星云文庫

引言：機器學習可以參與到制造業(yè)加工的整個生產(chǎn)流程中：在生產(chǎn)過程中通過供應鏈和維護方案優(yōu)化降低生產(chǎn)成本和提高生產(chǎn)的效率和質(zhì)量，最后還能通過差異化的定價獲取最大化的利潤。

每個制造商都有很多可能把機器學習運用到自己產(chǎn)業(yè)中，通過獲得對產(chǎn)品的前瞻性思考會讓他們更具競爭力。

機器學習的核心技術正好能解決現(xiàn)今制造商們面臨的問題。從努力維持供應鏈運轉(zhuǎn)，到定制化生產(chǎn)，再到按時完成訂單任務，機器學習算法可以為每個生產(chǎn)環(huán)節(jié)提供更高的預測精準度。開發(fā)出的很多算法都是迭代型的，它們能夠持續(xù)不斷地學習并尋求最優(yōu)解。這些算法能在幾毫秒內(nèi)反復迭代，讓制造商在幾分鐘內(nèi)就能找到最佳解決方案，而非之前的數(shù)個月。

機器學習變革制造業(yè)的十種方式：

1、生產(chǎn)力提升 20%，材料消耗率降低 4%。利用數(shù)據(jù)預測分析和機器學習的智能制造系統(tǒng)有潛力提升生產(chǎn)單元以及整個制造廠級別中機器的收益率。下面的圖片來自通用電氣（General Electric），并被國家標準協(xié)會（NIST）所引用，總結(jié)了預測分析和機器學習的運用給制造業(yè)帶來的好處。

2、提供了更多相關數(shù)據(jù)，因此金融、運作及供應鏈團隊能更好地管理工廠和需求方面的約束。很多制造業(yè)公司的 IT 系統(tǒng)并不完整，導致交叉功能型團隊難以完成共同的目標。引入了機器學習，這些團隊的洞察力和智慧能被提升到一個全新的水平上，而他們優(yōu)化產(chǎn)品工作流、存貨清單，在制品（WIP）以及價值鏈決策的目標就會成為可能。

3、增強組件和局部層級的預測準確度，從而改善預防性維護與維護－修理－大修（MRO）的性能。把機器學習的數(shù)據(jù)庫、應用和算法集成到云計算平臺已經(jīng)很普遍了，亞馬遜、谷歌和微軟的云平臺公布就可以證明這一點。下面的圖片解釋了機器學習是如何集成到 Azure 平臺上的。微軟授權 Krone 使用 Azure 平臺，讓他們得以把制造運作流程自動化，以實現(xiàn)工業(yè) 4.0 目標。

4、實現(xiàn)狀態(tài)監(jiān)控流程，讓制造商得以在廠房層級上管理整體設備效率（OEE，Overall Equipment Effectiveness），并將 OEE 從 65% 提高到了 85%。一家與塔塔咨詢服務公司（Tata Consultancy Services）合作的自動化原始設備制造商（OEM）改善了他們的生產(chǎn)流程，此前他們沖壓線的 OEE 一度跌至65%，停工時間達到了 17% 到20%。他們的解決方法是，12 個月中，每 15 秒從設備上收集 15 個操作參量的傳感器數(shù)據(jù)（比如油壓、油粘度、油滲漏以及氣壓），并進行集合。解決方案的組件圖下圖所示：

5、機器學習給智能客戶關系領域帶來了變革，Salesforce 迅速成為了行業(yè)領頭羊。Salesforce 正在進行一系列的并購活動。下圖中的表格來自柯文公司的研究報告（Salesforce: Initiating At Outperform; Growth Engine Is Well Greased），總結(jié)了 Salesforce 并購的一系列機器學習和人工智能公司，并分析了他們的新產(chǎn)品發(fā)布走向以及并購帶來的預估收益貢獻。Alex Konrad 在他最近發(fā)表的博文（Salesforce WillAcquire Demandware For $2.8 Billion In Move Into Digital Commerce）中分析了 Salesforce 用 28 億美元收購電子商務供應商 Demandware 一事?？挛墓绢A測 18 個 財政年度中，Commerce Cloud 會貢獻 3.25 億美元的收入，其中賣出 Demandware 的收入占了很大一部分。

6、機器學習算法能判斷全公司哪些因素對質(zhì)量的影響最大，哪些影響最小，從而為產(chǎn)品和服務品質(zhì)帶來質(zhì)的提升。對很多制造商來說，從公司核心部分的工作流層面上提升產(chǎn)品和服務質(zhì)量是一項有挑戰(zhàn)性的任務。質(zhì)量通常是孤立的。機器學習通過測定那個內(nèi)部流程、工作流和因素對達到目標質(zhì)量貢獻最大或最小，從而變革產(chǎn)品和服務質(zhì)量。機器學習算法還能預測質(zhì)量和源決策對 DMAIC（定義、測量、分析、改進和控制）框架中的六西格瑪性能指標有怎樣的影響，從而讓制造商的制造過程更加智能化。

7、機器學習已經(jīng)在通過優(yōu)化團隊、機器、供應商和客戶需求提高生產(chǎn)效益。如今，它正在影響航空航天和國防、離散制造業(yè)、工業(yè)和高科技制造業(yè)的日常工作環(huán)境。制造商們更有效地利用了生產(chǎn)力，產(chǎn)品更趨于復雜和定制化，機器學習幫助它們優(yōu)化了機器、受訓員工和供應商的篩選過程。

8、由于機器學習促成了生產(chǎn)服務訂購模式，制造即服務（Manufacturing-as-a-Service）的構想才得以實現(xiàn)。那些能支持迅速高度定制化流水線生產(chǎn)的制造企業(yè)現(xiàn)在能開展新的商業(yè)運作，為全球服務和銷售提供訂購率。那些面臨制造成本猛增的快速消費品（CPG）和電子產(chǎn)品的供應商和零售商很有可能訂購制造服務，并在品牌化、營銷和銷售上增大投入。

9、機器學習是優(yōu)化供應鏈和創(chuàng)造更大規(guī)模經(jīng)濟的理想手段。對于很多復合型制造企業(yè)來說，超過 70% 的產(chǎn)品都源自于供應商，這使得他們需要權衡先滿足哪一個買家的需求。有了機器學習，買賣雙方就能更有效的合作，減少缺貨的情況，提高預測精確性，按期或提前完成客戶訂單。

10、在合適的時間知道對特定用戶的合適定價以獲得最大的利潤，而且使用機器學習完成交易將變得隨處可見。機器學習正在擴展今天的企業(yè)級價格優(yōu)化應用所提供的一切。最顯著的一處不同是：會有新的建議策略用來實現(xiàn)價格的優(yōu)化，從而完成交易。