制造業(yè)中的AI（人工智能）是游戲規(guī)則的改變者。它有潛力在制造運(yùn)營(yíng)的廣度和深度上改變績(jī)效。然而，只有制造商真正將精力集中在AI能夠提升最大價(jià)值的領(lǐng)域， 然后推動(dòng)解決方案規(guī)?；?，這個(gè)新的工業(yè)4.0時(shí)代的巨大潛力才能實(shí)現(xiàn)。

為了了解企業(yè)是否關(guān)注最有前景的用例，然后通過(guò)解決方案實(shí)現(xiàn)規(guī)?；?，我們進(jìn)行了大量的研究和分析。我們分析了汽車、工業(yè)制造、消費(fèi)品和航空航天及國(guó)防四個(gè)關(guān)鍵領(lǐng)域的300家全球領(lǐng)先制造商，以了解他們的AI計(jì)劃的重點(diǎn)。我們還采訪了30名行業(yè)高級(jí)管理人員，他們都參與了所在企業(yè)的AI計(jì)劃。最后，我們分析了制造運(yùn)營(yíng)中的22個(gè)AI用例。這些用例分布在七大功能領(lǐng)域，從庫(kù)存管理到生產(chǎn)和質(zhì)量控制。

這項(xiàng)分析得出的主要結(jié)論包括:

歐洲處于領(lǐng)先地位，超過(guò)一半的最強(qiáng)制造商在制造 運(yùn)營(yíng)中實(shí)施了至少一個(gè)AI用例（在歐洲，德國(guó)領(lǐng)先，69%的制造商實(shí)施了AI）。緊隨歐洲之后的是日本（30%）和美國(guó)（28%）。

三個(gè)用例脫穎而出，它們適合啟動(dòng)制造商的AI之旅：

• 智能維護(hù)

• 產(chǎn)品質(zhì)量控制

• 需求規(guī)劃

這些用例具有多種特征的最佳組合，使它們成為理想的起點(diǎn)：

• 清晰的商業(yè)價(jià)值/收益

• 實(shí)施相對(duì)容易

• 數(shù)據(jù)的可用性，例如用于智能維護(hù)的機(jī)器和設(shè)備 的性能數(shù)據(jù)、捕獲成品質(zhì)量的圖片和視頻等

• AI專業(yè)知識(shí)或現(xiàn)有標(biāo)準(zhǔn)化解決方案的可用性

• 有機(jī)會(huì)添加有助于可見(jiàn)性和可解釋性的功能，使員工能夠理解如何做出決策，并簡(jiǎn)化運(yùn)營(yíng)團(tuán)隊(duì)的采用。

在本報(bào)告的最后一部分，我們將探討在運(yùn)營(yíng)中將讓這些用例實(shí)現(xiàn)規(guī)?；年P(guān)鍵成功因素：

• 在真實(shí)的工程環(huán)境中部署成功的AI原型。實(shí)現(xiàn)規(guī)模化的第一步涉及讓AI原型快速處理來(lái)自車間/生產(chǎn)環(huán)境的實(shí)時(shí)數(shù)據(jù)。為了自動(dòng)收集實(shí)時(shí)、動(dòng)態(tài) 數(shù)據(jù)，原型需要與傳統(tǒng)IT(如MES和ERP)和工業(yè)物聯(lián)網(wǎng)（IIoT）系統(tǒng)集成。

• 奠定數(shù)據(jù)治理和AI/數(shù)據(jù)人才的堅(jiān)實(shí)基礎(chǔ)。為了為規(guī)?；瘧?yīng)用創(chuàng)建一個(gè)堅(jiān)實(shí)的基礎(chǔ)，并鼓勵(lì)新的實(shí)施，制造商應(yīng)設(shè)計(jì)一個(gè)數(shù)據(jù)治理框架，對(duì)數(shù)據(jù)生成、管理和分析相關(guān)的關(guān)鍵流程進(jìn)行定義。此外，他們需要部署一個(gè)數(shù)據(jù)&AI平臺(tái)——一個(gè)使用AI來(lái)存儲(chǔ)和分析數(shù)據(jù)的中央平臺(tái)，并將其提供給特定問(wèn)題的AI應(yīng)用。除了治理和平臺(tái)之外，人才也將是一個(gè)關(guān)鍵的組成部分，包括AI、數(shù)據(jù)科學(xué)和數(shù)據(jù)工程方面的制造業(yè)特定專業(yè)知識(shí)。

• 在整個(gè)制造網(wǎng)絡(luò)中對(duì)AI解決方案進(jìn)行規(guī)模化。一旦AI平臺(tái)準(zhǔn)備就緒，就可以在多個(gè)現(xiàn)場(chǎng)/工廠中部署和提供AI應(yīng)用。需要持續(xù)監(jiān)控其性能，以了解所產(chǎn)生的價(jià)值、輸出質(zhì)量和可靠性。