人工智能有潛力為全球企業的營銷和銷售創造1.4至2.6萬億美元的價值，為供應鏈管理和制造業創造1.2至2萬億美元的價值。

根據IDC的數據，到2021年，20%的領先制造商將依賴嵌入式人工智能，使用人工智能、物聯網和區塊鏈應用程序來實現流程自動化，并將執行時間最多提高25%。

德勤(Deloitte)的數據顯示，在離散制造行業，機器學習可以將產品質量提高35%。

麥肯錫(McKinsey)的數據顯示，在未來5至7年內，50%的公司將采用人工智能技術，由于其對數據的嚴重依賴，這些公司的現金流有可能翻一番，制造業在所有行業中處于領先地位。

到2020年，60%的領先制造商將依靠數字平臺支撐高達30%的總收入。

根據麥肯錫具有里程碑意義的研究，48%的日本制造商看到了將機器學習和數字制造技術整合到他們的運營中去的更大的機會，這比他們最初認為的要多。

一句話:2019年制造商的主要增長戰略是通過投資機器學習平臺來提高車間生產率，這些平臺能夠提供提高產品質量和產量所需的洞察力。

使用機器學習來簡化生產的每一個階段，從入站供應商的質量到生產計劃的執行現在是制造業的一個優先事項。根據德勤(Deloitte)最近的一項調查，機器學習正在將計劃外的機器停機時間減少15%至30%，將生產吞吐量提高20%，將維護成本降低30%，并將質量提高35%。

以下是機器學習將徹底改變制造的十個領域：

●人工智能有潛力為全球企業的營銷和銷售創造1.4至2.6萬億美元的價值，為供應鏈管理和制造業創造1.2至2萬億美元的價值。麥肯錫(McKinsey)預計，基于人工智能的預測性維護有可能為制造商帶來0.5美元至0.7億美元的價值。麥肯錫指出，人工智能能夠處理包括音頻和視頻在內的大量數據，這意味著它能夠快速識別異常，防止系統崩潰。機器學習可以確定一個特定的聲音是飛機發動機在質量測試下正常工作的聲音，還是裝配線上即將發生故障的機器發出的聲音。

資料來源:麥肯錫/哈佛商業評論。人工智能的大部分商業用途將由MICHAEL CHUI、NICOLAUS HENKE和MEHDI MIREMADI在兩個領域進行。

●制造商們正在獲得新的洞見，了解如何利用機器學習和可在云平臺上擴展的預測分析，使企業變得更加可持續。流程制造商正在使用Azure的Symphony Industrial AI從一個模板庫中部署設備模型，其中包括熱交換器、泵、壓縮機和流程制造商所依賴的其他資產。Symphony AI的Process 360 AI幫助用戶創建流程的預測模型。流程是指通過設備生產的項目(如化學品、燃料、金屬、其他中間體和成品)。工藝模板示例包括氨工藝、乙烯工藝、液化天然氣工藝和聚丙烯工藝。流程模型有助于預測流程混亂和故障——僅憑設備模型可能無法預測這些故障。

資料來源:微軟AZURE博客，使用SYMPHONY INDUSTRIAL AI實現對制造業的預測分析，

●波士頓咨詢集團(BCG)發現，制造商使用人工智能可以將制造商的轉換成本降低至多20%，而高達70%的成本降低是由更高的勞動力生產率造成的。波士頓咨詢集團發現，生產商將能夠通過使用人工智能來開發和生產針對特定客戶的創新產品，并在更短的交付周期內交付，從而產生額外的銷售。下圖展示了基于BCG分析的人工智能將如何為生產過程帶來更大的靈活性和規模。

資料來源：波士頓咨詢集團，人工智能未來工廠，2018年4月18日。

●依賴于重資產的離散和流程制造商正在使用人工智能和機器學習來提高產量、能源消耗和每小時利潤。擁有重型設備(包括大型機械)的制造商正在探索使用算法來提高產量、可持續性和收益率。麥肯錫發現，人工智能能夠自動化復雜的任務，并提供一致性和精確的最佳設定值，使機器能夠在自動駕駛模式下運行，這對于實現一次或多次生產班次的無人值守生產至關重要。

●基于人工智能和機器學習的產品缺陷檢測和質量保證顯示出將生產效率提高50%或更多的潛力。機器學習在發現產品及其包裝中的異常方面的固有優勢，對于提高產品質量和阻止缺陷產品離開生產設施具有重要的潛力。與人工檢查相比，使用基于深度學習的系統可以改進高達90%的缺陷檢測。考慮到開源人工智能環境的可用性，以及相機和功能強大的計算機等廉價硬件，即使是小型企業，預計也將越來越依賴基于人工智能的視覺檢查。在人工智能視覺質量檢測中，通過從不同角度對好產品和壞產品進行視覺成像，生成參考示例，從而促進監督學習算法的訓練。

資料來源：人工智能（AI）的智能化——德國及其工業部門在智能化方面有什么好處？

●機器學習有潛力減少制造業長期的勞動力短缺，同時找到留住員工的新方法。如今，制造業正面臨嚴重的勞動力短缺，每一項針對制造商的調查都反映出這一問題是制約該行業增長的三大因素之一。承擔這一挑戰的最有趣的公司之一是Eightfold。他們基于AI的人才智能平臺依賴于一系列有監督和無監督的機器學習算法，以匹配候選人獨特的能力，經驗和優勢。包括ConAgra在內的制造商依靠Eightfold來改善招聘并重新發現他們為團隊配備和追求增長機會所需的人才。下圖解釋了Eightfold人才智能平臺的工作原理：

●機器學習正在幫助制造商解決以前無法解決的問題，并揭示他們從未知道存在的問題，包括隱藏的瓶頸或無利可圖的生產線。提高車間內每臺機器的預測維修精度，揭示如何提高每臺機器的產量/吞吐量和相關工作流程，優化系統和供應鏈。下面的圖表說明了機器學習如何從機器級開始提高車間的生產力，然后擴展到工作流和它們所依賴的系統。

●機器學習可以顯著改善產品配置，而制造商依賴于按訂單構建產品的配置-價格-報價(CPQ)工作流。西門子銷售、設計和安裝鐵路聯鎖控制系統的方法使用人工智能和機器學習，從1090種可能的組合中找出最優配置。機器學習擅長于定義最適合客戶需求的最優配置，同時也是最可靠的產品。

●人工智能和機器學習在制造業的應用預計將在未來五年超越機器人技術，成為制造業的主要用例。供應鏈操作的復雜性和約束條件是機器學習算法提供推薦解決方案的理想用例。如今，制造商們正在尋求進行預測性維護的試點，其中最有可能進入生產領域的是那些能夠帶來明顯收益的產品。

●機器學習正在徹底改變制造商保護每一個威脅表面的方式，依賴于零信任安全(ZTS)框架來保護和擴展它們的操作。制造商正在轉向零信任安全(ZTS)框架，以保護整個供應鏈和生產網絡上的每個網絡、云和內部平臺、操作系統和應用程序。Forrester首席分析師蔡斯?坎寧安(Chase Cunningham)是零信任安全方面的主要權威，他最近的視頻《行動中的零信任》(Zero Trust In Action)值得一看，以進一步了解制造商如何保護其IT基礎設施。在這一領域有幾家公司值得關注，其中包括MobileIron，它創建了一個以移動為中心的、零信任的企業安全框架，如今正是制造商所依賴的。centrfy對身份訪問管理的方法阻止了特權帳戶濫用，而特權帳戶濫用是當前入侵的主要原因。