工业 AI 白皮书英

与波士顿咨询集团合作 利用AI革命工业运营：一本指南 WHITEPAPEROCTOBER2023 图片：盖蒂图片社 Contents 1.AI在工业运营中的潜力5 2.在工业运营中利用AI革命：指南9 2.1 2.2 2.3 2.4在工业13中实施AI的基础规模化经营 免责声明本文档由 世界经济论坛是对项目，见解领域或互动的贡献 。此处表达的发现，解释和结论是世界经济论坛促进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，也不是其成员、合作伙伴或其他利益攸关方的整体观点。 ©2023年世界经济论坛。保留所有权利。本出版物的任何部分不得以任何形式或通过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。 2023年10月 在工业运营中利用AI革命：一本指南 前言 DanielKüpper全球董事总经理兼高级合伙人 (Co-)领导BCG制造和供应链，波士顿咨询集团 KyriakosTriantafyllidis世界经济论坛先进制造和供应链中心增长和战略主管 尽管生产效率的不断提高在历史上一直是基石 为了保持全球企业的竞争力，提高制造业生产率的传统手段越来越枯竭。另一方面，数据和先进制造技术的重要性日益增强，例如人工 智能（AI）提供了新的途径，不仅可以提高生产效率和灵活性，还可以推动可持续发展并增强员工能力。 许多制造商已经将AI集成到他们的运营中。但是，大多数人都在努力 实现其与AI相关的目标。这种短缺主要是由于组织和技术基础不足，这对于在整个生产网络中扩展AI解决方案至关重要。与此同时，AI的发展仍在继续，创新如生成AI定期出现。 2022年，世界经济论坛与波士顿咨询集团(BCG)、Türkiye第四次工业革命中心和TüVSüD合作，发起了一项关于人工智能驱动的工业运营的全球倡议。 支持制造商的人工智能之旅，确保他们充分利用人工智能在制造和供应链中的潜力。 本白皮书深入研究了该计划在过去一年中的调查结果，该调查结果来自与领先的制造商，技术创新者和学术专家社区的磋商 。它提供了有关AI在工业运营中采用的现状的见解，并阐明了该领域的最新进展。核心 本文是一本指南，旨在帮助制造公司随着技术的发展不断捕捉人工智能的全部价值。该指南强调了AI旅程的关键考虑因素和步骤-从定义AI在运营中的总体目标到识别 ，构建和扩展相关应用程序和所需基础，以确保它们始终处于AI创新的最前沿。 我们相信，本白皮书和指南通过帮助制造商驾驭人工智能转型，达到生产力、敏捷性、可持续性和员工参与度的下一个前沿，为在工业运营中部署人工智能做出了重大贡献。 执行摘要 本报告提供了一本在工业运营中利用人工智能革命的指南。 制造公司在一个日益复杂的环境中运作，其特点是经济压力加剧，可持续性势在必行，对韧性的需求以及不断升级的能力挑战以及人才短缺。1包括AI在内的先进制造技术在使公司能够应对这些挑战并利用新的价值流方面发挥着关键作用 。根据BCG对2023年工业运营中AI的全球研究，2Thesetechnologiesenablesproductionenhancementsofmorethan20%.Recognizingtheopportunity,about90%ofcompaniesacrossvarietyindustriesarelookingtoincorporateAIintotheiroperations.However,thiscontrasts到目前为止，这些公司中只有六分之一达到了与AI相 关的目标。从组织和技术的角度来看，这种短缺主要归因于缺乏基础先决条件。 尽管大多数工业公司都在努力实现人工智能的全部潜力，但这项技术 继续进化。3创成式AI等创新为重塑某些运营流程和改变员工在工厂中的工作方式提供了更多机会。例如，通过创成式AI，可以为员工提供问答平台或给 具体维修事件的详细工作说明，包括可视化、所需备件和其他基本信息。 这些功能在很大程度上仍未开发，但可以通过正确的实施方法成功采用。 为了支持制造业公司的人工智能之旅，世界经济论坛先进制造和供应链中心 -与BCG和一个由运营和技术主管以及学术专家组成的社区合作，共同开发了一本关于利用人工智能革命的指南 本指南借鉴了通过探索AI在工业运营中尚未开发的潜力以及制造商当前部署的各种AI应用程序而获得的见解。 该指南由五个部分组成，前三个部分代表 制造公司的AI之旅和后两者描述了成功实施和扩展AI所需的构建块： –为AI在工业运营中的成功铺平道路：强调阐明组织的长期AI目标和转型原则作为AI旅程起点的重要性 。 –掌握整个生产网络的AI旅程：描述从现状评估到增值AI应用程序和所需基础的设计、工程、实施和扩展 。 –保持在AI创新的最前沿：解释进行定期AI审查以不断识别和整合AI创新和相关机会的重要性。 –用于工业运营的增值AI应用程序：精确定位基于AI的应用程序，解决效率低下和运营机会，以实现预期的改进和成果。 –在工业运营中大规模实施人工智能的基础：定义与人工智能相关的组织和技术基础，以实现大规模实施和持久成功。 认识到人工智能之旅不是一次性的工作，该指南帮助制造商不断适应人工智能应用在工业运营中的快速发展和创新。 展望未来，世界经济论坛的先进制造和供应链中心将继续与各行各业的制造业利益相关者密切合作，通过孵化创新的AI飞行员并揭示最常见的质量差距，支持实现人工智能驱动的工业运营的长期旅程。 1 AI在工业运营中的潜力 大多数制造商仍然无法成功实施和扩展AI，但AI的发展经常揭示新的创新和机遇。 制造公司的运营环境变得越来越复杂，其特点是经济压力 ，可持续性要求，敏捷运营的必要性以及人才短缺加剧的能力挑战。4人工智能等先进制造技术可以帮助制造商解决这种复杂性，并通过提高生产率、增强生产灵活性和劳动力支持等优势来释放下一波价值。看到机遇，领先的制造商正在探索如何实施这些技术。 机器学习（ML）和深度学习（DL）等AI技术的采用促进了从传统的确定性和基于规则的系统向概率和面向目标的转变 自动化。诸如需求预测或基于计算机视觉的质量控制之类的应用在制造操作中变得越来越普遍。5根据BCG最近一项涉及全球1800多名制造业高管的研究，89%的受访者认为人工智能是必不可少的。值得注意的68％的制造商已经开始了他们的AI之旅，在生产中全面实施了至少一个AI用例。然而，这些公司中只有六分之一(16%)已经实现了与人工智能相关的目标(图1)。几乎所有高管（98％）都认为造成这种短缺的主要原因是组织不足。 基础-例如缺乏数字技能和能力-以及数据处理等领域的技术基础落后。6 Figure1:AI在工业运营中的应用现状 89% 高管的目标是在他们的生产 68% 制造商已经开始他们的AI 旅程，并完全实现了至少一个AI用例 16% AI采用者已经成功实现了他们的 AI相关目标 来源：BCG，2023年全球工业运营人工智能调查7 这些发现证实，工业运营中正在开展采用人工智能的活动和努力。然而，许多公司已陷入试点阶段，无法扩展其解决方案，无法在生产网络和价值链中获取AI的全部价值。与此同时，人工智能和相关技术的发展仍在继续-一个例子是引入4m芯片，其特征是惊人的80万亿个晶体管，可提供高达6.7。 性能是上一代芯片的两倍。8在这种情况下，最近在生成人工智能方面的进步提供了令人兴奋的机会，有望释放远远超出在制造环境中使用ChatGPT的潜力。 人工智能专家，启用的应用程序可以分为三种主要类型：辅助系统，推荐系统和自主系统（图2）。 Figure2: 制造业中三种主要类型的生成式AI应用 -员工问题和答案：允许个人提出问题-例如在材料清单（BOM）上-并根据询问者的背景获得即时答案 援助系统 类似于制造环境中的ChatGPT工具的生成AI应用程序， 提高手动活动的效率，如编程或机器维护 –机器和可编程逻辑控制器(PLC)编程副驾驶:通过起草代码或代码块或审查现有代码来促进机器编程- 例如自动化手动过程 –过程报告和文档工具：自动生成文档，如主要产品缺陷后的质量报告，或设备故障和维修后的维护文档 –维护副驾驶：使用建议的响应扩展基于ML或DL的预测性维护方法。副驾驶识别来自预测系统的事件或警报-e。Procedre需要更换特定的机器组件-并通过逐步的维护说明，伴随着图像和可视化，甚至是所需备件和工具的指导来增强它们。 AI应用程序提供建议，从而帮助操作员确定特定任务的最佳解决方案 –根本原因建议工具：建议如何可持续地解决故障分析确定的根本原因，例如消除装配过程中的重复问题或机器事故 –质量和产量改进工具：例如，建议通过ML进行设定值优化的理想组件，以提高产量 –合成训练数据生成：以前所未有的速度和准确性实现训练数据的合成创建。Procedre基于计算机视觉的质量控制过程必须在大量良好和有缺陷的零件样本上进行培训，以确保高可靠性。这些样品通常在新产品的上升阶段收集,这最初导致系统性能降低并且需要人工干预。相比之下，使用合成生成的训练数据可以显着加速这一过程。 自治系统 具有自我控制能力和对新环境的适应性的创成式应用程序 –机器人变压器：允许自动化重复较少的材料处理程序，并在不熟悉的环境中迅速采用机器人技术，而无需个人再培训和数据标签 来源：世界经济论坛和BCG分析 上述示例提供了对以下变革性应用程序和影响的初步了解制造环境中的生成式AI- 从提高劳动效率和提高生产率到降低成本，以及增强生产灵活性 。 在多个行业中，公司每天需要处理数千批货物。SAP已使用生成AI来处理这些货物的货物收据。来自非结构化纸质文档的交付详细信息会自动提取并填充到运输管理系统中，从而减少了员工的工作量，否则员工必须手动阅读和输入交货单数据。在汽车公司实施此解决方案可以将收据处理时间减少55-70％。9 截至今天，所描述的许多生成AI应用程序仍处于研究阶段，或仅在试点项目中实施。然而，考虑到快速的技术进步和日益增长的兴趣，人工智能正在制造业中引发，预计这些解决方案将很快出现在大规模的工业运营中。它们可能会与更传统的基于ML或DL的AI应用程序共存，这些应用程序更适合于分析任务，如异常检测、生产分析、设定点优化和预测。 与AI相关的先进制造技术和发展将不断涌现，并伴随着新的 ，甚至更多样化的需求-通常速度比大多数公司采用它们的速度更快。这些新创新的一个例子是量子计算技术，与AI一样 ，量子计算技术也将对工业运营和AI本身产生破坏性影响。 这样的发展迫切需要能够更快地实施和扩展创新的方法。为了以目标导向的方式拥抱这些人工智能的发展，需要一个整体的人工智能采用战略，包括针对个人工业环境，合适的增值应用和基本先决条件的清晰AI愿景。 认识到人工智能尚未开发的潜力，以及相关的挑战，10考虑到这一领域技术进步的速度，世界经济论坛与BCG合作，咨询了工业运营和技术高管社区以及专家 从学术界，共同开发一本在工业运营中利用人工智能革命的指南 。 本文介绍的指南概述了组织的综合方法 在快速发展的环境中成功驾驭他们的AI转型之旅。 BOX1. 不同的AI技术如何相互关联 –机器学习（ML）：ML是AI的一个独特子集，它允许系统自动从经验（数据）中学习和改进，而无需根据特定规则进行明确编程;例如，预测值，计算概率，识别聚类/组以及识别相关性。 –深度学习（DL）：DL是ML的一个子集，基于神经网络，适用于基于大量数据在数据中进行深度连接，并为每个层的特征执行多个计算。 –生成AI(GenAI)：作为DL的一个子集，生成AI以多种格式生成高质量的新内容，如文本、图像、代码、视频和音乐。 来源：IBM11 2 利用AI革命工业操作:指南 一本新的指南，用于系统地接近和掌握工业运营中大规模的AI旅程。 人工智能在工业运营中的实施，特别是成功扩展，往往受到广泛挑战的阻碍。本白皮书中介绍的