大数跨境

技术指南 | 在工业中运用AI技术

技术指南 | 在工业中运用AI技术 Ai商情
2024-02-17
9

《Harnessing the AI Revolution in Industrial Operations: A Guidebook》由世界经济论坛与波士顿咨询集团合作发布,旨在探讨如何在工业运营中充分利用人工智能(AI)革命。文章强调了持续提升生产效率对全球企业竞争力的重要性,同时指出传统提升生产力的方法日益耗尽,数据和先进制造技术,如人工智能,提供了提高生产效率、灵活性、推动可持续性和赋能劳动力的新途径。

主要内容

AI在工业运营中的潜力

技术进步与挑战:虽然许多制造商已经将AI整合到他们的运营中,但大多数公司仍然难以实现他们的AI相关目标。这主要是由于缺乏适当的组织和技术基础。

全球倡议:2022年,世界经济论坛与波士顿咨询集团、土耳其第四次工业革命中心和TÜV SÜD共同发起了一个全球倡议,旨在支持制造商在制造和供应链中充分利用AI。

引导AI革命的指南

执行摘要:报告提出了一个指南,旨在帮助制造公司应对日益复杂的运营环境,通过AI实现生产力提升、增强生产灵活性和员工支持等目标。

AI的应用:AI技术的发展,如机器学习(ML)和深度学习(DL),已经从传统的基于规则的系统过渡到基于概率和目标导向的自动化,如需求预测或基于计算机视觉的质量控制。

实施和规模化AI的挑战

缺乏基础:大多数工业公司在实现AI的全部潜力时面临困难,主要因为缺乏适当的组织和技术基础。

技术进步:AI和相关技术的发展持续不断,如生成式AI的出现,提供了重新定义某些运营过程和转变员工在工厂中工作方式的额外机会。

指南的五个部分

成功利用AI的基础:强调定义组织的长期AI目标和转型原则的重要性。

跨生产网络掌握AI之旅:从现状评估到设计、工程实施和规模化价值增加的AI应用程序和所需基础的逐步方法。

保持AI创新的前沿:强调定期进行AI审查的重要性,以持续识别和整合随着技术发展而出现的AI创新和相关机会。

工业运营中增值的AI应用:指出基于AI的应用,解决效率不足和运营机会,以实现预期的改进和结果。

工业运营中AI实施的基础:定义实现规模化和长期成功所需的AI相关组织和技术基础。

核心数据

AI在工业运营中的应用和目标达成情况

约90%的公司希望将AI引入其运营中。

68%的制造商已开始他们的AI之旅,并且至少完全实施了一个AI用例。

只有16%的采用AI的公司成功达到了他们的AI相关目标。

技术发展与性能提升

引入4纳米芯片,具有80万亿个晶体管,性能提升达到了前一代芯片的6.7倍。

生成式AI在制造业中的应用案例

SAP使用生成式AI处理货物收据,将收据处理时间缩短了55-70%。

组织基础

治理结构

为AI实施和规模化提供清晰的治理,确保适当的组织结构、明确的角色和职责、所需的流程以及适当的激励和关键绩效指标(KPIs)。

技能与能力

强调数据分析、数据架构、数据工程、数据科学、软件工程和开发、机器学习工程等关键能力的重要性。

变革管理与沟通

为成功实施AI,强调自上而下的领导力、全员参与和透明沟通的重要性。

生态系统合作

与不同伙伴合作,包括技术专家和学术界,以促进创新、进行试点测试和能力构建。

法律合规

强调在实施AI应用程序时确保遵守法规的重要性,特别是在不断成熟的监管环境中。

技术基础

数据来源

确保必要的数据源可用性和可访问性,涵盖场地层、控制层和交易层数据。

数据处理

包括数据的收集、处理、存储、传递以及归档和删除,以支持分析和AI应用程序。

应用程序和用户界面

开发旨在与制造环境中的成果和洞察互动的智能层和参与层应用程序。

计算

强调实现AI应用所需的计算能力,包括中央处理单元(CPU)和图形处理单元(GPU)的使用。

连接性

为了支持ML和DL算法,需要确保高带宽和低延迟的无缝网络连接。

网络安全

在整个数据处理过程中保护敏感数据,包括身份和访问管理、数据保护、风险分析和管理以及恢复规划。

如需报告原文

请加小编微信 Kurgerlion

  

【声明】内容源于网络
0
0
Ai商情
定期发布AI产业动态!
内容 248
粉丝 0
Ai商情 定期发布AI产业动态!
总阅读1.4k
粉丝0
内容248