行业领袖打破智能制造中的AI壁垒
为什么美国更多的制造商不使用智能制造技术——如人工智能（AI）和机器学习——来减少浪费、实现预测性维护并增强自动化系统？
这一问题成为CESMII（智能制造研究院）赞助的圆桌会议“AI在制造业中的角色”的核心议题。与会专家来自宝洁、雷神空间与机载系统、微软、加州大学洛杉矶分校（UCLA）和CESMII。
专家们探讨了如何克服“试点炼狱”、平台依赖型软件、缺乏制造领域知识的数据科学家以及数据“乱象”等阻碍。
CESMII首席执行官、圆桌会议主持人John Dyck表示：“这个领域仍存在大量炒作，当你拥有颠覆整个行业的潜力时，这并不罕见。但这更凸显了理解‘仍处于愿景阶段’与‘务实可行’之间区别的重要性。”
这又将我们带回到最初的问题：是什么制约了制造商大规模采用AI？
困在“试点炼狱”
许多企业表示尝试在企业中引入AI，却陷入“试点炼狱”，无法将小规模成功的项目推广扩展。
即使是财富500强企业宝洁也承认面临困境。虽然该公司尚处于AI采用早期，已部署一些机器学习算法，但在规模化应用上受阻。
宝洁智能平台负责人Jeff Kent说：“你会意识到，我没有能按需输出数据的基础设施；没有能良好实现数据情境化的平台；也没有让非数据科学专家轻松开发算法的环境。所以我们处于这样一个阶段：一些成功的试点项目仅局限于开发它们的人员圈子内。”
他补充道：“我认为我们正在走出试点炼狱，但只有当所有这些要素融合成完整的工作流程和应用集，让宝洁、供应商和OEM都能参与其中时，我们才能维持可扩展的采用，实现工业4.0的全部承诺。”
领域知识至关重要
雷神高级制造技术总监Kelly Dodds表示，雷神已成功将AI结合机器视觉应用于机器人领域。
她说：“机器视觉每次都能精准识别目标并自我改进，这是一项重大工程。”
为应对AI采用挑战，雷神正推广结合制造情境的数据科学教育项目。Dodds说：“我们需要具备领域专业知识的数据科学家，因此培养这类复合型人才管道至关重要。”
平台无关的算法设计
CESMII技术副总裁、软件开发者Jonathan Wise认为，程序员必须从设计之初就考虑部署灵活性。
他说：“过去几十年，劳动力将智能开发进PLC，但平台供应商在代码与PLC之间未建立硬件抽象层（HAL）。相比之下，IT软件领域近年采用组件化构建，组件通过定义良好的接口松耦合集成。”
Wise指出，解决平台依赖的良方是构建平台无关、基于通用信息接口的算法，同时数据需采用标准化格式。
UCLA IT副教务长Jim Davis表示：“关键在于思考如何交换、共享、汇聚、组合数据并协同工作，这需要全行业层面的策略。”
可持续性与商业价值并重
微软制造业AI专家Walid Ali指出，疫情和气候变化扰乱供应链，减少浪费、提高资源利用效率可能是采用AI的关键收益之一。
他说：“工业过程占人类能源消耗近半、全球温室气体排放五分之一。从道德和商业决策角度看，推动闭环资源利用和产品全生命周期管理都是正确之举。”
Ali总结道：“这是前所未有的机遇期，让我们能从技术、智能制造和环境可持续性三个维度做正确的事。”
自动化控制系统