大變革！機器學習如何改變製造業？
引言：機器學習可以參與到製造業加工的整個生產流程中：在生產過程中通過供應鏈和維護方案優化降低生產成本和提高生產的效率和質量，最後還能通過差異化的定價獲取最大化的利潤。
每個製造商都有很多可能把機器學習運用到自己產業中，通過獲得對產品的前瞻性思考會讓他們更具競爭力。
機器學習的核心技術正好能解決現今製造商們面臨的問題。從努力維持供應鏈運轉，到定製化生產，再到按時完成訂單任務，機器學習演算法可以為每個生產環節提供更高的預測精準度。開發出的很多演算法都是迭代型的，它們能夠持續不斷地學習並尋求最優解。這些演算法能在幾毫秒內反覆迭代，讓製造商在幾分鐘內就能找到最佳解決方案，而非之前的數個月。
機器學習變革製造業的十種方式：
1、生產力提升 20%，材料消耗率降低 4%。利用數據預測分析和機器學習的智能製造系統有潛力提升生產單元以及整個製造廠級別中機器的收益率。下面的圖片來自通用電氣（General Electric），並被國家標準協會（NIST）所引用，總結了預測分析和機器學習的運用給製造業帶來的好處。
數據來源：: Focus Group: Big Data Analytics for Smart Manufacturing Systems
2、提供了更多相關數據，因此金融、運作及供應鏈團隊能更好地管理工廠和需求方面的約束。很多製造業公司的 IT 系統並不完整，導致交叉功能型團隊難以完成共同的目標。引入了機器學習，這些團隊的洞察力和智慧能被提升到一個全新的水平上，而他們優化產品工作流、存貨清單，在制品（WIP）以及價值鏈決策的目標就會成為可能。
數據來源: GE Global Research Stifel 2015 Industrials Conference
3、增強組件和局部層級的預測準確度，從而改善預防性維護與維護－修理－大修（MRO）的性能。把機器學習的資料庫、應用和演算法集成到雲計算平台已經很普遍了，亞馬遜、谷歌和微軟的雲平台公布就可以證明這一點。下面的圖片解釋了機器學習是如何集成到 Azure 平台上的。微軟授權 Krone 使用 Azure 平台，讓他們得以把製造運作流程自動化，以實現工業 4.0 目標。
數據來源: Enabling Manufacturing Transformation in a Connected World John Shewchuk Technical Fellow DX, Microsoft
4、實現狀態監控流程，讓製造商得以在廠房層級上管理整體設備效率（OEE，Overall Equipment Effectiveness），並將 OEE 從 65% 提高到了 85%。一家與塔塔諮詢服務公司（Tata Consultancy Services）合作的自動化原始設備製造商（OEM）改善了他們的生產流程，此前他們衝壓線的 OEE 一度跌至65%，停工時間達到了 17% 到 20%。他們的解決方法是，12 個月中，每 15 秒從設備上收集 15 個操作參量的感測器數據（比如油壓、油粘度、油滲漏以及氣壓），並進行集合。解決方案的組件圖下圖所示：
Source: Using Big Data for Machine Learning Analytics in Manufacturing
5、機器學習給智能客戶關係領域帶來了變革，Salesforce 迅速成為了行業領頭羊。Salesforce 正在進行一系列的併購活動。下圖中的表格來自柯文公司的研究報告（Salesforce: Initiating At Outperform; Growth Engine Is Well Greased），總結了 Salesforce 併購的一系列機器學習和人工智慧公司，並分析了他們的新產品發布走向以及併購帶來的預估收益貢獻。Alex Konrad 在他最近發表的博文（Salesforce Will Acquire Demandware For $2.8 Billion In Move Into Digital Commerce）中分析了 Salesforce 用 28 億美元收購電子商務供應商 Demandware 一事。柯文公司預測 18 個 財政年度中，Commerce Cloud 會貢獻 3.25 億美元的收入，其中賣出 Demandware 的收入佔了很大一部分。
6、機器學習演算法能判斷全公司哪些因素對質量的影響最大，哪些影響最小，從而為產品和服務品質帶來質的提升。對很多製造商來說，從公司核心部分的工作流層面上提升產品和服務質量是一項有挑戰性的任務。質量通常是孤立的。機器學習通過測定那個內部流程、工作流和因素對達到目標質量貢獻最大或最小，從而變革產品和服務質量。機器學習演算法還能預測質量和源決策對 DMAIC（定義、測量、分析、改進和控制）框架中的六西格瑪性能指標有怎樣的影響，從而讓製造商的製造過程更加智能化。
7、機器學習已經在通過優化團隊、機器、供應商和客戶需求提高生產效益。如今，它正在影響航空航天和國防、離散製造業、工業和高科技製造業的日常工作環境。製造商們更有效地利用了生產力，產品更趨於複雜和定製化，機器學習幫助它們優化了機器、受訓員工和供應商的篩選過程。
8、由於機器學習促成了生產服務訂購模式，製造即服務（Manufacturing-as-a-Service）的構想才得以實現。那些能支持迅速高度定製化流水線生產的製造企業現在能開展新的商業運作，為全球服務和銷售提供訂購率。那些面臨製造成本猛增的快速消費品（CPG）和電子產品的供應商和零售商很有可能訂購製造服務，並在品牌化、營銷和銷售上增大投入。
9、機器學習是優化供應鏈和創造更大規模經濟的理想手段。對於很多複合型製造企業來說，超過 70% 的產品都源自於供應商，這使得他們需要權衡先滿足哪一個買家的需求。有了機器學習，買賣雙方就能更有效的合作，減少缺貨的情況，提高預測精確性，按期或提前完成客戶訂單。
10、在合適的時間知道對特定用戶的合適定價以獲得最大的利潤，而且使用機器學習完成交易將變得隨處可見。機器學習正在擴展今天的企業級價格優化應用所提供的一切。最顯著的一處不同是：會有新的建議策略用來實現價格的優化，從而完成交易。
請您繼續閱讀更多來自 機器之心 的精彩文章:
LeCun 談對抗性網路：如何打造出更加聰明的人工智慧？谷歌、斯坦福等合著論文：制定機器人技術五大定律這部機器比史蒂芬.庫里更懂得投籃MIT人工智慧實驗室：讓機器預測下一秒的世界
TAG:機器之心 |
※馬云：技術變革帶來就業變革，創新也非常之大
※李鍾碩改變了秀智命運 水木劇的格局也大變革
※技術變革帶來的機會
※纖維新材料能改變世界？國際化纖會議用技術創新推動產業變革
※天翻地覆的變革 AI將如何改變人類社會
※如何進行以能力為本的文化變革？
※五招打造適應變革的組織文化
※企業變革管理系統第四講——變革的七大加速器
※企業並不怕嘗新 業務變革的技術們
※醫藥行業新變革導致的財富再分配，你準備好了嗎？
※人工智慧如何變革會計行業
※移動互聯時代，企業管理如何變革？
※機器人將成產業變革新爆點
※從「製造」到「智造」：風口下的中國製造應該如何變革？
※烏克蘭「幻影」機器人，軍事變革新動向！
※打造學習型組織—宏圖三胞變革文化工作坊
※紙張曾幫助塑造文明，技術變革卻引發恐慌業界
※A股吃相最難機構調研新動態，或有大變革
※醫藥產業迎來新一輪大變革