在制造业中有很多关于机器的炒作——机器人、协作机器人、增材制造、智能设备、传感器等。传统的投资回报率模型围绕这样一个想法，即节约等于将人员从装配线上移除。
自动化直接人工是一种普遍的看法，因为大多数制造商认为他们提高生产力的主要途径是自动化。人类已经被优化了。我们已经从人类工人那里获得了最好的，没有更多的效率可以提高，没有更多的改进。
Drishti 创始人兼首席执行官 Prasad Akella我来作证这些信念不仅已经过时，而且使制造商处于严重的竞争劣势。
那么，如何提高装配线上人工的效率呢？通过使用与人合作的 AI。
在 ma在制造业中，公司使用 AI 来增强人类员工的能力，在正确的时间向正确的人提供分析和见解，以改进决策制定。
想象一下，您正在生产线上工作，但错过了第二个螺丝在散热器盖上，平板电脑会显示警报，提醒您仔细检查您的工作。或者假设您是一名质量工程师，试图确定需要从数量为数千的批次中报废哪些单元。如果您可以进行基于视频的即时根本原因分析，并通过序列号缩小有缺陷的确切单元范围，会怎样？
人工智能在行动：墨西哥的案例
为了更好地说明这一点，我想分享我们的一位客户（一家一级汽车供应商）在其位于墨西哥瓜达拉哈拉的工厂的经验。作为一家精益制造商，该客户非常重视标准化工作的遵守情况。但是轮班负责人必须监视两到四条生产线，而且他们要花很多时间国王身边。即使尽职尽责，他们也一定会错过标准化的工作偏差。
他们部署到每个站点进行直播和录制视频。因此，他们能够更快、更准确地检测出不依从性。这种对提高遵守率的关注使这些生产线的缺陷率降低了 30%，并在 12 周内平均为每个缺陷节省了 10,000 美元
该公司还举办了一次改善活动。但是因为它有 AI 自动生成周期时间数据，所以它能够在 1,000 多个周期内进行改善，而不会中断工厂车间的活动，也不需要工业工程师花费专门的数据收集时间。
该团队使用这些数据确定了将效率提高 11%、将废料减少 15% 并提高标准化工作依从性的方法。最重要的是，改善比传统活动缩短了 50%。
真正启发我的是来自客户团队的反馈。什么时候在首次安装 AI 时，生产线员工对在他们认为持续不断的监视下工作感到紧张。
一旦他们看到 Drishti 的运行情况，并能够使用提供的分析和见解来改进他们自己工作并帮助集思广益进行全系统流程改进，他们立即看到了 AI 带来的新可能性，并开始对系统发挥创意。
从领导团队到工厂经理再到生产线员工，它很快成为很明显，工厂中的人工智能是帮助人类工人取得更大成功的绝佳解决方案；人工智能增强而不是取代人类工作者能力的人机加场景。
