執行概述
新冠肺炎疫情給人們的日常生活和工作帶來了不確定性和變化。這也促使商業領袖和工廠主比以往任何時候都更快地采取行動，以生存和超越他人。這為人工智能技術提供了更多的可能性，並加快了人工智能在製造業中的部署。
從實際的角度來看，我們將看到更多基於人工智能的應用程序專門針對決策的各個方麵，例如提高生產/運營效率，減少停機時間，提供預測性維護，優化供應鏈，降低能源消耗。
人類和人工智能的能力是相輔相成的。人類是有創造力的，可以看到當前任務之上，並可以將其他經驗中的知識應用到當前任務中。然而，人類在重複性任務中並不完美。人工智能是高性能和勤奮的，但缺乏創造力。人類和AI合作的潛力很大，人類必須與AI進行協作，因為他們將繼續扮演項目所有者、係統培訓師、最終用戶的角色，並將在項目的整個生命周期中與AI進行交互。
人工智能正被應用於廣泛的應用和行業。在過程控製方麵，人工智能和機器學習正被應用於高級過程控製(APC)應用和自動化工廠操作。在離散製造領域，人工智能正被應用於機器人技術。從長遠來看，所有的過程理論上都可以由某種形式的人工智能控製。無論應用程序是什麼，ARC都確定了一些基本步驟，以確保AI部署的成功:
基於ARC在2022年歐洲論壇上的演講，本戰略報告提供了最新的人工智能用例，並全麵比較了人類與人工智能的優勢和挑戰。本報告介紹了人類和人工智能如何有效合作，以及需要考慮哪些關鍵維度和應用。支持該活動的公司包括Microsoft Project Bonsai、陶氏化學、NNaisense、ABB和Throughput AI。
所有用例
在2022年ARC歐洲論壇上分享了以下人工智能技術的工業用例。
微軟項目盆景分享了他們對自主係統的看法，以及盆景平台如何通過實時感知和響應來優化設備和流程。根據微軟的說法，自主轉型是一個進化過程，包括四個階段:
- 僅作為控製的人類智能:係統本身沒有智能)。
- 智能洞察:人類操作員可能會被數據驅動的洞察所引導。
- 輔助能力:係統具有一定的分析能力。
- 自主操作能力
從第二階段開始，企業可以使用監督和無監督學習來實現更好的預測性維護和需求預測。Bonsai平台結合了仿真、更深入的強製學習和機器學習。盆景可以幫助用戶用自己的經驗和行業知識建立AI模型，加快後三個階段的發展。以下是一些盆景案例:
- 百事可樂正在使用在一條零食生產線上訓練的強化學習模型進行決策支持。該模型相當於一個中等專業的操作員，可以處理工廠環境和外來資源的變化情況，幫助更多的初級工程師加速他們的學習旅程。更深入的強製學習也用於HVAC優化，實現了5- 15%的節能。
- 鍾的飛行使用訓練有素的無人機控製代理在gps拒絕的環境中對經過驗證的目標執行基於精確視覺的著陸。
陶氏化學公司分享雲如何通過優化製造數據和分析實現預測性維護。計劃外停機時間對過程工業造成了巨大的收入損失。利用預測性維護在故障發生之前采取行動是人工智能在製造業中的主要應用之一。
在陶氏化學自己的項目中，三個不同的人作為一個團隊一起工作。數據科學家訓練模型並檢查Azure雲環境。Azure雲開發人員將工廠數據發送到雲端，並將數據輸入模型。現場操作人員進行監控，在收到來自係統的信息時采取行動，並向係統提供反饋。這個工作循環不斷地進行，以更有效地構建算法和模型。在這個項目中，雲計算是解決一些令人頭疼的問題所必需的，包括:
- 數據訪問:跨組織的分離數據/信息的收集和集成是一個巨大的挑戰。
- 迭代模型培訓和部署:所有的活動，包括編碼、測試、發布、部署和以可持續的方式完成的監控。
- 靈活和可擴展:經過測試的AI模型可以輕鬆部署在其他設備或流程上，傳感器可用。
吞吐量的人工智能分享了人工智能如何幫助優化供應鏈，並將可見性轉化為行動能力。供應鏈一直是不透明的、零碎的、低效的。新冠肺炎疫情的爆發，使其瓶頸比近年來更加明顯。與此同時，企業麵臨著越來越大的壓力，需要提高供應鏈效率，尋找更好的業務、運營、財務、可持續性結果的機會，並在長期內超越行業。作為推動者，人工智能可以幫助利用現有團隊的現有數據和領域專業知識，提高產量、庫存周轉和盈利能力，最大限度地減少過剩庫存，減少浪費和二氧化碳排放。這裏分享一些案例:
- 改善SKU(庫存單位)流程:實現了係統優化年收入，節約了2000萬美元，sku實時優化>250K，按時足額率達到>95%(之前<70%)。
- AI多維分割:可以自動識別客戶層內的移動，並標記最佳和最差表現。
- 提高物流:人工智能軟件，包括需求感知人工智能、細分人工智能和預測人工智能，可以幫助找出高需求和優化路由的產品，自動分析，並推薦促銷活動，以清空庫存。建築材料和建築行業的一個客戶實現了3100萬美元的額外利潤，3.3%的淨財務影響，減少了不可回收材料的浪費和二氧化碳排放(分別為~226K噸和104K噸)。
ABB分享了關於人工智能輔助操作員的細節，以說明人工智能如何幫助運營商。生產過程中會產生許多警報，操作人員很容易成為警報泛濫的受害者，或者忽略可能是關鍵的警報。人工智能是最新的技術之一，可以為運營商提供更直接、更高效、更經濟的支持，以實現長期有效的報警管理。人工智能輔助操作員是不同人工智能應用程序的組合，其工作流程包括:
- 異常檢測:基於對曆史數據和以往問題的分析，AI平台將對其進行分類，並預測正在發生的事情和錯誤的地方。
- 根本原因分析:基於拓撲的方法，可能會追蹤下遊幾十個標簽，找到實際的報警觸發點。
- 推薦的行動:推薦引擎會告訴你應該做什麼，或者之前在類似場景下采取的有效行動。
- 假設模型:可以在幾秒鍾內運行一個快速模擬，在采取行動之前看看會發生什麼。
- 知識提取器:可以檢查操作員操作和事件的年份，這可能像當前的情況，隻需要幾個標準偏差。
NNaisense介紹了其基於人工智能的自適應控製係統adaptive, Rational Core的細節。控製係統將建立一個模塊化的、任務不可知的、可驗證的模型。與傳統的強化學習不同，該係統可以隨時添加新的目標和約束，並根據命令執行任務。該係統不僅可以幫助控製工廠，還可以在各種場景下預測未來，並從目標狀態及時向後規劃到當前狀態。
人類和人工智能的合作一直在發生。所有基於人工智能的係統都需要經過多次驗證和驗證，以及與植物和外部的持續交互，或者在執行新的任務或任務時。人類與人工智能係統的互動將經曆五個階段:
人工智能采用階段
大多數人可能會好奇人工智能技術在實踐中是如何進步的。根據ARC論壇的民意調查，“首批可用產品和解決方案”、“研發”和“beta測試/選定項目”是參與者的共同階段。總的來說，它仍處於萌芽階段。
正如我們的專家小組討論所揭示的那樣，處於人工智能之旅開始階段的公司很難確定成功實施該技術的戰略。許多公司在早期技術評估階段采用試錯法。然而，戰略對於製定kpi至關重要，並且是獲得管理資金和繼續AI之旅所必需的。由於這些過程可能會持續很長時間，所以製定正確的戰略、目標和kpi非常重要，因為管理團隊可能會發生變化，這可能會麵臨中斷的威脅。
目錄
- 執行概述
- 所有用例
- 人工智能采用階段
- 人類vs.人工智能:優勢和挑戰
- 人工智能過程控製
- 結論
ARC谘詢集團客戶可在ARC客戶端門戶
如果您想購買這份報告或獲取如何成為客戶的信息，請聯係我們