機(jī)器不僅可以分析數(shù)據(jù)，還能像其他人一樣與人類交流。它們可以從像非專業(yè)人士那樣說話轉(zhuǎn)變?yōu)橥鲁鰫垡蛩固购突艚鹉菢颖娝苤闹腔邸Ｋ羞@些都是因?yàn)?a target="_blank">人工智能（AI）已經(jīng)成熟。從2016年的2.725億美元，到2023年，人工智能在制造業(yè)的收入將達(dá)到48.829億美元，復(fù)合年增長(zhǎng)率不低于52.42%。人工智能( AI )、機(jī)器學(xué)習(xí)、深度學(xué)習(xí)和神經(jīng)網(wǎng)絡(luò)正在推動(dòng)技術(shù)創(chuàng)新，例如，深度學(xué)習(xí)技術(shù)正在幫助公司進(jìn)行信號(hào)識(shí)別、數(shù)據(jù)挖掘、語音和圖像識(shí)別，而機(jī)器學(xué)習(xí)則使它們能夠理解技術(shù)資源，例如來自傳感器和物聯(lián)網(wǎng)( IoT )的數(shù)據(jù)。在工業(yè)領(lǐng)域，人工智能驅(qū)動(dòng)的機(jī)器正在使用結(jié)構(gòu)化和非結(jié)構(gòu)化數(shù)據(jù)來徹底改變制造業(yè)的商業(yè)模式和戰(zhàn)略。隨著數(shù)據(jù)量的增加，企業(yè)甚至正在確定性能改進(jìn)領(lǐng)域，以使智能工廠更加智能。

人工智能驅(qū)動(dòng)的績(jī)效改進(jìn)策略

實(shí)時(shí)監(jiān)控和機(jī)器學(xué)習(xí)通過提供有關(guān)機(jī)器工作負(fù)載和生產(chǎn)計(jì)劃性能的可操作見解，共同優(yōu)化工廠運(yùn)營。實(shí)時(shí)獲取這些知識(shí)能夠幫助工程師在管理機(jī)器和整體操作方面做出更好決策。如果我們按預(yù)測(cè)行事，制造商將采用機(jī)器學(xué)習(xí)和分析，在未來五年內(nèi)將預(yù)測(cè)性維護(hù)提高38％。一家德國工業(yè)制造企業(yè)已經(jīng)開始使用神經(jīng)網(wǎng)絡(luò)來監(jiān)控、記錄和分析其鋼鐵廠的運(yùn)營情況。嵌入其機(jī)器中的傳感器始終測(cè)量不同的變量，并支持?jǐn)?shù)據(jù)驅(qū)動(dòng)的決策。人工智能系統(tǒng)已成功改善燃?xì)廨啓C(jī)的性能，并將排放量減少10％至15％，超出了專家們的水平。石油和天然氣行業(yè)是另一個(gè)主要例子。在一項(xiàng)著名的研究中，一家全球管理咨詢公司在三年內(nèi)從一個(gè)裝有5000個(gè)傳感器的成熟生產(chǎn)平臺(tái)收集了數(shù)百GB的數(shù)據(jù)。從事該項(xiàng)目的數(shù)據(jù)科學(xué)家使用高級(jí)分析來增強(qiáng)海上工廠的預(yù)測(cè)性維護(hù)實(shí)踐，他們能夠以超過70%的準(zhǔn)確率預(yù)測(cè)溢油事故和氣體壓縮機(jī)組故障的發(fā)生，以及井內(nèi)壓力增加的可能性。

AI作為智能工廠的推動(dòng)者

一段時(shí)間以來，智能制造工廠一直在利用工業(yè)機(jī)器人和自動(dòng)化來提高運(yùn)營效率。2017年，與2016年相比，這些技術(shù)取得了顯著成果。到了2018年，由于人工智能使機(jī)器人和自動(dòng)化機(jī)器變得更智能、更敏銳、更適應(yīng)和更具反應(yīng)性，情況才變得更加明朗。以Amelia為例，它是一名智能虛擬工程師，由一家美國技術(shù)初創(chuàng)公司創(chuàng)建，致力于認(rèn)知技術(shù)和企業(yè)自動(dòng)化。這個(gè)虛擬代理利用先進(jìn)的機(jī)器學(xué)習(xí)模型，可以在沒有任何人工幫助情況下向客戶提供建議。為了將數(shù)據(jù)輸入她的系統(tǒng)，Amelia被授權(quán)閱讀文檔，從觀察中學(xué)習(xí)，并遵循基于業(yè)務(wù)分析的流程。機(jī)器學(xué)習(xí)技術(shù)可以幫助制造工廠的操作員做更多事情。這些解決方案不僅有助于提取數(shù)據(jù)驅(qū)動(dòng)的洞察力、運(yùn)行預(yù)測(cè)性維護(hù)和機(jī)械檢查，而且還有助于移動(dòng)材料和實(shí)施生產(chǎn)計(jì)劃、現(xiàn)場(chǎng)服務(wù)、回收和質(zhì)量控制。汽車工業(yè)是第一批在制造業(yè)務(wù)中利用人工智能的行業(yè)之一。 汽車制造商已經(jīng)部署了具有計(jì)算機(jī)視覺技術(shù)的cobot，可以在同一工廠車間進(jìn)行人機(jī)協(xié)作，而無需改變工廠設(shè)計(jì)。對(duì)于質(zhì)量控制，公司已經(jīng)使用支持AI的視覺質(zhì)量檢查器，這使得缺陷檢測(cè)提高了大約90%。除此之外，人工智能還通過將預(yù)測(cè)誤差減少30%到50%，將研發(fā)生產(chǎn)率提高了10％至15％，并節(jié)省了庫存成本。

未來充滿競(jìng)爭(zhēng)

雖然全球制造業(yè)組織仍在研究人工智能可以為其業(yè)務(wù)做些什么，但中國和美國正在通過人工智能爭(zhēng)奪競(jìng)爭(zhēng)優(yōu)勢(shì)。美國大約有85萬名員工從事人工智能工作，其中一半以上擁有超過10年的工作經(jīng)驗(yàn)。另一方面，中國有50000名員工，其中40%有不到五年的工作經(jīng)驗(yàn)。考慮到中國堅(jiān)持不懈地大規(guī)模生產(chǎn)神經(jīng)網(wǎng)絡(luò)處理器，并利用這些芯片來增強(qiáng)制造操作，這種情況可能很快就會(huì)翻轉(zhuǎn)，到2025年，我們可能會(huì)看到中國主導(dǎo)人工智能市場(chǎng)。這種現(xiàn)象已經(jīng)有了苗頭。一家領(lǐng)先的中國智能手機(jī)制造商雇傭了一家人工智能咨詢公司來幫助提高工廠效率，并部署了4萬多臺(tái)工業(yè)機(jī)器人與人類員工合作生產(chǎn)智能手機(jī)。

還有機(jī)會(huì)

隨著人工智能商業(yè)化，數(shù)據(jù)科學(xué)家正在尋找更多機(jī)會(huì)來密切研究該技術(shù)的潛力和應(yīng)用。下一個(gè)合乎邏輯的步驟是開發(fā)高能效的深度神經(jīng)網(wǎng)絡(luò)，并建立一個(gè)人工智能驅(qū)動(dòng)的自動(dòng)化工廠，只有機(jī)器人才能在安全距離內(nèi)與人類一起工作。為了實(shí)現(xiàn)后者，美國一家汽車專業(yè)公司最近收購了一家專門從事工廠車間全自動(dòng)化的德國工程公司。人們正在進(jìn)行研究，以使人工智能更加人性化。一家開發(fā)友好人工智能應(yīng)用的非政府組織，正在使用強(qiáng)化學(xué)習(xí)算法來訓(xùn)練AI代理人從錯(cuò)誤中吸取教訓(xùn)并采取相應(yīng)行動(dòng)。

盡管啟用AI的機(jī)器實(shí)施激增，但仍然沒有監(jiān)管機(jī)構(gòu)來管理政府層面的機(jī)器智能。雖然人工智能還沒有達(dá)到人類的智慧能力，但現(xiàn)在是開始探索這條道路的最好時(shí)機(jī)。