百年制造业的游戏规则，如何被机器学习悄然改变？

人工智能在过去两到三年时间内成为科技行业最热的话题。然而必须澄清一点，当下所谓的「人工智能」的进步，更准确的描述，应该是机器学习快速发展后所带来的巨大提升。

而经历了概念的炒作和资本的助推之后，人工智能、机器学习的落地实践如何，则成为最近以来全球人工智能从业者们共同的议题，以制造业为例，机器学习能否给这个古老行业带来革命性的变革呢？

答案是肯定的。市场分析研究公司 TrendForce 的一份报告中认为，基于机器学习的智能制造市场规模将在 2020 年达到 3200 亿美元，年复合增长率达到 12.5%。

那么，机器学习会如何改变制造业的游戏规则呢？

1. 特定行业：半导体

在咨询公司麦肯锡看来，如果将机器学习应用到半导体制造中，会给企业带来至少 30% 的产能提升。该公司认为，半导体公司可以通过降低报废率和优化与运营来实现。

机器学习可以使用根本原因分析并通过简化制造工作流程来降低测试成本。 此外，采用机器学习的生产设备预计年维护成本将降低 10％，同时将停机时间缩短 20％，并将检测成本降低 25％。

2. 制造过程

制造行业里有个指标叫「OEE」，指的是总体设备的效率，这个指标衡量了制造过程中各个设备的可用性、性能以及质量。

在机器学习的帮助下，工厂管理者可以快速了解这些机器的弱点，并有助于最大限度地减少这些缺陷。西门子公司长期以来利用深度神经网络来监控其钢铁工厂的生产过程。该公司表示，过去十年，西门子在软件上的投资超过 100 亿美元，不仅收购了美国软件公司，也购买了来自 IBM 的 Watson，从而提升自身的机器学习能力。

3. 供应链

机器学习在制造业供应链的优化也有至关重要的作用。

人工智能（AI）和物联网的成功结合对现代公司来说是确保供应链运行在最高水平所必需的。 一项由世界经济论坛发布的报告指出，当下众多制造企业正在寻找将机器学习、人工智能、物联网等新技术与提高资产跟踪准确性，库存优化和供应链可视性相结合的方法。

目前，通用电气针对制造行业发布的「Brilliant Manufacturing Suite 」产品，可以监控制造，包装和交付流程的每一步，该套件构成了公司供应链管理的重要组成部分。

4. 更多的数据分析

普华永道预测，越来越多的制造企业将采用机器学习和分析技术来提高预测性维护，未来五年将这个数字将增长38％。 过程可视化和自动化预测将在该跨度上增长34％，而数据分析、API和大数据的整合将有助于连接工厂增长31％。 麦肯锡的另一份数字则显示，机器学习会将供应链预测误差减少 50％，同时也将销售成本减少 65％。

在一个可预见的未来里，机器学习、物联网将让制造企业成为一个被连接起来的存在，从质量控制到资产管理，供应链解决方案以及降低开支，机器学习正在改变制造业的未来。