这10种机器学习方法，正在让制造业产生颠覆性革新

本文为数盟原创译文，转载请注明出处为数盟社区。

概要：每个制造商都有潜力将机器学习集成到自身的业务上，并通过获得可预测性的洞察投入生产从而使企业变得更具有竞争力。

 

机器学习的核心技术与制造商每天要面对的复杂问题相一致。从努力保持供应链的高效运行，到按时生产专门定制的产品，机器学习算法有能力在生产的每一个阶段带来更高的预测准确性。许多正在开发的算法都是迭代的，旨在不断的学习，以寻求最优化的结果。这些算法以毫秒为单位进行迭代，使制造商能够高效的寻求优化结果。

 

正在变革制造业的机器学习方法包括以下10个：

1.产品生产量增加了20％，而材料消耗率只降低了4％。

智能制造系统旨在利用预测数据分析和机器学习提升机器、生产单元和设备水平的综合收益率。下面是通用电气引自国家研究所标准（NIST）提供的图表摘要，列出了当今制造业中正在使用的预测分析和机器学习的优势分析。



来源: Focus Group: Big Data Analytics for
Smart Manufacturing Systems

 

2.提供了更多的相关数据，以便财务、运营和供应链团队可以更好地管理工厂和需求方面的制约因素。

在许多制造企业，IT系统并不集成，这使得跨职能的团队很难实现共同的目标。机器学习可以为他们的团队带来一个全新水平的洞察力和智慧，使他们优化生产流程、库存、WIP和价值链的决策目标成为可能。



来源:  GE Global Research Stifel 2015 Industrials Conference

 

3.通过对组件及级别提供更高的预测准确度，以改善预防性维护和保养、修理和大修（MRO）的表现。

亚马逊、谷歌和微软的公告显示，集成机器学习数据库、应用和算法到云平台正在变得无孔不入。下图说明了机器学习整合到Azure平台的过程。微软正在通过Microsoft Azure制造业务的自动化方面，使Krones能够实现其工业4.0的目标。



来源: Enabling Manufacturing Transformation in a Connected
World John Shewchuk Technical Fellow DX, Microsoft

 

4.启用状态监测流程，它可以为制造商提供规模管理，并将整体设备效率（OEE）在平均性能上从65％提高到85％。

一家汽车OEM为了提升生产效率与Tata咨询服务公司合作，该公司生产过程中已经明显出现了冲压生产线的整体设备效率（OEE）低至65％，与断裂时间点只差17-20个百分点的现象。进行了对传感器数据中15个操作参数的集成（如油压、油温、油的粘度、油泄漏和空气压力等），这些数据来自于12个月间每15秒对设备数据的收集。该解决方案的组件如下所示。



来源: Using Big Data for Machine
Learning Analytics in Manufacturing

 

5.机器学习正在变革与智能的关系，Salesforce正在迅速成为领导者。

Salesforce的一系列收购造就了他们在机器学习和人工智能（AI）领域的全球领导者的地位。Cowen和公司研究报告中指出，Salesforce：起步早；2016年6月23日顺利发布的增长引擎总结了一系列Salesforce对机器学习和人工智能的收购，其次是新产品发布，并对预计营收贡献进行了分析。由Alex Konrad进行分析的价值28亿美元的 Salesforce最近对电子商务提供商Demandware的收购是他最拼的动态，Salesforce将获得Demandware 的28亿美金进军数字商业。随着Demandware出售成为一个重要的贡献者，Cowen和公司预测云商务部将通过FY18贡献出3.25亿美元的收入。





机器学习算法上的革命化产品和服务质量，确定了哪些因素最多和最少的影响全公司范围内的产品质量。

制造商通常都面临着生产产品和服务要匹配于公司核心部分水平的挑战。通常，质量是单独的。机器学习是通过确定内部流程、工作流和因素贡献对目标质量得到满足的多少，成为革命性的产品和服务质量。使用机器学习制造商将能够通过在定义、测量、分析、改进和控制（DMAIC）框架内预测其质量和采购决策是如何协助提高Six Sigma水平的，这将有助于实现更强大的制造智能。
机器学习已经应用于通过优化团队、机器、供应商和客户的要求来提高生产产量。

机器学习已经在当今的航空航天与国防、分立元件、工业和高科技制造业等方面做出显著影响。制造商正在利用自己的生产能力转向生产更复杂的、定制的产品，并通过机器学习做出对机器、训练有素的员工和供应商的最佳选择。

 

8.“制造业是一种服务”的愿景将成为现实，这得益于机器学习使订阅模式为生产服务。

生产工艺旨在支持快速、高度定制化生产运行的制造商，由其良好的地位推出全球规模服务订阅率的新业务。包装消费品（CPG）、电子产品供应商和零售商的制造成本飞涨，使他们将不得不订阅制造服务，并在品牌、营销和销售上投入更多的精力。

 

9.机器学习非常适用于优化供应链和创造更大的规模经济。

对于许多大型的生产厂家，他们70％以上的产品销售来源是首先满足顾客需求的小型供应商。使用机器学习，买家和供应商可以更有效地协作，减少缺货现象，提高预测的准确性，并达到或提前于更多客户的交货日期。

 
给固定客户在合适的时间设定合理的价格，以获得最大的利润和封闭销售，将是机器学习的家常便饭。

机器学习正在扩展服务到提供企业级的价格优化应用程序。其中最显著的差异将是如何根据给定策略优化定价，从而达成交易并加快销售周期。

 

原文链接 http://www.forbes.com/sites/louiscolumbus/2016/06/26/10-ways-machine-learning-is-revolutionizing-manufacturing/#30922fbc2d7f