一些資產(chǎn)密集型組織如今正在實(shí)施數(shù)字化轉(zhuǎn)型，以實(shí)現(xiàn)卓越運(yùn)營(yíng)、改善關(guān)鍵績(jī)效指標(biāo)(KPI)，以及解決生產(chǎn)和支持流程領(lǐng)域中的具體問(wèn)題。

基于人工智能的預(yù)測(cè)模型是非常有用的工具，可以部署在復(fù)雜的生產(chǎn)環(huán)境中。與常用的一些分析工具相比，在生成大量結(jié)構(gòu)化或非結(jié)構(gòu)化數(shù)據(jù)的復(fù)雜生產(chǎn)環(huán)境中，預(yù)測(cè)模型更容易放大不同參數(shù)之間的相關(guān)性。

一些資產(chǎn)密集型組織的高管表示，人工智能的應(yīng)用正在穩(wěn)步增長(zhǎng)。這與調(diào)研機(jī)構(gòu)IDC公司的預(yù)測(cè)相一致，即到2026年，將有70%的全球2000強(qiáng)組織使用人工智能為基于風(fēng)險(xiǎn)的運(yùn)營(yíng)決策提供指導(dǎo)和見(jiàn)解。目前這一數(shù)字還不到5%。

典型的人工智能用例大多利用嵌入在計(jì)劃和調(diào)度工具中的認(rèn)知人工智能，它也用于質(zhì)量和維護(hù)預(yù)測(cè)模型。

利用人工智能引擎的解決方案可以提供即時(shí)價(jià)值和合理的投資回報(bào)率，這些引擎能夠識(shí)別圖像和聲音，以及振動(dòng)、溫度和過(guò)程中的數(shù)值。人們目前在試點(diǎn)或獨(dú)立實(shí)施的方案中看到了這樣的用例。

定制與標(biāo)準(zhǔn)人工智能驅(qū)動(dòng)的解決方案

從可擴(kuò)展性的角度來(lái)看，有兩個(gè)主要的數(shù)字項(xiàng)目組在生產(chǎn)領(lǐng)域中利用人工智能。每個(gè)項(xiàng)目都帶來(lái)很多價(jià)值。然而，它們提供了不同的時(shí)間尺度和時(shí)間精度。

·定制的解決方案：基于復(fù)雜學(xué)習(xí)過(guò)程的人工智能驅(qū)動(dòng)的解決方案是高度定制的?？梢岳蒙窠?jīng)網(wǎng)絡(luò)和深度學(xué)習(xí)進(jìn)行圖像識(shí)別，或者通過(guò)監(jiān)督學(xué)習(xí)來(lái)建立預(yù)測(cè)模型。

對(duì)解決方案進(jìn)行微調(diào)以提供90%的精度需要相對(duì)較長(zhǎng)的時(shí)間。這些通常是預(yù)測(cè)性解決方案，用于模擬材料在生產(chǎn)過(guò)程中的行為(例如紙帶或鋼坯的破損預(yù)測(cè))。

衛(wèi)生紙制造商Hayat Holding公司首席信息官Gülsün Akhisaroglu說(shuō)：“我們花費(fèi)近兩年的時(shí)間才能達(dá)到90%的準(zhǔn)確性。”

工業(yè)可擴(kuò)展性可能是一個(gè)真正的挑戰(zhàn)。然而在這個(gè)項(xiàng)目中采用了自動(dòng)學(xué)習(xí)模式，顯著加快了進(jìn)展，并且準(zhǔn)確率達(dá)到99%。

即使在高度定制的模型中，也可能很難找到問(wèn)題的根源。為了解決這些問(wèn)題，分析師和材料工程師必須使用智能解決方案來(lái)顯示問(wèn)題發(fā)生的時(shí)間、方式和原因。

該公司首席信息官Akhisaroglu說(shuō)：“我們決定評(píng)估深度學(xué)習(xí)算法，以發(fā)現(xiàn)任何有意義的模式。我們從所分析的92種算法中選擇了8種更有希望的算法。”

工程師、開(kāi)發(fā)人員和數(shù)據(jù)分析人員可以使用幾種基于現(xiàn)代技術(shù)的數(shù)字和硬件工具及解決方案。但是在許多情況下，采用這些工具和解決方案是不夠的。生產(chǎn)環(huán)境可能大不相同。

這不是簡(jiǎn)單地捕捉正確的參數(shù)和信號(hào)來(lái)提高輸出質(zhì)量和模型的最終精度的問(wèn)題，其工作條件也可能有所不同。維護(hù)、調(diào)整和操作生產(chǎn)設(shè)備的不同方法可能會(huì)嚴(yán)重影響模型輸出的質(zhì)量。追求更高質(zhì)量的過(guò)程可能曲折而艱難。

當(dāng)然，投資回報(bào)率必須非常引人注目。經(jīng)驗(yàn)表明，快速解決方案原型是必不可少的，模型的功能應(yīng)該3～4周內(nèi)快速測(cè)試。由于學(xué)習(xí)過(guò)程和模型的調(diào)整，從開(kāi)始開(kāi)發(fā)解決方案到部署解決方案(獲取準(zhǔn)確可靠的輸出)之間的交付時(shí)間可能要花費(fèi)數(shù)月的時(shí)間。

這就是部署的理想生產(chǎn)類(lèi)型是高度資產(chǎn)密集型環(huán)境的原因，因?yàn)樵谶@種情況下，一次中斷事故就可能造成數(shù)百萬(wàn)美元的損失。

·標(biāo)準(zhǔn)化解決方案：這些是基于圖像識(shí)別原理的精細(xì)化、高度可擴(kuò)展的解決方案。最終輸出的精度在很大程度上取決于異常樣本的數(shù)量，因?yàn)闃颖驹蕉?，模型越精確。

對(duì)于基本的質(zhì)量控制任務(wù)，可能需要4～6個(gè)不合格(“NOK”)樣本，通過(guò)生產(chǎn)線上的攝像頭來(lái)指導(dǎo)系統(tǒng)運(yùn)行。從理論上來(lái)說(shuō)，這樣的解決方案甚至可以提供99.99%的準(zhǔn)確率。然而現(xiàn)實(shí)表明，只有在簡(jiǎn)單的質(zhì)量檢驗(yàn)任務(wù)中才能達(dá)到這么高的理論值。

尺寸和表面完整性在能否有效利用這種解決方案中起著重要作用。越小越簡(jiǎn)單，控制輸出越有效。

利用人工智能跟蹤和分析每個(gè)裝配步驟(包括周期分析)的解決方案看起來(lái)非常具有發(fā)展前景。這樣的解決方案可以識(shí)別生產(chǎn)異常和瓶頸，從而將生產(chǎn)效率提高百分之幾十。

它們還可以顯著加快發(fā)現(xiàn)質(zhì)量問(wèn)題的速度，而在某些情況下，可以將發(fā)現(xiàn)時(shí)間縮短到幾分鐘。標(biāo)準(zhǔn)化解決方案很容易實(shí)現(xiàn)1～2年的投資回報(bào)率目標(biāo)。其時(shí)間尺度和時(shí)間精度可能只有幾天甚至幾小時(shí)。

不要浪費(fèi)時(shí)間，從現(xiàn)在開(kāi)始

組織應(yīng)該對(duì)在生產(chǎn)、質(zhì)量控制和維護(hù)中利用人工智能有著更加現(xiàn)實(shí)的期望，因?yàn)槿斯ぶ悄懿⒉皇墙鉀Q所有問(wèn)題的靈丹妙藥。

但是，人工智能可以提供大量的用例。組織的重點(diǎn)應(yīng)該放在人工智能驅(qū)動(dòng)的解決方案可以實(shí)現(xiàn)的目標(biāo)上，以及可以在這些解決方案上投入多少精力和費(fèi)用。

在許多情況下，效益不僅是明顯的關(guān)鍵績(jī)效指標(biāo)(例如生產(chǎn)線可用性或整體設(shè)備效率)，而且是提高可持續(xù)性和質(zhì)量、解決生產(chǎn)過(guò)程中的問(wèn)題以及提高客戶(hù)滿(mǎn)意度的目標(biāo)。

必須避免產(chǎn)生數(shù)字孤島。要充分發(fā)揮數(shù)據(jù)的威力，人工智能驅(qū)動(dòng)的模型必須與企業(yè)的各系統(tǒng)(例如制造執(zhí)行系統(tǒng)、企業(yè)資源計(jì)劃和高級(jí)分析工具)集成。數(shù)據(jù)可以在多個(gè)領(lǐng)域根據(jù)具體情況進(jìn)行分析。不同的分析解決方案結(jié)合起來(lái)可以得到意想不到的效果。

更早地實(shí)施

但是，當(dāng)組織的業(yè)務(wù)向前推進(jìn)時(shí)，不要低估技術(shù)和管理方面的支持。Hayat Holding公司首席信息官Akhisaroglu指出：“回顧過(guò)去，我們?cè)诓捎靡恍┰圏c(diǎn)項(xiàng)目時(shí)浪費(fèi)了很多時(shí)間。我們應(yīng)該早些開(kāi)始，更主動(dòng)地從所有可用的相關(guān)資源中收集數(shù)據(jù)。我們?cè)诜?wù)器、數(shù)據(jù)庫(kù)和流程方面面臨許多挑戰(zhàn)，但很顯然，我們?yōu)榭焖儆行У貪M(mǎn)足業(yè)務(wù)需求而開(kāi)展了協(xié)調(diào)一致的工作?！?/p>