运营稳健性和供应链弹性是制造商目前最优先考虑的两个问题。数据分析局 (T-DAB) 主席保罗·卡尔弗 (Paul Calver) 谈到了人工智能 (AI) 和机器学习 (ML) 的奇迹如何对此提供帮助。
在此处观看完整访谈
访谈要点
人工智能 (AI) 和机器学习 (ML) 在增强制造业弹性方面可以发挥什么作用？
首先，我认为 COVID 教会了我们在制造业中获得更强弹性的重要性。我们已经看到供应链中断，我们已经看到对劳动力的影响，我们已经看到与维持供应相关的所有问题。我认为人工智能和机器学习实际上是数字工具箱中唾手可得的成果。所有制造组织都有数据。我在这里（数字制造周）遇到的很多问题都已经过时了——‘我有所有这些数据，我能用它做什么？“AI 和 ML 的作用是它允许您利用这些数据并提高弹性、供应链的可见性、如何使用库存的知识以及使用预测性维护使机器的运行效率更高。它在增强力量和韧性方面发挥着关键作用。这引发了哪些新的优先事项和挑战？
最近的一些研究表明供应链安全非常重要。我们已经在运输问题和整个供应链中看到了这一点。人工智能和机器学习可以俯视供应链，它可以优化你的库存，它可以自动计算出需求和供应的变化。它可以将您的需求曲线与供应曲线联系起来，以便您可以优化制造过程。制造业依赖于稳定的或至少是众所周知的需求才能将产品推向市场。AI 提供了哪些机会什么时候涉及到数字化转型？
正如我所说，AI 和 ML 是数字工具箱中唾手可得的成果。每个人的工厂都有数据，他们可以使用这些数据来获得洞察力并获得运营绩效。它还可以用于支持劳动力，它可以用于 AI 虚拟助手，并用于确保在过程中检测到异常。它还可以预测未来并警告您将要发生的事情，以便您可以采取纠正措施——这是一个非常强大的工具。但我认为人们对可能的 AI 和 ML 的艺术缺乏了解，我们才刚刚开始意识到它对英国经济和制造业的影响有多大，新技术如何扩展:
工厂内部？
首先是预见性维护。在英国，由于对机器、生产线和设备进行计划外维护，我们每年损失超过 1800 亿英镑的生产力。过程。 AI 和 ML 可以立即解决这个问题，并可以预测何时可能发生故障并采取相应措施。它还可以协助实现产量优化和供应链可见性，如前所述。更普遍地说，在工厂内部，它可以用作一种工具，通过自动评估大量数据并从中理解所发生的事情，来帮助洞察和理解正在发生的事情。在工厂外？
这非常重要，因为它也与可持续性有关。未来，我们将拥有互联产品——我们将把产品作为一种服务来销售。为此，您必须能够将来自这些产品的数据转化为可用性级别和支持级别——AI 和 ML 会为您完成。然后当涉及到客户流失时——识别和预测当客户不再需要您的服务时，我们所做的项目实际上预测客户何时离开。然后可以进行干预，与他们交谈并找出他们离开的原因。人工智能和机器学习在识别客户行为方面被大量使用。您提到了可持续性——制造商如何才能最好地解决这个巨大的问题？
可持续性是一个有趣的问题。重要的是制造商要实现可持续发展并减少浪费、能源使用和用水。我参与了很多关于可持续性的讨论——数据和信息是其中的关键。如果你看一下统计数据，这是来自 The Manufacturer 和 IBM 的调查，对今天的管理者来说真正重要的是运营绩效和供应链稳健性.制造商需要让他们的运营继续下去，他们需要以可持续的方式进行——我认为可持续性是弹性的一部分。我们需要更好地更聪明地做事——我们需要优化我们的材料使用。这不仅仅是关于劳动r，这是关于材料的使用——它起着重要的作用。我们必须记住，除了可持续性之外，运营绩效、弹性和供应链安全是当今的问题。回顾今年智能工厂博览会第 2 天的一些亮点
