幸运的是，我们与全球工业制造副总裁进行了会面。 Mendix拉斐尔·莱普拉蒂。拉斐尔对不断发展的制造技术颇有心得。他从事制造业已有25年，担任过各种职务。 汽车制造他拥有电气工程学士学位和高级人机协作博士学位，擅长制造运营管理和业务拓展。

我们讨论的内容如下：

• 您的产品工程部门、制造部门、车间和供应链需要考虑的人工智能先决条件
• 人工智能的工业应用案例
• 人工智能辅助下的实时决策应该是什么样子？

人工智能入门

在开始使用人工智能时，重要的是要考虑您的具体需求和公司的准备情况。

谈到工业领域的人工智能，应该从哪里入手？

拉斐尔·莱普拉蒂（RL）： 关键在于聚焦。人们对人工智能（AI）及其在制造业中的应用前景充满热情，并致力于探索如何将AI应用于实现技术目标。AI是提升业绩的潜在杠杆之一。在某些行业，更佳的业绩意味着更快的产品上市速度。例如，如果您身处电子行业，您肯定希望率先将创新产品推向市场。AI可以助您一臂之力。它可以简化流程，辅助设计、开发和运营，从而预防甚至预测问题。它还能让您更好地利用历史数据及其关联性。

但在另一个制造业领域，这种思路就截然不同了。在这个领域，抢占市场先机并非首要目标，而是秉持正确的价值观，为客户提供最优质、最合规的产品。以飞机制造为例，质量和合规性至关重要，容不得丝毫差错。这与推出一款新手机截然不同，后者可能存在一些小问题，可以通过更新来解决。归根结底，关键在于了解自身需要哪些类型的流程，然后思考如何利用人工智能来支持这些流程。

所以，在考虑人工智能时，你需要仔细分析你所谈论的优先级，并确保你专注于你的差异化方面。

工业组织在启动人工智能项目时应考虑哪些先决条件？

RL： 有三种。

1. 数据访问和集成
2. 数据质量和治理
3. 愿意改变

这在所有方面都是如此 制造业.

检查一下你的系统：数据是否易于访问？你的核心系统之间是否能够相互通信？

你需要确保你关注的数据是可用的。如果没有合适的数据，人工智能就毫无意义。你需要历史数据，也需要实时数据，例如制造执行系统 ​​(MES) 数据、企业资源计划 (ERP) 数据或产品生命周期管理 (PLM) 数据。

而且，重要的不仅仅是数据量，还有数据质量。数据是否结构化且具有上下文关联？例如，数据来自哪个传感器或哪个设备？它是什么时候采集的，使用了哪些工具？

最后，考虑一下你的组织。你的公司整体上是否准备好引入基于人工智能的方法？这会不会因为让员工走出舒适区而产生抵触情绪？你需要考虑在特定领域使用人工智能进行决策是否合适。还要考虑具体的职责范围。你需要带领你的组织完成这么多工作。

制造商如何解决意愿、数据准备和数据访问方面的问题？

RL： 需要说明的是，你不需要在所有地方同时使用这三种东西。

目前有很多投资致力于研究人工智能如何通过提高生产力、改善质量、降低成本等方式产生影响。

人工智能项目可以从特定领域入手。因此，您不必让组织中的每个部门都立即使用人工智能。同样重要的是，要认识到每个领域的数据质量和可用性一开始就不尽相同。

人工智能应用案例简介

在考虑人工智能的应用案例时，最好从能够带来直接价值且技术复杂度较低的应用入手。

人工智能入门的好应用案例是什么？

RL： 以下是一个人工智能入门应用案例：在某些行业中，利用人工智能辅助车间操作员。操作员时间紧迫，为了完成工作，他们可能需要查阅文档，例如安全说明或工具使用说明。这需要时间。人工智能应该能够帮助他们可靠且理想情况下更快地搜索并提供所需信息。 人工智能副驾驶 这会是一个很好的切入点。  

这也是一个很好的起点，因为你可以利用MES系统的数据。这只是一个工具而已。你可以使用MES系统，让助手查询X班次发生了什么，Y班次需要什么物料，以及我从Z供应商那里拿到的物料在哪里使用。

而且由于产品拥有完整的历史记录，数据结构已经足够清晰，副驾驶可以轻松使用。这是一个很好的应用案例，也很有价值。

人工智能与实时决策

实时决策的成功与否取决于你所在的行业。所以，你的预期要切合实际。

人工智能将如何改变生产车间，使其从执行场所转变为实时决策场所？

RL： 人们经常谈论人工智能的速度。但我认为设定合理的预期非常重要。 拥有可靠的实时决策流程可能是许多公司的愿景。但始终让人参与决策过程至关重要，因为这其中也蕴含着风险。在我看来，技术在不断发展，但人们的信任度却不会以同样的速度提升。因此，我认为实时决策不太可能以我们通常定义的方式实现。

在监管严格的行业中，你可能不希望由人工智能代理来决定该做什么。但是，如果能够预见到延迟，实时建议就能帮助决策者在适合行业情况的时机做出正确的决策。

创新中心 Mendix 和 Siemens Xcelerator 助您入门人工智能

20% 的组织认为数据、集成、质量和可用性是利用人工智能面临的最大挑战。另有 13% 的组织认为成本和资源是最大的挑战。11% 的组织表示员工培训和变革管理是他们面临的最大挑战。

你怎么看 Mendix 和 Siemens Xcelerator 能否帮助应对人工智能挑战？

RL： Mendix 属于 Siemens Xcelerator 它已经提供了一套基于丰富功能和连接性的集成价值主张。这些功能和连接性使开发人员能够访问来自 Teamcenter、Opcenter、Capital 或 Polarion 的高质量数据，并使用这些数据来创建…… 智能工业应用。 同 Mendix我们帮助制造商制定路线图，创建支持其工程或制造流程特定要求的应用程序数字主线。  

这样更容易描绘出在更大范围内真正实施人工智能的路线图。

查看详情 Mendix 客户 他们正尽可能地利用人工智能创造价值。