凱捷（Capgemini）表示，機械維護和質量是當今制造運營中領先的AI改造項目。

在機器學習分析了應多久清潔一次船體以獲取最大效率的數(shù)據(jù)之后，卡特彼勒的海事部門每年每艘船可節(jié)省40萬美元。

寶馬集團使用AI評估正在進行的生產(chǎn)線中的零部件圖像，以實時發(fā)現(xiàn)與標準的偏差。

制造商的思維方式將大流行病的硬重置視為增長，增強，適應力強和足智多謀的機會，制造商的思維方式不斷加倍用于分析和AI驅動的飛行員。

他們將人類的經(jīng)驗，洞察力和AI技術相結合，發(fā)現(xiàn)了新的差異化方法，同時降低了成本并保護了利潤。在艱難的經(jīng)濟時期，他們?nèi)紴槔^續(xù)增長所面臨的挑戰(zhàn)。他們并不孤單地接受挑戰(zhàn)。波士頓咨詢集團（Boston Consulting Group）的最新研究《后危機世界中AI驅動的公司的崛起》發(fā)現(xiàn)，在前四次全球經(jīng)濟下滑中，有14%的公司能夠提高銷售增長和利潤率，如下圖所示：

人工智能是制造業(yè)實時未來的核心

實時監(jiān)控具有許多好處，包括解決生產(chǎn)瓶頸，跟蹤廢品率，滿足客戶交貨日期等等。它是上下文相關數(shù)據(jù)的極好來源，可用于訓練機器學習模型。有監(jiān)督和無監(jiān)督的機器學習算法可以在幾秒鐘內(nèi)解釋多個生產(chǎn)班次的實時數(shù)據(jù)，并發(fā)現(xiàn)以前未知的流程，產(chǎn)品和工作流程模式。

制造業(yè)中29%的AI實施用于維護機械和生產(chǎn)資產(chǎn)。凱捷（Capgemini）的研究團隊發(fā)現(xiàn)，預測AI /機器何時可能發(fā)生故障并建議最佳維護時間（基于條件的維護）是當今制造業(yè)中AI的最流行用例。通用汽車在其供應商的幫助下，分析了安裝在組裝機器人上的攝像機中的圖像，以發(fā)現(xiàn)機器人部件故障的跡象和指示。在該系統(tǒng)的一項先導測試中，它檢測了7，000個機器人的72個組件故障實例，并在可能導致計劃外停機之前發(fā)現(xiàn)了問題。研究中的以下圖形說明了AI如何用于制造中的智能維護：

通用汽車的Dreamcatcher系統(tǒng)基于Autodesk的生成設計算法，該算法依靠機器學習技術來考慮設計約束并提供優(yōu)化的產(chǎn)品設計。 在CAD設計環(huán)境中具有約束優(yōu)化邏輯有助于GM實現(xiàn)快速原型設計的目標。設計人員提供功能需求，材料，制造方法和其他約束的定義。通用汽車和AutoDesk定制了Dreamcatcher，以優(yōu)化重量和其他關鍵產(chǎn)品標準，這對于設計要在增材制造中取得成功的零件至關重要。該解決方案最近通過安全帶支架零件的原型進行了測試，從而使單件式設計比原始的八個組件設計輕了40%，而強度卻提高了20%。。請參閱《哈佛商業(yè)評論》案例分析，Dreamcatcher項目：生成設計可以加速增材制造嗎？有關其他信息。

諾基亞推出了一種視頻應用程序，該視頻應用程序使用機器學習來警告裝配操作員生產(chǎn)過程中是否存在不一致之處。諾基亞在芬蘭奧盧的一家工廠中推出了使用機器學習監(jiān)控裝配線過程的視頻應用程序。它會警告操作員過程中的不一致之處，以便可以實時糾正問題。請參閱文章諾基亞聲稱與Telia和Intel進行首次“現(xiàn)實世界” 5G智能工廠試用，以獲取更多詳細信息。

實時分析圖像以完成汽車和消費品行業(yè)的產(chǎn)品質量檢查，還有助于制造商保持嚴格的法規(guī)要求。高分辨率相機的價格繼續(xù)下降，而基于AI的圖像識別軟件和技術則不斷提高。這兩個因素以及更多因素導致越來越多地采用實時在線檢查。奧迪是采用這些技術的領導者，它在英戈爾施塔特（Ingolstadt）印刷廠安裝了基于深度學習的圖像識別系統(tǒng)。下圖說明了實時產(chǎn)品質量檢查工作流程的工作方式：

消費包裝產(chǎn)品制造商在所有行業(yè)中均處于領先地位，因此提高需求預測準確性正在多個行業(yè)中顯示出可觀的結果。 達能集團是法國一家跨國食品產(chǎn)品制造商，目前正在使用機器學習系統(tǒng)來提高其需求預測的準確性。他們正在使用機器學習來改善營銷，銷售，客戶管理，供應鏈和財務之間的計劃協(xié)調(diào)，從而獲得更準確的預測。通過機器學習，達能可以滿足產(chǎn)品促銷的需求，并達到其渠道或商店級庫存的目標服務水平。該系統(tǒng)使預測誤差減少了20%，銷售損失減少了30%，產(chǎn)品過時減少了30%，需求計劃人員的工作量減少了50%。以下是當今如何設計基于機器學習的需求計劃和預測系統(tǒng)的概述：

泰雷茲公司是各行各業(yè)電子系統(tǒng)的領先供應商，它正在使用機器學習來預測整個歐洲高速鐵路的預防性維護。該公司收集跨歐洲跨大陸鐵路系統(tǒng)的數(shù)千個傳感器，火車零件以及子系統(tǒng)的當前狀態(tài)的歷史和當前數(shù)據(jù)。利用數(shù)據(jù)，它開發(fā)了一種AI算法，可以預測潛在問題并確定何時需要更換特定零件，從而在過程中達到很高的可靠性。以下是TIRIS大數(shù)據(jù)分析工具的預測性維護儀表板，可支持鐵路行業(yè)實現(xiàn)零計劃外停機方法。

寶馬集團使用AI評估其生產(chǎn)線中的零部件圖像，從而實時發(fā)現(xiàn)與質量標準的偏差。 在寶馬集團丁格爾芬工廠的最終檢查區(qū)域中，一個AI應用程序將車輛訂購數(shù)據(jù)與新生產(chǎn)汽車的模型名稱的實時圖像進行比較。型號名稱和其他標識牌（例如用于四輪驅動車輛的“ xDrive”）以及所有普遍認可的組合都存儲在圖像數(shù)據(jù)庫中。如果實時圖像和訂單數(shù)據(jù)不一致，例如缺少指定名稱，則最終檢查團隊會收到通知。有關寶馬如何在其許多生產(chǎn)中心內(nèi)利用AI進行創(chuàng)新的更多詳細信息，請參閱文章，快速，高效，可靠：寶馬集團生產(chǎn)中的人工智能。寶馬集團還將在開源平臺上共享其在生產(chǎn)中使用的AI算法?？梢栽诖颂幷业接嘘P其AI算法開源的更多詳細信息。以下是寶馬如今使用的基于AI的圖像匹配技術的示例：

施耐德電氣創(chuàng)建了基于Microsoft Azure機器學習服務和Azure IoT Edge的預測性IoT分析解決方案，以提高工作人員的安全性，降低成本并實現(xiàn)可持續(xù)發(fā)展目標。施耐德電氣的數(shù)據(jù)科學家使用來自油田的數(shù)據(jù)來構建模型，這些模型可以預測何時何地需要維護。數(shù)據(jù)科學家使用自動機器學習功能來智能地選擇最佳的機器學習模型，并自動調(diào)整機器模型的超參數(shù)以節(jié)省時間并提高效率。當公司部署基于Azure機器學習服務的解決方案時，它可以幫助運營商在短短兩天內(nèi)將效率提高10%到20%。請參閱文章，施耐德電氣通過Azure機器學習服務的預測性維護進一步降低成本和員工風險，以了解更多細節(jié)。下圖說明了IoT Edge Analytics植入，其中包括Azure機器學習服務：

日產(chǎn)汽車正在嘗試使用AI實時設計新模型，希望減少下一代模型系列產(chǎn)品的上市時間。日產(chǎn)將其稱為DriveSpark程序，該程序已經(jīng)存在了四年。日產(chǎn)的設計師正在使用DriveSpark系統(tǒng)來創(chuàng)建完全符合最新行業(yè)合規(guī)性和法規(guī)要求的全新模型。他們還使用AI來延長現(xiàn)有模型的生命周期。有關更多信息，請參閱DriveSpark文章，“日產(chǎn)汽車的理念：讓人工智能設計我們的汽車”，2016年9月。

佳能發(fā)明了先進的資產(chǎn)缺陷識別系統(tǒng)，將其制造中心的質量控制水平提高到了新的水平。佳能將人類的專業(yè)知識，洞察力和AI技術（包括機器學習，計算機視覺和預測模型）相結合，以幫助提高測試高精度機器零件的準確性和效率。汽車和運輸，航空航天與國防，石油和天然氣以及建筑等行業(yè)中的精密零件制造商通常需要嚴格的組裝后檢查過程。佳能的制造組件通過工業(yè)射線照相（X射線圖像）和圖像進行了仔細檢查，以驗證每個零件及其內(nèi)部結構的完整性。借助計算機視覺和機器學習功能，輔助缺陷識別技術系統(tǒng)可以智能地分析被檢零件的圖像，自動識別潛在的缺陷，佳能在其網(wǎng)站的“人工智能/機器學習”區(qū)域中的技術計劃還有更多詳細信息。