机器学习可以改善当今制造业的10种方法

机器学习可以改善当今制造业的10种方法

  • AI有可能在全球业务中创建1.4吨至2.6T价值的价值,供应链管理和制造2T $ 1.2t至2T
  • 到2021年,20%的领先制造商将依靠嵌入式智能,使用AI,IOT和SlockChain应用程序来自动化流程并根据备份将执行时间提高25%IDC.
  • 根据,机器学习可提高产品质量,可在离散制造业中提高35%,据deloitte.
  • 50%的公司在未来五到七年内拥抱AI的公司有可能将其现金流量与制造业领先的所有行业称为,因为它根据其繁重的数据依赖于数据麦肯锡
  • 到2020年,60%的领先制造商将取决于数字平台以支持整体收入的30%
  • 48%的日本制造商认为,将机器学习和数字化制造技术融入运营的机会比最初认为的要大根据麦肯锡的地标研究,数字制造 - 逃脱飞行员炼狱。

底线:2019年制造商的主要增长战略是通过投资机器学习平台来提高车间生产力,该平台提供提高产品质量和产量所需的洞察力。

使用机器学习来简化每一阶段的生产阶段,通过制造计划来实现,现在是制造业的优先事项。根据A.德勤最近的调查,机器学习将计划生计划的机械停机减少15-30%,将生产产量提高20%,降低维护成本30%,质量增加高达35%。

以下是机器学习在2019年彻底改变制造:

  • AI有可能在全球业务中创建1.4吨至2.6吨的营销和销售价值,供应链管理和制造中的1.2吨至2美元。麦肯锡预测基于AI的预测维护有可能在制造商提供$ .5t至$ .7t。麦肯锡引用AI处理大量数据的能力,包括音频和视频,意味着它可以快速识别异常以防止故障。机器学习可以确定特定声音是否是在质量试验或机器上正常运行的飞机发动机即将发生故障。资料来源:麦肯锡/哈佛商业评论。大多数AI的业务用途将在两个地区作者:Michael Chui, Nicolaus Henke, Mehdi Miremadi2019年3月

  • 制造商们对如何使用可扩展到云平台上的机器学习和预测分析来提高可持续性有了新的见解。流程制造商正在使用Azure的Symphony Industrial AI从包括换热器,泵,压缩机和其他资产依赖的模板库部署设备型号。Symphony AI的进程360 AI帮助用户创建他们进程的预测模型。通过设备的生产中的物品(如化学品,燃料,金属,其他中间和成品)定义了一个过程。方法模板实例包括氨气方法,乙烯工艺,液化乙烯法和聚丙烯方法。流程模型有助于预测过程upsets和trips - 单独的设备模型可能无法预测。资料来源:Microsoft Azure博客,用Symphony Industrial AI制造预测分析

  • 波士顿咨询小组(BCG)发现,厂家使用AI可以将生产者的转换成本降低到20%,高达70%的成本降低,从而提高劳动力生产力。BCG发现,生产者将能够通过使用AI开发和生产针对特定客户量身定制的创新产品,并将其提供更短的延期时间。以下图示说明了AI如何为基于BCG分析的生产过程带来增加的灵活性和规模。资源:波士顿咨询集团,AI在未来工厂,2018年4月18日

  • 依赖于重资产的离散和流程制造商正在使用人工智能和机器学习来提高生产能力、能源消耗和每小时利润。具有重型设备的制造商,包括大型机械,正在探索使用算法来提高吞吐量,可持续性和产量率。McKinsey正在寻找AI可以自动化复杂的任务,并提供一致性和精确的最佳设定点,使机器能够在自动导频模式下运行,这对于在一个或多个生产班次实现灯光制造方面至关重要。来源:麦肯锡,生产中的AI:用于繁重资产的制造商的游戏更换器作者Eleftherios Charalambous、Robert Feldmann、Gerard Richter和Christoph Schmitz

  • 基于机器学习的产品缺陷检测和质量保证表明,将制造生产率提高50%以上的可能性。机器学习在产品中寻找异常的固有优势及其包装具有提高产品质量的显着潜力,并阻止缺陷的产品离开生产设施。与人类检测相比,缺陷检测的改善是使用基于深度学习的系统的可行性。鉴于开源AI环境的可用性和在相机和强大的计算机方面的廉价硬件,甚至小企业也会越来越依赖基于AI的视觉检查。在启用AI的视觉质量检验中,通过从不同角度的良好和有缺陷产品的视觉成像来创建参考示例,从不同的角度燃料促进监督学习算法的培训。资源:人工智能(AI)的智能化——德国的it和它的工业部门有什么好处?(52 pp.,PDF,NO OPT-IN)麦肯锡和公司。

  • 机器学习有可能减少制造业长期的劳动力短缺,同时找到留住员工的新方法。今天制造业面临着严重的劳动力短缺,每项对制造商的调查,反映了这个问题,作为最多限制行业增长的三大。承担这一挑战的最有趣公司之一是八倍。他们的人工智能人才智能平台依靠一系列有监督和无监督的机器学习算法来匹配候选人独特的能力、经验和优势。制造商,包括conagra.,依靠八倍为了改善招聘和重新发现人才,他们需要为自己的团队配备员工,寻求增长机会。下图解释了八倍人才智能平台的工作原理:

  • 机器学习是帮助制造商解决先前不可穿透的问题,并揭示了那些从未知道存在的问题,包括隐藏的瓶颈或无利可图的生产线。提高商店地板上每台机器的预测性维护准确性,揭示如何提高每台机器的产量/吞吐量,以及优化系统和供应链优化。以下图形说明了机器学习如何先从机器级开始提高车间生产率,然后将其缩放到工作流程和它们依赖的系统。来源:麦肯锡,制造业:分析释放生产力和盈利能力,Valerio Dilda,Lapo Mori,Olivier Noterdaeme和Christoph Schmitz

  • 机器学习可以显著改善产品配置和CPQ(配置-价格-报价)工作流,制造商依赖于按订单生产产品。西门子的销售,设计和安装铁路互锁控制系统的方法使用AI和机器学习,找到10个最佳配置90可能的组合。机器学习擅长于定义最能满足客户需求的最佳配置,同时也是最可靠的制造。资料来源:西门子,下一级AI - 由知识图和数据思考,西门子中国创新日,迈克尔5月2019年5月15日,成都

  • 人工智能和机器学习在制造业的应用预计将在未来五年内超过机器人技术,成为制造业的主要用例。供应链操作的复杂性和限制是机器学习算法提供推荐解决方案的理想用例。制造商正在追求今天的预测维护飞行员,其中包括提供清除收益的最有可能进入生产的人。资料来源:MAPI基金会,制造业的演变:人工智能将如何改变未来的制造业和劳动力作者:罗伯特·d·阿特金森,斯蒂芬·埃泽尔,信息技术与创新基金会opebet体育资讯

  • 机器学习正在彻底改变制造商保护每一个威胁表面的方式,依靠零信任安全(ZTS)框架来保护和扩大他们的运营。制造商正在转向零信任安全(ZTS)框架,用于保护每个网络,云和内部部署平台,操作系统以及在供应链和生产网络中的应用。佛罗里氏队的Cunningham,主要分析师是零信任安全和他最近的视频的领先权威,零信任,值得一看,了解更多信息制造商如何保护其IT基础架构的更多信息。你可以在这里找到他的博客。在这个领域有几家迷人的公司,包括MobileIron,这创建了一个以手机为中心的零信任企业安全框架制造商,依靠今天。Centrify's身份访问管理的方法滥用识别账户滥用,这是今天违规的主要原因。Centrify's最近的调查显示,现代威胁景观中的特权访问管理发现74%的入侵涉及访问特权账户。特权访问凭证是黑客发起入侵、从制造商那里窃取有价值数据并在黑暗网络上出售的最流行的技术。

额外阅读:

2019年制造业趋势报告,微软(PDF,72页,没有选择)

埃森哲,制造未来,人工智能将推动下一波工业设备公司的增长(PDF,20 PP,没有选择)

安德森,M。(2019)。制造中的机器学习。汽车设计与生产,131(4),30-32。

下一篇:
上一篇:
本文是由
路易斯哥伦布

路易斯目前担任IQMS的校长。此前的职位包括Ingram Cloud的产品管理总监、iBASEt和Plex Systems的市场营销副总裁、AMR Research(现为Gartner)的高级分析师、SaaS初创公司的市场营销和业务开发。他的学术背景包括佩珀代因大学(Pepperdine University)的MBA学位,以及斯坦福大学商学院(Stanford University Graduate School of Business)的战略营销管理和数字营销项目。路易斯还教授MBA课程,包括国际商业、全球竞争战略、国际市场研究、战略规划和市场研究。他目前是韦伯斯特大学的教员,曾任教于加州州立大学,富勒顿:加州大学欧文分校和马里蒙特大学。