AI驱动零废制造：重塑工厂与供应链
如果我们想要一个无废弃物的世界，可能需要超越人类大脑的力量才能实现。
答案正如当今商业诸多领域一样，在于人工智能——具体而言，是其消除制造业工业废弃物的能力。
Noodle.ai首席执行官Stephen Pratt致力于利用AI优化工业流程运营。他将这项新兴技术视为“回归工厂与供应链本应有的运作方式”的工具，即实现“从原材料到货架的无缝流动”。
当然，消除工厂内外的浪费一直是供应链高管数十年来的执念。源于1940年代末的丰田生产系统（TPS），识别出七种“muda”（日语“浪费”之意）。近期，精益生产与准时制（JIT）理论剥离了管理者视为过剩的库存——以至于在新冠疫情期间，许多零售商因库存不足无法满足激增的消费品需求。一个人的“精益”供应链，可能是另一个人的断货噩梦。
不得不问：以往消除系统浪费的理论，产出的书籍与论文是否多于工厂实效？据Pratt引用，世界银行估计全球工业废弃物是城市固体废弃物（即我们常说的“垃圾”）的18倍。
公平地说，精益、JIT、六西格玛、约束理论及高级规划工具均在工厂管理实践中留下印记。生产浪费大幅减少，但仍是每年2万亿美元的难题（Pratt将细分数据）。他说：“离完美流动状态尚远。许多供应链有固定业务规则，但问任何库存规划师，他们会告诉你：这些规则全错。”
AI带来全新的废弃物控制思路。Pratt表示，区别在于利用复杂算法预测何时过剩零部件、产品与做法会堵塞运作。此类预警让人类能在问题影响产品流动前介入。
专门用AI攻克生产浪费不足十年，却已被证明“极其有效”。早期制造应用如物料需求计划（MRP）和企业资源计划（ERP），受限于缓慢的计算机和昂贵的数据。
Pratt解释：“那些技术的痛点在于假设平均生产良率和交付时间。这就像谈论地球人平均鞋码。平均值与现实的差距，约占全球一半浪费。”
丰田工业工程师大野耐一识别的七大muda为：搬运、库存、动作、等待、过度生产、过度加工、缺陷。引入AI后，Pratt将概念延伸至工厂之外，划定当今供应链四大浪费领域：
- 缺陷产品。 经完整生产流程仍流出的次品必须报废。Pratt称，年成本约8610亿美元。
- 工厂故障。 非计划停机是“巨大问题”，年成本约6890亿美元。
- 配送失误。 工厂产出完美产品，却因现有IT系统无法满足交付时效、地点、数量目标而在配送环节滞留。过剩库存成本：年约4460亿美元。
- 空货架。 缺货看似非浪费，但零售商因约9%的缺货率而恐慌性囤货，导致“生产超出实际需求”。
首次，日益增长的算力使同时有效攻克上述四大领域成为可能。Pratt指出，如今用于此类计算的平均计算机比2000年世界最快超算快2000倍。
AI角色正从描述性分析向处方性分析跨越。AI系统能扫描异常、预警迫在眉睫的事件、预测后果并推荐纠正措施。Pratt补充：“它还能告诉你如何调整工厂避免生产次品。”
这不意味着人完全退场。Pratt认为理想系统结合AI的暴力计算力与人脑的创造力与洞察。无论如何，AI在制造环境甚至更广阔世界兑现承诺，仍有漫漫长路。
像任何前沿技术，AI接受度将逐步提升。但Pratt相信，沃尔玛等大型零售商对供应商完美表现的要求，正加速其成熟。能否满足标准，“可能关乎生存与灭亡”。
工业技术