制造业的灯塔如何获取 AI 的全部价值

操作实践 制造业的灯塔如何获取AI的全部价值 人工智能正在定义第四次工业革命，生产领跑者正在对整个工厂、生产网络和供应链产生重大影响。 本文是亨利·布里斯托尔，恩诺·德布尔，迪努·德·克伦，侯森林，拉胡尔·沙哈尼和费德里科·托尔蒂的共同努力，代表了麦肯锡运营实践和世界经济论坛的观点。 2024年4月 本系列的第一篇文章探讨了人工智能的演变，以及领先的制造商如何利用它重新定义制造业的前沿。它着眼于第四次工业革命（4IR）从学习到实践的加速。这三篇文章中的第二篇探讨了人工智能在当今制造业的前沿是什么样子。最后一部分将探讨最新的灯塔已经构建的功能，以部署速度和规模的AI和其他4IR技术。 灯塔是标准承担者制造和供应链。越来越多的人希望人工智能为他们的工业4.0转型提供动力。在全球灯塔网络的前三次成员浪潮中，只有不到20%的顶级用例依赖人工智能技术，而2023年12月宣布的21个最新灯塔实施的顶级用例中，近60%使用人工智能(图表1) 。 这并不令人惊讶：仅在这一最新队列中，基于AI的用例就取得了显着成果，包括增加了两到三倍 在生产力方面，服务水平提高了50%，缺陷减少了99% ，以及 能源消耗减少30%。 中国的特殊钢制造商中信泰富特钢已经在其整个生产过程中确定了数十种AI应用， 包括通过预测其高炉的内部工作来实时优化工艺参数，将生产量提高15%，同时将能耗降低11%。德国生命科学设备制造商安捷伦(Agilet)将其计算机视觉技术非常有效地整合到一个工具包中，以至于它能够部署五个不同的计算机视觉用例，在短短四个月内将缺陷率降低了49%。 随着公司改善AI预测和建议的置信区间，这些技术正在迅速成熟。由于对这些模型的信心超过了对规划者或操作员的信心，Modelez在北京的烘焙工厂等工厂让我们得以一瞥，一线工人比机器操作员更多的是技术人员。他们不仅实现了两倍以上的生产率。 附件1 基于AI的用例在每个新的灯塔队列中变得越来越普遍。 按队列划分的灯塔指定显示的前5个应用AI用例的份额，% 14 21 20 24 24 27 45 42 40 51 58 队列12018年9月 2 Jan2019 3 2019年7 月 4 2020年1 月 5 2020年9 月 6 2021年3 月 7 2021年9 月 8 2022年3 月 9 Oct2022 10 2023年1 月 队列11 2023年12月 来源：全球灯塔网络：以速度和规模采用人工智能，世界经济论坛，2023年12月 麦肯锡公司 改进，但他们也看到了一个 减少70%的废物和10%至25%的能源消耗。 如果在银行和技术中快速采用生成人工智能(generativeAI)工具是值得借鉴的，那么至少对于灯塔来说，可能会影响 工厂规模就在眼前。灯塔已经建立的知识，技能和数据基础，因为它们已经超越了其他4IR技术的飞行员，同样也将证明与GeeralAI相关。印度Pithampr的药品合同制造商ACGCapsles也是如此，该公司在不到五周的时间内就完全开发并部署了副驾驶，以与标准操作程序（SOP）接口 。平均维修时间(MTTR)减少了40%，与支持虚拟现实的培训解决方案配合使用时，技术人员的入职时间减少了近40%。 人工智能正在快速推进，只是在加速。制造商不再需要考虑它是可能的还是有影响的。灯塔已经证明了这一点。相反，他们需要专注 关于以下方面的风险、法规和复杂性 负责任的AI实施-一个值得自己发表的关键主题。灯塔是不会对这些风险免疫，他们也没有过度看涨。他们采取了一种衡量的方法，确保他们拥有专业知识、系统和领导力来获得 AI负责任。 总之，最新一类灯塔为我们提供了五种见解，以了解AI在制造业的领先优势（请参阅侧栏“灯塔提供了五种见解，以结果为导向的AI和geerAI的采用”）及其在第四次工业革命中的作用（请参阅侧栏“为什么AI定义第四次工业革命”和“什么是生成AI？”）。本文将详细探讨每个见解。 AI在每个过程中 早期的AI试点专注于单个流程步骤，其中范围最小，风险最低，迭代最快。即使在今天，超过80％的涉及AI的灯塔用例也同样在流程步骤级别执行。 然而，值得注意的是，人工智能 灯塔为结果驱动的AI和genAI的采用提供了五个见解 AI用例遍布整个运营价值链 21个最新的灯塔中的每一个都至少有一个应用AI用例；有些有几十个。总的来说，这50多个用例涵盖了所有领域，从计划到制造到交付等等。 可以对AI进行资产化，以实现快速和大规模的部署灯塔正在使用部署生产力工具打包AI用例 （例如，无代码平台），模块化设计原则，现成的测试集成商以及他们部署的每个资产包中的数字提升技能材料。 AI指挥中心正在启用下一级和系统级自动化 人工智能指挥中心连接端到端操作，通过认知自动化将人类“放在”循环中，而不是“放在”循环中。为此，灯塔 以清晰、低风险的方式进行“信任训练”，以增加置信区间，同时减轻和提醒潜在风险。 GenAI正在将AI的影响扩展到车间之外 每个站点都在最新的灯塔队列中试行生成AI（genAI） 主要是数据最不结构化的地方：例如，作为设计顾问 或用于供应商风险预测。GenAI也是车间生产率的捷径：例如，auto-PFMEA（过程故障模式效应分析）或“技术员顾问”。 GenAI也在加速飞行员 大多数一代人工智能试点已经在几天和几周内实施，而不是几个月和几年。与五年前相比，灯塔能力已经提高了起跑线；现有的人才、敏捷、技术和数据能力正在实现一代人工智能等新兴技术的速度和规模。 对每个供应链流程步骤产生重大影响-包括计划、资产管理、质量和交付。 最新的灯塔恶魔群证明了这种广度和多样性。考虑规划 ，Igrasys部署了一个人工智能需求预测模型，该模型使用过去的数据来训练模型；在短短三年内，这些变化使预测准确性提高了27%。或工艺优化，亨通阿尔法光电通过训练好的模型自动优化预成型和拉丝参数。 在过去的策略上。或质量，VitrAKaro在其窑炉中部署了计算机视觉，从而将废品率降低了68％。或交付，华润建材科技自适应地优化了重型运输设备路线，以减少提货 提前期减少39%(图表2)。 AI民主化 达到这些影响水平——20%， 在关键KPI（如吞吐量、质量和交付性能）方面，40%甚至60%的改进要求灯塔公司扩展过去的试点和概念验证(POC) 在每个机器和生产线上全面实施用例。有些人进行了自己的四年或五年旅程，以试点，学习和扩展新技术和用例。其他公司——如中国力阳的CATL、印度Soepat的联合利华和中国西安的强生公司——从第一天起就能够利用他们公司其他灯塔网站的经验进行规模化设计。他们在许多过程中应用了先进的人工智能和其他技术，跳过了最早的灯塔别无选择的陡峭学习曲线。 今天的灯塔加速过去的飞行员的方式之一是将战略重点放在“资产化”上：即包装用例的艺术和科学，以实现部署的速度和规模。其他行业也在采取这种方法：高AI表现 现在，使用新兴的低代码或无代码程序创建AI应用程序的可能性是其他组织的1.6倍，允许他们 进一步加快发展进程。1 灯塔已经在展示这种方法在制造业中的作用。 他们正在利用模块化设计原则来确保与现有技术体系结构的互操作性。他们正在投资并利用部署生产力工具，例如用于可定制接口的无代码平台。 他们还包括基本的数字技能提升材料，如演练视频和SOP，作为他们部署的资产包的一部分，任何用户都可以访问。这就是新的用例和数字创新如何从本地化工具转变为在任何地方使用并在本地定制的全公司资产。 安捷伦就是这么做的。它构建了一个内部、随时部署的AI解决方案库，用于检测异常和响应过程偏差，将计算机视觉工具与插入式连接器捆绑到制造执行系统和测试软件，以及包装SOP、用户文档和操作员培训指南。计算机视觉技术的这种民主化使技术人员（而不仅仅是工程师）能够端到端地识别、部署和测试新的相机和视觉应用。这使Agilet能够在57个工作中心和16个产品线中部署5个新应用程序，在不到四个月的时间内将缺陷率降低了49％。 即将到来：系统级自动化的指挥中心 智能家居不仅仅是建立在几个世纪以来逐步改善供暖，制冷，照明和其他技术的基础上。他们将所有这些都与智能控制结合在一起，自动管理环境温度，自理壁炉，调节百叶窗以及服从人声命令以播放完美的音乐或提供指导 1“2022年人工智能的状况-以及五年的回顾”，麦肯锡，2022年12月6日。 附件2 AI在整个价值链的每个过程中都产生影响。 供应链规划 10–20% 库存减少 安捷伦使用供应商绩效指标和供应链状态信息来预测材料可用性，从而实现跨部门主动应对供应链风险 Ingrasys使用订单历史记录和市场数据比提供的预测更准确地预测客户订单 供应链管理 10–20% 供应商服务水平提高 联合利华使用在前一天销售/订单、库存目标、产能约束和受监管产品材料可用性等数据上训练的模型自动补充库存 强生公司通过用自动化的、支持AI的流程取代手动数据分析，以生成可操作的见解 ，从而识别并减轻缓慢移动和过时的风险 生产调度 10–20% 按时交货全额增加 ACGCapsules使用AI在4个参数和8个约束下优化其生产计划，包括一种新颖的颜色匹配算法，并用数字孪生对其进行验证 GACAion使用高级优化引擎 ，实现自动调度和超过10万种配置的优先级排序，实现计划驱动的资源分配 流程优化 40–140% 吞吐量增加 中信泰富特钢使用AI驱动的敏捷制造模型，跨炉，轧制和冷却步骤，以满足特殊产品的多变量和小批量需求 亨通阿尔法 光电自动优化预成型和拉制过程的参数，该模型根据过去的参数策略的性能进行训练 资产管理 10–30% 整体设备效能提升 阿美石油公司通过分析每个反应堆的140,000多个数据点预测反应堆的剩余使用寿命，以最大程度地减少腐蚀并优化维护 CATL在工厂范围内实施预测性维护，使用AI根据实时传感器数据优化维护计划 质量和测试 30–40% 首过产量提高 LONGi使用AI精确跟踪缺陷 ，并通过多模态并发图像分析，基于特征的跟踪和闭环质量专家系统执行根本原因分析 VitrAKaro设置计算机视觉拒绝阈值，以自动检测和拒绝进入窑炉的不良瓷砖 装配 30–40% 劳动生产率提高 海尔通过分析人员技能、工艺、设备和材料的效率来优化总装，以优化生产能力和资源的配置 交付 30–40% 提前时间减少 中国资源建材技术在三维数字建模的基础上利用自适应算法 新客户订单的“无触摸拾取”，包括柔性水泥袋负载计划和执行 注意：改进指标基于Wave11灯塔中所有应用的AI用例。 麦肯锡公司 Whentoleavetocatchthenearestsubway.Smartfactorsarenodifferent;theirimpactcomesfromsimilarlycentricatedintelligencewithhigherlevelsofdecision-makingcapabilities—andplacingtheirhuman“on”theloopinsteadofit. 自动化认知过程 与物理自动化一样，这些认知自动化是分阶段进行的。首先，他们应用智能来维持稳态的操作过程，例如使用AI实时设置过程参数。其次，他们（正确地）识别恢复性动作-例如，建议对性能不佳的机器采取纠正措施或建议对 补偿输入材料杂质-与人在循环中。最后，他们进化到 全面“自我修复”的制造和供应链运营，人类在循环中。 大多数灯塔已经实现了前两个。他们也正在加速向第三个方向发展——这是支撑熄灯运营概念的技术成就，工厂将在生产率、质量和服务水平方面实现更高水平的提高，新的前线看起来更像增强技术人员，而不是今天的运营商 。两个新的灯塔-Modelez和K-water-提供外观。 AI为何定义第四次工业革命 真正的力量第四次工业革命（4IR）的AI源于其在4IR技术金字塔顶部的位置;它正在扮演4IR技术的指