跨部门网络的建立提供了一种经济实惠的解决方案，可帮助制造商快速跟踪流程以跟上 AI 技术的步伐并大规模实现影响深远的效率。
制造商在自动化方面处于领先地位。但他们现在面临着如何跟上新 AI 技术快速和不断发展的步伐的复杂挑战。
澳大利亚和美国的绝大多数制造商都是中小型企业企业。澳大利亚工业集团 2019 年的一份报告将澳大利亚 47,530 家制造公司中的 87% 归类为小型（1-19 名员工），7% 为中型（20-199 名员工）和 1% 为大型（200 多名员工）。同样，2019 年的一项 SCORE 调查将 98.6% 的美国制造公司定义为中小型企业。
规模对成功采用 AI 提出了独特的挑战，因为创新能力自然受到小员工群的限制。
p>
到com为了解决这个问题，昆士兰人工智能中心正在开发一个中小型企业计划，以确定在创建和/或采用人工智能技术方面展示最佳实践的灯塔组织，并将它们用作形成新实践社区的锚点。该网络将从昆士兰开始，并与我们的国际合作伙伴一起扩展，将于今年晚些时候建立。
这些灯塔组织不必成为制造商即可为制造业提供宝贵的经验教训；他们只需要“获得”人工智能。最重要的是，建立这些社区可以增强小型制造商的内部创新能力，让他们获得资源并降低相关成本和风险。
跨部门网络的建立提供了一种负担得起的解决方案，可帮助制造商快速跟进以跟上 AI 技术的步伐并大规模实现影响深远的效率。网络让新手从成功和错误中学习其他部门在 AI 实施方面处于领先地位。
多年前，我在金属制造研究中心 CAST 工作，该中心为当地的小型铝压铸商制定了最佳实践计划。由此产生的实践社区模型让公司共享信息，例如能源使用情况，以帮助基准测试和改进他们的内部流程，而不用担心放弃他们的竞争优势。
这个故事的寓意是什么？要大规模利用 AI 的优势，制造商需要加强其创新能力，更重要的是，要扩大他们的实践社区，以向其他以不同方式成功应用 AI 的行业学习。
AI 将从根本上改善制造业，尤其是在产品和流程开发领域。我们现在可以使用 AI，以进化算法的形式，为特定目的设计材料，然后将新材料整合到新 AI-imagin 的设计中开发产品和相关制造流程。
未来将看到越来越智能的机器应用于机器人曾经无法完成的任务（开门、爬楼梯）。虽然人类将继续监督生产过程，但几乎不需要他们在现场，从而加速了熄灯制造的趋势。计算机视觉与先进的传感器数据相结合，将在生产问题发生之前查明它们。机器人将订购零件和材料（或现场制造）并进行及时维修。实时质量控制意味着缺陷将在发生时被检测到并得到处理。
为了快速实现这一新现实，制造商需要利用在其他行业试验 AI 中获得的经验。
有关更多信息，请访问：
