2024制造业中的人工智能：AI技术对改变制造业及行业参与者的变革性影响研究报告

⽬录 制造业中人工智能整合的关键成功因素6 增加对人工智能依赖的风险8 摘要10 介绍 沙特阿拉伯也在通过其国家数据和⼈⼯智能战略⼤⼒投资于⼈⼯智能研究和开发，该战略于2020年10⽉推出，旨在使沙特阿拉伯在2030年成为⼈⼯智能的全球领导者。该战略包括培训2万名⼈⼯智能和数据专家以及建⽴300家⼈⼯智能初创公司的雄⼼壮志，投资⽬标为200亿美元。该战略是更⼴泛愿景的⼀部分，旨在跨部⻔整合⼈⼯智能，包括制造业，在增强效率和⽣产⼒⽅⾯。该战略由沙特数据和⼈⼯智能局（SDAIA）推动，该局在整个王国实施⼈⼯智能项⽬中发挥着⾄关重要的作⽤。⼯业与矿业部近期与SDAIA合作，共同开设了⼈⼯智能制造和采矿中⼼，以充分发挥数据和⼈⼯智能⽀持沙特成为全球物流中⼼的战略愿景。⼈⼯智能中⼼有望彻底改变⼯业和采矿⽣态系统，通过创新解决⽅案解决⾏业挑战，并在这些领域⼴泛推⼴⼈⼯智能技术。此外，未来⼯⼚项⽬等倡议也提供财务激励和培训机会，以⽀持这些努⼒。 在我们新系列的第⼀篇⽂章中，Kearney专家探讨了⼈⼯智能如何变⾰制造业并满⾜关键市场需求。⽂章审视了成功整合⼈⼯智能的关键因素，以及增加对⼈⼯智能依赖性的潜在⻛险。 ⼈⼯智能（AI）是指计算机科学的⼀个分⽀，使机器能够模仿⼈类智能，执⾏通常需要⼈类认知的任务，正在⾰新制造业。尽管对数据复杂性、技术挑战以及潜在⻛险和伦理考虑仍存在关切，全球制造商正在将⼈⼯智能解决⽅案纳⼊其⽣产线，⽣产质量更⾼的产品，减少浪费和成本，从⽽最终提⾼利润率。 全球各国政府和私营部⻔正在争相站在制造业⼈⼯智能的最前沿。例如，中国不仅在制定⼈⼯智能法规⽅⾯成为先驱，⽽且还有针对性地将这些努⼒集中在推动其制造业上。“中国制造2025”倡议旨在将中国从低端商品⽣产国提升为⾼科技和先进制造业的世界领导者，整合⼈⼯智能技术以提升⽣产质量和效率。 在本⽂中，我们讨论了⼈⼯智能对制造业的潜在影响，包括⼈⼯智能最适合在何处以及如何使⽤。我们探讨了⼈⼯智能在制造业中的具体应⽤，评估了采⽤⼈⼯智能技术的框架，审视了⼈⼯智能整合的后果，并考虑了⼈⼯智能依赖度增加导致的实施挑战以及相关的⻛险和伦理困境。 在美国，⼈⼯智能治理⽅⾯的重要举措包括成⽴美国⼈⼯智能安全研究所，旨在推动负责任的⼈⼯智能实践。⽀持这些努⼒的还有针对性的联邦计划，例如NIST的制造业美国研究所，专注于增强制造业⼈⼯智能以提⾼韧性和⽣产⼒。 先进制造技术（MFGTech）路线图计划进⼀步体现了整合⼈⼯智能的承诺，专⻔旨在推动⾃动化并确保⽣产过程的安全性。这些⾏动突显了美国在推进制造业⼈⼯智能应⽤⽅⾯的战略驱动⼒。 ⼈⼯智能在制造业的应⽤ 制造业正处于重⼤变⾰的前夜，有许多应⽤展⽰了⼈⼯智能在整个制造价值链上的巨⼤潜⼒，使制造业得以超越现有解决⽅案所提供的可能性。图1说明了⼈⼯智能融⼊制造价值链各阶段的典型⽅式，既是核⼼应⽤程序，也是实现应⽤程序的⽅式。 材料发现传统的发现新材料⽅法⻓期以来⼀直依赖于耗时的试错实验过程，通常需要经过多年的实验才能取得成功。在材料发现⽅⾯，使⽤⼈⼯智能软件（例如 Osmium AI）可以显著改变这种情况，它让⼯业客⼾能够预测新材料的物理性质，然后完善和优化这些新材料。 特别是有六个领域可以从⼈⼯智能应⽤中获得最⼤的潜在影响。 缺陷检测和流程优化。⼈⼯智能可以通过检测视觉模式来识别产品中的缺陷，从⽽提⾼产品质量，减少缺陷和不良单位。公司可以进⼀步利⽤缺陷检测来⾃动调整流程参数以应对已识别的问题和故障。沃尔沃是从这⼀领域受益的⼀家公司。这家汽⻋公司部署了基于摄像头的⼈⼯智能⼯具来检查汽⻋轮胎和底盘上的视觉模式，以预测寿命更短的情况。汽⻋修理店也可以使⽤这些模式识别⼈⼯智能⼯具来找出故障和裂纹。 微软⼈⼯智能的⼀个成功案例是发现了⼀种名为N2116的新固体电解质材料，可以将电池中的锂⽤量减少70％，从⽽可能缓解即将出现的锂短缺。这个基于⼈⼯智能的过程在不到九个⽉的时间内筛选了3200万种材料并选择了前18种，在⼯作原型中取得了成功，为能源存储提供了⼀个潜在的可持续替代⽅案，因为锂需求飙升。 流程和制造设计。⼈⼯智能可以通过传感器捕获信息并处理以帮助决策，从⽽实现新的⽣产⽅式。在设计阶段，基于⼈⼯智能的“智能”数字孪⽣体优化新⽣产线和设施的建⽴。通过模拟现实条件，这些数字副本使制造商能够识别低效率，⾃动化流程，预测结果，并做出数据驱动的决策，最终提⾼⽣产效率并降低成本。例如，总部位于台湾的电⼦制造商和佳公司使⽤NVIDIA产品模拟和优化了⼯⼚运营的过程。 库存优化。通过利⽤机器学习算法，⼈⼯智能⼯具可以减少缺货情况，并提⾼预测准确性，与传统的统计⽅法、基于规则的系统和基本的库存管理软件相⽐。⼈⼯智能模型可以通过考虑需求预测、交货时间、安全库存需求和存储成本等⼀系列因素来优化库存，并考虑到诸如仓储空间有限、库存周转⽬标和订单执⾏率等约束条件。 例如，⻉克休斯公司实施了C3.ai的库存优化⼯具，有效地调整库存⽔平，从⽽提⾼订单填充率，按时交付和现⾦流优化。 佳公司的开发⼈员为⼯程师和⼯⼚经理构建了灵活的数字孪⽣平台，共同规划，模拟和优化他们的⽣产线，为设施、设备和维护任务提供实时⻅解。他们的团队现在可以快速有效地识别和解决运营问题。 培训和⼊职计划。⼈⼯智能通过在重要领域（如焊接，装配和设备控制）的技能发展中进⾏细化来⾰新培训和⼊职计划。通过分析从制造过程和⽤⼾反馈获得的数据集，⼈⼯智能将培训模块专⻔定制给从事这些任务的员⼯的需求。与传统解决⽅案（如标准化或⼀⼑切的培训计划）相⽐，这种个性化⽅法确保培训内容经过精⼼调整，以应对制造环境的独特挑战和要求，并加快新员⼯的⼊职过程。美国财富500强企业史丹利公司是⼀家⼯业⼯具和家居五⾦制造商，利⽤⼈⼯智能丰富传统焊接和折弯过程的培训。利⽤DeepHow的AI编辑器，团队捕捉到有经验的团队成员的⼯作，并开发了⼀系列专家指导的指导视频，⽤于部署到⻋间现场。 预测性维护。基于⼈⼯智能驱动的预测性维护不仅仅局限于周期性的⼿动维护、基于时间的检查和基本的预测分析软件，通过分析来⾃机器（如数控机床或传送带）的历史数据，优化设备性能。它建⽴了⼀个准确复制每台设备的模型，并提供关键参数（如温度和压⼒）的实时⻅解，同时预测部件寿命以预测故障并避免昂贵的停机时间。阿联酋的⽯油和天然⽓企业阿布扎⽐国家⽯油公司提供了⼀个例⼦。该公司利⽤预测性分析来最⼤化上游和下游运营中的资产效率和完整性，包括涡轮机、电动机、离⼼泵和压缩机在内的关键旋转设备。 从⽽实现更快的⼊职速度，更快的熟练度达成时间，降低54％的⼊职成本。 评估制造业中⼈⼯智能技术采⽤的框架 显然，⼈⼯智能有巨⼤潜⼒来改变制造业运营。解锁这⼀潜⼒的关键之⼀是确定在何处以及如何部署这项技术。在这⽅⾯，⼀个⼆维优先框架可以帮助制造商简化关键⼈⼯智能应⽤的选择，并采取战略性和知情的⽤例优先排序⽅法。该框架根据两个维度评估每个⽤例：1）潜在影响和2）与现有解决⽅案相⽐易于实施性（⻅图2）。 ⼆维优先级框架可以帮助制造商简化关键⼈⼯智能应⽤的选择。 通过使⽤影响潜⼒和可⾏性的标准，我们可以将⽤例分类为四种不同类型，这有助于制造商确定在何处投⼊他们的⼈⼯智能努⼒（参⻅图3）。正如图3中的⽰例所说明的那样，许多“低挂果”⽤例提供了⾼潜在影响和相对容易实现的优势，因此应该得到制造商初始关注的⼤部分。 注: 这个评估是针对特定的制造⼯⼚。它仅具有说明性质，并不普遍适⽤于所有⼯⼚，因为许多因素可能导致显著不同的结果 制造业中⼈⼯智能整合的关键成功因素 除了确定优先级⼈⼯智能使⽤案例外，制造商必须跨企业整合⼈⼯智能，以成功地扩展⼈⼯智能的使⽤和影响。有效的⼈⼯智能整合取决于四个关键因素。 具有重要的经济影响。应⽤⼈⼯智能的任务应该影响系统的财务⽅⾯，⽆论是收⼊还是成本⽅⾯，并且具有企业认为合理和有益的投资回报率。例如，如果在⽣产汽⻋零部件的⼯⼚中，实施⼈⼯智能可以显著增加产量，那么在这种环境下，财务利益使得投资于⼈⼯智能以提⾼效率和盈利能够得到经济上的合理解释。—业务需求。为了确保选择适合AI驱动解决方案的问题，制造商必须准确定义AI可以解决的具体问题。这样做对确保最终选择的AI解决方案确实是必需的、将被适当使用并且能够取得积极投资回报至关重要。根据我们的经验，适合AI的业务问题具有四个关键特征： 数据和流程的建⽴。开发⼈⼯智能系统可能成本⾼昂，其有效性在很⼤程度上取决于输⼊算法的数据的可⽤性和质量。常⻅的数据问题包括数据访问、格式化和集成⽅⾯的困难； 数据和流程的建⽴。开发⼈⼯智能系统可能成本⾼昂，其有效性在很⼤程度上取决于输⼊算法的数据的可⽤性和质量。常⻅的数据问题包括数据访问、格式化和集成⽅⾯的困难； 涉及许多决策。⼀个例⼦是管理和优化在制造⼯⼚内多个装配线或机器⼈臂之间任务分配的分配。⼈⼯智能可以帮助确定最有效的⼯作负载分配以优化⽣产流程。— 对数据隐私的担忧；以及在制造环境中建⽴治理协议。解决这些问题的关键在于公司对全⾯数据管理的坚定承诺。 需要处理⼤量的数据。这可能包括历史数据，如制造业表现，⽣产量，错误率，⽣产成本以及在相当⻓时间内需要的资源。— 受益于复杂模式识别。当简单⽅法不能⽴即显⽰模式时，可以使⽤⼈⼯智能。例如，⼈⼯智能可以识别装配线上产品中难以被⾁眼检测到的缺陷。⼈⼯智能系统可以分析纹理、颜⾊或形状的微⼩变化，以更有效地检测缺陷，特别是当⼈类判断不确定时。— 此外，⼈⼯智能整合可以显著改变运营模式，⾃动化例⾏任务，使员⼯能够专注于更具战略性和增值性的活动。然⽽，这种转变带来了社会挑战，特别是关于需要员⼯适应的问题。获得组织各级别的⽀持⾄关重要以解决这些问题。确保所有⽤⼾了解技术的⽬的和重要性也⼗分关键，综合培训计划以及有关⼈⼯智能职能与益处的清晰沟通也是⾄关重要的。 此外，选择或开发先进的分析⼯具⾄关重要。这些⼯具不仅必须处理⼤量数据，还必须提取能够推动战略决策的有意义⻅解。 将⼤量原始数据转化为有价值的可操作情报的能⼒⾄关重要，突显了⼈⼯智能在复杂运营环境中的变⾰影响。 ⼈⼯智能应⽤中的额外挑战包括理解⼈⼯智能的商业影响以及现代化陈旧遗留系统的需求。虽然缺乏⽤于评估⼈⼯智能价值的明确指标会使理解其商业潜⼒复杂化，但许多⽤例，如缺陷检测和调度优化，具有明确的商业案例。评估特定问题的财务影响，如计划外停机时间、浪费或产量，与⼈⼯智能可以带来的价值息息相关，使得⼈⼯智能在许多应⽤中的商业案例⾮常清晰。 建⽴流程以维护和积极利⽤⼈⼯智能技术⾄关重要。定期更新、持续监控和反馈循环可以帮助确保有效使⽤⼈⼯智能模型和数据。 通常，由于组织缺乏理解或参与，模型和数据被低估利⽤。通过培养重视和理解⼈⼯智能的⽂化，企业可以最⼤程度地发挥其⼈⼯智能投资的好处。 员⼯再培训。许多公司缺乏在其运营中有效实施⼈⼯智能解决⽅案所需的专业知识，这些组织不需要在内部开发深度⼈⼯智能技能。相反，他们应该培训员⼯熟练使⽤和理解外部平台提供的⼯具，并专注于加强已经存在于许多组织中的数据管理技能。公司还可以为初始⼈⼯智能实施引⼊临时⽀持或承包商，避免永久性地新增⼈员，并抵消潜在的成本节约。 融资。在制造业中有效整合⼈⼯智能通常需要⼤量投资，融资是⼀个关键的成功因素。政府通常在通过提供定制融资计划—如软贷款或税收优惠—来促进公司采⽤⼈⼯智能技术⽅⾯发挥关键作⽤。这种财政⽀持可以帮助减轻实施⼈⼯智能解决⽅案所带来的初始成本，使制造商能够投资于增强⽣产效率和竞争⼒的创新⼯具和流程。⼀个例⼦是德国联邦政府的⼈⼯智能⾏动计划，旨在扩⼤计算能⼒并资助⼈⼯智能卓越中⼼。其中⼀个值得⼀提的项⽬是海尔布隆的⼈⼯智能创新园区（IPAI），将是欧洲最雄 amb ⼈⼯智能⽣态系统之⼀。其⽬标是为创业公司、企业、研究机构和公共部⻔利益相关者提供将⼈⼯智能应⽤于实际应⽤的机会。政府还宣布计划提供175 亿欧元的资⾦来⽀持科技创业公司。 增