的數(shù)據(jù)。
- 通過融合IT/OT構(gòu)建數(shù)據(jù)采集和接入能力,采集車間和設(shè)備數(shù)據(jù)一并接入到位于云端的中央平臺上。
- 添加適當(dāng)?shù)谋尘皵?shù)據(jù)(IT/業(yè)務(wù)數(shù)據(jù)),這對AI分析制造數(shù)據(jù)至關(guān)重要。
- 消除數(shù)據(jù)孤島。必須將多個(gè)來源的數(shù)據(jù)集中存儲在一個(gè)通用的數(shù)據(jù)湖中,以便統(tǒng)一整個(gè)價(jià)值鏈的數(shù)據(jù)來源。
- 將AI工具和數(shù)據(jù)科學(xué)用于您信任的數(shù)據(jù)上,并向相關(guān)人員或系統(tǒng)提供洞察,作出最佳且最明智的決策。
混合數(shù)據(jù)平臺的價(jià)值
AI可以幫助制造商改進(jìn)運(yùn)營方式,并實(shí)現(xiàn)更高水平的卓越運(yùn)營。但關(guān)鍵在于要把數(shù)據(jù)放在首位,而非復(fù)雜的AI系統(tǒng)。制造企業(yè)目前仍在本地、私有云、公有云等平臺上使用舊的基礎(chǔ)設(shè)施和數(shù)據(jù)來源。為了解決這些難題,企業(yè)必須使用可以采集和接入任何系統(tǒng)的數(shù)據(jù),然后將數(shù)據(jù)傳輸到任何系統(tǒng)或平臺的混合數(shù)據(jù)平臺。
Cloudera可在混合數(shù)據(jù)平臺上提供端到端的數(shù)據(jù)生命周期管理,包括構(gòu)建制造業(yè)可信數(shù)據(jù)戰(zhàn)略所需的所有構(gòu)件。我們提供的主要功能包括數(shù)據(jù)接入、數(shù)據(jù)準(zhǔn)備、數(shù)據(jù)存儲和數(shù)據(jù)發(fā)布,以及整個(gè)數(shù)據(jù)生命周期的通用安全和治理功能。Cloudera可實(shí)現(xiàn)包括私有云、公有云、本地和任何平臺在內(nèi)的任何位置之間的數(shù)據(jù)傳輸,使制造業(yè)能夠在“可信”數(shù)據(jù)的基礎(chǔ)上使用下一代AI工具和應(yīng)用。Cloudera數(shù)據(jù)平臺(CDP)是目前唯一面向現(xiàn)代數(shù)據(jù)架構(gòu)的混合數(shù)據(jù)平臺,能夠使用任何位置的數(shù)據(jù),有效賦能制造業(yè)AI。