ИИ в производстве: новые возможности для информационных и операционных технологий
Некоторые отрасли лучше подготовлены к применению возможностей ИИ, чем производство. Но с распространением датчиков и сетей в операционной среде, производители получают доступ к данным.
Производители постоянно работают над выявлением закономерностей и решением проблем, зная, что даже малейшие улучшения имеют большое значение. Они всегда были пионерами в более разумном использовании автоматизации, поэтому кажется логичным, что автоматическое обучение, которое характеризует ИИ, имеет естественную связь с производством.
Тем не менее, даже при таком четком взаимодействии, производители сталкиваются с проблемами при внедрении ИИ. Решение этих проблем предоставляет им реальные возможности.
В недавнем глобальном опросе об искусственном интеллекте ответы более 300 руководителей различных отраслей указали на все большее количество признаков того, что мы находимся на пороге изменений. Опрос, проведенный Forbes Insights, SAS, Intel и Accenture Applied Intelligence, показал, что развертывание ИИ вышло за рамки дискретных сценариев использования или экспериментов и стало общеорганизационным внедрением. Даже с учетом отсутствия стратегии и недостающих возможностей, выявленных в ответах, респонденты указывают на то, что широко распространенное внедрение ИИ не за горами - в производстве и любой другой отрасли.
Бесплатный отчет
В нашем отчете Тенденции ИИ, его готовность к использованию и модели успеха
показано, что лидеры и первопроходцы в области ИИ достигают значительных успехов, а также выявляют и расширяют возможности использования ИИ во многих отношениях и большей части отделов их организаций.
«Правда в том, что крупные мировые производители по-прежнему в значительной степени полагаются на устаревшее, отсоединенное оборудование», - говорит Марсия Уолкер, главный отраслевой консультант, мировая промышленная практика SAS. «Таким образом, многие производители используют ИИ, и в этом опросе мы видим, что они используют его неожиданными способами - например, в операциях с клиентами или в вопросах по предъявлению гарантийных рекламаций и отзывов. Есть еще так много всего, что производители смогут делать с ИИ по мере развития их бизнеса, и они продолжают вкладывать средства в модернизацию других областей их бизнеса. Хорошая новость заключается в том, что мы наконец-то видим, что ИИ переходит к аспектам производства, которые оставались аналоговыми в течение многих лет, например, в цехе. В производстве мой собственный опыт показывает, что распознавание изображений получает все большее распространение».
Итак, что же сообщают руководители производств о своем опыте работы с ИИ? На чем они сосредоточены сегодня? Что уже работает? Какие их планы на будущее?
ИИ поможет достичь впечатляющих результатов
26% респондентов-производителей развернули технологии на основе ИИ, а 50% говорят, что находятся на стадии разработки. Эти цифры примерно соответствуют другим отраслям, таким как потребительские товары и розничная торговля. Это говорит о том, что обрабатывающая промышленность приняла ИИ. Но, если присмотреться, сопоставить эти положительные ответы с реальным опытом в этой отрасли оказывается трудно.
По словам Уолкер, новые производственные клиенты часто говорят, что используют ИИ. Но изучение того, какие технологии ИИ они используют (и как), обычно показывает, что они используют ИИ в качестве универсального термина для всего: от простых панелей мониторинга до аналитики, базовой статистики и элементарной автоматизации с помощью программного обеспечения.
Воспринимайте искусственный интеллект как науку о системах обучения, чтобы подражать человеческим задачам через обучение и автоматизацию. Многие производители просто еще не достигли этого уровня. Но когда это произойдет, результаты могут быть впечатляющими.
Учитывая, как производители используют IoT, возможности применения ИИ для данных IoT кажутся экспоненциальными. «Машинное обучение и искусственный интеллект - это области, на которые мы сейчас обращаем особое внимание», - говорит Конал Диди, директор служб по обслуживанию подключенных транспортных средств, Volvo Trucks North America. «Мы раскрываем скрытые инсайты в наших данных и объединяем их со знаниями машин из нашей инженерной группы. Вместе мы находимся в гораздо лучшем положении, чтобы понять, что именно говорят нам данные, и интегрировать их в службу удаленной диагностики. Мы уже видим преимущества, и будущее чрезвычайно захватывающее. Теперь мы можем обрабатывать миллионы записей в режиме реального времени, расширяя возможности удаленной диагностики Volvo , что помогает сократить время диагностики в среднем на 70% и время ремонта на 25%».
Изменение культуры - важный фактор для принятия ИИ
Когда респондентов попросили определить основные вызовы в успешной реализации и применении ИИ в их организациях, производители справедливо указали на ряд проблем: от обеспечения объективных и нейтральных результатов на основе ИИ (24%) до отсутствия экспертизы в разработке / развертывании (26 %) и т.д. И два похожих ответа выделялись - корпоративная культура (22%) и сопротивление со стороны сотрудников из-за опасений по поводу безопасности работы (16%).
На протяжении многих лет одна из самых популярных тем, которая связана с ИИ - это убеждение работников производства в том, что системы ИИ столь же надежны, как и их инстинкты. Большая часть возможностей для производителей в отношении ИИ будет заключаться в создании правильных условий для культурных изменений, которые помогут внедрению ИИ укорениться.
Как это часто бывает, успех порождает больше успеха. Один из способов содействовать изменению культуры - начать с победы.
Например, европейский производитель преследовал агрессивный план для новых инициатив ИИ. Сначала казалось, что имеет смысл выбрать первоначальный проект ИИ, который имел наибольшую потенциальную выгоду. Но вместо этого была предложена инициатива с более низким ROI по одной важной причине - это проект, который, скорее всего, победит скептиков-инженеров и предоставит доказательства того, что ИИ работает. Этот заблаговременный ИИ-проект убедил инженеров в том, что ИИ может обеспечить надежные и заслуживающие доверия результаты, проложив путь к реализации проектов с более высокой рентабельностью инвестиций на основе уверенности в том, что ИИ может работать в их организации.
Преодолеть пропасть между ИТ и ОТ, чтобы внедрить ИИ
Для любого руководителя, работающего в сфере производства, неудивительно, что согласованность между бизнес-целями и ИТ представляет собой огромную проблему для внедрения ИИ. 22% респондентов отметили, что это одна из наиболее острых проблем, с которыми они сталкиваются.
С годами операционные технологии (OT) стали более специализированными и сложными. И, несмотря на важные достижения в области стандартизации, этим командам по-прежнему сложно общаться друг с другом, и тем более они не согласны с ИТ-инфраструктурой. В конце концов, инженеры, которые проектировали OT и ИТ-возможности, как правило, приходят из разных технических областей. ОТ и ИТ-системы были разработаны для решения разных задач - разработки программного обеспечения (ИT) или машиностроения (OT).
Почему сотрудничество OT-ИT важно для проектов ИИ? Потому что в производственной среде ИИ должен иметь возможность работать на пересечении ОТ и ИТ. Это потребует не только эффективного обучения систем для общения друг с другом, а также глубокого сотрудничества между различными типами ИТ и OT лидеров.
Сегодня у многих производителей дела обстоят еще не так. Но есть обнадеживающие признаки, указывающие путь к расширению сотрудничества ИT-OT в сфере обслуживания ИИ на производстве. Например, продолжающееся развитие облачных возможностей уже вынудило производителей стандартизировать способы, которые открывают двери для ИИ.
Что будет дальше с ИИ в производстве?
Кажется очевидным, что ИИ будет продолжать расширяться среди производителей, поскольку лидеры становятся более опытными в развертывании этих возможностей, а сами возможности становятся еще более мощными. Хотя то, что будет дальше, будет зависеть от каждой компании, в зависимости от её операционной среды. Можно с уверенностью сказать, что факторы, которые отличают успешных специалистов по внедрению ИИ, будут заметны среди производителей. Эти факторы включают в себя:
- Процесс зрелости . Руководителям производства следует регулярно проверять результаты ИИ и следить за тем, чтобы у них были процессы для подтверждения или отмены сомнительных результатов. Есть ли у них планы значительно улучшить бизнес-процессы с помощью ИИ? Это признаки зрелости, и такие лидеры ИИ в производстве уже выделяются.
- Подключение аналитики к ИИ . Аналитика определяет аспекты обучения и автоматизации в подключении ИИ. Эта связь может быть неочевидной для производителей, которые еще не развернули ИИ. Успешные пользователи ИИ демонстрируют уровень аналитической зрелости, и исследования показывают, что это ключевой фактор успеха.
- Доверие к ИИ . Когда дело доходит до ИИ, успех рождает уверенность. Успешные организации более чем в 2 раза чаще доверяют своей способности этически использовать технологии ИИ в будущем. Производители не являются исключением.
- Адекватный уровень контроля ИИ . Компании, которые более успешны в использовании ИИ, имеют тенденцию к более строгому контролю. Например, 74 % успешных компаний сообщают, что они проверяют свои результаты ИИ как минимум еженедельно. Несмотря на то, что производители достигли значительных успехов в этой области, отслеживание достижений и развертываний ИИ в организации требует сосредоточенного внимания и усилий.
Понятно, что развертывание ИИ ускоряется и вообще только начинается. Если бы ИИ был пятиступенчатой ракетой, возможно, сейчас мы запускаем третью ступень. И по мере того, как ИИ будет развиваться, многие вопросы, рассмотренные в этом опросе, будут приобретать все большее значение. Эта тема все чаще будет подниматься в разговорах на уровне совета директоров, в повестке дня встреч на уровне внедрения и чаще появляться в деловых и популярных СМИ.
Рекомендуем прочитать
- Fraud detection and machine learning: What you need to knowМашинное обучение является важной частью инструментария обнаружения мошенничества. Вот что вам нужно для начала работы.
- Ситуационная осведомленность определяет нашу реакциюМногие обстоятельства требуют ситуационной осведомленности, то есть осознания того, что происходит вокруг. Пандемия COVID-19 усилила эту потребность, поскольку лидеры во всех отраслях использовали аналитику и визуализацию, чтобы получать ситуационную осведомленность в реальном времени и быстро реагировать на важные решения.
- Ускоряясь на пути внедрения искусственного интеллекта, подумайте о «качестве дорожного покрытия»ИИ-технология добилась огромных успехов за короткое время и готова к более широкому внедрению. Но поскольку организации наращивают усилия по ИИ, им необходимо проявлять особую осторожность, потому что, как скажет любой сотрудник полиции, даже небольшие выбоины могут создавать проблемы для транспортных средств, движущихся на высоких скоростях.
Готовы подписаться на инсайты сейчас?