星云文庫

引言：機器學習可以參與到制造業加工的整個生產流程中：在生產過程中通過供應鏈和維護方案優化降低生產成本和提高生產的效率和質量，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業中，通過獲得對產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今制造商們面臨的問題。從努力維持供應鏈運轉，到定制化生產，再到按時完成訂單任務，機器學習算法可以為每個生產環節提供更高的預測精準度。開發出的很多算法都是迭代型的，它們能夠持續不斷地學習并尋求最優解。這些算法能在幾毫秒內反復迭代，讓制造商在幾分鐘內就能找到最佳解決方案，而非之前的數個月。

機器學習變革制造業的十種方式：

1、生產力提升 20%，材料消耗率降低 4%。利用數據預測分析和機器學習的智能制造系統有潛力提升生產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），并被國家標準協會（NIST）所引用，總結了預測分析和機器學習的運用給制造業帶來的好處。

2、提供了更多相關數據，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。很多制造業公司的 IT 系統并不完整，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，而他們優化產品工作流、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。把機器學習的數據庫、應用和算法集成到云計算平臺已經很普遍了，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，以實現工業 4.0 目標。

4、實現狀態監控流程，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據（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品發布走向以及并購帶來的預估收益貢獻。Alex Konrad 在他最近發表的博文（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。柯文公司預測 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量的影響最大，哪些影響最小，從而為產品和服務品質帶來質的提升。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品和服務質量是一項有挑戰性的任務。質量通常是孤立的。機器學習通過測定那個內部流程、工作流和因素對達到目標質量貢獻最大或最小，從而變革產品和服務質量。機器學習算法還能預測質量和源決策對 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、機器學習已經在通過優化團隊、機器、供應商和客戶需求提高生產效益。如今，它正在影響航空航天和國防、離散制造業、工業和高科技制造業的日常工作環境。制造商們更有效地利用了生產力，產品更趨于復雜和定制化，機器學習幫助它們優化了機器、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服務訂購模式，制造即服務（Manufacturing-as-a-Service）的構想才得以實現。那些能支持迅速高度定制化流水線生產的制造企業現在能開展新的商業運作，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、機器學習是優化供應鏈和創造更大規模經濟的理想手段。對于很多復合型制造企業來說，超過 70% 的產品都源自于供應商，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級價格優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價格的優化，從而完成交易。