人工智能时代的制造业：进展与期望

由Tech-Clarity**发布了《人工智能时代的制造业：进展与期望》这篇报告。以下是对该报告的部分摘录，完整内容请获取原报告。尽管在供应链端充满挑战，但制造商们依然阔步向工业4.0迈进。大多数制造商们都明白，人工智能（AI）和高级分析可以助力做出更好的决策，进而带来商业效益。

1.工业4.0的进展

工业4.0愿景

未来的制造业将广泛采用更加灵敏的人工智能和智能自动化技术， 使得制造过程变得更加迅速便捷。这就是工业4.0的愿景，它还 包含其它广泛的含义，涉及了企业和供应链的方方面面，虽然在 制造领域往往面临着严峻的挑战，但同时也面对着巨大的机遇！

三年来的进展

当制造商开始实施工业4.0计划时，他们大都知道这将是一场历 时多年的修炼。我们能看到，大多数企业的变革过程都很顺利。 自2020年我们发布《制造数据管理挑战》（The Manufacturing Data Management Challenge）1调查报告以来，行业发展显著。 许多受访企业在工业4.0方面取得了巨大进展，并已从中获益。

2.时局不易

中断时间

上一次调查是在新冠疫情流行 时进行的。本次调查则是在疫 情终于开始消散时启动的。在 大多数情况下，大多数制造商 经历过的材料短缺问题依然存 在。在地缘政治的压力下，许 多企业纷纷选择以在岸外包、 近岸外包或友邦外包的方式更 换供应商。

压力下的制造业

外部供应链环境和内部调整都 给生产运营带来了额外的挑战。 作为供应商，许多制造商在交 货期和客户期望方面，压力陡 增。对客户来说，因为材料供 应商会变，价格和供应情况也 会随之波动，所以想让质量始 终如一也并非易事。

在时局动荡时采取行动

很明显，供应链不稳定的问题 不会显著缓解。鉴于需求波动 大，供应链不确定等这样的客 观情况，企业必须做好应对准 备，以维持正常运营。企业可 采取的措施包括改变产品组合、 尝试使用新材料，以及快速、 有效地解决质量问题。这时候 仅有数据甚至信息是不够的。 企业必须深入了解情况，做出 决策并采取行动，以维护利润、 保证品质，使客户保持信心。

3.成功的关键

数据管理

当被问及各类制造数据管理能力和技术对工业 4.0转型的重要程度时，大多数制造商都认为它 们是关键或重要的。普遍认为工业4.0转型后的 必备能力是数据管理。制造业的数据类型和来 源多种多样，收集和分析数据的实际难度比听 起来更难，但对成功来说却是至关重要的。将 OT数据与工厂IT数据融合起来的举措在榜单上 排名也很靠前，体现了大家对其的认可度。

智能和分析

良好数据管理的一个关键优势是能实现从数据 到信息再到见解再到决策再到行动的闭环。五 分之四的受访者认为，这对他们成功完成工业 4.0至关重要。 其中体现在两个具体方面—— 即分别向工厂的员工和办公室的员工提供可操 作的洞察，虽然得分不是很高，但仍然得到了 广泛认可。

集成技术，有效行动

大多数制造商计划利用技术以实现高效、可靠、 快速实现闭环的目的。工业物联网（IIoT）可以 为搜集机器数据提供支持。几十年来，使用集 成设备、工厂和企业系统一直是一个目标，而 这个目标也将继续成为工业4.0成功的基石。人 工智能（AI）和机器学习（ML）也可用于分析 与制造成果相关的各种数据集。这些能力的得 分也都很高。

4.实现从数据到行动的闭环

数据管理：概念视图

针对尚不熟悉制造数据管理的人员，我们在这里 提供一种有关数据管理的可视化闭环。它从概念 层面解释了制造业一致的数据管理系统的要素。

该图的底部中心是数据收集和提取。 无论 数据是来自IT还是OT，都是基础性的，也是 IIoT、传感器和许多员工记录实际情况的系 统发挥作用的地方。  这些数据需要经过结构化、协调化和存储 才能发挥作用。 考虑到庞大的机器阵列以 及需要定期更改的系统数据格式，这一过 程会非常复杂。  右下方是上下文数据和扩充。例如，机器数 据读数为10；只有增加上下文信息，才能确 定读数是否在预期范围内。 如果不在范围内，那么操作员、材料批次和 环境条件等可能会提供有用的信息以更全面 地描述情况。例如，该机器的操作员可能知 道应该调整什么或向谁求助。

在进行分析时，它可能会有助于确定问题根 本原因。这种洞察将更容易获得。 拥有洞察才能做出更好的决策。例如，你 是否将使用该材料批次做所有的工作或者 重新培训操作员？ 最后一个方面是确保有效行动。将决策与相 关制造应用中的行动触发因素联系起来能够 确保采取敏捷、有效的行动，而这些都对盈 利能力非常重要。

5.多方面掌控

目标：闭环

一致、完整的制造数据管理涉及多个方面。理想情 况下，信息流从源头到存储、协调、扩充，再到决策分析，最后进入 应用，以供采取行动。我们将此过程称为“实现从数据到行动的闭 环”，它确实非常复杂。

现实：数据流中的缺口

在现实中，大多数企业的数据流都存在缺口。我们的调查结果显示， 在我们列出的七个环节中，只有5%的企业在任何一个环节都没有人 工交接。在这个样本中，有一半以上的制造商表示在分析各种来源的 数据时存在数据流缺口。这可能是企业开展高级分析和大数据项目时 最关心的问题。从将OT数据转换为供IT使用的格式，到创建上下文 数据、生成洞察、做出决策和采取适当行动，每个阶段都有待改进。

次优结果

每次人工交接数据或信息时，流程都会变慢，并有出错的风险。决策 和行动一旦延误，往往会造成时间、材料和利润损失。在当今竞争激 烈的市场中，制造商可能无法承受这些损失。

6.制造数据管理中的挑战

数据问题

制造商在制造数据管理和实现数据到行动闭环方面，面临着各种 挑战。最常选择的问题是IT和OT系统有冲突数据。缺乏协调的 方法会让所有相关人员有挫败感。受访者还写道：缺乏用于分析 的实时数据收集，以及数据不一致。

人员配备

第二大常见挑战是更广泛的制造业技能短缺问题：缺乏专业熟练 的数据分析师和工程师2。数据技能与理解制造业中对数据和分析 具体需求的结合目前比较稀缺。其中一位选择“其他”的受访者 写道：“各级人员配备欠缺。”

流程

大量的流程带来了许多问题，比如将OT数据纳入IT数据集中。 其他挑战还包括添加上下文数据、同时分析IT和OT数据、从人工 智能中获得洞察，以及自信地从数据转移至采取行动。一位受访 者写道：“很难合并来自多个不同位置的数据以进行全局视角分 析。”只有5%的受访者表示没有遇到这些挑战。

技术

在本问题的其他字段中，还有一些其他回答，包括难以迁移到新 系统的旧系统。系统分散、系统升级以及实施新系统的成本。

（本文仅供参考，不代表我们的任何投资建议。如需使用相关信息，请参阅报告原文。）