我在今年工业数据峰会的下午圆桌会议上讨论了“互联产品创新”和“人工智能与机器学习”。在工业数据峰会上，高管们齐聚一堂，讨论如何最好地利用和利用数字技术的力量——图片由 The Manufacturer 提供。 2019 年工业数据峰会在伦敦的 Mary Ward House 举行，与会者在一天中轮流参加由行业专家和世界级制造商共同主持的一系列基于圆桌会议的 30 分钟对话。这种创新形式使与会者能够从近十几个讨论主题中选择他们的话题，包括：互联产品创新、数字技能、数据安全、预测性维护等。
互联产品创新
下午三场圆桌会议中的第一场由 Suresh Daniel 主持，数据和档案世界领先的工业线业务 Coats 的技术集成总监和微软制造解决方案总监 Ruptesh Pattanayak。对于所有关于互联工厂和供应链的讨论，组织如何实际连接它们的各个方面和流程以加速创新和上市时间？互联产品创新可能就是答案。它通过使制造商能够使用负担得起的、可扩展的云功能来设计和验证产品来加速产品开发，根据 Microsoft 的 Ruptesh 的说法，这种方法具有几个明显的优势：缩短连接产品的上市时间结合连接产品的洞察力以简化原型制作创建数据-驱动产品和服务，使您的业务在新服务/数字经济中脱颖而出实现定制化，增加价值，同时建立客户忠诚度以及按需扩展和保持预算的能力“产品已经经历了重大的数字化转型，”Ruptesh 指出，“这带来了难以置信的客户和运营数据。这种能力极大地提高了组织通过新产品或解决方案满足特定客户需求的细粒度能力。与其在一端进行研发，在另一端与客户分开，闭环允许各方相互沟通并经常（如果不是经常）共享反馈/见解。这两个转变的结合使制造商处于以比以往更快的速度推出新的、更好的、更智能的产品的压力越来越大。然而，与会者指出，他们目前的创新过程在时间、材料和劳动力方面有些脱节、复杂和浪费。Cl点击以下链接，阅读峰会小组讨论、主题演讲和圆桌会议的概览：
2019 年工业数据峰会：要点
主题演讲：数字连续性到底是什么，为什么如此对工业企业很重要？
小组讨论：有效的变革管理是数字化转型成功的关键吗？
想要打破业务孤岛？停止使用电子表格！
主题演讲：制造商需要了解的人工智能趋势
主题演讲：质量控制——大数据分析与人工智能的交汇点
主题演讲：供应链分析：机遇和早期经验教训
圆桌会议：工业物联网、大数据和供应链洞察
此外，对于所代表的许多企业而言，大部分他们的 SKU 要么是旗舰产品，要么是高度定制的定制商品，这给他们的业务带来了特殊的挑战。组合是你最畅销的产品和你所知道的，你如何拥抱变化，”一位食品和饮料制造总监问道。“我们的客户需要定制，但这会导致更大的操作复杂性。它增加了我们成品 SKU 和材料库存的数量，并限制了我们在需求预测方面的智能，”另一位与会者指出。解决方案是否在于让合适的供应链主管与制造、工程和销售一起坐在桌子旁？另一个问题提高的是传统制造组织需要支持来收集他们现在可以获得的消费者数据。与传统的焦点小组相比，社交媒体可以提供更广泛的客户体验、产品使用、需求高峰和反馈分析的见解，但收集这些任何信息，更不用说在足够短的时间内利用它来发挥最大效果，都远远超出了您的保护范围非典型制造商。连接产品也是如此，Ruptesh 说。 “您在现场使用的数以千计的产品可能会将数 TB 的信息带入您的组织，但您需要围绕这些数据最终存储和使用的位置制定策略，”他总结道。人工智能(AI) 与机器学习
制造商对 AI 技术表现出更大的兴趣，因为他们试图理解快速增长的数据量和来源，更不用说将更多数据驱动的决策纳入他们的流程。我的第二个下午的圆桌会议探讨了 AI 与机器学习，由跨国建筑巨头 Laing O'Rourke 的高级软件架构师 Sabine Mavin 和惠普企业 (HPE) 的首席技术专家 Matt Armstrong-Barnes 主持。定义各不相同，但该小组的共识是机器学习ing 是 AI 的一个子集，它为系统提供了自动学习和改进经验的能力，而无需明确编程。它专注于开发可以访问数据然后自己探索、分析和利用这些信息的工具和算法。他们甚至可以从这些经验中学习，并通过云的连接，在几秒钟内在全球范围内分享这些知识。它听到与会者说准确的预算和成本控制、响应式规划和动态预测是他们认为 AI 产生最大影响并产生最大收益的领域，这并不奇怪。“你可能想提高生产效率流程、建立更深层次的客户关系或提高定价准确性，”一位供应链主管指出，“但这只能通过更统一、更准确的预测、规划、模拟和情景分析方法来实现。 1% 的改善这可以在整个供应链中产生可观的收益或成本节约。”大多数企业都处于“探索”阶段，不确定人工智能可以在哪些方面使他们的组织受益。“如果你的数据集很大，人工智能非常擅长预测和发现模式并可能提供商业价值，”HPE 的 Matt Armstrong 指出。 “一个很好的起点是要么与您的运营技术挂钩，要么通过视频分析之类的东西超越它们以确保质量。”劳动密集型任务。自然地，这会导致注意力不集中和遗漏事情。随着相机的增加和由此产生的屏幕数量的增加，使用人工操作员不再有效。这就是 AI 的用武之地。AI 是进行 QA 的完美人选，因为算法是 beco制造越来越复杂，这推动了可靠的准确性。系统现在能够高度自信地判断成品是否符合质量标准，或者是否必须拒绝或返工。在选择潜在的生态系统合作伙伴时，马特建议进行研究选择与您有相同文化、具有相关行业或部门经验并且可以展示以往成功经验的技术供应商。
