中华电信
活动+
 

人工智能让制造业别无选择 KPMG:不采用就被淘汰

  • 陈端武
AI在可预见的未来并不具有感知力,需要人为监督,因此工厂工作可能会改变但不会消失。Robotics Business

对于制造商而言,采用人工智能(AI)能让执行长提出正确问题,并利用数百万数据点来提供解决方案。安侯建业(KPMG)合伙人Cliff Justice表示,AI改变了一切,包括商业模式、营运模式、工作如何完成,工作人员如何接受培训等。

据Industry Week报导,Justice的团队使用IBM Watson平台对大量贷款文件进行审计,以确保银行在将其打包成证券之前对商业贷款正确分级。

Justice表示,这套系统是想强化员工工作效率,而不是用自动化加以取代。该计画为审计人员提供提示,重点并非节省时间,而是提高准确性和质量,做人类办不到的事。

制造商通常满足于时间、准确性和质量的逐步改进,相信只要不断提升就会走上成功之路。然而,由于AI,近10年来由改善和精益生产催化的渐进式变化看起来很平庸。

GE(General Electric)在2016年表示,其Predix平台可将行业表现提升1%。2017年,Predix透过GE的Brilliant Factories获得更大的改进。在印度,据称设备效率增加了18%,而密西根州的一家工厂透过应用物联网(IoT)传感器监测磨损,将停机时间减少了20%。

GE虽然有著良好开局,但很少有人期望追上这种速度。许多公司甚至并未在这场比赛中接受AI及其优势的起跑线。市调机构Gartner的2018 CIO Agenda Survey显示,全球CIO中仅4%实施了AI,而46%正在计划实施AI。其中,仅25%计划在2018年实施AI。

拥有5,000万美元收入和更高投资资本的公司,采用AI的情况要好得多。科技研究公司Vanson Bourne指出,这些企业中有80%已部署某种形式的AI,如机器或深度学习。在美国,有61%受访者认为有进一步实施的空间,或计划在未来2年内部署。

IBM自动化全球副总裁Gene Chao表示,AI是一门应用科学。若未应用它,它就只是一件很酷的事。Chao指出AI能提取80~90%的数据,包括供应商、日期和货币,这可大大缩短处理时间。

另一个明确用例,是利用来自IoT传感器的数据预测关键机械何时会发生故障或需要维修。数据无处不在,包括机械上的温度和振动传感器,卡车上的GPS数据和仓库中的自动搬运车速度。但Chao表示,AI程序只能看到数字,需要有人来确定这些数字的重要性,并确定行动方向。

在此互动时代,对企业高层来说,一切从未如此简单。随著机器学习的垂直集成继续下去,ERP和CRM都有连网,能让决策者辨识他们可采取行动的模式和趋势。

IBM的Maximo资产管理系统藉由让用户感知、沟通和诊断工厂中连接的设备和机器的问题,能减少高达47%的计画外停机时间,而从工作流程、吞吐量和产量收集的数据,可将故障率降低高达48%。

目前,控制和自动化领域的领导者ABB在其风电业务中使用IBM Watson,来根据风速预测预测发电量。ABB数码长Guido Jouret表示,这有助于营运商致力于能源市场的电力生产及优化维护的最佳时间。

Jouret表示,ABB还使用Watson来分析客户问题并制定解决方案,以及辨识加售 / 交叉销售机会。在Heidelberg工厂,ABB还采用自适应算法,从以前的质量控制工作中学习,以提高未来测试的精度。

工业领域的巨大好处是,几个百分点的改进通常会持续多年,因为工业设备可能会持续数十年,所以其好处可能很大。操作员也可使用机器学习来训练协作机器人。在手动将机器人的手移至应该在拾放任务中的位置之后,它就能模拟动作。这比写程序码来设定机器人要快得多。

市场研调机构Trendforce估计,2017年全球智能制造市场逾2,000亿美元,到2020年将成长60%至3,200亿美元。如果零件不好,停机时间并非唯一的担心。有家欧洲制药商发现,将甲骨文(Oracle)的IoT平台集成到其流程中可以减少浪费。

甲骨文IoT云副总裁Atul Mahamuni解释说,一旦阀门因为化学品的磨损而损坏,并且毁坏整批产品,这需要花费数万美元。但他们已集成了规定性维护,授权机器根据数据做出实时决策。阀门损坏时,系统可立即检测到并停止生产,并且不会有任何浪费。

甲骨文透过让AI决定哪里种算法最适合某个特定流程,将机器学习提高到全新水平。虽然这代表未来机器可能会做出不必要的决定,但Mahamuni表示,在此情况下AI更象是电工,为特定工作选择合适的定制钳。而仍然要由人来训练AI模型,选择正确的参数集并调整预测模型。

似乎制造商显然都会想成功部署AI来获得新的优势。但是一切若都自动化,谁将庆祝工厂的历史性成功?牛津大学(Oxford)在2013年所做研究显示,到2038年,47%的美国工作可实现自动化。但Cliff Justice表示,AI造成的问题应与其好处和人类可控制的问题相平衡。但人类历史上没有任何技术导致生活水平下滑。

KPMG预测,智能自动化将创造500万个新工作。这就像100年前的电力,云端服务让AI能被许多发明家使用,而且能靠编写API赚钱。遵循这种猴子和打字机(monkey/typewriter)逻辑,创新者的数量不断增加,而非有不可的创新数量也在增加。这刺激了更多公司想创造或支持这种创新,而需要更多人到这些公司上班。

AI在可预见的未来并不具有感知力,需要人为监督,因此工厂工作可能会改变,但不会消失。Justice表示,在工厂或白领环境中自动进行重复性的认知工作时,就能释放人才,将降低不会产生利润的低价值重复性活动的成本。

为保持竞争力,Justice假设大多数公司会将这些利润投资于吸引客户并扩大其基础,创造更高技能的工作。这些工作将专注于提出正确的问题并确定重大问题。有更多数据将需要更多的人脑来弄清楚如何使用它。Justice的结论是,企业须采用AI,否则就会变得无关紧要,企业就会面临风险。