从制造业的人工智能中释放价值

与MEXT技术中心合作 从制造业的人工智能中释放价值 WHITEPAPER DECEMBER2022 封面：简凡，盖蒂图片社-内：盖蒂图片社 Contents 3前言 4执行摘要 5Introduction 61通过AI释放制造中的价值 82揭示工业AI采用的常见障碍 113制造业中AI应用的集合 174逐步实现可扩展工业AI应用的方法 21Conclusion 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、洞察领域或互动的贡献。本文所表达的调查结果，解释和结论是世界经济论坛促进和认可的合作进程的结果 ，但其结果不一定代表世界经济论坛的观点，也不一定代表其成员，合作伙伴或其他利益相关者的整体。 ©2022世界经济论坛。保留所有权利。本出版物的任何部分不得以任何形式或任何方式复制或传播，包括影印和记录，或通过任何信息存储和检索系统。 2022年12月 从制造业的人工智能中释放价值 前言 OzgürBurakAkkol土耳其雇主金属工业协会主席 JeremyJurgens世界经济论坛董事总经理 Türkiye已成为先进制造业的关键全球参与者，并致力于推动 它通过第四次工业革命技术的地位。近几十年来，中国做出了巨大努力，将自己定位为全球创新中心，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13万亿美元的资金，并每年增加2%的GDP。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用的用例和关键的推动者来帮助发挥其潜力，从而揭示人工智能在制造业和各自端到端系统中的隐藏潜力。再加上世界面临的能源危机和材料短缺，制造业参与者需要超越传统的运营方法来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，以应对本地化需求的增加，同时认识到 塑造全球影响的连通性驱动因素。承认这一点，蒂尔基耶第四次工业革命中心——由 由土耳其金属工业协会（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网络中心，该网络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全球基于网络的协作、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与塑造技术治理未来平台：人工智能和机器学习、Türkiye第四次工业革命联盟中心和MESS之间正在进行的合作伙伴关系的成果。 它重点介绍了组织对AI在 它确定了社区如何通过使用AI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)尚未开发的潜力，我们期待与您合作，负责任地部署这些技术。 执行摘要 最近的全球事态发展以及越来越多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需要超越传统的提高生产力的手段，以发现企业，劳动力和环境的下一波价值。人工智能（AI）是行业转型的关键推动者，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AI应用对制造流程的影响是众所周知的，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，Türiye第四次工业革命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”以及“塑造技术治理的未来平台：人工智能和机器学习”，召集行业，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。磋商显示了六个。 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.AI能力和运营需求之间的不匹配 2.缺乏战略方法和领导沟通 3.AI和操作交叉的技能不足 4.数据可用性和缺乏数据治理结构 5.制造业中缺乏可解释的AI模型 6.跨制造用例的大量定制工作 磋商表明，领先的制造商已经成功克服了上述挑战，实施了各种AI应用程序并产生了积极的影响 在运营绩效，可持续性和员工参与方面，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遇很有希望，并吸引了许多领导者，但组织正在寻找一个共同的框架，概述如何实施人工智能解决方案并确保成功的投资回报。 在咨询的基础上，本白皮书提供了一个逐步的过程，作为如何使用AINavigator克服障碍的示例2由INC发明中心开发作为参考： 第0阶段：开始建立基础——战略、数据和劳动力阶段1：识别潜在用例并进行预选的想法 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：完成所有必需的测试和研究的可行性 阶段4：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中心Türkiye将继续与第四次工业革命网络中心和各个行业的利益相关者密切合作，以加快从AI获取价值的旅程 它将为土耳其雇主金属工业协会（MESS）技术中心提供一个独特的测试和协作系统，供企业试用新的人工智能应用程序，并在不同的利益相关者群体中促进协作方式，以确保在制造业中建立正确的人工智能功能并在全球范围内推广。 Introduction 从制造业中释放人工智能价值5 跨价值链的公司现在面临能源危机，材料和关键组成部分 短缺，即使它们仍在从COVID-19的影响中恢复并适应。影响运营的挑战的复杂性要求需要超越传统的提高生产率的手段，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)可以在数字化转型的旅程中开启一个新时代，通过从大量数据中产生新的见解，为行业转型提供了巨大的潜力，以提高效率、可持续性和员工参与度。然而，尽管存在着巨大的价值创造潜力，但人工智能在制造业和价值链中的部署仍低于预期水平。 根据过去四年对行业和地区的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AI能力的业务必要性： –70％的受访者了解AI如何产生商业价值 –59％的人拥有AI战略 –57%的人确认他们的公司正在试点或部署AI。 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财务利益。3 虽然制造商承认在其流程中嵌入人工智能的重要性和紧迫性，尽管领先的公司已经将其内在化在其业务流程中，但许多公司对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能力方面滞后。 理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，人工智能的努力可以与 明确的业务目标，使业务部门和业务功能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可以实现的好处，以及跨行业成功实施的人工智能应用、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，要充分发挥其潜力，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用例的分步指南的示例。 通过AI在制造业中 释放价值 制造业中的AI应用有助于提高运营绩效，推动可持续发展议程并增强员工能力。 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中的模式来揭示隐藏的价值。AI用于增强任务，例如分类，连续估计，聚类，优化，异常检测，排名，建议和数据生成，以解决工业问题。5 与世界经济论坛“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”的高级管理人员以及 第四次工业革命中心 Türkiye发现，人工智能可以帮助推动制造业的逐步变革，在三个方面产生显著的好处(图1): –通过自动化和优化常规流程和任务，提高生产率和运营效率，提高质量（例如减少缺陷，预测不必要的故障）和优化生产参数来实现运营绩效 –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寿命来实现可持续性 –通过指导决策过程和参数设置来增加劳动力，提高预测和预测的准确性，减少重复任务并增加人机交互 1 从制造业中释放人工智能价值6 Figure1 人工智能在制造业中创造价值的维度 运营绩效 性能（例如产量优化） 吞吐量（例如，减少不必要的故障，缩短提前期） 业务正常运行时间(如生产时间和产能) 劳动力增加 决策和规划支持协作 预测和预测精度任务自动化 风险(例如，避免事故的反馈机制和警报) 可持续性 材料效率 能源效率（例如节能和热效率） 机器寿命废品率和使用的材料 从制造业中释放人工智能价值7 揭示工业AI采用的常见障碍 实施AI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AI驱动的制造系统的愿景。为了释放工业AI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 思考并得出正确的解决方案来克服它们。因为人工智能采用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。 与超过35名高级运营主管、技术专家和学者进行的磋商确定了阻碍人工智能在制造和价值链中采用的六个挑战(图2)。 从制造业中释放人工智能的价值8 跨制造用例的大量定制工作 制造业中缺乏可解释的AI模型 数据可用性和数据治理结构的缺失 AI和操作交叉的技能不足 缺乏战略方法和领导力沟通 AI能力与运营需求不匹配 2 Figure2制造业采用AI的障碍 AI能力与运营需求不匹配 制造商通常根据现有的技术能力选择AI项目，而不是关注对业务运营的影响。业务痛点和AI技术之间的匹配并不总是被彻底考虑。因此，AI解决方案可能在技术上可行 ，但无法解决 使用以问题为导向的方法建立一个坚实的商业案例,明确定义业务需求,并评估人工智能解决方案与替代解决方案相比的价值,是克服采用和扩展障碍的第一步。 缺乏战略方法和领导力沟通 明确的公司范围内的AI战略和沟通计划通常会被忽视。如果没有合适的赞助商和忠诚的领导者开始对话并从最终用户那里获得支持，那么整个公司的AI应用程序就不会出现 随着人工智能正在改变工作方式，沟通战略方法、利益和新流程可以帮助提高最终用户在日常工作中接受它的意愿。 AI和操作交叉的技能不足 对车间制造要求了解有限的外部顾问或信息技术（IT）专家通常会领导AI项目。但是，要成功，AI应用程序需要开发 并由具有不同专业知识的跨职能团队在IT、运营技术(OT) 、数据和AI融合方面实施 技术。这需要提高劳动力技能并吸引制造业的新人才。 从制造业中释放人工智能的价值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，制造企业通常依赖于小数据集和零散的数据，这阻碍了由此产生的见解的准确性。 即使可用，这些数据集也可能不代表适当的故障情况或相关的过程情况，并且大多不可互操作。 创建单一信息源可确保企业基于整个组织中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 制造业中的人工智能技术，反过来又依赖于一系列组织和技术成功因素。7 制造业中缺乏可解释的AI模型 人工智能模型被认为是复杂、不透明和不可解释的系统，这阻碍了它们的部署。制造商需要开放和透明的人工智能模型来建立对预测和特定结果的信任，或者可以解释给领域专家接受。人工智能提供的预测需要有意义、可解释 并且准确并有一个警告机制来最大限度地降低风险。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其结果的理由。对人工智能驱动输出的信心越大 ，人工智能部署就越快，越广泛。 跨制造用例的大量定制工作 FactoriesarecomplexengineeredsystemsandAImodelsneedconfigurationtobeadaptedtoeachprocessa