許多領域都在采用人工智能，制造業也不例外。借助人工智能帶來的強大力量，生產團隊可以利用實時數據優化生產流程，并減少關鍵資產的停機時間。

制造商面臨著生產能力不斷增長的需求，同時還面臨著直接影響質量和產量的生產損失。

制造商越來越多地轉向采用人工智能技術的工業物聯網解決方案，以快速查找和解決此類生產損失的根本原因。

在生產線上實施大數據分析解決方案時，該解決方案將收集和分析手頭上的數據。

當然，由于這項任務需要統計和機器學習方面的專業知識，因此，制造商必須聘用數據科學家來完成這項工作。

這說起容易做起來難。

僅美國就有25萬名數據科學家短缺，而且對這些專業人員的需求同比增長了29%。

此外，數據科學家的薪水也非常高，起薪為13萬美元。因此，LinkedIn將數據科學家列為美國2019年的頭號工作也就不足為奇了。

吸引和留住數據科學家的困難和成本導致了新角色的出現——公民數據科學家。組織中的現有員工通常被賦予這樣角色，這些員工接受過使用數據分析工具和技術方面的培訓。

制造業中的公民數據科學家意味著什么

Gartner 將公民數據科學家定義為創建或生成模型的人，這些模型使用高級診斷分析或預測功能，但其主要工作職能不在統計和分析領域。

這種角色在制造業中的一個主要優勢是，它可以利用公司內部已經存在的工程技能。（來源物聯之家網）制造團隊由多種類型的工程師組成，如質量工程師、流程工程師、維護工程師和化學工程師，制造商有能力交叉培訓和認證特定員工成為他們的公民數據科學家。

生產工程師可以擔當公民數據科學家的角色，以在生產流程和資產、數學、統計和建模方面發揮他們應有的作用。

生產工程師使用這些技能從分析中獲得更多價值，因為他們可以：

▲更好地理解數據及其完整性

▲快速評估機器學習模型對業務問題的影響

▲識別假陽性

簡而言之，公民數據科學家能夠比對生產流程和資產缺乏深入了解的數據科學家更快地獲得有意義、準確和可操作的見解。

通過將公民數據科學家納入您的團隊，您的工程師現在可以充當“超級用戶”，他們可能不是數據科學方面的專家，但他們能夠使用這些工具為制造業提供戰略和運營見解。

公民數據科學家基本上可以執行簡單和適度復雜的分析任務，這些任務以前需要更多的專業知識，以及更多的預算。

公民數據科學家并不能取代數據科學家，但是，通過增加公民數據科學家的角色，并部署一個工業人工智能解決方案，組織可以根據其業務需求的變化調整其分析模型，從而確保其業務靈活性，而無需依賴數據科學家專業人員的可用性。

隨著制造業采用人工智能解決方案的需求不斷增加，我們期望在大多數生產團隊中產生更多的公民數據科學家。
來源；物聯網之家