如何利用工业AI提高生产率？

近年来，通过各种人工智能（AI）/ 机器学习（ML）平台、框架和工具包，在资本密集型行业内对人工智能技术的普及化使用进行了大量投资。

　　IoT Analytics发布的《2020-2025年人工智能市场报告》预计，到2025年，全球工业人工智能市场规模将达到725亿美元。

　　普华永道估计，到2030年，该技术对中东地区经济的潜在影响将达到3200亿美元，并将制造业与金融、教育、公共服务和制药行业列为该地区人工智能的最大机遇。

　　以业务为先的思维方式

　　尽管基于AI的用例启用已在加速，但这并不一定能转化为可观的商业价值，尤其是在工业领域。

　　根据埃森哲的《人工智能：规模化》（AI: Built to Scale）研究，近69％的工业组织高管承认他们知道如何试行计划，但他们难以在整个企业范围内扩展其工业AI战略。

　　在2021年，我们将看到工业组织转向以业务为先的思维方式，并将越来越强调将AI技术应用于特定领域的行业挑战，并将重点放在业务成果上。

　　尽管探索和识别支持工业AI的用例可能很有趣，但是任何组织策略的出发点从来都不是技术。首先要确定业务问题、公司目标和战略目标。

　　嵌入式工业AI应用

　　劳动力的转移以及随之而来的专业知识的流失，推动了在整个流程行业实现知识共享自动化的需求，并带来了对更多智能应用程序的更大需求。

　　但具有讽刺意味的是，缺乏内部数据科学技能是采用AI的最大障碍之一。

　　在2021年中，将会有更多的工业企业通过部署针对性的嵌入式工业AI应用来增加投资，以降低采用AI的障碍。

　　这些应用将数据科学和AI与专用软件和领域专业知识相结合。这将是克服技能不足的关键，并且将大大减少对数据科学家的依赖，因为数据科学家实际上是短缺的。

　　这些嵌入式AI应用程序将使用户能够在整个工业资产生命周期中以更高的准确性、质量、可靠性和可持续性来高效、成功地执行其特定领域的操作。

　　专注于资产优化

　　为了在当今瞬息万变的市场中保持竞争力，制造企业必须在考虑利润、经济、可持续性等业务目标的同时，不断优化其资产和流程。

　　通过在2021年采用工业AI，无需数据科学专家就可以实施下一代资产优化解决方案，这意味着工业组织可以在其运营中将安全性和生产率提高到新水平。

　　随着项目的不断深入，将在整个工厂范围中创建半自治和自治过程。实时数据将被收集、汇总、调节，并送入智能丰富的应用程序中，以评估方案，洞悉见解，并推动持续的运营改进。

　　此外，由AI和ML提供支持的认知指导系统将使人员跨关键操作授权，扩展其能力，以便他们可以更快、更准确地做出决策。综上所述，在 2021年，生产力提升将是工业AI在资本密集型流程工业中的最大收益。

　　*本文作者：Bill Scudder，Aspen Technology 公司AIoT解决方案总经理

查看全文

作者最近更新