數位化製造：AI 驅動的未來
引言
數位化製造正在成為製造業的一個重要趨勢，製造商們正努力利用 AI 和其它智慧技術來改進效率、增強競爭力並實現可持續發展。隨著電動汽車的興起，BMW 計劃在 2025 年在匈牙利的 Debrecen 建立一家新的電動汽車工廠。該工廠將成為世界上首個"數位至上"的工廠，透過使用數位孿生技術進行實時模擬，使工廠的佈局、機器人技術、物流系統等關鍵功能在工廠上線之前就已經進行了精細調整。工業 AI 的發展
在 COVID-19 大流行之前，"工業 4.0"的概念已經開始受到關注，旨在加速和轉型製造業。工業 4.0 結合了先進的分析、AI、雲技術、機器人技術、工業物聯網（IIoT）、人機互動、可再生能源和先進工程等技術，致力於推進製造業的數位化轉型。在經濟不確保性和持續的供應和勞動力短缺的情況下，製造商們繼續投資於智慧技術和基礎設施，作為所謂的第四次工業革命的基礎。 根據德勤的一項調查顯示，到 2023 年，全球製造業對 AI 的投資預計將佔全球 1.54 萬億美元 AI 銷售總額的 16.6％。不同公司對於 AI 的目標略有不同，但大致上，製造商們都希望在三個關鍵領域獲得改進：提高生產精度、透過更靈活的設計和供應鏈來增加產品敏捷性和更低的成本、減少能源成本和環境影響。利用 AI 實現目標
製造商們如何實現這些目標呢？當前已經出現了一些使用 AI 的創新應用案例：預測性維護
AI 驅動的預測性維護可以幫助製造商事先發現問題並進行修復。製造商可以借助加速運算技術分析大量的感測器和運營資料，以預測故障並安排維修工作。這種主動的維護方法可以顯著減少錯誤的檢測和修復，並且工程師可以根據資料找到潛在問題的根本原因，並採取相應的措施以預防未來的質量問題。質量保證和檢測
質量保證和檢測是許多公司的重要 AI 目標。缺陷品會使製造商損失近 20％的銷售收入，並增加零件召回和保修成本，最終損害品牌形象。許多製造商已經轉向基於 AI 的計算機視覺應用程式，以更快、更可靠地檢測製造元件的缺陷。AI 可以透過合成生成技術簡化更可持續材料的設計，並幫助最佳化物流和運輸路線，從而降低能源成本和環境影響。供應鏈的彈性和效率
COVID-19 大流行暴露了許多公司在生產和分銷方面應對突發挑戰的能力不足。全球範圍內各種成品和零部件的短缺問題仍然存在。在最近一項針對製造商的調查中，72％的受訪者將供應鏈中的中斷和零部件短缺視為 2023 年最大的不確保因素。出貨延遲仍然是一個重要問題，交貨期往往是平常的兩倍長。因此近 90％的供應鏈專業人員計劃投資於提升供應鏈的彈性，特別是利用雲技術。許多製造商正在運用資料分析和 AI/ML 技術更好地預測需求和庫存水平，最佳化物流和運輸路線，協調供應商和分銷商，以實現高效率和靈活性。AI 和可擴充套件的雲技術能夠提供改進計劃和最佳化的能力，增加服務水平、降低成本，並為未來機遇提供靈活性。面臨的挑戰
然而雖然製造商在數位和資料基礎設施方面的投資正在迅速增長，但他們在實施運營 AI 方面仍然落後於其他行業。過去的兩十年中，許多製造商在數位基礎設施方面投入了大量資源，但他們仍然無法從 OT 和 IT 資料中獲得有價值的洞察。由於系統環境複雜、機器裝置分散和供應鏈廣泛，許多製造商都面臨著將 AI 解決方案擴充套件到整個生產網路的困難。高昂的實施成本也經常阻礙了進展，特別是需要整合和最佳化硬體、軟體、技能和基礎設施等專門技術的時候。另外資料品質、可用性和集中化等問題也常常增加實施運營 AI 的困難。解決方案
然而新的基礎雲技術的應用使製造商有望克服這些挑戰。 "AI 至上"的基礎設施和工具鏈專為 AI 設計，可以簡化和加速 AI 的培訓和部署過程。全棧的結構和整合的環境使資料來源的統一變得更容易，並提供了一個實時的資料處理平臺，支援 AI 在整個生產過程中的培訓和實時決策。德勤認為，一個標準化的數位基礎設施是工廠轉型的關鍵基石。對於許多製造商來說大規模智慧化運營將需要基於雲的 AI 基礎設施。除了靈活性和可擴充套件性外，這種方法還可以使公司在不需要大量資本支出的情況下獲得成本降低和新能力帶來的好處。根據 Accenture 的資料，使用靈活的按需付費雲服務構建或轉移 AI 基礎設施可以比本地部署節省 20-40％的成本。這種節省還不包括透過節能減少功耗和空間整合帶來的額外節約。此外 Accenture 還指出，將開發、QA 和培訓等活動從生產環境中轉移到雲端可以降低操作風險。 另一個挑戰是計算速度的不足。慢速運算會延遲 AI 的培訓程式，進一步加重實時要求帶來的問題。高速計算可以幫助加快生產過程中的 AI 應用，例如訓練模型。雲端計算讓超級計算能力更廣泛地運用於製造業，為企業提供了即時、靈活的超級計算基礎設施和軟體。借助微軟和 NVIDIA 的合作，企業可以即時獲得超級計算所需的基礎設施、軟體和計算能力，從雲端到邊緣端都可以部署先進的 AI 模型和應用。數位孿生和協同開發
"數位至上"的工廠，如 BMW 的工廠以及其他智慧製造應用程式，依賴於將現實資料與虛擬世界相結合。將來自物理感測器的實時資料與虛擬模型相連，使得在虛擬環境中進行自動化、模擬、調整和預測 AI 驅動的業務流程成為可能。許多製造商都在探索或開發自己的產品的"數位孿生"平臺或解決方案。新的服務使企業更容易利用"數位孿生"來實現智慧製造。例如，Azure Digital Twins 和物聯網雲平臺讓製造商能夠建立和操作工業數位孿生應用程式和精確、可動態更新的 3D 數位孿生模型。此外將 3D 平臺與微軟 365 Teams、OneDrive 和 SharePoint 整合，可以讓遠距離團隊透過影片、語音和模擬來實時協作。協同開發的應用很多，例如技術人員可以使用增強現實眼鏡在虛擬環境中進行複雜的維修，並與其他專家一起解決問題。一家德國公司推出了一種新技術，使製造商能夠將 3D 資料轉化為可擴充套件的應用程式和互動體驗。這種技術可以與任何資料、任何裝置和任何規模的應用一同協作。生成 AI 也是提高工廠自動化和運營的方式，可以用於軟體開發、問題報告和視覺質量檢測。例如，西門子和微軟最近進行的一項概念取證展示了植物工人和其他人員如何使用移動裝置進行自然語言語音描述和報告製造、質量或產品設計問題。結論
數位化製造是不可逆轉的趨勢，AI 是製造業實現智慧化的關鍵技術之一。透過利用數位孿生、大資料分析、雲端計算和協同開發等技術，製造商能夠提高生產效率、加固供應鏈的彈性、降低能源成本和環境影響、改善產品質量和提升創新能力。然而實施運營 AI 仍然面臨著許多挑戰，包括複雜的系統環境、高昂的實施成本和資料品質等問題。透過使用新的基礎雲技術，製造商能夠更容易地克服這些挑戰，並實現智慧化製造的目標。隨著這些技術的不斷進步和演進，製造商將能夠更加智慧地運營和最佳化他們的工廠，並在全球市場中保持領先地位。Factory-智慧製造,AI,虛擬現實,環保,快速
延伸閱讀
- 德國 Insempra 宣布取得 2000 萬美元 A 輪融資，計畫推動環保脂質生產
- 資料科技公司 Daloopa 開發 AI 以自動化財務分析工作
- 電力地圖：最佳化電力消耗，減少碳排放
- 今年的 Met Gala 主題是 AI 極深假裝
- Y Combinator 幫助醫療記錄 AI 新創 Hona 募得 300 萬美元 的故事
- Pinterest AI 打造的拼貼圖比單張針腳更吸睛
- Atlassian 推出新的 AI 同事 Rovo
- 三星的營運利潤飆升 930％，AI 動能帶動記憶晶片需求
- GitHub 推出 Copilot Workspace：AI 驅動的軟體工程空間
- 「馬斯克的 xAI 示範 AI 新創公司的龐大市場潛力」
