释放人工智能在制造业中的价值

与下边了技术中心合作 释放人工智能在制造业中的价值 WHITEPPER DECEMBEr2022 封面：简·范，盖蒂图片社–内部：盖蒂图片社 内容 3前言 4执行概要 5介绍 61释放值通过人工智能在制造业 82揭示采用工业AI的常见障碍 113制造业中人工智能应用的集合 174实施可扩展工业AI应用的分步方法 21结论 22贡献者 25尾注 免责声明 本文件由世界经济论坛发布，作为对项目、见解领域或互动的贡献。本文所表达的调查结果、解释和结论是世界经济论坛推动和认可的合作过程的结果 ，但其结果不一定代表世界经济论坛的观点，也不一定代表其全体成员、合作伙伴或其他利益相关者的观点。 ©2022年世界经济论坛。保留所有权利。不得以任何形式或任何方式（包括影印和录音）或任何信息存储和检索系统复制或传播本出版物的任何部分。 2022年12月 释放人工智能在制造业中的价值 前言 ÖzgürBurakAkkol土耳其金属工业雇主协会主席 杰里米·尤尔根斯世界经济论坛董事总经理 土耳其已成为先进制造业的主要全球参与者，旨在促进 它通过第四次工业革命技术的地位。近几十年来，该国做出了重大努力，将自己定位为全球创新中心，擅长在各个领域的突破性公司中开发最先进的技术。人工智能（AI）技术应用是这项工作的一部分。原则上，人工智能可以在全球经济中释放超过13万亿美元，并使GDP每年增长2%。1然而，公司很难利用人工智能应用程序可以创造的价值。 本文旨在通过提供实际用例和关键推动因素来帮助利用其潜力 ，从而揭示人工智能在制造业和各个端到端系统中隐藏的潜力 。再加上世界面临的能源危机和材料短缺，制造业企业需要超越传统的运营方法，以提高效率和可持续性。 技术进步和社会政治困境的双重挑战要求采取新的合作形式，以应对日益增长的本地化需求，同时认识到 塑造全球影响的连通性驱动因素。认识到这一点，土耳其第四次工业革命中心——由 由土耳其金属工业雇主协会（MESS）建立的工业和技术部加入了世界经济论坛的第四次工业革命中心网络，这是帮助领导者预测新兴技术并推动其包容性和可持续采用的最重要平台。该网络将实地经验和行动与基于全球网络的协作、学习和扩展联系起来 。 本白皮书是论坛塑造先进制造业和价值链未来平台和塑造技术治理未来平台：人工智能和机器学习、土耳其第四次工业革命中心分支机构和MES之间持续合作的成果。 它重点介绍了组织关于人工智能在 制造业。它确定了社区关于如何通过使用人工智能提高制造业和价值链中的运营效率、可持续性和劳动力参与度的几个机会和经验教训。 我们希望这份报告能让决策者更好地了解如何释放工业人工智能 （AI）未开发的潜力。我们期待与您合作，负责任地部署这些技术。 执行概要 最近的全球事态发展以及不断增加的冲击和中断给已经动摇的全球价值链带来了进一步的压力。 当前影响制造业和价值链的挑战的复杂性要求我们超越提高生产力的传统手段，为企业、劳动力和环境发现下一波价值 。人工智能（AI）是行业转型的关键推动力，为解决业务问题和解锁创新开辟了新的途径，同时推动运营绩效、可持续性和包容性。尽管人工智能应用程序对制造过程的影响是已知的，但由于许多组织和技术障碍，其部署的全部机会仍有待发现。 认识到这一需求，第四次工业革命土耳其中心与世界经济论坛的“塑造先进制造业和价值链的未来平台”和“塑造技术治理的未来平台：人工智能和机器学习”一起，召集了行业、技术和学术专家来阐明这些挑战，并提出逐步克服这些挑战的方法。磋商显示，有6项 阻碍人工智能应用在制造业中的采用和扩展的主要挑战： 1.人工智能能力与运营需求不匹配 2.缺乏战略方法和领导沟通 3.人工智能和运营交叉点的技能不足 4.数据可用性和缺乏数据治理结构 5.缺乏可辩解的人工智能模型在制造业 6.跨制造用例的重大定制工作 磋商表明，领先的制造商已成功克服上述挑战，实施了各种人工智能应用程序并取得了积极影响 在运营绩效、可持续性和员工敬业度方面，主要涉及六个领域：健康与安全、质量、维护、生产过程、供应链和能源管理。 虽然人工智能在制造业中带来的机会很有希望并吸引了许多领导者，但组织正在寻找一个通用框架，概述如何实施人工智能解决方案并确保成功的投资回报。 根据咨询，本白皮书提供了一个循序渐进的过程，作为如何使用AI导航器克服障碍的示例2由INC发明中心开发作为参考： 第0阶段：开始构建基础知识–战略、数据和劳动力第1阶段：构思以确定潜在用例并进行预选 第2阶段：评估以选择用例并通过差距分析确定优先级 第3阶段：完成所有必需测试和研究的可行性 第4阶段：实施，需要使用敏捷项目管理进行迭代和试点 展望未来，世界经济论坛和第四次工业革命土耳其中心将继续与第四次工业革命中心网络和各行各业的利益相关者密切合作，以加快从人工智能中获取价值的旅程 在全球制造业中。它将为土耳其金属工业雇主协会（MESS）技术中心提供独特的测试和协作系统，供企业试用新的人工智能应用，并促进不同利益相关者群体之间的协作方法，以确保在制造业中构建正确的人工智能功能并在全球范围内推广。 介绍 释放人工智能在制造业中的价值5 价值链上的公司现在都面临着能源危机以及材料和关键部件 短缺，即使它们仍在从COVID-19的影响中恢复和适应。影响运营的挑战的复杂性要求需要超越提高生产力的传统手段，以发现下一波价值并解决可持续性和劳动力挑战。 人工智能（AI）可以在数字化转型之旅中开启一个新时代，通过从大量数据中生成新的见解，为行业转型提供巨大潜力，从而提高效率、可持续性和劳动力敬业度。然而，尽管有这种有希望的价值创造潜力，人工智能在制造业和价值链中的部署仍低于预期水平。 根据过去四年对各行各业和地区的3，000多家公司进行的全球调查，越来越多的公司认识到提高其人工智能能力的业务必要性： –70%的受访者了解人工智能如何创造商业价值 –59%的人工智能策略 –57%的人肯定他们的公司正在试点或部署人工智能。 尽管有这些趋势，但只有十分之一的公司认为他们通过人工智能产生了巨大的经济利益。3 虽然制造商承认将人工智能嵌入其流程的重要性和紧迫性，虽然领先的公司已经将其内化到其业务流程中，但许多人对他们从中获取价值的努力感到失望，并且在开发正确的人工智能功能方面滞后。 了解人工智能的目的和作用是解决制造挑战的关键。通过以问题为导向的方法，人工智能工作可以与 明确的业务目标，使业务部门和业务职能部门在成功转型方面具有共同利益。4 本白皮书阐明了通过工业人工智能和跨行业成功实施的人工智能应用可以实现的好处、经验教训和切实影响。与多利益相关方倡议社区进行的磋商发现，工业人工智能可以帮助人们以更智能、更安全、更高效的方式工作。然而，为了释放其全部潜力，公司需要了解当前的采用障碍，并采取结构化的方法来克服这些障碍 。因此，本文还提供了一个成功实施可扩展工业AI用例的分步指南示例。 通过人工智能解锁价 值在制造业 人工智能在制造业中的应用有助于提高运营绩效，推动可持续发展议程并增强劳动力能力。 人工智能（AI）革命允许将大量数据转换为可操作的见解和预测，从而为数据驱动的流程提供动力。制造公司使用不同的机制从人工智能中获取价值，最常见的是消除冗余工作，解决现有问题并通过分析和识别数据模式来揭示隐藏的价值。人工智能应用于增强分类、连续估计、聚类、优化、异常检测、排名、建议和数据生成等任务，以解决行业问题。5 与世界经济论坛“塑造先进制造业和价值链未来平台”和“塑造技术治理未来平台：人工智能和机器学习”的高级管理人员以及 中心的第四次工业革命 Türkiye（土耳其）发现人工智能可以帮助推动制造业的阶跃式变革，在三个类别中产生显着的好处（图1）： –通过自动化和优化常规流程和任务、提高生产力和运营效率、提高质量（例如减少缺陷、预测不必要的故障）和优化生产参数来提高运营绩效 –通过优化材料和能源使用、提高能源效率、降低废品率和延长机器使用寿命来实现可持续性 –通过指导决策过程和参数设置、提高预测和预测的准确性、减少重复性任务和增加人机交互来增强劳动力 1 释放人工智能在制造业中的价值6 数字1 人工智能在制造业中创造价值的维度 操作性能 性能(如产量优化) 吞吐量（例如，减少意外故障，缩短交货时间） 质量（例如更少的工艺缺陷和故障率）业务正常运行时间（例如生产 时间和产能） 劳动力增加 决策和规划支持协作 预测和预测准确性任务自动化 风险(如反馈机制,以避免事故和警报) 可持续性 材料效率 能源效率（例如节能和热效率） 机器的寿命废率和使用材料 释放人工智能在制造业中的价值7 揭示采用工业AI的常见障碍 实施人工智能解决方案需要持续的项目管理工作、期望管理和必要的资源。 尽管有这种潜力，但公司尚未完全实现人工智能制造系统的愿景 。为了释放工业人工智能尚未开发的价值，查明公司挣扎的根源并定义障碍开辟了一条新道路 思考并得出克服它们的正确解决方案。由于采用人工智能的障碍主要来自组织、战略和技术 组件，了解它们将有助于确定实现可扩展AI应用程序的途径。通过与超过35名高级运营主管、技术专家和学者组成的社区磋商 ，他们确定了阻碍人工智能在制造和价值链中采用的六大挑战（ 图2）。 释放人工智能在制造业中的价值8 跨制造用例的重大定制工作 缺乏可辩解的人工智能模型在制造业 数据可用性和缺乏数据治理结构 人工智能和运营交叉点的技能不足 缺乏战略方针和领导沟通 人工智能功能与运营需求不匹配 2 数字2采用人工智能障碍在制造业 人工智能功能与运营需求不匹配 制造商通常根据现有的技术能力选择人工智能项目，而不是关注对业务运营的影响。业务痛点与AI技术之间的匹配并不总是得到彻底考虑。因此，人工智能解决方案可能在技术上是可行的，但无法解决相关的、有影响力的问题。 操作。这会导致期望不匹配，并阻碍其在制造业中的更广泛采用 。使用以问题为导向的方法构建可靠的业务案例，明确定义业务需求，并评估人工智能解决方案与其他解决方案相比的价值，是克服采用和扩展障碍的第一步。 缺乏战略方针和领导沟通 明确的全公司人工智能战略和沟通计划经常被忽视。如果没有合适的赞助商和忠诚的领导者来开始对话并从最终用户那里获得支持，整个公司的人工智能应用程序的入职就无法实现。 到员工不情愿。随着人工智能正在改变工作方式，传达战略方法 、好处和新流程可以帮助提高最终用户在日常生活中接受它的意愿。 人工智能和运营交叉点的技能不足 对车间制造要求了解有限的外部顾问或信息技术（IT）专家经常领导AI项目。然而，要取得成功，人工智能应用程序需要开发。 以及由在IT、运营技术（OT）、数据和AI融合方面具有不同专业知识的跨职能团队实施 技术。这需要提高劳动力的技能并吸引制造业的新人才。 释放人工智能在制造业中的价值9 数据可用性和缺乏数据治理结构 应用机器学习模型需要对大量数据进行训练，以识别模式和关系。6然而，制造公司通常依赖于小数据集和零散数据，这阻碍了结果见解的准确性。 即使可用，这些数据集也可能不代表适当的故障案例或相关的过程情况，并且大多不可互操作。 创建单一信息源可确保企业在整个组织中基于标准化的相关数据运营。为了克服这一挑战，跨公司边界共享数据可以支持共同努力采用 制造业的人工智能技术，反过来又依赖于一系列组织和技术成功因素。7 缺乏可辩解的人工智能模型在制造业 将人工智能模型视为复杂、不透明和不可解释的系统，阻碍了其部署。制造商需要开放透明的人工智能模型，以建立对预测和特定结果的信任，或者可解释的领域专家接受它们。人工智能提供的预测需要有意义、可解释 准确并具有警告机制以最大程度地降低风险。可解释的人工智能工具和技术允许专家以制造用户可以理解的格式获得结果的理由。对AI驱动的输出的信心越大，AI部署就越快、越广泛。 跨制造用例的重大定制工作 工厂是复杂的工程系统，人工智能模型需要配置以适应