圍繞人工智能(AI)和機器學習(ML)的大肆宣傳，讓人們認為這些技術(shù)就像一根魔法棒，能夠給英國制造業(yè)帶來立竿見影的變化。IFS行業(yè)總監(jiān)Colin Elkins寫道，人工智能是一種能力，而不是一種速效產(chǎn)品。然而，通過集成人工智能和用戶接受度、智能規(guī)劃和預測工具可以幫助優(yōu)化運營并提供更準確的業(yè)務決策。

 

  今年夏天，熱浪襲人，英格蘭隊正處于世界杯決賽階段。一年中時間、天氣和積J的公眾情緒這些影響銷售業(yè)績的因素已得到制造商和經(jīng)銷商的普遍認可，并被納入到了他們的生產(chǎn)計劃之中。由于這是四年一次的固定場景，預測得到了電子表格和ERP(企業(yè)資源規(guī)劃)數(shù)據(jù)庫中的歷史數(shù)據(jù)的支持，因此制造商們?yōu)槠【啤�漢堡、英格蘭國旗和明星球員足球的需求激增做好了準備。

 

  但如果在同一周，某位明星球員的不光彩過去在社交媒體上曝光，丑聞襲來，并且熱浪的壽命很短時，情況會怎樣呢?如果在過去的幾個月里，有健康意識的消費者不再喝啤酒，而是用低熱量的葡萄酒替代，情況會怎樣呢?如果有環(huán)保意識的場館已經(jīng)禁止使用塑料旗幟，新法律限制在白天銷售酒精，并且在主要的交通線路上已經(jīng)安排了道路施工，情況又會變得如何呢?

 

  英國一家超市的三分鐘電視廣告就足以激勵家庭廚師們嘗試復制迪麗婭.史密斯的新食譜--大黃和姜布丁。

 

  繼2010年廣告播出后，超市在四天內(nèi)售出了和以往12周銷量相同的大黃--足夠制作大約6.1萬份甜點。該配方中使用的其他配料，包括干姜、有機生姜粉、希臘酸奶和雙層奶油的銷量也一路飆升。這并不是廚師D一次影響銷售和消費者行為，類似事件發(fā)生后，“迪麗婭效應”一詞就被《柯林斯英語詞典》收錄了。

 

  工業(yè)L域的人工智能:為何會有所不同?

  未雨綢繆

 

  在規(guī)劃未來和預測需求時，需要考慮到大量的因素和成千上萬的可能變量。例如，今年早些時候，銀行假日、母親節(jié)和溫暖的天氣使雜貨消費增加了近6%。記錄這些因素對銷售、庫存水平和需求量等的影響是一項重大任務。實時跟蹤它們的影響，同時利用所有信息預測未來，幾乎是不可能的。

 

  因此，準確的預測仍然是供應鏈管理中具挑戰(zhàn)性和復雜的問題之一。加劇這些的是供應鏈管理的多面性。它遠非一個孤立的學科，而是整個企業(yè)的一部分，在財務、制造、采購和銷售之間存在多重依賴關(guān)系--所有這些都依賴于需求預測。正確的做法意味著準確地知道消費者或客戶想要什么、什么時候想要、想要多少。如果預測錯了，你的企業(yè)就會面臨生產(chǎn)過剩、銷售不足、不得不轉(zhuǎn)移過剩庫存和管理過剩浪費的風險。

 

  準確預測的核心是可靠的數(shù)據(jù)，包括歷史數(shù)據(jù)和來自大量內(nèi)部和外部的實時數(shù)據(jù)。企業(yè)需要從社交媒體、當?shù)靥鞖忸A報、地區(qū)公共和宗教節(jié)日、消費者人口統(tǒng)計、政治事件、消費行為等方面獲取信息。即使是聰明的人類也缺乏足夠的腦力來匯總、分析和處理這些數(shù)據(jù)。目前行之有效的方法是利用人工智能來增加人力，并采用具有嵌入式人工智能功能的ERP工具。在智能預測和材料需求規(guī)劃引擎的驅(qū)動下，這些解決方案允許用戶從數(shù)據(jù)中提取真正的價值。

 

  關(guān)于工業(yè)人工智能的五個神話

  喂養(yǎng)人工智能巨獸

 

  人工智能統(tǒng)治世界的巨大潛力，除了處理和從數(shù)據(jù)中獲取洞察力之外，人工智能可以每周7天，每天24小時工作，而且可以通過不斷地自我學習，在未來為未來更準確的決策提供信息。

 

  智能數(shù)據(jù)管理和準確的預測可以減少制造業(yè)的浪費，帶來更多的收益，并且人工智能技術(shù)能夠為組織帶來價值(保證ROI)已得到廣泛認可。到2020年，供應鏈和制造過程中的人工智能(AI)和機器學習(ML)將為企業(yè)創(chuàng)造G達2萬億美元的額外價值。此外，僅僅就制造業(yè)強國德國而言，人工智能技術(shù)被預計可以為它的制造業(yè)增加320億歐元的產(chǎn)值。反觀從2018年陷入困境的英國汽車行業(yè)能否利用人工智能為近6年跌至冰點的國民經(jīng)濟的復蘇打上一劑強心針呢?

 

  在范圍內(nèi)，汽車行業(yè)實際上是人工智能的早期采用者，并且預計將占人工智能在制造業(yè)中的大比例：預計到2025年市場將達到172億美元。例如，奧迪正在使用ML用于檢測鈑金零件中的微小故障，實現(xiàn)質(zhì)量控制過程的自動化和優(yōu)化。預計未來幾年將有更多知名企業(yè)采用基于人工智能的技術(shù)：根據(jù)福布斯調(diào)查，44%的汽車和制造業(yè)受訪者表示人工智能對于制造業(yè)而言非常重要。在未來五年里，幾乎有一半的人將會認同這一觀點。

 

  然而，在汽車和裝配行業(yè)，只有11%的企業(yè)真正將人工智能應用于供應鏈管理。人工智能可以更G效地工作、更好地提供預測，從而為企業(yè)帶來強勁的效益增長。那么，為什么沒有更多的制造企業(yè)采用并受益于人工智能解決方案呢?

 

  不要忘記數(shù)據(jù)

 

  問題是雙重的。先，一個組織可以是人工智能(AI)和機器學習(ML)的大支持者，同時也渴望將這些集成到ERP中。但如果它沒有捕捉到足夠的數(shù)據(jù)量和多樣性來支持這些技術(shù)，就不會成功。沉迷于人工智能的宣傳很容易，但企業(yè)需要事先奠定基礎(chǔ)，而不是盲目跳入新的L域。想想你想要考慮哪些參數(shù)，哪些因素在過去影響了銷售和預測，并且這些因素對現(xiàn)在和未來將會產(chǎn)生哪些潛在的影響?

 

  一旦捕捉了必要的數(shù)據(jù)，組織就可以查看ERP解決方案，這些解決方案將來自不同部門和來源的數(shù)據(jù)集成到一個統(tǒng)一和集中的視圖中。后，解決方案需要能夠從每個端點、設(shè)備和傳感器實時收集(及其用戶訪問)數(shù)據(jù)--隨著企業(yè)內(nèi)部物聯(lián)網(wǎng)端點數(shù)量的增長，這一點變得更加關(guān)鍵。到2020年，每秒將產(chǎn)生大約1.7MB的新數(shù)據(jù)--這對于任何人類大腦來說都是難以處理和利用的。

 

  數(shù)字化轉(zhuǎn)型準備:準備IIoT和AI的7個步驟

 

  人類的問題

 

  第二個問題與技術(shù)或數(shù)據(jù)無關(guān)--它與我們?nèi)祟愑嘘P(guān)。我們中有太多的人仍然對人工智能(AI)和機器學習(ML)的決策能力持懷疑態(tài)度，這可能是因為缺乏對實現(xiàn)這一功能的復雜算法的理解，也可能是因為我們不信任機器人!根據(jù)近一項關(guān)于使用人工智能來確定銀行貸款的研究顯示，只有四分之一的消費者相信人工智能系統(tǒng)做出的決定比人類的決定更加準確。盡管如此，人工智能處理和使用數(shù)據(jù)的能力比任何人類對手都要大得多，速度更快，準確度也更G。

 

  對人工智能技術(shù)缺乏信心也延伸到員工對有效利用人工智能解決方案的感知能力。據(jù)統(tǒng)計，英國制造業(yè)69%的受訪者認為，缺乏內(nèi)部技能是采用人工智能的大障礙。這一比例略G于美國同行業(yè)50%的受訪者。這是言之有理的，盡管英國圍繞人工智能大肆宣傳，但作為一個，其落后于包括美國和在內(nèi)的地區(qū)，這兩個地區(qū)的投資分別是英國的50倍和8倍。

 

  我們能跟上節(jié)奏嗎?人工智能是將盈利能力和生產(chǎn)力重新注入我們制造業(yè)市場的靈丹妙藥嗎?規(guī)劃者們會相信人工智能預測嗎?我們不指望人們對人工智能的態(tài)度會立即徹底逆轉(zhuǎn)，也不指望制造業(yè)及其它行業(yè)的企業(yè)家突然成為數(shù)據(jù)科學家。然而，作為更廣泛的數(shù)字化轉(zhuǎn)型戰(zhàn)略的一部分，可以跨公司集成的人工智能技術(shù)如今確實存在。我們有現(xiàn)成的ERP解決方案可以被配置，用來適合任何業(yè)務或流程，并且所有J別的員工都是可以訪問和使用它的。我們可能無法100%準確地預測未來，但我們可以學會使用和信任這些工具，幫助我們?nèi)祟惙浅＝咏�未來�?