制造业和第四次革命

资源价格波动等问题越来越多，这意味着制造商需要一种更灵活的方法，使他们能够适应不断变化的条件，追求利润机会，并将风险降至最低。除此之外，整个企业中物联网(IoT)的兴起已经开始引发一场变革。物联网是一个由物理对象(设备、设备、引擎和机器人)组成的网络，它们使用传感器收集和交换数据。

制造业的下一步是什么?

制造业的行业领导者已经开始提出第四次工业革命或工业4.0的概念。在21世纪初引入机器人和信息技术(IT)的基础上，这是“智能”制造的下一步，其重点是利用数据和连接来实现商业价值。

通过物联网，制造商最终将能够将其业务的每个部分——设备、系统、服务，甚至人类活动——互连起来，这样一个部分就可以自动与另一个部分通信，从而为价值链内部和外部的决策提供信息。然而，随着这一技术的全面成熟，制造商将面临来自多个地点和来源的细粒度信息，从而导致数据爆炸。

第四次工业革命的核心是这种连接的力量。然而，仅仅增加新的传感器、遥测和智能设备并不能提供全部的商业价值。挑战在于如何利用生成的大量数据，为此制造商必须拥抱机器学习——高级数据分析的新阶段。

更好的业务成果

随着当今的数字化技术的发展，制造商现在可以用来自遥测、传感器和所有类型的机器生成数据的粒度信息来补充来自生产线和技术日志过程的典型数据收集，这为制造商提供了数据驱动优化的巨大前景。

然而，太多的制造商仍然停留在水边，没有充分利用他们的数据潜力。例如，有些公司将使用这些数据来跟踪产品在生产线上的运行过程，但不会改进这一过程中的操作。

机器学习是一种辅助技术，用于分析大型数据集，识别潜在模式，行动规定的结果，并积极地从结果中学习，为未来的自动化决策提供支持。所有这些的数量和速度都是人类无法想象的，更不用说执行了。机器学习相对于以往形式的数据分析的最大优势在于，它不需要深入了解技术本身，也不需要具备数据解释能力。

例如，当应用于设备维护时，机器学习可以对成本和生产力产生巨大影响，这是一项重要的，通常是计划外的活动，很容易破坏工作流程。想象一下，能够在设备故障发生之前准确预测，并采取“及时”维护措施。通过将机器学习应用于历史和实时设备以及输出数据，制造商能够在故障出现之前识别维护需求的迹象，并自动提出适当的服务建议。这使制造商能够改善运营，提高生产率并提高竞争力。

虽然所使用的算法会根据数据和公司的目的而改变，但这种机器学习也可以用于其他用途，例如需求和负荷预测，优化供应链以及在计算机视觉的帮助下监控生产过程。这种数据驱动的自动化和智能使制造商向工业4.0所需的敏捷商业模式迈出了大胆的一步。

领导革命

大数据分析和机器学习技术最初广泛应用于互联网和在线业务，现在正应用于几乎所有行业。事实是，制造业是唯一最适合引领这场革命的行业，采用速度更快、效率更高。为什么?行业现有的文化。

银行或线下零售公司的营销人员很难接受使用黑盒预测、运行正确的a /B测试和衡量每个动作的需要，而制造业已经领先一步。制造业有一个长期建立的实践，通过数字来工作，将新的科学发展整合到旧的过程中，进行实验和比较，并重视优化的重要性。

虽然许多人仍对将其称为革命持怀疑态度，但以数据为导向的技术无疑正在推动更高的效率、更高的产量和更快的实现，这意味着新的机遇。哪个制造商能忽视这一点呢?

简Zavalishina是Yandex Data Factory的首席执行官。本文最初发表于商业互联网。商业互联网是CFE媒体的内容合作伙伴。Chris Vavra编辑，CFE Media制作编辑，cvavra@cfemedia.com．

在线额外

请参阅下面链接的相关故事。

原创内容可在www.internetofbusiness.co.uk．

您是否具有本内容中提到的主题的经验和专业知识?您应该考虑为我们的CFE媒体编辑团队做出贡献，并获得您和您的公司应得的认可。点击在这里开始这个过程。