隨著現(xiàn)代制造業(yè)的日新月異，人工智能（AI）已成為一項能夠帶來變革的差異化因素，為追求效率和創(chuàng)新等競爭優(yōu)勢的企業(yè)重塑了產(chǎn)業(yè)格局。伴隨著第四次和第五次工業(yè)革命的到來，AI技術正在推動產(chǎn)品設計、生產(chǎn)和優(yōu)化方面的范式轉變。

由于制造商能夠存儲海量歷史數(shù)據(jù)，AI可以應用于任何行業(yè)的一般業(yè)務領域，比如提供營銷、供應鏈優(yōu)化和新產(chǎn)品開發(fā)等方面的建議。借助這些數(shù)據(jù)以及一些有關業(yè)務和流程的背景信息，制造商就可以將AI作為發(fā)展和提升運營水平的關鍵基石。

在制造業(yè)中，AI可賦能許多功能領域。以下是一些AI關鍵用例：

1.預測性維護：通過來自設備的時間序列數(shù)據(jù)（傳感器數(shù)據(jù)）、歷史維護日志和其他背景數(shù)據(jù)，您可以預測設備的行為方式以及設備或部件出現(xiàn)故障的時間。在AI的幫助下，甚至可以規(guī)定需要采取的適當行動以及特定時間。

2.質(zhì)量：AI技術能夠提升視覺檢測、產(chǎn)量優(yōu)化、故障檢測、分類等用例。雖然在不同的產(chǎn)業(yè)領域，其成果會有所不同，但是潛在的益處是巨大的。例如，在半導體產(chǎn)業(yè)中，即使提高了一小部分的良品率，也能節(jié)省數(shù)百萬美元。

3.需求預測：AI可根據(jù)歷史數(shù)據(jù)、趨勢以及天氣、節(jié)假日、季節(jié)性和市場條件等外部因素預測產(chǎn)品需求。

盡管AI有望推動先進智能工廠的發(fā)展、優(yōu)化生產(chǎn)流程，并且實現(xiàn)預測性維護和模式分析、個性化、情感分析、知識管理以及檢測異常等諸多用例，但如果沒有穩(wěn)健的數(shù)據(jù)管理策略，就很難有效地利用AI。

通用工業(yè)數(shù)據(jù)的挑戰(zhàn)

數(shù)據(jù)作為可信AI的基礎，可以引領業(yè)務流程轉型，幫助制造商創(chuàng)新和定義新的業(yè)務模式，并開辟新的收入來源。然而，許多制造業(yè)高管表示，他們在采用新技術（包括將AI用于新用例）時遇到了難題。Gartner調(diào)查發(fā)現(xiàn)，80%的制造業(yè)首席執(zhí)行官正在增加數(shù)字化技術方面的投資，包括人工智能（AI）、物聯(lián)網(wǎng)（IoT）、數(shù)據(jù)和分析等。據(jù)2023年Gartner發(fā)布的《2023年CIO和技術高管議程中國篇》報告顯示，只有11%的中國企業(yè)表示其數(shù)字化轉型帶來的銷售收入超越了預期。這個數(shù)據(jù)非常的低。

缺乏通用工業(yè)數(shù)據(jù)一直是阻礙主流制造商采用AI的主要障礙之一。先進技術只是數(shù)字化轉型的一個方面。制造商想要領先一步，就必須了解數(shù)據(jù)的作用和價值。傳感器憑借極低的成本，正在成為新設備的標配，而舊的制造設備也在使用傳感器完成改造。如今，制造商在采集、利用和管理海量數(shù)據(jù)的能力方面已達到了前所未有的水平。

在這個工業(yè)物聯(lián)網(wǎng)時代，制造商可以通過快速引進工具來利用龐大的數(shù)據(jù)集產(chǎn)生可執(zhí)行的結果。但如果對這些數(shù)據(jù)缺乏最高級別的信任，那么AI/ML解決方案就會產(chǎn)生可疑的分析和次優(yōu)的結果。企業(yè)在構建解決方案時，往往會想當然地認為數(shù)據(jù)包含了所有目標場景，而算法會“搞定”一切。如果沒有可信的數(shù)據(jù)和強大的數(shù)據(jù)平臺作為堅實的根基，那么AI/ML方法將產(chǎn)生偏見且變得不可信，失敗的風險會隨之上升。簡而言之，許多企業(yè)未能實現(xiàn)AI的價值，是因為他們所依賴的AI工具和數(shù)據(jù)科學從一開始就使用了有問題的數(shù)據(jù)。

可信AI始于可信數(shù)據(jù)

制造業(yè)該如何解決這一數(shù)據(jù)挑戰(zhàn)，并充分利用數(shù)據(jù)驅(qū)動的AI呢？答案是制定基于強大數(shù)據(jù)平臺的數(shù)據(jù)戰(zhàn)略。

制造業(yè)的運營部門和IT部門必須密切合作，共同發(fā)展以數(shù)據(jù)為中心的文化，由IT部門負責端到端的數(shù)據(jù)生命周期管理，側重于可靠性和安全性。

數(shù)據(jù)相關的最佳實踐包括：

●   小步快跑，設立可行的目標，從生產(chǎn)車間需要解決的試點問題入手。

●   確定能夠幫助制造業(yè)運營部門增加價值的用例，據(jù)此來決定要采集的數(shù)據(jù)。

●   通過融合IT/OT構建數(shù)據(jù)采集和接入能力，采集車間和設備數(shù)據(jù)一并接入到位于云端的中央平臺上。

●   添加適當?shù)谋尘皵?shù)據(jù)（IT/業(yè)務數(shù)據(jù)），這對AI分析制造數(shù)據(jù)至關重要。

●   消除數(shù)據(jù)孤島。必須將多個來源的數(shù)據(jù)集中存儲在一個通用的數(shù)據(jù)湖中，以便統(tǒng)一整個價值鏈的數(shù)據(jù)來源。

●   將AI工具和數(shù)據(jù)科學用于您信任的數(shù)據(jù)上，并向相關人員或系統(tǒng)提供洞察，作出最佳且最明智的決策。

混合數(shù)據(jù)平臺的價值

AI可以幫助制造商改進運營方式，并實現(xiàn)更高水平的卓越運營。但關鍵在于要把數(shù)據(jù)放在首位，而非復雜的AI系統(tǒng)。制造企業(yè)目前仍在本地、私有云、公有云等平臺上使用舊的基礎設施和數(shù)據(jù)來源。為了解決這些難題，企業(yè)必須使用可以采集和接入任何系統(tǒng)的數(shù)據(jù)，然后將數(shù)據(jù)傳輸?shù)饺魏蜗到y(tǒng)或平臺的混合數(shù)據(jù)平臺。

Cloudera可在混合數(shù)據(jù)平臺上提供端到端的數(shù)據(jù)生命周期管理，包括構建制造業(yè)可信數(shù)據(jù)戰(zhàn)略所需的所有構件。我們提供的主要功能包括數(shù)據(jù)接入、數(shù)據(jù)準備、數(shù)據(jù)存儲和數(shù)據(jù)發(fā)布，以及整個數(shù)據(jù)生命周期的通用安全和治理功能。Cloudera可實現(xiàn)包括私有云、公有云、本地和任何平臺在內(nèi)的任何位置之間的數(shù)據(jù)傳輸，使制造業(yè)能夠在“可信”數(shù)據(jù)的基礎上使用下一代AI工具和應用。Cloudera數(shù)據(jù)平臺（CDP）是目前唯一面向現(xiàn)代數(shù)據(jù)架構的混合數(shù)據(jù)平臺，能夠使用任何位置的數(shù)據(jù)，有效賦能制造業(yè)AI。敬請訪問Cloudera官網(wǎng)制造業(yè)頁面，了解更多關于該平臺的信息。