人工智能在工业领域的潜力和实践报告
2017-05-09 11:46:35
  • 0
  • 6
  • 1

来源: 199IT互联网数据中心

概要:机器学习是人工智能(AI)的精髓
机器学习是人工智能(AI)的精髓。虽然这个概念已经可存在五十多年了,但是,最近才开始应用于工业。根据麦肯锡全球研究所(MGI)的报告,在德国,62%的工作岗位已经有至少30%的工作实现了自动化,与美国的水平相当。基于自然语言处理或视觉对象识别等等技术的AI实现这种自动化的核心推动者。

像德国这样的高度发达的经济体,面临着人均国内生产总值和人口迅速老化等挑战,因此,需要依靠人工智能的自动化来实现国内生产总值目标。预计2030年德国国内生产总值(GDP)预期的1/3取决于生产率的提高。由AI推动的自动化是提高生产率的重要动力,因此,德国成为AI最早的采用者之一。

AI有望提升所有行业的表现,特别是工业部门等。AI将推动德国生产率每年提高0.8%到1.4%。

麦肯锡的报告选择了三个领域的八个用例,来突出AI在工业领域的巨大潜力。

产品与服务:

到2030年,自动驾驶汽车预计将占全球汽车销量的10%至15%,一直到2040年自动驾驶汽车销量都将保持两位数增速。这些汽车所需的高效、可靠和整合的数据处理都将通过AI实现。

制造业务:

AI通过整合来自物联网传感器、维护日志和其他外部资源的数据,能更好地预测和避免机器故障。资产生产率可提高高达20%,而整体维护成本可降低10%。

协作和环境感知机器人通过基于AI的人机互动提高生产力。因此,生产率提高20%是可能的,即使有些工作不是完全自动化的。

通过人工智能提高生产力还将降低废料率和测试成本。例如,在半导体行业,使用AI可以减少高达30%的损耗。

AI可实现质量检测自动化。通过采用先进的图像识别技术进行目视检查和故障检测,生产率可提高50%。具体来说,基于AI的视觉检查可以将缺陷检测率提高90%。

业务流程:

基于AI的应链管理大大提高了预测的精度;同时,提高了粒度和优化股票补货。预测误差可减少20%至50%。由产能不足导致的销售损失可以降低65%,库存不足减少20%至50%。

机器学习的应用有利于实现高性能研发项目。预计研发成本将降低10%至15%,上市时间缩减10%。

业务功能自动化将改善业务流程的质量并提高效率。自动化率达到30%是可行的。以IT服务台为例,自动化率可达到90%。

通过麦肯锡的AI洞察和对成功案例的观察,为企业解决AI挑战提供了五个有效的建议。

掌握AI的功能,优先使用案例,不要忽视经济学。没有商业案例就没有创新。

在内部开发核心分析能力,同时利用第三方资源,尤其是考虑到受过训练的人员很少。

在可能的情况下,存储细粒度的数据,并扁平化或非结构化可用数据,这是创造价值的燃料。

利用专业知识来提升AI引擎,专业技术是推动AI充分发挥潜力的推动者。

通过导航、测试和模拟逐步而快速地采用AI。AI转型不需要大量的前期投资,但灵活性是成功的先决条件。

除了决定将AI部署在哪里,以及如何部署外,人机合作的开放的企业文化对于充分发挥人工智能的作用至关重要。信任是成功的人机合作的关键。虽然人类需要一些时间来适应人工智能。早期采用不仅有助于快速实现AI的潜力,而且有助于加快企业实现全面人工智能。


最新文章
相关阅读