由VeronikaZizkova拍摄的照片 基尔尼,布拉格 制造业中的AI:这项技术将如何颠覆行业及其参与者 介绍1 人工智能的应用 在生产制造中2 评估人工智能技术的框架 制造中的采用4 人工智能集成的关键成功因素 在生产制造中6 对人工智能过度依赖的风险8 摘要10 在我们新系列的第一篇文章中,凯尔尼专家探讨了人工智能如何革新制造业并满足关键的市场需求。文章考察了人工智能成功整合的关键因素以及人工智能依赖性增加的潜在风险 。 人工智能(AI),指的是计算机科学的一个分支,它使机器能够模仿人类智能并执行通常需要人类认知能力的任务,正在改变制造业。尽管存在关于数据复杂性、技术挑战以及潜在风险和伦理问题的持续担忧, 全球制造商是将AI解决方案整合到他们的生产线上为了生产更高品质、更大批量的商品,减少浪费和成本,并最终提高利润率。 沙特阿拉伯也正通过其《数据与人工智能国家战略》大力投资人工智能研究与开发,取得了显著进展。该战略于2020年10月启动,旨在到2030年将沙特阿拉伯定位为全球人工智能领导者。它包括培训2万名人工智能和数据专家以及建立300家人工智能初创企业的雄心勃勃的计划。以200亿美元的重大投资目标.该战略是旨在跨行业整合人工智能的更广泛愿景的一部分,包括制造业,以提高效率和生产力。该战略由沙特数据与人工智能管理局(SDAIA)推动,该机构在实施王国范围内的人工智能计划中发挥着关键作用。工业与矿产资源部与SDAIA合作,最近揭幕了制造与采矿人工智能中心,以释放数据与人 工智能的全部潜力,支持王国成为全球物流中心的战略目标。该人工智能中心有望革新工业和采矿生态系统,通过创新解决方案应对行业挑战,并在这些行业中推动人工智能技术的广泛应用。此外,未来工厂计划等项目提供资金激励和培训机会,以支持这些工作。 全球范围内,政府和私营部门正竞相将自己定位为制造业AI领域的先锋。例如中国,不仅确立了在制定AI法规方面的先驱地位,还战略性地集中这些努力来提升其制造业。“中国制造2025”计划旨在将中国从低端产品生产商提升为高科技和先进制造业的世界领导者 加入人工智能技术来增强生产质量和效率。 在美国,人工智能治理的关键举措包括成立美国人工智能安全研究所,旨在推广负责任的人工智能实践。支持这些工作的还有有针对性的联邦项目,例如美国国家标准与技术研究院(NIST)的制造业美国研究所,该研究所专注于通过增强制造业人工智能来提高韧性和生产力。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,特别是旨在通过自动化和确保生产过程的安全来提升效率。这些行动突显了美国在推动制造业人工智能应用方面的战略驱动力。 在本文中,我们讨论了人工智能对制造业的潜在影响,包括人工智能最佳应用的位置和方法。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,考察了人工智能集成的后果,并考虑了实施挑战以及与人工智能高度依赖相关的风险和伦理困境。 制造业中的AI:这项技术将如何变革该行业及其参与者1 制造业正站在重大变革的边缘,众多应用展示了人工智能在整个制造业价值链中提升制造业超越现有解决方案所提供的巨大潜力。图1说明了人工智能如何集成到制造业价值链的各个阶段中——既是核心应用,也是使能应用。 材料发现。传统的新材料发现方法长期以来依赖于实验室中耗时且反复试错的流程,在成功之前往往需要数年的实验。随着用于材料发现的人工智能软件(例如OsmiumAI)的应用,情况可能会有显著改变,该软件使工业客户能够预测新材料的物理性能,然后进一步改进和优化这些新材料。 六个领域,特别是,能看到AI应用带来的最大潜在影响。 图1 人工智能可以通过多种典型方式融入制造业价值链的各个阶段 核心价值链应用 研究和发展材料 发现产品设计和开发 规划和采购采购 策略优化 生产场景模拟合同/RFP 生成和智能 供应商关系管理成本优化 生产和操作处理和 制造设计 能源管理预测性 维护缺陷检测 和加工优化 安全和风险分析器 物流和分布仓库布局以及插槽路线优化库存 优化 客户分析客户 情感分析 实现应用程序 销售与营销价格优化 信息技术知识管理 人力资源数据管理 培训和入职项目智能招聘解决方案 注意:RFP是提案请求。来源:Kearney分析 2制造业中的 一个成功的案例是微软AI,它发现了一种新的固体电解质材料 ,名为N2116,该材料可将电池中的锂使用量减少70%,有可能缓解迫在眉睫的锂短缺。这个由AI驱动的流程筛选了3200万种材料,并选择了前18种,在不到九个月的时间内就得到了一个工作原型,为能源存储提供一种潜在的可持续替代方案由于锂需求激增。 工艺与制造设计。人工智能可通过其通过传感器捕获信息并将其处理以辅助决策的强大能力,实现生产方式的革新。在设计阶段,人工智能驱动的“智能”数字孪生优化了新生产线和设施的创作。通过模拟真实世界条件,这些数字副本使制造商能够识别低效环节,自动化流程,预测结果,并做出数据驱动决策,最终提高生产力并降低成本。例如,总部位于台湾的电子制造商仁宝集团,利用英伟达产品构建了人工智能驱动的数字孪生,模拟并优化了工厂运营。仁宝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,以协作规划、模拟和优化其生产线,提供关于设施、设备和维护任务的实时洞察。现在他们的团队能够快速有效地识别和解决运营问题. 缺陷检测与工艺优化。AI可以 通过检测视觉来识别产品中的缺陷模式,从而提高产品质量和 最小化缺陷和不良单元。公司可以进一步使用缺陷检测自动调整 响应已识别问题的工艺参数 和停机。沃尔沃是受益的一家公司从该领域的AI。这家汽车公司部署了基于摄像头的AI工具来检查视觉模式在他们的轮胎和底盘上预测 一个更短的寿命。汽车修理厂也可以使用这些模式识别AI工具用于查找缺陷和裂纹. 库存优化。通过利用机器学习算法,人工智能工具可以比传统统计方法、基于规则的系统和基础库存管理软件等现有方法更有效地减少缺货并提高预测准确性。人工智能模型可以通过结合一系列因素——包括需求预测、提前期、安全库存要求和仓储成本——并考虑仓库空间有限、库存周转目标以及订单履行率等限制条件来优化库存。例如,贝克休斯公司实施了C3.ai的库存优化工具,以有效地使库存水平保持一致 ,从而提升订单填货率、准时交付和现金流优化. 培训和入职项目。人工智能通过改进焊接、装配和设备控制 等关键领域的技能发展,革新了培训和入职流程。通过分析源自制造流程和用户反馈的数据集,人工智能针对参与此类任务 预测性维护。人工智能驱动的预测性维护超越了诸如定期人工维护、基于时间的检查和基本预测分析软件等传统方法,通过分析来自CNC(计算机数字控制)或传送带等机器的历史数据来优化设备性能。它构建了一个能够精确复制每台机器的模型,并提供有关温度和压力等关键参数的实时洞察,同时预测部件寿命以预见故障并防止昂贵的停机时间。阿布扎比国家石油公司(ADNOC),作为阿联酋的石油和天然气巨头,提供了一个例子。该公司利用预测分析来最大化资产效率和完整性跨越上游和下游运营,涵盖其关键旋转设备,包括涡轮机、电机、离心泵和压缩机。 员工的实际需求定制培训模块。与标准化或一刀切的培训程序等传统解决方案相比,这种个性化方法确保培训内容能够精准应对制造环境中的独特挑战和要求,从而加速新员工的入职流程。财富500强的美国工业工具和家用五金制造商StanleyBlack&Decker利用人工智能丰富其Craftsman工具箱的焊接和折叠流程培训。通过使用DeepHow的人工智能编辑器,该团队捕捉了经验丰富的团队成员在岗操作,并开发了一系列专家指导的教学视频用于部署在车间。这导致了更快的入职速度,更快的熟练时间,以及入职成本降低了54%. 制造中的AI:这项技术将如何颠覆行业及其参与者第3章 显然,人工智能具有巨大的潜力来改变制造业的运营。释放这种潜力的关键之一是确定在哪里以及如何部署这项技术。在这方面,一个 二维优先级框架能够帮助制造商简化关键AI应用的选择, 并以战略性和信息化的方式来处理用例优先级排序。该框架基于两个维度来评估每个用例:1) 潜在影响和2)与现有解决方案相比,实现的便捷性(见 图2) 图2 一个二维优先级框架可以帮助制造商简化关键人工智能的选择应用 影响潜力评分标准描述 i)安全增强 潜在提升安全协议和最小化风险 ii)成本降低/成本规避 降低成本,提高质量与生产力(例如,提高支出)可见性,减少库存和运营支出,最小化停机时间,减少维护开支,减少浪费,提升整体生产力和效率等) iii)创新进步 通过开发新产品或改进现有产品来创造优质产品的潜力 iv)容量增加 提升制造能力,能够生产更多产品 实施简便性评分标准描述 i)技术成熟度 所采用的技术(软件)的先进程度和准备情况 ii)基础设施准备情况 现有基础设施(硬件)支持人工智能实施的准备情况解决方案 iii)数据可用性 数据用于训练、验证和测试模型的质量和充分性 iv)开发成本 估计用于人工智能的开发和实施的财务资源科技 v)监管考虑 伦理、安全、隐私和语言问题的复杂性,以及监管合规要求 来源:凯文分析 制造业中的人工智能:这项技术如何准备革新该行业及其参与者4 通过使用潜在影响和可行性,我们可以将用例分为四种不同的类型,这有助于制造商确定将他们的AI资源投入到哪里 (见图3)。如图3中的示例所示,许多“低垂的果实”用例提供了高潜在影响和相对容易的实施——因此,应该获得制造商大部分初始关注。 图3 我们可以将用例分为四种不同的类型,这有助于制造商确定他们的AI工作应该放在哪里 高III.可选功能I.易如反掌 采购策略优化 支出优化智能招聘解决方案 知识 库存优化 管理路径优化 价格 优化 生产场景模拟 预测性训练和维护入职项目 lntiaotep影响 数据能量 管理管理 价值链用例图例 核心使能因素 供应商关系管理材料发现 仓库布局以及插槽 缺陷检测和流程优化 客户 情感分析 合同/招标文件生成并且智能 产品设计和开发 Processand制造设计 分析器 安全和风险 注意:此评估仅针对特定的制造场所。它只是说明性的,并不普遍适用于所有场所,因为许多因素可能导致结果显著不同。此评估具有行业特定性,取决于每个工厂独特的条件和实践 。资料来源:Kearney分析 低IV.禁区低 II.重大赌注 短期实施的可行性高 人工智能在制造业:技术将如何颠覆行业及其参与者5 除了确定优先的人工智能应用案例外,制造商还必须在整个企业中整合人工智能,才能成功扩展人工智能的使用和影响。有效的的人工智能整合依赖于四个关键要素。 业务需求。为确保他们选择适合人工智能驱动解决方案的问题,制造商必须准确界定人工智能可以解决的问题。这样做对于确保最终选择的人工智能解决方案确实是必要的、能够得到适当使用,并且能够获得正的投资回报率(ROI)至关重要。在我们的经验中,适合人工智能的商业问题有四个关键特征: —具有显著的经济影响。人工智能应用的任务应影响系统的重大财务方面,无论在收入还是成本方面,并具有企业认为合理和有益的投资回报率。例如,如果人工智能能够显著提高汽车零部件生产工厂的产量,那么实施人工智能在经济上就可以得到合理化。在这样的环境下,财务风险值得投资人工智能来提高效率和盈利能力。 —涉及许多决策。一个例子是管理并优化在制造厂中多条装配线或多个机械臂之间的任务分配。人工智能可以帮助确定工作负载的最优分配,以优化生产流程。 数据和流程建立。开发人工智能系统可能成本高昂,其有效性严重依赖于输入算法中的数据可用性和质量。常见的数据问题包括数据访问、格式和集成方面的困难;对数据隐私的担忧 ;以及制造环境中治理协议的建立。解决此类问题的关键是公司对全面数据管理的坚定不移的承诺。 —需要处理大量数据。这可以包括历史数据,例如制造性能、生产量、错误率、生产成本以及在一段时间内的资源需求。