当我作为机械师运行Davenport螺丝机时，我们 - 机械师，生产线经理和主管 - 负责监控流程和设备，以保持生产线的正常运行。 我们一起知道要注意什么以及如何监控机器（和人员）以确保它们以最高效率运行。 我们知道如何判断一件设备 - 例如钻头 - 何时接近其更换阶段，或者是否存在材料化学变化的任何残余影响。 单个破碎钻头的成本可能很高，因为随后的龙头和倒角工具也会破裂，生产零件将不得不报废或重新加工，并且当我们更换所有破损的工具时机器将会停机。

为此，以及众多其他情况，我们收集了我们可以获得的数据，跟踪从成品零件的微小差异到操作员培训水平的所有信息。我们尽可能地利用这些信息以及多年积累的经验为业务做出最佳决策：是时候关闭钻头了吗？材料的变化是否会影响我们没有预料到的事情？我们应该关闭生产线吗？

我们今天所了解的自适应智能（AI）可以缓解我们的思想，使我们能够做出更好，更一致的决策。但那时候，AI并不像我们这样的商店选择。让AI进入我们的业务意味着我们必须为几位高薪计算机工程师和数据科学家的工作提供资金，然后他们将这些工作交给一个负责管理和维护软件和系统的IT专业人员营。

然后是硬件。购买和维护可支持AI的机器的成本非常高 - 甚至用于监控制造环境的传感器也是昂贵的。

总而言之，人工智能一直是制造巨头的省份，拥有庞大的数量和庞大的研发预算 - 这是其他制造业企业根本买不起的奢侈品。

到现在。

今天，由于三个核心原因，人工智能更容易被广泛的制造商所接受：成本更低，更容易访问数据和云计算。原因如下：

降低成本开放机会

各种规模的制造车间的好消息 - 计算机技术的成本持续下降，打破了人工智能进入的第一道屏障。由于小型化和大规模生产，现在存储芯片，计算能力和存储的一切都更便宜，更好。这种趋势仍在继续，现在包括用于监控环境的硬件传感器，以及物联网（IoT）。

那些专业数据科学家和软件开发人员呢？他们仍然在工作，但他们的贡献已经成为主流。现在打包AI应用程序，以便除了最复杂的场景之外，最大限度地减少深度编程的要求。连接从未如此简单，并且系统协同工作以选择性地自动执行，因为对建议的信心增加。

所有这一切都很棒，但除非它们对业务成果产生积极影响，否则无论您能承受多少传感器和应用程序都无关紧要。

访问多个数据源，轻松实现

决策只能与他们所依据的数据一样好，而且AI要对业务成果产生积极影响，智能必须基于正确的数据。幸运的是，今天获取正确的数据要容易得多。现在大多数生产设备都支持传感器，连接设备可以快速带来必要数据流。

也就是说，传统观点是不看待业务孤岛将继续限制其收益。制造商必须扩大他们的思维，以查看非传统的数据来源，包括用于情境化的ERP，以及客户，运营商，供应商和产品数据。查看相关数据的业务孤岛将有助于系统更好地预测结果。

如果只有你能够快速完成这项工作且没有昂贵的试验。

发送到云

现在你可以。也许近年来最有趣的技术进步是云计算和软件即服务（SaaS）的快速增长。云的优点之一是您可以试用一个应用程序，并快速确认一个新的想法是否适用于您的业务。我特别喜欢我称之为“它能伤害什么？”的因素。您可以立即启动云应用程序，并在几周甚至几天内完成并运行它，而不是花费数月甚至数年来设置实施只是为了发现它对您的业务不起作用。您可以在工作环境中使用数据测试应用程序。

为此，我建议一个相对简单的任务，例如更换磨损的钻头。您可以自动监控设备的声音或产品尺寸的微小变化，以预测何时应更改位。使用AI实际推动改进的好处已经开始。从那里开始，这是一个自动订购钻头和安排更换它的最佳时间的步骤 - 最好是在操作员离开时。

现在你已经有了新的钻头和正确的数据，这就是你如何对数据采取行动。这里是您引入AI的地方：使用技术连接您的数据，并且可以分析数据以创建“if-then”模型以便采取行动。您可以在业务决策中积极主动而不是被动。

底线：产量更高，成本更低，效果更好。

如何入门？

试试吧。接受它的“它会伤害什么？”试驾。首先，找一家供应商为您设置行业用例，专门展示制造商如何使用AI并从中受益。然后跳一个云，用您的数据，您的流程，您的环境，为您的企业尝试。

之前？将AI留给庞大的企业集团是很有商业意义的。但今天，人工智能正朝着群众迈进。

看一看。现在情况有所不同。