《Tech-Clarity：人工智能時代的制造業-進展與期望（2023）（28頁）.pdf》由會員分享，可在線閱讀，更多相關《Tech-Clarity：人工智能時代的制造業-進展與期望（2023）（28頁）.pdf（28頁珍藏版）》請在三個皮匠報告上搜索。

1、人工智能時代的制造業進展與期望人工智能時代人工智能時代的制造業的制造業進展與期望進展與期望副總裁副總裁Julie Fraser Tech-Clarity,Inc.2023加快從數據到有效行動的周期加快從數據到有效行動的周期人工智能時代的制造業：進展與期望2一個由人工智能驅動的制造業新時代一個由人工智能驅動的制造業新時代盡管在供應鏈端充滿挑戰，但制造商們依然闊步向工業4.0邁進。大多數制造商們都明白，人工智能（AI）和高級分析可以助力做出更好的決策，進而帶來商業效益。然而，許多制造商們仍然在苦苦學習如何創建成功的數據管理結構。本項研究向您揭示，行業領導者是如何取得比其他公司更大進步的。簡而言之，

2、就是因為他們了解、投資并充分利用了人力、流程和技術的方方面面，而從大體來說，則是因為他們都完成了從數據到信息到洞察到決策再到可盈利且及時行動的這一重要過程，從而實現了整體閉環。目錄目錄頁碼工業4.0的進展416彌補技能短缺時局不易517利用商業系統成功的關鍵618更好的MES提升體驗實現從數據到行動的閉環719探索高級技術多方面掌控820獲取業務能力制造數據管理中的挑戰921加速改進缺乏集成阻礙發展1022實現降本目標努力的成果：行業領先者1123為什么要進行制造數據管理？了解所有重要問題1224為什么要轉向人工智能？啟動解決問題的舉措1325高級分析的部分優勢-引言改進組織結構1426前進之

3、路贏在人員配備1527關于研究28致謝人工智能時代的制造業：進展與期望3工業工業4.0愿景愿景未來的制造業將廣泛采用更加靈敏的人工智能和智能自動化技術，使得制造過程變得更加迅速便捷。這就是工業4.0的愿景，它還包含其它廣泛的含義，涉及了企業和供應鏈的方方面面，雖然在制造領域往往面臨著嚴峻的挑戰，但同時也面對著巨大的機遇！三年來的進展三年來的進展當制造商開始實施工業4.0計劃時，他們大都知道這將是一場歷時多年的修煉。我們能看到，大多數企業的變革過程都很順利。自2020年我們發布制造數據管理挑戰（The Manufacturing Data Management Challenge）1調查報告以來

4、，行業發展顯著。許多受訪企業在工業4.0方面取得了巨大進展，并已從中獲益。工業工業4.0的進展的進展尚未制定戰略正在規劃，尚未執行進行單個項目開啟多個項目許多舉措正在實施中重大進展和成果13%15%4%10%12%8%11%27%26%27%23%24%工業工業4.0的進展：的進展：2020年年 vs 2023年年20232020人工智能時代的制造業：進展與期望4其他情況人工智能時代的制造業：進展與期望5工廠可能關閉不斷涌現的新材料和新產品新加工規格的新材料新材料/新供應商需要額外驗證交貨期壓力增大需求變化大材料短缺3%14%28%30%33%41%46%59%最多選擇三個時局不易時局不易中斷

5、時間中斷時間上一次調查是在新冠疫情流行時進行的。本次調查則是在疫情終于開始消散時啟動的。在大多數情況下，大多數制造商經歷過的材料短缺問題依然存在。在地緣政治的壓力下，許多企業紛紛選擇以在岸外包、近岸外包或友邦外包的方式更換供應商。壓力下的制造業壓力下的制造業外部供應鏈環境和內部調整都給生產運營帶來了額外的挑戰。作為供應商，許多制造商在交貨期和客戶期望方面，壓力陡增。對客戶來說，因為材料供應商會變，價格和供應情況也會隨之波動，所以想讓質量始終如一也并非易事。在時局動蕩時采取行動在時局動蕩時采取行動很明顯，供應鏈不穩定的問題不會顯著緩解。鑒于需求波動大，供應鏈不確定等這樣的客觀情況，企業必須做好應

6、對準備，以維持正常運營。企業可采取的措施包括改變產品組合、嘗試使用新材料，以及快速、有效地解決質量問題。這時候僅有數據甚至信息是不夠的。企業必須深入了解情況，做出決策并采取行動，以維護利潤、保證品質，使客戶保持信心。影響制造業的主要供應鏈問題影響制造業的主要供應鏈問題數據管理數據管理當被問及各類制造數據管理能力和技術對工業4.0轉型的重要程度時，大多數制造商都認為它們是關鍵或重要的。普遍認為工業4.0轉型后的必備能力是數據管理。制造業的數據類型和來源多種多樣，收集和分析數據的實際難度比聽起來更難，但對成功來說卻是至關重要的。將OT數據與工廠IT數據融合起來的舉措在榜單上排名也很靠前，體現了大家

7、對其的認可度。智能和分析智能和分析良好數據管理的一個關鍵優勢是能實現從數據到信息再到見解再到決策再到行動的閉環。五分之四的受訪者認為，這對他們成功完成工業4.0至關重要。其中體現在兩個具體方面即分別向工廠的員工和辦公室的員工提供可操作的洞察，雖然得分不是很高，但仍然得到了廣泛認可。集成技術，有效行動集成技術，有效行動大多數制造商計劃利用技術以實現高效、可靠、快速實現閉環的目的。工業物聯網（IIoT）可以為搜集機器數據提供支持。幾十年來，使用集成設備、工廠和企業系統一直是一個目標，而這個目標也將繼續成為工業4.0成功的基石。人工智能（AI）和機器學習（ML）也可用于分析與制造成果相關的各種數據集

8、。這些能力的得分也都很高。各種要素對工業各種要素對工業4.0成功的重要性成功的重要性成功的關鍵成功的關鍵為辦公室員工提供可操作洞察結合OT數據與工廠IT數據人工智能/機器學習集成設備、工廠和企業系統工業物聯網（IIoT）平臺實現從數據到行動的閉環一致的數據管理38%38%44%44%45%46%47%48%39%37%38%31%34%27%34%31%15%18%16%8%12%12%7%13%8%12%9%11%10%10%13%8%為工廠員工提供可操作洞察有用不重要人工智能時代的制造業：進展與期望6關鍵重要數據管理：概念視圖數據管理：概念視圖針對尚不熟悉制造數據管理的人員，我們在這里提供

9、一種有關數據管理的可視化閉環。它從概念層面解釋了制造業一致的數據管理系統的要素。人工智能時代的制造業：進展與期望7該圖的底部中心是數據收集和提取。無論數據是來自IT還是OT，都是基礎性的，也是IIoT、傳感器和許多員工記錄實際情況的系統發揮作用的地方。這些數據需要經過結構化、協調化和存儲才能發揮作用?？紤]到龐大的機器陣列以及需要定期更改的系統數據格式，這一過程會非常復雜。右下方是上下文數據和擴充。例如，機器數據讀數為10；只有增加上下文信息，才能確定讀數是否在預期范圍內。如果不在范圍內，那么操作員、材料批次和環境條件等可能會提供有用的信息以更全面地描述情況。例如，該機器的操作員可能知道應該調整

10、什么或向誰求助。在進行分析時，它可能會有助于確定問題根本原因。這種洞察將更容易獲得。擁有洞察才能做出更好的決策。例如，你是否將使用該材料批次做所有的工作或者重新培訓操作員？最后一個方面是確保有效行動。將決策與相關制造應用中的行動觸發因素聯系起來能夠確保采取敏捷、有效的行動，而這些都對盈利能力非常重要。實現從數據到行動的閉環實現從數據到行動的閉環制造數據結構和活動的概念視圖制造數據結構和活動的概念視圖決策決策信息信息數據結構化數據結構化行動行動洞察洞察上下文數據上下文數據人工智能人工智能機器學習機器學習模型模型 引擎引擎算法算法參考模型參考模型事件和事件和操作框架操作框架CEP儀表板儀表板定制模

11、板定制模板IT DMZ OT結構本體結構本體數據湖數據湖分析分析應用應用情境化數據擴充情境化數據擴充數據提取數據提取數據收集數據收集數據協調數據協調數據存儲數據存儲目標：閉環目標：閉環如前頁圖表所示，一致、完整的制造數據管理涉及多個方面。理想情況下，信息流從源頭到存儲、協調、擴充，再到決策分析，最后進入應用，以供采取行動。我們將此過程稱為“實現從數據到行動的閉環”，它確實非常復雜?，F實：數據流中的缺口現實：數據流中的缺口在現實中，大多數企業的數據流都存在缺口。我們的調查結果顯示，在我們列出的七個環節中，只有5%的企業在任何一個環節都沒有人工交接。在這個樣本中，有一半以上的制造商表示在分析各種來

12、源的數據時存在數據流缺口。這可能是企業開展高級分析和大數據項目時最關心的問題。從將OT數據轉換為供IT使用的格式，到創建上下文數據、生成洞察、做出決策和采取適當行動，每個階段都有待改進。次優結果次優結果每次人工交接數據或信息時，流程都會變慢，并有出錯的風險。決策和行動一旦延誤，往往會造成時間、材料和利潤損失。在當今競爭激烈的市場中，制造商可能無法承受這些損失。多方面掌控多方面掌控其他情況人工智能時代的制造業：進展與期望8將原始OT數據轉換為IT可用格式采取適當行動向利益相關者提供數據和洞察創建上下文數據生成可操作的洞察基于洞察做出決策分析多源數據5%37%40%42%43%44%44%53%數

13、據流中的缺口數據流中的缺口其他情況人工智能時代的制造業：進展與期望9沒有從人工智能中獲得過洞察無法根據我們的數據快速做出決策無法將所有需要的數據放入CI的情境中難以將OT數據納入IT數據集無法自信地從數據轉移到采取行動難以同時分析IT和OT數據缺乏專業熟練的數據分析師和工程師IT和OT系統的數據相互沖突5%24%28%29%29%30%31%34%38%制造數據管理中的挑戰制造數據管理中的挑戰數據問題數據問題制造商在制造數據管理和實現數據到行動閉環方面，面臨著各種挑戰。最常選擇的問題是IT和OT系統有沖突數據。缺乏協調的方法會讓所有相關人員有挫敗感。受訪者還寫道：缺乏用于分析的實時數據收集，以

14、及數據不一致。人員配備人員配備第二大常見挑戰是更廣泛的制造業技能短缺問題：缺乏專業熟練的數據分析師和工程師2。數據技能與理解制造業中對數據和分析具體需求的結合目前比較稀缺。其中一位選擇“其他”的受訪者寫道：“各級人員配備欠缺?！绷鞒塘鞒檀罅康牧鞒處砹嗽S多問題，比如將OT數據納入IT數據集中。其他挑戰還包括添加上下文數據、同時分析IT和OT數據、從人工智能中獲得洞察，以及自信地從數據轉移至采取行動。一位受訪者寫道：“很難合并來自多個不同位置的數據以進行全局視角分析?！敝挥?%的受訪者表示沒有遇到這些挑戰。技術技術在本問題的其他字段中，還有一些其他回答，包括難以遷移到新系統的舊系統。系統分散、系

15、統升級以及實施新系統的成本。制造數據管理中的挑戰制造數據管理中的挑戰選擇所有適用項很多人工智能時代的制造業：進展與期望10較多中等較少很少39%1%優化數據流優化數據流差距較大、挑戰較多，說明制造系統之間需要集成。遺憾的是，大多數企業在創建和維護集成方面，仍需耗費大量精力。當系統沒有完全集成時，人工處理是不可避免的。此外還有其他問題，如：不同系統的數據會相互沖突。與與2020年相比沒有改善年相比沒有改善雖然企業正在向工業4.0邁進，但這并不是因為他們已經解決了集成問題。與上一次調查相比，本次調查的受訪者大多認為集成是一項龐雜的工作。我們猜測，這是因為工業4.0項目正在推動他們更全面地進行集成，

16、從而讓企業更清晰地認識到了耗費的時間和精力?？尚械慕鉀Q方案可行的解決方案許多企業都有單獨的系統，功能包括跟蹤、操作員指導或工作指導、質量、維護、排產、物聯網和設備數據收集。制造軟件套件的功能越是全面，就越可能出現此類問題。如果單一系統就能處理這些問題，那么集成的難度就會小很多。集成集成MES、質量、維護、排產、物聯網和機器或、質量、維護、排產、物聯網和機器或設備數據，并且維護集成所需的時間、精力和專設備數據，并且維護集成所需的時間、精力和專業技能業技能缺乏集成阻礙發展缺乏集成阻礙發展29%29%3%已取得重大進展和成果正在實施多項舉措開始實施多個項目開始實施一個項目正在規劃尚未執行尚未制定戰略

17、51%12%2%5%2%18%28%27%31%8%12%4%行業領先者其他其他其他84%行業領先者行業領先者16%行業領先者的定義行業領先者的定義敏捷性高、持續改進的企業（在這兩個能力維度上，均獲得滿分5分）。他們占總回復的16%。行業領先者引領前路行業領先者引領前路到目前為止，我們一直專注于迎接和克服通往成功之路上的挑戰和障礙。一些公司正在取得顯著的成功和快速的進展。側邊欄介紹了這些行業領先者。工業工業4.0和數據管理進展和數據管理進展一半以上的行業領先者在工業4.0方面取得了重大進展，并且已初見成效。在這項研究中，他們還有許多將他們與其他企業區分開來的特征。下文將重點關注這些不同之處，以

18、便每個人都可以思考如何在自己的公司里做出同樣的成績。努力的成果：行業領先者努力的成果：行業領先者按績效等級劃分的工業按績效等級劃分的工業4.0狀態狀態按表現段劃分的受訪者按表現段劃分的受訪者人工智能時代的制造業：進展與期望1132%42%35%43%45%40%43%41%45%55%55%62%67%68%69%74%行業領先者人工智能時代的制造業：進展與期望12知識基礎知識基礎工業4.0是一個愿景，這些行業領先者中的大多數都致力于實現這一愿景。為了達到目標，他們很可能要深入研究工業4.0要求的許多方面。教育和理解是工業4.0核心制造數據管理的重要起點。不過度簡化不過度簡化如圖所示，大多數行

19、業領先者認為，我們提到的所有有關制造數據管理的問題，基本都是他們成功轉型工業4.0的關鍵因素。大家的觀念較為一致，這說明他們并沒有試圖只專攻一個方面或角度，他們知道需要統籌的方面很多。按績效等級劃分，制造數據管理問題被評為“工業按績效等級劃分，制造數據管理問題被評為“工業4.0成功的關鍵”成功的關鍵”了解所有重要問題了解所有重要問題其他工業物聯網（IIoT）平臺從數據到信息、洞察、決策、行動的閉環高級分析、人工智能/機器學習跨OT和IT的一致數據管理集成設備、工廠和企業系統為工廠員工提供可操作洞察結合OT數據與工廠IT數據為辦公室員工提供可操作洞察在全企業推廣MES/MOM工業物聯網（IIoT

20、）平臺方便辦公室員工訪問工廠數據人工智能改善運營方便工廠員工訪問工廠數據集成設備、工廠和企業系統對所有工廠數據進行一致管理35%34%49%46%44%39%38%41%35%45%48%52%43%59%66%66%行業領先者人工智能時代的制造業：進展與期望13確定目標后，果斷采取行動確定目標后，果斷采取行動了解成功的因素是一回事，但采取行動解決問題又是另一回事。行業領先者更有可能具備解決他們認為引領工業4.0取得成功會遇到各方面的問題的能力。理解和采取行動之間總是有一定的滯后性，因此數字略低并不奇怪。注重結果注重結果最常見的四大舉措均側重于能力和集成。一致的制造數據管理、集成和數據訪問項目

21、能為工業4.0的成功奠定基礎。將運營技術(OT)數據與工廠信息技術(IT)數據融合起來是數據管理的關鍵和具有挑戰性的一面，其重點在于消除IT/OT鴻溝。關鍵技術舉措關鍵技術舉措針對特定技術的舉措也很常見，如用于運營改進的人工智能、IIoT平臺和MES/MOM推廣。這些舉措能夠支持數據管理能力和員工對所需數據的訪問。按績效等級劃分的制造數據管理項目或舉措按績效等級劃分的制造數據管理項目或舉措啟動解決問題的舉措啟動解決問題的舉措將設備（OT）數據與工廠IT數據融合起來其他IT與與OT的集成的集成回顧歷史，自動化或運營技術（OT）側重于盡可能高效地保持生產流程的運轉，而IT則側重于技術本身的標準化、

22、升級和安全問題。數十年來，優先級和理解程度上的差異造成了分歧，這種分歧致使許多公司的OT團隊有意讓他們的IT團隊遠離工廠。這種做法已不再可行。組合數據管理組合數據管理當擁有IT和OT數據及流程的人員為同一個主管工作或緊密合作時，他們更有可能開始了解彼此的需求，并成功地將IT和OT數據相結合并一致且智能地管理數據。隨著時間的推移不斷改進隨著時間的推移不斷改進自2020年以來，將IT和OT集成進一個組織的企業比例大幅增加（行業領先者比例分別為37%和20%，其他企業比例分別為26%和14%）。所有人都朝著工業4.0學習和邁進，因此這樣的變化在情理之中。在新冠疫情期間，人們期望用最少的現場工作人員實

23、現智能化運營，這可能也是推動變革的一股力量。改進組織結構改進組織結構按績效等級劃分的按績效等級劃分的IT和和OT組織結構組織結構同一組織互相脫節26%36%28%6%37%49%9%2%緊密組合松散組合人工智能時代的制造業：進展與期望14行業領先者其他打造工業打造工業4.0團隊團隊工業4.0通常又稱為數字化轉型，制造商要想取得成功，員工就必須經歷一次這樣的轉型。如果目標是獲得流暢的數據，將其置于上下文數據情境中，并利用人工智能或機器學習進行分析，那么就需要新員工來承擔此前未出現過的新職責。人工智能時代的制造業：進展與期望15贏在人員配備贏在人員配備角色角色行業領先者滿員運作行業領先者滿員運作行

24、業領先者增編招人行業領先者增編招人其他企業滿員運作其他企業滿員運作其他企業增編招人其他企業增編招人數據科學家數據科學家38%45%18%35%數據工程師數據工程師48%38%26%32%MES專家專家38%45%19%37%生產專家生產專家48%33%26%31%IT/OT聯絡員聯絡員46%41%25%30%CDO/14.0 Lead50%40%24%26%變革管理變革管理46%39%24%33%行業領先者人員配行業領先者人員配備更合理備更合理我們詢問了一些特定職位的人員配備情況。行業領先者更有可能為這些崗位配足人手或擴編招人。這些企業的能力出眾，了解致勝工業4.0所需的各方面條件，因此比其他

25、企業更能吸引人才。IT角色角色第9頁曾提到，第二大挑戰是缺乏熟練的數據科學家和工程師。這兩種角色對成功都至關重要，行業領先者在這方面的人員配備要比其他制造商完善得多。MES專家是我們熟悉的一個類別，但這種專家在全球范圍內都很缺乏。IT和OT之間的聯絡可為尚未集成或已集成的團隊提供支持。人工智能時代的制造業：進展與期望16其他技能其他技能最高層是首席數字官或工業4.0領導者，他們負責制定工業4.0的愿景，確定活動和投資的優先次序。半數行業領先者為這些崗位配足了人員，比例是其他企業的兩倍（24%）。許多制造商試圖將工業4.0作為一個IT項目來推進，但收效甚微；現在他們明白了：生產專家是成功的關鍵。

26、許多行業領先者發現的另一項支持他們轉型的稀缺技能是變革管理。彌補技能短缺彌補技能短缺利用商業系統利用商業系統紙質獨立工作流程系統PLM內部開發系統IIoT平臺QMSSCADA/Data Historian軟件文本文件MPM/流程規劃電子表格APM/CMMSMES/MOMAPS企業資源計劃（ERP）24%39%18%39%54%32%30%14%30%32%28%31%26%28%23%21%30%30%33%29%30%37%44%40%44%56%52%51%行業領先者人工智能時代的制造業：進展與期望17管理生產運營的主要系統管理生產運營的主要系統軟件支持軟件支持雖然工業4.0的轉型需要組織

27、、人員和流程的變革，但這些都是通過技術實現的。持續性的流程和舉措在成功的專用系統已就位的情況下容易進行得多。如果軟件足夠靈活，能夠支持持續改進，則效果會更好。無紙化及更多亮點無紙化及更多亮點行業領先者利用各種系統來管理其生產運營。與其他制造商相比，行業領先者不太可能使用紙質、文本文檔、電子表格或本土系統。他們也較少使用以文檔為中心的系統，如傳統的質量管理系統（QMS）。選擇所有適用項其他MES的質量的質量行業領先者使用MES的數量（44%）與其他制造商（40%）相似。然而，質量的差異卻很大。行業領先者企業對MES的看法非常不同。似乎MES更有可能成為行業領先者受人重視的企業系統。支持支持MES

28、超過三分之二的行業領先者感受到他們的MES擁有強有力的執行支持。超過60%的行業領先者則感覺到MES擁有足夠的資源和資金來擴大規模。有了這些支持，他們更有可能成功擴大規模并進行推廣。MES的優勢的優勢大多數人認為MES可簡化一線工人的工作，并帶來高價值，因此自然會得到支持。面對制造業技能短缺的問題，MES必須確保工廠和IT人員得到充分利用。2020年以來的另一個明顯趨勢是：干擾和變化不僅沒有減少，反而在增加。因此，MES能否做到與時俱進，也是成功的關鍵。更好的更好的MES提升體驗提升體驗MES得到強烈認可和良好背書得到強烈認可和良好背書擁有足夠的資源和資金擴大規模擁有強有力的執行層推廣支持利用

29、資源創造高價值緊跟產品、流程和材料的變革步伐簡化一線員工的工作26%35%30%38%34%61%67%56%61%67%行業領先者人工智能時代的制造業：進展與期望18其他其他情況增強現實（AR）低代碼或無代碼MES與企業系統之間的集成MES CoE或集中式團隊工廠的可視化數字雙胞胎7%13%25%43%17%2%19%26%28%30%28%33%行業領先者人工智能時代的制造業：進展與期望19自動化、分析及自動化、分析及更多更多在我們的“高級技術”列表中，大多數行業領先者使用了多種技術。智能儀表自動化-用于制造數據管理的OT數據源名列榜首。高級分析,如AL和ML能以更自動化的方式分析各種數據

30、，從而做出更好的決策。集成工廠數據存儲可支持跨一個或多個站點進行一致的IT和OT數據管理。無需分離系統無需分離系統請注意，這個問題詢問的是關于高級技術和方法的使用。其中有些可能是同一系統或其他未命名系統的一部分。例如包括儀表盤和高級分析工具等更多系統。IIoT平臺可能內置于MES中，部分系統還包含低代碼或無代碼元素。是否屬于高級集成？是否屬于高級集成？在我們列出的10種方法中，只有一項是其他制造商比行業領先者使用更多的方法，就是MES和企業系統之間的集成。這可能是因為，集成到ERP，甚至PLM、供應鏈和其他系統，對于更現代MES實施來說屬于是既定的。探索高級技術探索高級技術按績效等級劃分，對高

31、級技術的使用按績效等級劃分，對高級技術的使用其他從實踐中獲益從實踐中獲益行業領先者正在不斷獲得堅實的能力，這是他們采取舉措、人員配備和技術投資的成果。正如他們在MES方面取得的成果一樣，他們正在從各種各樣的活動中獲益價值。滿足當今需求滿足當今需求如前所述，準備好使用人工智能和高級分析來實現數據和行動之間的閉環是涉及多方面因素的，它需要能夠足夠快地捕獲、商定和構建數據，從而影響生產績效。分析是將數據和信息轉化為洞察的關鍵步驟。采取行動時要求協作和共享最佳實踐，并將其集成到相應的系統中。行業領先者表現卓越行業領先者表現卓越縱觀各種數據管理能力和流程，大多數行業領先者將其能力評為“優秀”。這一占比相

32、較于其他企業而言大不相同。行業領先者為：在集成IT與OT數據和系統方面，其出色的表現可能性是其他企業的4倍在制造數據管理和卓越運營的所有其他方面，其出色表現可能性是其他企業的3倍以上按表現等級劃分的卓越能力按表現等級劃分的卓越能力獲取業務能力獲取業務能力無手動切換集成IT與OT系統和數據將IT和OT數據放到同一個環境中進行分析將數據轉化為可操作的洞察提供足夠快的數據以提升績效團隊協作一致、有效地管理系統就單一真實來源達成一致分享最佳實踐21%17%18%18%18%22%21%20%24%67%71%66%63%63%79%73%72%77%行業領先者人工智能時代的制造業：進展與期望20其他一

33、直在進步一直在進步持續改進能力是我們定義行業領先者的因素之一，此外還包括敏捷性。因此，毋庸置疑的是，這些行業領先者的大多數均表示其制造績效指標都在不斷地改善。在所有的調查結果中，大多數企業都表示在過去三年中，他們在我們列出的許多關鍵績效指標（KPI）上的表現都有所提升。明顯更好明顯更好行業領先者的不同之處在于，他們中的大多數都明顯變得更好。（其他回答選項包括“更好”、“略好”、“無變化”或“更差”。）相比之下，其他企業中，只有不超過三分之一的企業在我們的每項關鍵績效指標上都有明顯改善?，F在，顯著改善的情況可能因起點而異。由于每家企業的生產運營情況都不盡相同，我們所能做的就是盡力改善，而顯著改善

34、與這些企業所報告的投資和能力情況相符。攻堅克難攻堅克難前面我們指出，本調查中的大多數企業都面臨著材料短缺的問題，許多企業還面臨著計劃之外的需求模式和到期日壓力。介于過去三年的全球形勢以及新冠疫情肆虐、地緣政治動蕩和沖突加劇以及自然災害頻發等對制造業的影響，KPI可能已說明盈利能力與災難之間的區別。加速改進加速改進按績效等級劃分，過去三年中績效顯著改善按績效等級劃分，過去三年中績效顯著改善OEE收益產量產能利用率準時發貨上市時間質量57%64%64%61%70%55%75%25%21%21%25%20%16%32%行業領先者其他人工智能時代的制造業：進展與期望2113%28%27%16%6%10

35、%2%18%27%16%25%11%行業領先者盈利能力取決于成本盈利能力取決于成本所有制造商的首要目標都是盈利，而與定價相比，大多數企業更能干預的是成本。大多數企業都設定了產品和生產運營的成本目標。運營部門一直面臨著實現或超額完成成本目標的壓力，這意味著實際成本甚至要低于目標值。成本目標成本目標過去的幾年時局動蕩，供應鏈問題頻發，大多數企業都在努力控制成本。然而，四分之一的行業領先者不僅實現了成本目標，而且超額完成了目標。相比之下，這個比例在其他企業中只有6%。制造業關鍵績效指標大幅改善后，企業有望利用更高的效率來抵消材料和其他成本。降本目標降本目標除總體成本目標外，許多企業還設定了降本目標。

36、持續改進的另一項能力，便是實現降本目標的能力。幾乎所有的行業領先者都實現了降本目標，而這個比例在其他企業只有三分之二（93%和57%）。按績效等級劃分，按績效等級劃分，實現成本降低目標的程度實現成本降低目標的程度實現降本目標實現降本目標達到未達到100%0%67%33%行業領先者其他人工智能時代的制造業：進展與期望22按績效等級劃分，實現成本降低目標按績效等級劃分，實現成本降低目標無回應/我不知道超越成本目標程度大：成本目標的95-100%成本目標的86-95%成本目標的71-85%程度?。翰蛔愠杀灸繕说?0%其他智能投資智能投資企業發現，要在工業4.0方面取得進展并獲得優勢，就必須掌握制造數

37、據管理。從數據到信息、智能和可操作洞察，其中涉及數據管理的方方面面。理想情況下，這是一種支持生產運營和業務的一體化方法。廣泛的商業優勢廣泛的商業優勢我們想了解企業從更好、更統一的制造數據管理中獲得或期望獲得哪些優勢。問題是：“您認為或期望從更好、更統一的工廠數據管理中獲得哪些優勢,這種工廠數據管理在上下文數據情景中提供OT和IT數據，可供即時分析和采取行動模式有哪些優勢，或期望從中獲得哪些優勢？受訪者可選擇所有適用選項。受訪者的選項較為分散，只有兩個選項被超過半數的受訪者選中：提高產品質量和更快、更可靠地應對異常情況。人工智能和分析的基礎人工智能和分析的基礎任何嘗試過人工智能或高級分析項目的人

38、都知道，完善的數據管理是前提條件。制造數據管理的任何方面出現問題，都會影響分析結果和人工智能的工作質量。分析結果可用于深入了解所列的任何改進領域。為什么要進行制造數據管理？為什么要進行制造數據管理？統一數據管理的優勢統一數據管理的優勢易于做到合規人工智能時代的制造業：進展與期望23加快新品量產速度敏捷性持續改進提高產量提高員工滿意度并留住員工收益更高成本更低更快、更可靠地應對異常情況提高產品質量沒有優勢30%35%38%40%41%43%45%48%52%52%1%為什么要轉向人工智能？為什么要轉向人工智能？眾多應用眾多應用這是人工智能的時代。正如人類智能可以解決許多問題一樣，人工智能也可以。

39、我們問：”貴企業預計在工廠中使用人工智能（AI）、機器學習（ML）、預測性分析或規范性分析等高級分析技術，能帶來哪些優勢？（列出所有流程、領域或學科）。如詞云所示，大家提及的內容很多。核心詞匯核心詞匯受訪者認為最主要的優勢圍繞生產展開：質量、生產力、效率、產量、維護、安全、成本和控制。他們還提到了防錯、速度和效率。此外，他們還提到了管理、培訓、供應鏈、收入、工程變革、營銷、欺詐檢測和客戶服務等整個業務領域的優勢。人工智能時代的制造業：進展與期望24高級分析的部分優勢高級分析的部分優勢-引言引言預期優勢預期優勢人工智能將大大提高數據和分析輸出的速度和質量。它能降低達到相同分析質量所需的工作量。有

40、助于分析傳感器數據、預測故障和事故、提高安全性并跟蹤庫存。人工智能和機器學習有助于監控環境條件，提醒工人注意潛在的健康和安全風險。人工智能時代的制造業：進展與期望25這些優勢能減少開發新品時的信息誤差，縮短產品從設計到上市的準備時間，并增加成功的機會。企業使用高級分析工具的主要動機包括預測未來結果、為客戶提供個性化體驗、降低風險和應對挫折。減少人為錯誤、執行重復性工作、無偏見決策、數字協助、全天候可用性、零風險等。減輕分析負擔，實時無延遲行動。我們的分銷額和銷售額增長了37%。人工智能的實施效果非常好，對我們的企業來說它非常具有價值和重要性。我的企業已經在人工智能和機器學習方面取得了良好的成果

41、和經驗。我們希望幾乎所有部門都能從中受益，包括信息技術、財務、人力資源和運營。它能幫助我們更好地管理流程，減少低效流程，避免影響利潤。使用高級分析技術的企業可以迅速采取行動，并能更準確地預測未來結果。為企業運作帶來創新和動力。使用這些技術的成效顯著。下一步下一步本次調查中的制造商，包括行業領先者，都知道他們正處于一場持續向前發展的進程中。每家企業都必須問問自己，下一步該怎么走。不同企業的發展路徑不盡相同，主要取決于企業的能力和流程狀況。建議建議要認識到工業4.0是一段旅程，制造商只有在取得重大進展后才能從中獲益。面對復雜、不可預測的外部環境，企業應投資于內部理解、舉措和項目、員工和技術。確保從

42、頂層到車間的每個人都了解工業4.0有許多成功的關鍵，一個核心要素是制造數據管理。從各個方面評估您的數據管理不足，并著手加以改進。不僅要通過數據流缺口確定項目的優先級，還要優先考慮有可能在公司范圍內大幅提高收入和成本的項目。評估具有更廣泛功能的系統是否會減少您的集成資源和努力，同時仍然足夠深入以滿足您的需求。對團隊開展數據管理和分析的全面教育培訓，確保他們了解項目如何融入更大的愿景中。啟動有助于您學習的舉措和項目，需要行動力。為一系列支持數據管理、人工智能和轉型的新職位，打造具有吸引力的工作場所并進行人員配備。加強對可能會取代本土系統、電子表格和Excel的商業技術的評估。利用人工智能和分析工具

43、提升效益，并重點關注對業務成功至關重要的領域。人工智能時代的制造業：進展與期望26前進之路前進之路受訪者的背景涉及眾多行業、企業規模、地域、學科和角色。數據收集數據收集Tech-Clarity于2023年年初，通過直接發送電子郵件、社交媒體和在線問詢等方式收集了調查問卷。Tech-Clarity收集并分析了300多份有關制造業的網絡調查問卷。行業行業受訪者主要代表離散制造業。排名前幾位的依次是：占比23%的工業設備和機械行業，占比21%的汽車和運輸行業，占比18%的電子和高科技行業，占比18%的建筑產品和制造行業，占比14%的醫療設備和生命科學行業，占比13%的消費品包裝行業，占比11%的耐用

44、品行業。*企業規模企業規模受訪者的企業規模呈鐘形曲線分布，其中11%來自規模較小的企業（1億美元以下），1億至2.5億美元的占15%，2.51億至10億美元的占31%，11億至50億美元之間的占25%，超過50億美元的占17%。企業規模以美元等值表示。地理區域地理區域受訪企業的生產基地分布在北美（58%）、西歐（50%）、東歐（22%）、中國和東南亞以外的亞洲地區（20%）、東南亞（16%）、拉丁美洲（16%）、中國（11%）、澳大利亞（11%）、中東（9%）和非洲（6%）。*供應鏈角色供應鏈角色51%為原始設備制造商。27%為合同制造商，20%為子組件或零部件供應商，2%為其他。角色角色受訪

45、者中，35%為經理級，24%為總監級，20%為副總裁級，11%為高層，10%為團隊領導、主管或個人。組織職能組織職能在受訪者中，15%的人從事制造工作；15%的人從事信息技術（IT）工作，13%的人從事運營技術（OT）工作，12%的人從事綜合管理工作，12%的人從事制造IT工作。其余的受訪者來自其他部門，包括產品設計、工廠管理、項目管理、產品管理、數據科學或工程、質量、設施工程和持續改進。*請注意，由于企業在多個行業和地區開展業務，因此總值可能大于100%。關于研究關于研究按角色分類的受訪者按角色分類的受訪者20%24%35%10%11%執行官/高層副總裁總監經理其他人工智能時代的制造業：進展

46、與期望27致謝致謝作者簡介作者簡介Julie Fraser于2020年加入Tech-Clarity，已在制造軟件行業深耕逾35年，經驗非常豐富。她也是一位積極熱情的研究員、作者兼演講人。她對通過工業4.0戰略和配套的軟件技術取得制造進展和績效增益充滿著激情。Julie正在積極研究制造業數字化轉型和技術融合的影響，重點關注供應鏈和工廠車間，以及如何將制造數據與辦公室、實驗室和生態系統的數據結合使用。Tech-Clarity是一家獨立的研究企業，致力于開發技術的商業價值。我們會對企業如何利用數字化轉型、最佳實踐、軟件技術、工業自動化及IT服務改進創新、產品開發、設計、工程設計、制造和運行特性的方式

47、進行分析。參考資料參考資料1）Fraser,Julie,“The Manufacturing Data Challenge”2020 Tech-Clarity,Inc.2）數據工程師和分析師的定義：數據工程師負責開發、構建、測試和維護數據庫和大型處理系統等架構。數據科學家對（大）數據進行清理、加工和組織，以獲得洞察。Tech-Clarity版權聲明，版權聲明，2023年年 未經Tech-Clarity,Inc.明確及事先書面同意，嚴禁未授權使用和/或復制本材料。本電子書已授權給凱睿德制造使用。人工智能時代的制造業：進展與期望Julie Fraser副總裁副總裁TechTech-Clarity,IncClarity,Inc.