工业智能：制造业的下一个增长机遇

每家制造商都有自己的工业智能。有些被记录在案，有些则存在于经验丰富的工人的知识中。

设想一位经验丰富的操作员准备在换线后重启生产线。机器设置很重要，但同样重要的是了解特定材料的行为方式、上一班次发生了什么，以及何时看似微小的变化值得仔细查看。程序可以描述顺序，但成功执行取决于来自经验的判断力和组织积累的专有知识。

这种组合就是工业智能：制造商积累的专有知识、操作实践、生产数据以及对自身业务的理解。

现在的机会是让更多这样的智能在决策发生的地方可用，然后将其与制造业的物理世界连接起来。战略目标不是更多的智能体，而是将现有的商业智能转变为盈利增长的引擎。

个人知识可以转化为组织优势

当专业知识只停留在一个人、一个系统或一个工厂内时，其影响范围是有限的。领导者现在必须确定如何扩大这种影响范围，同时不剥离使知识有用的背景信息。

例如，评估工艺变更的工程师需要的不仅仅是一份生产记录。他们需要了解其背后的情况：设备配置、质量要求以及操作员所做的权衡。将这些要素连接起来，可以帮助人们在经验起源地之外应用经验。

当个人知识变得广泛可获取时，创新可以传播到维护车间、计划办公室、工程团队和生产现场。更多人能够做出贡献，因为更多人能够利用组织所知。

但获取知识只是机会的一部分。制造业最终是物理的，它依赖于材料、机器和产品。

当智能参与行动

物理AI描述的是能够感知条件、对其推理并在物理世界中采取行动的系统。通过连接机器和流程，制造商可以更清晰地了解工厂车间正在发生的事情。智能体随后可以基于这些信息进行推理，以识别模式、预测问题并确定最佳行动方案。物理AI将商业智能带入物理流程，使机器和系统能够对变化的条件做出响应。

设想一个机器人搬运操作遇到到达其工位的零件存在差异。视觉可以帮助系统评估零件的位置。由材料和任务提供信息的模型可以帮助确定适当的移动。连接的控制系统随后可以在验证的限值内执行调整。价值不仅在于看到差异，更在于做出适当的响应。

同样的原则也适用于质量运营。当 Toyota Industries 将此前碎片化的涂装车间数据连接起来后，工程和运营团队获得了理解缺陷驱动因素所需的上下文。该公司报告称，分析周期从五天缩短到四小时以内，而其试点项目将相关涂装缺陷减少了约 25%。突破不仅仅在于识别出另一个信号；而在于帮助人们理解缺陷为何发生，并在结果被锁定之前做出响应。

这正是工业智能变得不可或缺的一类情形。数据可能揭示正在发生什么，但工业智能提供了应当发生什么的上下文、哪些约束不可突破，以及何时不确定性需要人类判断。

仿真提供了一种在将拟议行动应用于设备之前对其进行检验的方式。制造商可以在数字环境中探索某项变更可能如何影响一个流程。这并不能消除物理验证的需要，但它创造了在不把生产线当作第一个实验对象的情况下进行学习的空间。

因此，负责任的部署始于运营纪律。领导者需要建立明确的权限——即系统可以改变什么、与设备的可靠连接、明确的安全边界，以及决策和行动的记录。人们必须能够识别不确定性、进行干预，并将设备带入安全状态。信任建立在这些实际安排之上，而非仅仅建立在对模型的信心之上。

更强大的机器，更强大的人

制造业长期以来一直将人类的创造力与日益强大的工具相结合。物理 AI 延伸了这种关系。智能设备可以承担合适的重复性或体力要求高的任务，而智能体辅助的运营可以帮助人们应对信息密集的决策和不断变化的条件。

目标不是让机器更聪明；而是看看当知识可以流动、智能可以行动、雄心有更多空间成为现实时，人们能够构建什么。

Rockwell Automation 说明了这一点。在其新加坡工厂，技术人员使用一款维护副驾驶，它结合了制造数据、机器手册以及从经验丰富的工人那里获取的知识。该系统将新员工学习如何排查数百台机器故障所需的时间从九个月缩短到三个月。工程师可以在承诺做出变更之前探索更多的流程替代方案。操作员可以帮助改进系统的响应，而不是反复处理同一个异常。

这类进步需要对设备投资，也需要对人投资：培训、学习时间，以及在塑造系统运作方式中发挥有意义的作用。机器变得更有能力，人们才能变得更有能力。

工业智能是可持续增长的答案

工业智能连接了制造商所知道的一切：员工的体验、运营中的信号，以及随时间积累的经验教训。物理 AI 为这种智能提供了一种在物理世界中行动的方式，将知识转化为决策，将决策转化为行动。

行业面临的下一个挑战并非单纯提高产量，而是在不以同等速度增加复杂性的前提下实现增长。智能可以帮助制造商将经验转化为可扩展的能力——提高生产力、加速创新、扩大产能，并让人们能够解决以往难以应对的问题。

工业的下一个前沿不是更智能的机器或更自动化的工厂，而是能够持续学习、适应并采取行动的企业。机遇在于将嵌入每项运营中的智能转化为增长的复利优势。

观看视频系列，了解工业客户如何在整个价值链中释放智能，并在 Microsoft Ignite 与 Microsoft 一同见证工业智能的下一步。

本内容由 Microsoft 制作。并非由《麻省理工科技评论》编辑团队撰写。