工业 4.0 为利用数据提高生产自动化、吞吐量、质量和效率创造了新的可能性。虽然许多公司都专注于数据的创建和收集，但真正的价值——而且其中很大一部分——来自于将数据用于解决具体的业务问题。
早期采用这些技术的工厂正在实施这些技术。麦肯锡去年发布的一份报告介绍了工业 4.0 的影响，包括工厂产量增加高达 200%、产品成本降低多达 40% 以及上市时间缩短多达 90%。
为了成功利用这一新技术浪潮，必须首先定义他们试图解决的问题（例如“减少返工”），然后定义技术和解决方案（软件和/或硬件、人工智能、机器人等）。 ) 然后才决定需要哪些数据以及如何获取它。
考虑到这个框架，如果一个人开始收集数据只是为了 t为了拥有数据，这就像本末倒置。
现在，对于要解决的特定业务问题，我们还可以设置关键绩效指标 (KPI) 来衡量项目的成功，或者简单地说，它的投资回报率。为了演示这种方法，让我们看一个例子：他们希望解决的问题、所采用的方法以及衡量的投资回报率。
示例：航空航天一级供应商
项目目标：提高准时交货率，提高吞吐量并减少材料报废（主要是复合材料，价格昂贵且时间敏感）。
p>
采取的方法：应用基于人工智能的软件为用户提供可操作的分析：关于延误、瓶颈和质量问题的预测警报，以及关于如何解决这些问题的具体建议。这将通过收集相关数据、学习历史生产模式并了解当前和预期的生产情况来推动这些分析来完成。收集的数据来自当前系统（ERP、MES）的计划时间表和工单进度，以及实时跟踪整个工厂的原材料和零件的传感器。
根据这些数据，人工智能被用于：监控原材料、预测和提醒过期；预测生产延迟或瓶颈，提醒生产人员并根据需要重新安排/加快工作，并以最佳方式将特定材料分配给工作，确保制造过程在材料过期之前完成。
仅靠数据并不能解决问题手头，但肯定人工智能必须有一些数据才能工作。但是，先定义问题，然后再定义解决问题所需的数据，可以大大减少数据收集和集成的挑战。
衡量的 KPI 和投资回报率：项目团队专注于三个 KPI：
总而言之，人工智能和工业 4.0 使我们能够远远超越报告和仪表板，以应对制造商当今面临的挑战。实施工业 4.0 解决方案的重点必须放在商业价值上。这将指导您找到适合贵公司需求的正确解决方案，并推动正确选择技术。实现了顶线和底线收益。与任何其他投资决策和技术采用一样，必须努力量化这些收益。
