就像許多行業一樣，大流行改變了工業運營。一些部門的需求飆升影響了其他部門，造成勞動力和原材料采購的劇烈波動。工人和企業學會了——在飛行中——以適應新的條件。除了提高吞吐量以滿足不斷增長的需求外，工人安全在談判桌上占據了更加突出的位置。公司力求在保持業務運營的同時保護員工的健康。解決方案？先進的技術。在充滿不確定性和迫切需求的時期，包括機器人技術和數據科學在內的先進技術引領了自動化制造運動。機器人始終如一、快速地執行工作，而人工智能則在無需人工干預的情況下被動地幫助提高流程速度和效率。

機器人技術

隨著工人生病或需要保持身體距離，機器人（其中許多需要人工智能和高級軟件）已成為確保生產線繼續生產的首選解決方案。工業機器人可以進行電弧焊和點焊、處理材料、裝載和卸載原材料、組裝產品、揀選、包裝和碼垛。他們還可以涂漆、粘合、密封并轉移到切割機上。因此，機器人被用來處理大多數自動化任務，同時最大限度地減少人機交互以確保適當的物理距離。

公司有意將人工智能和軟件視為可以降低成本和提高可持續性的技術。這種轉變推動了自動化支出。因此，機器人制造商正在向更高的自動化轉型。這種趨勢通過提高過程一致性在未來開辟了新市場。

盡管效率有所提高，但技術的進步導致設施中角色的轉變。公司可以而且應該自動化重復性步驟，這會使員工變得多余。然而，這可以通過重新培訓員工來緩解，因為企業將需要經驗豐富的分析師和技術人員來幫助評估數據和診斷故障。科爾尼 (Kearney) 的報告“機器人與 COVID-19：大流行病如何加速自動化” 1指出，公司應努力平衡機器人/自動化和員工再培訓，因為當問題出現時，經驗始終是一種資產。

再培訓應用程序的一個示例是工廠視頻。工廠視頻是一種有助于實現自動化的工具。記錄制造過程可以捕捉到故障發生的時刻，或突出顯示過程中重復出現的低效模式。然后，工程師和操作員審查和診斷視頻反饋的要點，并在此過程中實施糾正措施，這一點至關重要。重新學習技能來自于將多年的經驗轉化為持續改進的心態。

數據科學

從利用工廠加工視頻到機器學習，數據是工業 4.0 的貨幣，分析是投資策略。海量數據的力量完全取決于人工智能，因為人工智能可以快速處理和解釋數據以進行實時調整——這是對當前傳統方法的一個鮮明轉變。

這一運動可以實現更多的數字化高管職位，并發現大量未充分利用的數據集，以轉變工業運營。例如，公司生成并保留了數 TB 的數據，但由于缺乏勞動力而無法生產他們的產品。人工智能解決了這個問題，立即利用整個公司改進的流程并將其應用于限制性制造步驟。這種改進可能會對企業的盈利能力產生重大影響。鑒于這一提議，大多數公司歡迎 AI 在其自動化流程中的改進也就不足為奇了。

隨著企業了解到這個機會，快速采用者將與緩慢采用者分開。運營效率的提高擴大了競爭差距，并為早期人工智能采用者創造了更多獲勝機會。此外，隨著使用 AI 的公司數量增加，由于 AI 確定了數據工程師之前沒有分析過的優化程序，因此需要重新構想工業流程。這些改進可以加速工人從裝配工到操作員或領導的轉變。人工智能將拉動制造業開發創新的方式來訪問和評估所有數據，不再受人類能力的束縛。

機器人技術和人工智能并不意味著人類制造業活動的終結。相反，它們代表了行業向更加自動化的重復步驟的轉變，以及評估和糾正故障所需技能的增加。雖然人工智能被動地致力于提高效率，但人類仍需要審核流程并改進和維修機器，以確保一切按預期進行。人類可以通過工廠視頻記錄和診斷系統問題，人工智能可以提高操作過程中的流程效率。人工智能、數據科學、視頻和軟件的交集為制造領導者提供了實現最佳工業自動化所需的工具。技能提升的員工確保通過基于經驗的洞察力緊急解決生成的數據和遇到的故障。

Adam Kimmel 作為執業工程師、研發經理和工程內容撰寫人擁有近 20 年的經驗。他在垂直市場（包括汽車、工業/制造、技術和電子）中創建白皮書、網站副本、案例研究和博客文章。Adam 擁有化學和機械工程學位，是工程和技術內容寫作公司 ASK Consulting Solutions, LLC 的創始人和負責人。

審核編輯黃宇