3940
随着现代制造业的日新月异，人工智能（AI）已成为一项能够带来变革的差异化因素，为追求效率和创新等竞争优势的企业重塑了产业格局。伴随着第四次和第五次工业革命的到来，AI技术正在推动产品设计、生产和优化方面的范式转变。
由于制造商能够存储海量历史数据，AI可以应用于任何行业的一般业务领域，比如提供营销、供应链优化和新产品开发等方面的建议。借助这些数据以及一些有关业务和流程的背景信息，制造商就可以将AI作为发展和提升运营水平的关键基石。
在制造业中，AI可赋能许多功能领域。以下是一些AI关键用例：
1. 预测性维护：通过来自设备的时间序列数据（传感器数据）、历史维护日志和其他背景数据，您可以预测设备的行为方式以及设备或部件出现故障的时间。在AI的帮助下，甚至可以规定需要采取的适当行动以及特定时间。
2. 质量：AI技术能够提升视觉检测、产量优化、故障检测、分类等用例。虽然在不同的产业领域，其成果会有所不同，但是潜在的益处是巨大的。例如，在半导体产业中，即使提高了一小部分的良品率，也能节省数百万美元。
3. 需求预测：AI可根据历史数据、趋势以及天气、节假日、季节性和市场条件等外部因素预测产品需求。
尽管AI有望推动先进智能工厂的发展、优化生产流程，并且实现预测性维护和模式分析、个性化、情感分析、知识管理以及检测异常等诸多用例，但如果没有稳健的数据管理策略，就很难有效地利用AI。
通用工业数据的挑战
数据作为可信AI的基础，可以引领业务流程转型，帮助制造商创新和定义新的业务模式，并开辟新的收入来源。然而，许多制造业高管表示，他们在采用新技术（包括将AI用于新用例）时遇到了难题。Gartner调查发现，80%的制造业首席执行官正在增加数字化技术方面的投资，包括人工智能（AI）、物联网（IoT）、数据和分析等。据2023年Gartner发布的《2023年CIO和技术高管议程中国篇》报告显示，只有11%的中国企业表示其数字化转型带来的销售收入超越了预期。这个数据非常的低。
缺乏通用工业数据一直是阻碍主流制造商采用AI的主要障碍之一。先进技术只是数字化转型的一个方面。制造商想要领先一步，就必须了解数据的作用和价值。传感器凭借极低的成本，正在成为新设备的标配，而旧的制造设备也在使用传感器完成改造。如今，制造商在采集、利用和管理海量数据的能力方面已达到了前所未有的水平。
在这个工业物联网时代，制造商可以通过快速引进工具来利用庞大的数据集产生可执行的结果。但如果对这些数据缺乏最高级别的信任，那么AI/ML解决方案就会产生可疑的分析和次优的结果。企业在构建解决方案时，往往会想当然地认为数据包含了所有目标场景，而算法会“搞定”一切。如果没有可信的数据和强大的数据平台作为坚实的根基，那么AI/ML方法将产生偏见且变得不可信，失败的风险会随之上升。简而言之，许多企业未能实现AI的价值，是因为他们所依赖的AI工具和数据科学从一开始就使用了有问题的数据。
可信AI始于可信数据
制造业该如何解决这一数据挑战，并充分利用数据驱动的AI呢？答案是制定基于强大数据平台的数据战略。
制造业的运营部门和IT部门必须密切合作，共同发展以数据为中心的文化，由IT部门负责端到端的数据生命周期管理，侧重于可靠性和安全性。
数据相关的最佳实践包括：
- 小步快跑，设立可行的目标，从生产车间需要解决的试点问题入手。
- 确定能够帮助制造业运营部门增加价值的用例，据此来决定要采集的数据。
- 通过融合IT/OT构建数据采集和接入能力，采集车间和设备数据一并接入到位于云端的中央平台上。
- 添加适当的背景数据（IT/业务数据），这对AI分析制造数据至关重要。
- 消除数据孤岛。必须将多个来源的数据集中存储在一个通用的数据湖中，以便统一整个价值链的数据来源。
- 将AI工具和数据科学用于您信任的数据上，并向相关人员或系统提供洞察，作出最佳且最明智的决策。
混合数据平台的价值
AI可以帮助制造商改进运营方式，并实现更高水平的卓越运营。但关键在于要把数据放在首位，而非复杂的AI系统。制造企业目前仍在本地、私有云、公有云等平台上使用旧的基础设施和数据来源。为了解决这些难题，企业必须使用可以采集和接入任何系统的数据，然后将数据传输到任何系统或平台的混合数据平台。
Cloudera可在混合数据平台上提供端到端的数据生命周期管理，包括构建制造业可信数据战略所需的所有构件。我们提供的主要功能包括数据接入、数据准备、数据存储和数据发布，以及整个数据生命周期的通用安全和治理功能。Cloudera可实现包括私有云、公有云、本地和任何平台在内的任何位置之间的数据传输，使制造业能够在“可信”数据的基础上使用下一代AI工具和应用。Cloudera数据平台（CDP）是目前唯一面向现代数据架构的混合数据平台，能够使用任何位置的数据，有效赋能制造业AI。
下载ECAD模型
