虽然这个话题可能会带来情感上的影响，但管理者应该利用事实来决定如何在企业内部署AI和其他颠覆性技术。为了保持竞争力，制造商必须跟上变化的步伐，不要让对未知的恐惧阻碍进步。虽然它可能令人生畏，但人工智能也令人兴奋 - 它并没有消失。
人工智能技术的现状
大多数行业专 都认为人工智能将对企业产生重大影响。Gartner 表示，“到2020年，通过增强型数据发现功能实现差异化的现代商业智能和分析平台的用户数量将以两倍的速度增长，并提供两倍于业务价值的业务价值。”
由于这种预测，该技术正在快速发展并以如此快的速度发展，以至于难以在 佳实践和成功的用例上保持 新速度。人工智能正在嵌入许多技术中，从具有内置商业智能（BI）功能的ERP解决方案到使用Predictive Analytics的网络化供应链。
以下是AI在制造中应用的其他方式：
面部识别。当Facebook开始“识别”图像中的人来标记它们时，这项技术 出现。在制造过程中，用于识别图像的AI应用程序可用于安全许可以及质量控制的视觉确认。在人群中识别您的相同技术可以识别薯片是否是完美的金色，或者只有红色果冻豆被送到包装。
欺诈识别。银行多年来 直使用AI来确定何时对您的帐户进行“非典型”收费，从而触发欺诈警报。制造商可以使用相同类型的异常监控来标记正常模式之外的客户订单，指示可能的错误。它还可用于监控是否符合法规和安全要求。“智能监控”潜在责任的能力意味着现代软件可以充当监督者，提醒需要人工调查的异常情况。
人工智能和物联网。人工智能和物联网（IoT）协同工作，解释从传感器接收的数据，并识别何时需要采取行动。传感器生成如此大量的数据，如果没有聚合，排序和识别重要点的能力，它将毫无用处。通常要求系统发现异常情况，例如资产可能需要维护的早期警告信号。AI用于确定标记数据点的严重性，以及是否保证技术人员因即将发生的危险而被派遣或线路关闭。
工作场所的个人助理。人工智能在制造业中 激动人心的应用之 是个人助理，它使用自然语言处理（NLP）与用户交互，回答问题，执行功能，并提供建议，所有这些都基于数据科学。
机器学习。AI可以简化复杂的决策树，应用基于数据的科学，并根据从用户输入中学习的参数继续定义的操作。例如，高风险的公司可以确保他们的自动化系统遵循符合“安全”策略的协议，例如权衡供应商选择以支持可靠性而不是成本。
预测分析。使用内置AI的BI解决方案，管理人员可以看到对未来的高度准确的预测。AI技术可识别模式，扩展知识库，并发现因果关系。更多数据有助于改进预期结果并提高准确性。
自动化。制造工厂中的许多例行任务可以通过AI实现自动化。可以建立工作流程，允许数据点触发反应，发出信号通知，创建报告，标记实例以供审阅，下订单，派遣人员，保留部件，更新时间表或重新路由材料。这些自动化案例包括从适度节省时间到大量改进时间和资源的使用。
AI在帮助人类完成工作方面发挥着关键作用。它是加强决策和业务洞察力的工具，而不是替代品。
问题是什么？
AI这个术语可以让工人设想 个机器自行运行的未来，机器人有条不紊地焊接和固定组件到位而不会看到人。虽然智能工厂的数量在不断增加，但人类仍然在运营中发挥着重要作用 - 而这种情况很可能持续数十年。
这些错误的假设可能妨碍改进并向现代应用迈进。工人们可能会认为新技术通常可以转化为人员减少。技术人员，工程师和数据科学 可能错误地认为制造业是短期的，很快就会被技术所取代。这种担忧可能会阻碍下 代技术工人甚至考虑制造业的就业机会。制造技能差距仍然是业界 关注的问题之 ; 大约426,000个美国制造业工作岗位尚未填补，因为根本没有足够的合格申请人来填补这些工作岗位。更重要的是，80％的组织没有实施AI项目所需的劳动力。
因此，创造了这个难题。技术工人不会申请空缺的制造业工作，因为他们认为技术将消除这些工作。但缺乏技术工人使得部署这些 进技术变得困难。
下 步是什么？
熟练掌握人工智能的技术人员需求量很大，但招聘候选人并不容易。 些制造商正在培训或重新培训现有工人，以建立内部人工智能专业知识。还有 些人发现转向第三方资源和软件提供商是获取专业知识的 实用方法。
与技术提供商合作也是确保采用AI技术 有效使用的合理方法。更新流程和利用AI等新技术对于保持相关性和竞争力至关重要。分析过去已经不够了。制造商还必须充满信心地展望未来，以便他们做出积 主动的决策。AI是制造商可以拥抱的 强大的技术之 。
Nick Castellina是Infor的行业和解决方案战略总监 。
自动化与信息化融合
施耐德电气发布新一
使用深度学习实现工
玻璃纤维拉丝断纱检
卓越制动技术助力汽
化学制药密封系统如
哈希3700电导率分析
新 抗原检测试剂生
德国的IT安全市场增
基于机器视觉的复合
QQ：1325426082广告业务:
