執行概述
人工智能(AI)將從根本上破壞不僅我們生產的方式,但也是供應鏈的樣子。在10年,30 - 50%的生產過程將使用人工智能,將越來越多的嵌入式。
現在,我們中間的過渡和有許多用例顯示如何實現成功的人工智能。從這些案例研究有很多經驗教訓。外賣的一個關鍵是,90%的所有工作在一個人工智能項目實際上並不是關於人工智能,但完成它,這包括清洗數據,組織團隊,重組,將利益相關者在一起,等等。尋找更多的技術,成功的實現通常是基於microservice架構。這允許更快的部署和項目完成時間以及人工智能的有效生命周期管理,事情總是應該包含從一開始。
跨生命周期的主要挑戰包括:
- 的概念:質量數據的可用性
- 原型:集成多個利益相關者(領域專家、金融等)和他們的反饋/期望
- 好:適應變化
這種策略不僅提供了一個詳細的分析報告的關鍵挑戰,而且關鍵的解決方案和策略來避免它們。這一戰略報告總結了討論和學習從2事件在2021年年初,電弧在哪裏舉行的一個論壇研討會以及在線討論。公司支持這些事件包括IBM、微軟、NNaisense,輝瑞,菲利普·莫裏斯公司,菲尼克斯,西門子,福伊特。
人工智能的用例
用例使我們超越理論和拓展我們的思維包括現實生活中的問題。這些可能包括世俗的東西,如不同的時區,旅行限製的專家,甚至我們在人工智能基本挑戰。
微軟分享他們如何提供許多操作的骨幹。ERP的視覺範圍從設備層麵,創建一個無縫連接工廠。kpi改進共享範圍高達200%,平均50 - 100之間。也發現,這些改進生產力,解決關鍵的可持續性,敏捷,速度,以及定製。後者證明的事:沒有人工智能,將沒有批大小1與kpi接近批量生產。
IBM共享用例認知供應鏈適應破壞性事件以及公司流程的變化,以及如何實現它。破壞性事件不僅包括大流行,但其他經濟和自然的威脅經濟泡沫的破裂,洪水,火山,和其他極端天氣或氣候相關事件。一個成功的、有彈性的供應鏈需要能夠快速反應,這些“黑天鵝”事件。AI當然不是所有供應鏈事件的武器選擇,並有辦法確定人工智能是否適合你。IBM決定使用一個4-field矩陣沿軸頻率(特殊規律)和複雜性(基於規則的情景)。人工智能是最有效的在常規事件,這是相當複雜的,哪裏有足夠多的數據和人工智能能夠適應複雜的情況(見圖表)。這個分割是基於IBM的經驗,使用人工智能在他們的供應鏈。用例包括:
- 輸入部分
- 成品檢驗
- 測試操作監視
- 及時通知操作監控
- 質量檢驗(iPhone)
- 焊縫質量檢驗(威圖工廠)
- 使用機器人視覺檢查(連同波士頓動力公司)
西門子詳細共享其人工智能電子產品製造質量檢查用例。最重要的一個點在這個用例是“人工智能模型不會年齡就像好酒。”作為生產過程中數據漂移(不同溫度、輸入材料的質量和特點,機器磨損)的人工智能模型需要再次培訓,不斷優化。這也適用於任何結構性的變化,如產品轉換或改變期望的結果。而案例研究質量當然是特定的,經驗是通用的,幾乎所有的應用程序都是有效的。的一個關鍵知識是AI需要從一開始就生命周期的一個概念。西門子的方法通過將人工智能監控組件集成到生產工作流和微觀服務架構。功能包括:
- 模型的監控,包括預定義的指標監控的可靠性。
- 自動化通知關於性能和可靠性。
- 信息最有效的方式來恢複模型性能的數據變化。
- 連續、自動評價指標模型。
- 代的警報和通知的異常行為和回退到安全模式。
- 支持培訓和更新和隨後的重新部署到生產環境中。
菲尼克斯使用自己的生產過程的真實實驗新技術。這提供了很多好處,包括處理真實數據,看看東西也隻能在紙上或在現實生活中,當然,不斷優化操作。在這個過程中關鍵是數據分析之間的反饋回路和生產團隊。菲尼克斯使用獲得的見解AI來改造現有資產,整合新的資產,更有智慧地設計未來的資產。這一切都基於microservice的架構,使得:
- 敏捷流程的支持
- 持續交付,updateability生產
- 注重行動和決策
- 獨立的技術和工具
- 可伸縮性
- 支持快速解決問題
菲尼克斯也與大學緊密合作。這種方法當然需要更多的時間和更多的內部資源不僅僅是外包的人工智能專家,但它也使更深入地理解AI是如何工作的,它的功能和其局限性。當一個公司想要提供給客戶的經驗之後,與高校合作是一個很好的策略。的一個重要成果是通過聲音的理解過程,菲尼克斯能夠使用隻有3 - 5個百分比的所有輸入輸出信號來實現所需的結果。這意味著數據量(與相關聯的所有額外的工作和成本)需要相當小。
輝瑞為我們提供了了解他們當前的轉換過程,例子與自然語言處理維護。輝瑞的人工智能方法在製造業是有趣的有幾個原因:
- 當前的流行和輝瑞疫苗作為主要提供者。
- 製造成本是一家製藥公司的一個小因素,那裏的生產成本平均隻有大約25%的總成本。
- 公司的規模和全球擴張的本性。
共享的信息集中在兩個方麵:降低成本,按時交付產品的能力。上市時間是一家製藥公司的關鍵,可以使或打破利潤,隨著研發成本的上升持續賺錢的時間間隔,在一個給定的產品是全球萎縮。人工智能中使用框架符合IBM的分類複雜/態勢和規律。在這種情況下,技術使用NLP(自然語言處理)結合主題建模。在我們的會話,輝瑞也談到了團隊規模的必要,公司擁有近100000名員工,這是一個小團隊的遠少於20人。
表的內容
- 執行概述
- 人工智能的用例
- 人工智能實現挑戰
- 教訓AI部署
- 結論
ARC谘詢集團客戶可以查看完整的報告弧客戶門戶
如果你想買這個報告或獲得關於如何成為一個客戶的信息,謝謝聯係我們