2025年，AI會讓美國制造商失望？
發(fā)布時間：2025-05-31 作者：www.dzsex.cn
如果您是美國一家普通的制造商，2025年可能不是投資人工智能（AI）的最佳時機。如果您的目標是現(xiàn)代化并改進制造過程，那么AI也不是最實用的解決方案。事實上，為了最大化投資回報率（ROI），您很可能應該像躲避瘟疫一樣避開AI的賽道。對于AI的任何投資都充滿了不確定性，倉促決策可能會導致后悔。這看似反AI的觀點，并非是在反對進步。
實際上，當您在2025年尋求改進制造過程時，應避免AI的盲目應用，以我十幾年在自動化行業(yè)的項目經(jīng)驗來說，最有效的辦法是將資金投入到能夠補充工廠人類智能（HI）的工具上。
美國制造業(yè)現(xiàn)狀
美國大約有25萬家制造企業(yè)。盡管數(shù)據(jù)并不完全確定，但據(jù)估計，其中50%到70%的制造商在生產過程中沒有部署任何形式的自動化。現(xiàn)在是2025年，我們正專注于將制造業(yè)回流至本土。然而，這個國家至少有一半的制造企業(yè)正受制于停滯不前和不斷萎縮的勞動力資源。這是一個問題。
雖然我們一直在談論工業(yè)4.0，但大多數(shù)制造業(yè)仍處于低于工業(yè)3.0的水平（圖1）。
圖：美國制造業(yè)發(fā)展概覽。當我們在談論工業(yè)4.0時，大多數(shù)制造業(yè)仍處于低于工業(yè)3.0的水平。
大型自動化終端用戶（如知名的汽車或食品加工企業(yè)等）可能擁有先進的系統(tǒng)，可以有效地利用AI實現(xiàn)價值，而一些中小型的普通企業(yè)則應把投資用于更緊迫的地方。如果您的工廠流程中沒有自動化，那么您的支出就應該用于自動化您的流程。如果您的工廠已經(jīng)部署了一些自動化設施，您的支出就應該用于擴展自動化，并讓數(shù)據(jù)能夠訪問這些系統(tǒng)。從自動化系統(tǒng)中獲取數(shù)據(jù)所能帶來的價值主張可能會隨著AI的出現(xiàn)而終結，但它可以在沒有任何AI的情況下創(chuàng)造重要價值。
當下，美國的制造商應將自動化工作的重點放在賦能HI，而非AI上。數(shù)字化、工業(yè)物聯(lián)網(wǎng)（IIoT）和工業(yè)4.0努力的好處在于，從最簡單的角度來說，它們是一種信息訪問計劃。它們旨在匯集來自工廠車間的數(shù)據(jù)，并將其作為有價值的信息呈現(xiàn)給人類和業(yè)務系統(tǒng)。所有這些計劃都支持訪問控制數(shù)據(jù)的基本價值。
這些數(shù)據(jù)一旦被訪問，就可以對其進行建模并保存為時間序列記錄。這些簡單的信息記錄打開了自動化的價值之門。有了時間序列記錄，您就可以進行趨勢分析、故障排除、效率測量并建立預測模型。解讀這些信息以發(fā)現(xiàn)價值并不是一個非要AI才能應對的挑戰(zhàn)。挑戰(zhàn)在于如何創(chuàng)建這些信息，以便HI能夠根據(jù)這些信息采取行動。
投資HI更高效
您的控制工程師和操作人員更了解您的機器和流程。他們中的許多人可以通過視覺、聽覺，有時甚至是味覺，實時進行維護和診斷。這些人是工廠的寶貴資源。他們的經(jīng)驗是一種未被充分利用的HI資源。這些人首先需要被賦予訪問時間序列控制信息的權限。
業(yè)務系統(tǒng)可以從鎖定在OT 網(wǎng)絡中的信息中獲益，但與運營團隊可以增加的價值相比，這種價值就顯得微不足道了。這支團隊能夠從邏輯上理解系統(tǒng)變量之間的關系。他們知道額外的振動和熱量會導致什么。他們看到編碼器跳動，就知道執(zhí)行器減速會對流程產生什么影響。為這些團隊提供機器上所有輸入數(shù)據(jù)的歷史記錄，將大大提高他們進行根本原因分析的能力。他們解決問題的速度越快，工廠的運營效率就越高。
連接IT和OT是基礎
將人員或IT系統(tǒng)連接到OT網(wǎng)絡是賦能AI或HI所需的首要步驟（也是更具挑戰(zhàn)性的步驟之一）。OT是用于監(jiān)控和控制工業(yè)環(huán)境中使用的設備、流程和基礎設施的硬件和軟件。這是我們工廠車間使用和部署的所有技術，包括工業(yè)自動化通信協(xié)議。
OT 的主要目的是將物理世界轉化為數(shù)字信號；基本上，是將現(xiàn)實世界的變量連接并表示為數(shù)據(jù)。另一方面，IT 必須獲取數(shù)據(jù)并將其轉化為信息，供用戶和其他系統(tǒng)使用。
IT 部門要想從 OT 數(shù)據(jù)中獲取真正的價值，就必須對這些數(shù)據(jù)進行建模。這就為每個數(shù)據(jù)點提供了必要的上下文、元數(shù)據(jù)、狀態(tài)和值，使其在 IT 系統(tǒng)中可用。數(shù)據(jù)上下文是我們從自動化支出中獲得全部價值的必要條件。要充分利用數(shù)據(jù)分析和AI工具，必須為工廠數(shù)據(jù)提供上下文。PLC 不需要元數(shù)據(jù)；它的程序設計是對數(shù)據(jù)值做出反應。然而，當相同的數(shù)據(jù)值被轉移到云端時，就需要上下文信息。這些信息將賦能你的操作人員和管理人員。
操作人員不會消失
如今，AI系統(tǒng)可以根據(jù)操作員掌握的所有信息進行訓練。創(chuàng)建的模型可以改善根本原因分析并支持預防性維護，但這可能需要付出高昂的成本。
在數(shù)據(jù)上訓練AI工具并構建這些高效的模型，將需要一位高薪的數(shù)據(jù)科學家長期使用昂貴的工具。這位數(shù)據(jù)科學家固然出色，但他們的系統(tǒng)知識將來自于運營團隊，而且與運營團隊不同的是，這位數(shù)據(jù)科學家并不是受雇來解決任何問題的。信任您的運營團隊，讓他們利用 HI 的歷史數(shù)據(jù)，是一個更有效的起點。
賦能HI不是對AI未來的否定
使用來自自動化機器的時間序列數(shù)據(jù)為您的控制團隊提供支持，意味著您正在邁向數(shù)字化之旅。此數(shù)據(jù)訪問權限首先由您的 HI 團隊使用，有助于提供最佳回報。未來，AI 也可以利用相同的數(shù)據(jù)訪問。聰明的制造商將使 AI 工具進一步成熟，并首先專注于 HI 可以收獲的大量唾手可得的果實。