来吧!制造业数据化革命

来吧!制造业数据化革命

原文来源:Forbes

译文来源:新智元


每家制造商都可以把机器学习整合到其运营中,通过获得对产品的预测性洞察而让自己变得更有竞争力。

机器学习的核心技术能很好地解决制造商每日遭遇的那些复杂问题。从努力保持供应链有效运营到按时生产定制化的、按订单制造的产品,机器学习算法能够为每个生产阶段都带来更高的预测准确度。被研发出的许多算法是迭代性的,它们可以连续学习,并找出最优结果。这些算法以毫秒的速度迭代,使得制造商能够在几分钟时间里找到最优结果,而非像从前那样需要耗时数月。机器学习革新制造业的 10 种方式如下:

1. 生产力提高20%,原材料消耗率降低4%

智能制造系统利用预测性数据分析方法和机器学习,提高机器、生产单元和工厂层面的生产率,将生产能力提高 20%,同时将原材料消耗率降低 4%。下面的图表来自通用电气,并被美国国家标准技术研究所引用,它总结了在制造业中使用预测性分析和机器学习能获得的好处。


2. 优化流程

提供关联度更高的数据,这样财务、运营和供应链团队就能够更好地管理工厂和需求侧约束条件(demand-side constraints)。在许多制造业公司中,IT 系统尚未整合起来,这样各个跨功能的团队就很难一起实现共同目标。机器学习有望将全新水平的洞察和智能引入这些团队,使他们能够完成优化产品流程、目录、在途工作量(Work In Process)和价值链决策等方面的目标。


3. 提升预防性养护及MRO


提高预防性维护以及维护-修理-大修(MRO)绩效,在零件和部件层面都带来更高的预测准确度。从亚马逊、谷歌和微软的报告中可见,将机器学习数据库、App和算法都整合到云平台这种做法正变得越来越普遍。

下图揭示了机器学习如何整合入微软 Azure 平台。微软使 Krones 公司能够通过在微软 Azure 上实现制造操作若干方面的自动化来完成其工业 4.0 目标。


4. 提高整体设备使用率到85%

实现条件监控过程,使制造商能在工厂层面管理整体设备效率(Overall Equipment Effectiveness,OEE),将整体设备效率从 65% 提高到 85%。

一家汽车设备原产商与塔塔咨询合作以提高其生产过程,当时其生产线的整体设备效率只有 65%,停工时间比例占 17-20%。该企业连续 12个月每 15 秒钟都从设备中收集和整合关于 15 个操作参数的传感器数据。该解决方案的要素如下图。



同样,在上面这份麦肯锡的调查中,

  • 76%的企业表示预计使用机器学习实现更高的销售目标

  • 至少40%的企业已经使用机器学习提升销售和市场营销业绩

  • 38%的企业认为机器学习对提升销售额有用

  • 多家欧洲银行新品销售额提升10%,同时客户流失率降低20%

5. 商务云将带来巨大收入

机器学习正在革新关系智能(relationship intelligence),而 Salesforce 正在迅速成为这方面的领导者。Salesforce所做的一系列收购使它成为机器学习和人工智能方面的全球领袖。

Akex Konrad 在文章《Salesforce Will Acquire Demandware For $2.8 Billion In Move Into Digital Commerce》中分析了 Salesforce 最近对电子商务提供商 Demandware 高达 28 亿美元的收购。Cowen&Company 预测,商务云在 2018财年将为 Salesforxce 贡献 3.25 亿的收入,其中 Demandware 的销售将为此作出重要贡献。

6. 量化具体流程对成品影响

机器学习算法将确定哪些因素在全公司范围内最大和最小程度地影响了质量,从而革新产品和服务的质量。制造商往往在如何让产品和服务质量成为公司工作流的核心组成部分遭遇困难。机器学习能通过确定哪些内部过程、流程和因素对达成质量目标的贡献最大或最小,革新产品和服务质量。

使用机器学习,制造商将能够获得更大的智能,能够在定义、测量、分析、提高、控制(DMAIC)的框架中,预测他们的质量和采购决策,对于实现更大的六西格玛绩效(Six Sigma performance)有多大贡献。

使用普通统计模型(单条褐色曲线)和机器学习分析(颜色越深风险越大)得出的结果差距很大。

7. 优化机器、员工和供应商业选择

通过优化团队、机器、供应商和客户需求提高产量。目前机器学习在航空航天与国防、离散制造和高科技制造等领域都为车间生产带来了变化。制造业正在转向更复杂、更定制化的产品,更充分地利用生产力,而机器学习能帮助优化对机器、受训员工和供应商的选择。

8. 制造业将成为服务业

“作为服务的制造业”将成为现实,因为机器学习使得人们在生产领域也能采用订阅模式(subscription models)。生产过程能够支持快速、高度定制化产品生产的制造商将处于有利地位,能够发起基于服务订阅费的业务,并向全球扩展。制造成本飞速增长的快速消费品、电子产品提供商和零售商有望使用订阅制造服务,而让自己更多地投入到品牌、市场和销售业务中。

 9. 超过70%供应商会根据交款时间选择客户

机器学习十分适合优化供应链和创造更宏大的规模经济。对许多综合设施制造商而言,70% 以上的产品原料供应商都会权衡先完成谁的订单。通过使用机器学习,购买者和供应商将能更有效地协作,减少无存货情况,提高预测准确度,更好地满足客户的时间要求。

10. 利润和成交额最大化

机器学习能够知晓对特定客户在什么时间收取何种价格,以获得最大的利润和成交额。机器学习将扩展目前的企业级定价优化应用所提供的那些服务。最大的一个变化将是,如何根据建议策略优化定价来达成交易,从而加快销售周期。

更多数据科学资讯,关注datahoe



datahoe(gh_27068c29df3e)

查看原文(微信公众号)
文章为作者独立观点,不代表微文榜立场
分享到QQ 分享到微信 分享到微博
datahoe的最新文章
如何零成本用大数据获悉市场行情?

如何零成本用大数据获悉市场行情?

datahoe datahoe

当我们想要创业却对市场行情不甚了解,该如何迅速了解市场行情,以便我们能更好的切入市场?本文作者介绍了一种零成本用大数据获悉市场行情的方法,对你想要了解市场行情非常有帮助。

大数据“下田”|| 新浪潮

大数据“下田”|| 新浪潮

datahoe datahoe

大数据的深入、下潜,不再停留在城市、企业,大数据的应用再次提升了一个层次—应用到最基本的生产、曾经最原始的生产当中

人工智能的革命 || 新浪潮

人工智能的革命 || 新浪潮

datahoe datahoe

最新一期的《经济学人》杂志的封面报道,将人工智能的发展对未来世界的影响和 19 世纪工业革命联系起来,机器的大规模应用是否会让工人大规模失业。而随着人工智能技术的发展,这个问题又被人提了出来。认真地读下去,人工智能的发展将会影响一切。