ช่วงเวลาสำคัญของปัญญาประดิษฐ์ + การผลิต: ไม่ลดต้นทุน แต่การสร้างใหม่

ซึ่งหมายความว่าภายใต้คลื่น AI อุตสาหกรรมการผลิตกำลังเผชิญกับความท้าทายเชิงโครงสร้างที่ฝังลึกและแรงกดดันจากการเปลี่ยนแปลงซึ่งยืนอยู่ที่ธรณีประตูของ "การนิยามใหม่" .

ในอีกด้านหนึ่งห่วงโซ่อุตสาหกรรมระดับโลกกำลังเร่งการสร้างใหม่มีการขาดแคลนโครงสร้างของแรงงานและแรงกดดันสองเท่าของคุณภาพและประสิทธิภาพกำลังเกิดขึ้นมากขึ้น . ในทางกลับกันปัญญาประดิษฐ์ที่มีการเชื่อมโยงทุกครั้ง

เมื่อเทียบกับฉากหลังนี้การผลิตไม่ได้เป็นผู้ติดตามแอพพลิเคชั่น AI อีกต่อไป แต่สนามรบหลักและเครื่องยนต์สำหรับการใช้งาน .

อย่างไรก็ตามการเสริมสร้างพลังอำนาจของการผลิตโดยปัญญาประดิษฐ์ไม่เพียง แต่มุ่งเป้าไปที่การเพิ่มประสิทธิภาพและลดต้นทุน . มันมีอิทธิพลอย่างลึกซึ้งยิ่งขึ้นต่อโครงสร้างเชิงตรรกะวิธีการขององค์กรและความสามารถในการกำกับดูแลของระบบการผลิต การทำงานร่วมกัน .

ดังนั้นการฝังเทคโนโลยี AI จึงเริ่มต้น "นิยามใหม่" ของอุตสาหกรรมการผลิต .

บทความนี้จะมุ่งเน้นไปที่แนวโน้มการบูรณาการของ "ปัญญาประดิษฐ์ + การผลิต" และแยกย่อยออกจากหลายมิติเช่นเส้นทางการใช้งานแอพพลิเคชั่นทั่วไปความท้าทายที่สำคัญและความสามารถขององค์กร . มันจะสำรวจว่า AI สามารถฝังลงในการเคลื่อนย้าย อนาคตที่มีคุณภาพสูงและยืดหยุ่นมากขึ้น .

เส้นทางการดำเนินงานของ "ปัญญาประดิษฐ์ + การผลิต": การทำซ้ำห้าครั้งตั้งแต่การรับรู้ไปจนถึงการตัดสินใจ

ด้วยความก้าวหน้าของการบูรณาการอย่างลึกซึ้งของ "ปัญญาประดิษฐ์ + การผลิต" สถาปัตยกรรมพื้นฐานของระบบการผลิตกำลังอยู่ระหว่างการสร้างใหม่ที่เงียบสงบ แต่ลึกซึ้ง .

ระบบการผลิตแบบดั้งเดิมได้นำสถาปัตยกรรมลำดับชั้นที่แตกต่างกันมานานของ "การรับรู้ - การควบคุม - การดำเนินการ - การดำเนินการ - การตัดสินใจ": เซ็นเซอร์รวบรวมข้อมูลและอัปโหลดไปยังระบบควบคุมคำแนะนำผลักดันหน่วยดำเนินการระบบอัตโนมัติดำเนินการจัดการกระบวนการและแผนระดับการตัดสินใจ

สถาปัตยกรรมเชิงเส้นที่มีการควบคุมจากบนลงล่างนี้เมื่อรองรับการผลิตอุตสาหกรรมขนาดใหญ่และมาตรฐาน . อย่างไรก็ตามในสภาพแวดล้อมการผลิตที่ซับซ้อนมากขึ้นไดนามิกและเปลี่ยนแปลงได้ทุกวันนี้ข้อ จำกัด ของมันได้กลายเป็นที่โดดเด่นมากขึ้น .}

วันนี้อุตสาหกรรมการผลิตกำลังก้าวหน้าจากสถาปัตยกรรมแบบลำดับชั้นไปสู่การสร้างระบบที่ใช้แพลตฟอร์มแบบบูรณาการและกระจายอำนาจ . การรับรู้การควบคุมการดำเนินการการดำเนินงานและการตัดสินใจไม่ได้แยกระบบอีกต่อไป

ในสถาปัตยกรรมนี้ความสามารถของปัญญาประดิษฐ์ไม่ได้ถูกแทรกเข้าไปในลิงค์บางอย่าง แต่ฝังลึกอยู่ในใจกลางเส้นประสาทของเครือข่ายการผลิตทั้งหมด

การเปลี่ยนกระบวนทัศน์นี้ยังร่างเส้นทางวนซ้ำห้าเส้นทางสำหรับการประยุกต์ใช้ AI ในการผลิต:

การทำซ้ำการรับรู้: จาก "สามารถมองเห็น" ถึง "ความสามารถในการเข้าใจ"

ขั้นตอนแรกของการผลิตเริ่มต้นด้วยการรับรู้ . ด้วยการพัฒนาการวิเคราะห์วิดีโอ AI เซ็นเซอร์อัจฉริยะและอินเทอร์เน็ตอุตสาหกรรมของสิ่งต่าง ๆ

ระบบการวิเคราะห์วิดีโอที่เปิดใช้งาน AI สามารถระบุความผิดปกติของการผลิตได้โดยอัตโนมัติออกคำเตือนข้อผิดพลาดและเปลี่ยนสถานะของรายการซึ่งประกอบขึ้นสำหรับข้อ จำกัด ของอัลกอริธึมตามกฎดั้งเดิม . เมื่อสิ้นสุดการรับข้อมูล การรับรู้เลเยอร์ทำเครื่องหมายจุดเริ่มต้นสำหรับการรวม AI ที่ครอบคลุมเข้ากับระบบการผลิต .

2. การควบคุมการวนซ้ำ: จาก "การควบคุมกฎ" ถึง "รุ่นอัจฉริยะ"

ความฉลาดของระบบควบคุมกำลังเขียนตรรกะของการควบคุมอุตสาหกรรม . ระบบควบคุมอุตสาหกรรมรุ่นใหม่ที่แสดงโดยระบบอัตโนมัติที่กำหนดซอฟต์แวร์ (SDA) ได้ทำลายโครงสร้างปิดที่ฮาร์ดแวร์และการเขียนโปรแกรมถูกผูกไว้ในระบบควบคุมแบบดั้งเดิม

บนพื้นฐานนี้การแนะนำเครื่องมือ AI Assistant ทำให้การเขียนโปรแกรม PLC ไม่ได้เป็นงานที่วิศวกรสามารถทำสิ่งเดียวได้อย่างเดียว . โดยการอธิบายวัตถุประสงค์การควบคุมผ่านภาษาธรรมชาติ AI สามารถสร้างตรรกะการควบคุมโดยอัตโนมัติแผนผังความหมาย ระบบควบคุม .

3. การดำเนินการซ้ำ: จาก "ระบบอัตโนมัติ" ถึง "อัจฉริยะซินเนอร์จี้"

การเปลี่ยนแปลงยังเกิดขึ้นในระดับการดำเนินการผลิต . การรวมตัวกันอย่างลึกซึ้งของ AI และหุ่นยนต์อุตสาหกรรมส่งเสริมการก่อตัวของ "หน่วยงานอัจฉริยะอุตสาหกรรม" กับความสามารถของการรับรู้การตัดสินและการดำเนินการ .}}

หุ่นยนต์ที่ขับเคลื่อนโดย AI ไม่เพียง แต่สามารถดำเนินการซ้ำ ๆ ได้ แต่ยังบรรลุการวางแผนเส้นทางแบบปรับตัวการจดจำภาพแบบเรียลไทม์และการกำหนดเวลาการทำงานร่วมกันแบบหลายเครื่อง . ผ่านแพลตฟอร์มคู่ดิจิตอลและแพลตฟอร์มการจำลองหุ่นยนต์สามารถฝึกอบรมและตรวจสอบได้อีกต่อไป คำแนะนำ แต่ผู้บริหารอัจฉริยะที่มีความสามารถในการตัดสิน .

4. การทำซ้ำการดำเนินงาน: จาก "การจัดการบันทึก" ถึง "การเพิ่มประสิทธิภาพการทำนาย"

ระบบการจัดการกระบวนการผลิตได้รับการปรับโครงสร้างอย่างละเอียดเนื่องจากการเปิดตัว AI . ปัญญาประดิษฐ์กำลังเร่งการรวมเข้ากับแพลตฟอร์มกระบวนการผลิตหลักเช่น MES และระบบการจัดการอุปกรณ์

AI สามารถสร้างแบบจำลองข้อมูลการดำเนินงานของอุปกรณ์ระบุความผิดพลาดที่อาจเกิดขึ้นล่วงหน้าและบรรลุการบำรุงรักษาที่ทำนายได้ . เพิ่มประสิทธิภาพการทำงานของ OEE ผ่านการวิเคราะห์สตรีมข้อมูลแบบเรียลไทม์ ในการจัดการคุณภาพ AI ถูกนำมาใช้เพื่อระบุรูปแบบข้อบกพร่องและสาเหตุของรากซึ่งจะช่วยเพิ่มความสอดคล้องและการปฏิบัติตามของผลิตภัณฑ์ . การจัดการกระบวนการผลิตกำลังเคลื่อนย้ายจากการควบคุมปฏิกิริยาไปสู่การดำเนินการทำนาย

5. การตัดสินใจซ้ำ: จาก "การวิเคราะห์ความล่าช้าเป็นระยะ" ถึง "การตัดสินใจอัจฉริยะแบบเรียลไทม์"

การตัดสินใจขององค์กรการผลิตยังอยู่ระหว่างการเปลี่ยนแปลงอัจฉริยะ . AI จะค่อยๆได้รับความสามารถในการช่วยเหลือในการตัดสินใจที่ซับซ้อนสูงเช่นการกำหนดเวลาการผลิตการจำลองสินค้าคงคลังและการทำนายคุณภาพ .}}

ด้วยความช่วยเหลือของแบบจำลอง AI องค์กรสามารถดำเนินการจำลองสถานการณ์เพื่อประเมินการประกอบอาชีพของทรัพยากรและความเป็นไปได้ในการส่งมอบของกลยุทธ์การจัดตารางการผลิตที่แตกต่างกัน . การรวมข้อมูลในอดีตและแบบเรียลไทม์ AI สามารถทำนายแนวโน้มของความผันผวนของคุณภาพ ประสิทธิภาพ . การตัดสินใจผลิตได้เปลี่ยนจากการตอบสนองที่ล้าหลังไปสู่ข้อมูลเชิงลึกที่คาดการณ์ล่วงหน้ากลายเป็นการสนับสนุนที่สำคัญสำหรับความคล่องตัวและความยืดหยุ่นขององค์กร .}

ในช่วงห้ากระโดดเหล่านี้เราได้เห็นว่าปัญญาประดิษฐ์ไม่ใช่เครื่องมือภายนอกอีกต่อไป แต่เป็นปัจจัยอัจฉริยะภายในระบบการผลิต . มันก้าวข้ามขอบเขตดั้งเดิมรวมเข้ากับทุกระดับและทุกโหนดและส่งเสริมระบบการผลิตจากการควบคุมแบบลำดับชั้นเพื่อการทำงานร่วมกันอย่างชาญฉลาด

การสร้างใหม่อย่างเป็นระบบนี้เป็นสาระสำคัญของ "ปัญญาประดิษฐ์ + การผลิต" .

ความสามารถของระบบใดที่จำเป็นสำหรับองค์กรการผลิตในยุค "ปัญญาประดิษฐ์ +"

ในยุคปัจจุบันของการพัฒนาอย่างรวดเร็วของปัญญาประดิษฐ์คำถามที่มีการพูดคุยกันซ้ำ ๆ คือ: AI จะแทนที่มนุษย์หรือไม่? ในอุตสาหกรรมการผลิตปัญหานี้มีความอ่อนไหวเป็นพิเศษ .

ในอดีตทุกการกระโดดไปข้างหน้าในระบบอัตโนมัติดูเหมือนจะมาพร้อมกับแนวโน้มของ "เครื่องจักรแทนที่มนุษย์" . อย่างไรก็ตามปัญญาประดิษฐ์ในปัจจุบันโดยเฉพาะเส้นทางการใช้งานในสถานการณ์การผลิตทำให้เราได้รับคำตอบที่ชัดเจน: AI ไม่ได้ออกแบบมาเพื่อลดจำนวนคน แต่

การผลิตอัจฉริยะต้องการคนมากขึ้นไม่น้อยกว่า .

ซึ่งหมายความว่าแอปพลิเคชันที่กว้างของ AI ไม่ได้นำไปสู่คลื่นของการปลดพนักงาน แต่มันได้ก่อให้เกิดความต้องการทักษะใหม่ ๆ และความสามารถที่หลากหลาย .

ในอดีต AI ได้รับการยกย่องมากขึ้นว่าเป็นเครื่องมือ: ใช้เพื่อช่วยในการตรวจจับการวิเคราะห์ข้อมูลและการสร้างรายงาน . ทุกวันนี้ด้วยการเจาะโมเดล AI ในการบำรุงรักษาทำนายการควบคุมคุณภาพการกำหนดเวลาการผลิตและการเชื่อมโยงอื่น ๆ

วิวัฒนาการนี้ไม่เพียง แต่เปลี่ยนบทบาทของเทคโนโลยีเท่านั้น การรื้อฟื้นกระบวนการทริกเกอร์ .

นี่ก็หมายความว่าข้อกำหนดขององค์กรสำหรับความสามารถกำลังอยู่ระหว่างการเปลี่ยนแปลงเชิงคุณภาพ: พวกเขาไม่เพียง แต่ต้องการวิศวกรที่เข้าใจ AI แต่ยังมีความสามารถพิเศษที่เข้าใจการผลิต . AI Generalists ที่มีความสามารถข้ามพรมแดนการคิดและความเข้าใจทางธุรกิจที่สำคัญ

หาก AI เป็น "สมอง" ของการผลิตอัจฉริยะความสามารถขององค์กรเป็นปัจจัยชี้ขาดว่า "ร่างกาย" นี้มีความยืดหยุ่นแข็งแรงและยั่งยืน . เข้าสู่ยุค AI หรือไม่

ความสามารถเชิงกลยุทธ์: AI ไม่ได้เป็นเพียง "IT Project" แต่เป็น "การดำเนินการปกติ" .

เมื่อองค์กรหลายแห่งส่งเสริม "ปัญญาประดิษฐ์ + การผลิต" พวกเขาถือว่าเป็นการอัพเกรดข้อมูลแบบครั้งเดียวและปล่อยให้แผนกไอทีเป็นผู้นำ . วิธีการนี้มักจะนำไปสู่โครงการ AI ที่เริ่มสูง แต่สิ้นสุดลงด้วยโครงการนำร่องที่ประสบความสำเร็จ

การเปลี่ยนแปลงที่แท้จริงไปสู่การผลิตที่ชาญฉลาดนั้นจำเป็นต้องมีเกี่ยวกับ AI ในฐานะทรัพยากรเชิงกลยุทธ์หลักที่ผลักดันการเปลี่ยนแปลงของรูปแบบการดำเนินงานทางธุรกิจ . AI ไม่ควรมีอยู่อย่างเป็นอิสระจากการดำเนินธุรกิจ แต่ควรรวมเข้ากับกระบวนการหลักเช่นการควบคุมคุณภาพการจัดการซัพพลายเชนและการจัดการพลังงาน ไดรฟ์ ".

2. ความสามารถของพรสวรรค์: สร้างคอมโพสิต echelon ของ "วิศวกร AI + ผู้เชี่ยวชาญด้านธุรกิจ"

การเพิ่มประสิทธิภาพของโครงสร้างความสามารถเป็นสิ่งที่จำเป็นสำหรับการใช้งานของ AI . ในอีกด้านหนึ่งองค์กรต้องการวิศวกรที่มีความสามารถในการสร้างอัลกอริทึม AI และความสามารถในการสร้างแบบจำลองข้อมูลที่สามารถเข้าใจโครงสร้างและเสียงรบกวนจากการผลิต ชัดเจนและมีโครงสร้างความรู้เพื่อให้โมเดล AI อยู่ใกล้กับปัญหาในโลกแห่งความจริง .}

พรสวรรค์สองภาษาที่มีทั้งภาษาวิศวกรรมและภาษาธุรกิจจะเป็นกองกำลังกระดูกสันหลังที่ขาดไม่ได้สำหรับองค์กรการผลิตในอนาคต .

3. โครงสร้างองค์กร: ส่งเสริมการสร้างร่วมของแพลตฟอร์มกลาง AI และการดำเนินธุรกิจ

โครงการ AI มักจะถูกแยกส่วนและยากที่จะทำซ้ำในขนาดใหญ่ . เหตุผลพื้นฐานอยู่ที่การขาดข้อมูลแบบครบวงจรและแบบจำลองรากฐาน . ในตอนนี้องค์กรจำเป็นต้องสร้างแพลตฟอร์ม AI และแพลตฟอร์มกลาง สถานการณ์ ".

ในระดับองค์กรมีความจำเป็นที่จะต้องจัดตั้งคณะกรรมการแอปพลิเคชัน AI ข้ามแผนกหรือทีมปฏิบัติการดิจิทัลเพื่อทำลายอุปสรรคระหว่างมันกับ OT, R&D และการผลิต, สำนักงานใหญ่และไซต์และบรรลุรูปแบบการสร้างร่วมที่เกิดปัญหาจากแนวหน้าและการแก้ปัญหา

4. เส้นทางการใช้งาน: จากโครงการนำร่องไปจนถึงการปรับใช้โซ่เต็มรูปแบบ

ตามเส้นทางการเปลี่ยนแปลงการผลิตอัจฉริยะที่เสนอในรายงานการวิจัยองค์กรควรทำตามวิธีการเริ่มต้นแบบแปดขั้นตอนของการเริ่มต้น Agile การทำซ้ำอย่างรวดเร็วและการขยายตัวอย่างต่อเนื่องเมื่อปรับใช้โครงการ AI ดังแสดงในรูปข้างบน .}

เส้นทางนี้เน้นว่าการประยุกต์ใช้ AI ไม่ควรมีความทะเยอทะยานและครอบคลุมมากเกินไป . แต่ควรใช้ขั้นตอนเล็ก ๆ แต่รวดเร็วเรียนรู้ด้วยการทำและค่อยๆพัฒนาเพื่อให้ได้การกระโดดสวอน

คุณค่าที่แท้จริงของ AI ไม่ได้อยู่ในการแทนที่มนุษย์ แต่ในการสร้างองค์กรการผลิตที่ฉลาดขึ้นเรื่อย ๆ และมีวิวัฒนาการมากขึ้น . ช่วยให้องค์กรเปลี่ยนจากการขับเคลื่อนประสบการณ์ไปสู่การขับเคลื่อนข้อมูลและจากความแข็งแกร่งของกระบวนการ

การแข่งขันในอุตสาหกรรมการผลิตในอนาคตจะไม่เป็นการแข่งขันของอุปกรณ์และกำลังการผลิตอีกต่อไป แต่เป็นการแข่งขันของความสามารถทางปัญญาความสามารถขององค์กรและความสามารถอัจฉริยะ . AI ไม่ใช่จุดจบ แต่เป็นจุดเริ่มต้นของอารยธรรมอุตสาหกรรมใหม่ .}}}

ข้อมูลและโมเดล: กลไก "ปัญญาประดิษฐ์ + การผลิต" ที่ยากมาก

เครื่องยนต์ AI สามารถขับเคลื่อนวิวัฒนาการอย่างต่อเนื่องของระบบการผลิตอัจฉริยะได้อย่างแท้จริงเมื่อทั้ง "ข้อมูล" และ "รุ่น" ทำงานพร้อมกันอย่างมีประสิทธิภาพพร้อมกัน .}

อย่างไรก็ตามในการใช้งาน "ปัญญาประดิษฐ์ + การผลิต" ในทางปฏิบัติองค์กรมักตกอยู่ในความเข้าใจผิดทางปัญญา: เชื่อว่าตราบใดที่อัลกอริทึม AI ถูกนำไปใช้และข้อมูลอุตสาหกรรมเชื่อมต่อกันการตัดสินใจอย่างชาญฉลาด อย่างแม่นยำในความจริงที่ว่าเครื่องมือหลักสองตัวของข้อมูลและรุ่นไม่ได้เริ่มต้นขึ้นอย่างแท้จริง .}

ความท้าทายด้านข้อมูล: องค์กรการผลิตมี "ข้อมูลมากที่สุด" แต่ยังเป็น "ข้อมูลที่ยากที่สุดในการใช้" .

เหตุใดข้อมูลจึงใช้ยาก ส่วนใหญ่มีสามเหตุผลสำคัญ:

ข้อมูลไม่เพียงพอและมีคุณภาพไม่สม่ำเสมอ: ข้อมูลอุตสาหกรรมจำนวนมากมีปัญหาเช่นเสียงรบกวนข้อมูลที่หายไปและความหลากหลาย . มีกลไกการกำกับดูแลและการให้อาหารโดยตรงกับแบบจำลอง

ข้อมูลไม่ได้ถูกประมวลผลในภายหลังในชีวิตและขาดโครงสร้างบริบท: องค์กรหลายแห่งรวบรวม "จุดข้อมูลที่แยกได้" ขาดข้อมูลบริบทเช่นเหตุการณ์กระบวนการและแบทช์ซึ่งนำไปสู่การไร้ความสามารถของโมเดลที่จะเข้าใจความหมายทางธุรกิจและตรรกะเชิงสาเหตุ .}}}

ปัญหาที่ลึกกว่านั้นอยู่ที่แม้ว่าองค์กรการผลิตจะมีข้อมูล แต่พวกเขาขาดระบบความสามารถในการแปลงข้อมูลเป็นความรู้ที่ใช้งานได้ . นี่ไม่ใช่ปัญหากับฟังก์ชั่นของซอฟต์แวร์ แต่เป็นข้อบกพร่องอย่างเป็นระบบในกลไกองค์กรการคิดข้อมูลและระบบการกำกับดูแล

ดังนั้นข้อมูลในอุตสาหกรรมการผลิตจึงไม่น้อยเกินไป แต่กระจัดกระจายเกินไป . ไม่ใช่ว่ามันไม่มีค่า แต่ข้อมูลบริบทไม่เพียงพอ .}

2. ความท้าทายแบบจำลอง: Industrial Intelligence ไม่สามารถทำได้ข้ามคืนโดยอาศัย "รุ่นใหญ่ทั่วไป"

รุ่น AI อุตสาหกรรมเผชิญกับความท้าทายที่สำคัญสามประการ:

การขาดความเข้าใจกระบวนการ: กระบวนการผลิตเกี่ยวข้องกับความรู้โดยปริยายจำนวนมากเช่นกฎเชิงประจักษ์กลไกทางกายภาพและการมีเพศสัมพันธ์หลายตัวแปร . หากแบบจำลองไม่เข้าใจกระบวนการมันสามารถทำการคาดการณ์ที่เกี่ยวข้องและไม่สามารถทำการวิเคราะห์สาเหตุ

ความขาดแคลนข้อมูลและความยากลำบากในการติดฉลาก: เปรียบเทียบกับฟิลด์อินเทอร์เน็ตเช่นอีคอมเมิร์ซและเครือข่ายสังคมออนไลน์สถานการณ์อุตสาหกรรมขาดชุดข้อมูลโอเพนซอร์ซขนาดใหญ่และข้อมูลที่ผิดปกติจำนวนมากเป็นเรื่องยากที่จะติดฉลาก

ความสามารถในการวางนัยทั่วไปที่ไม่เพียงพอและการย้ายฉากที่ยากลำบาก: ประสิทธิภาพของโมเดลเดียวกันแตกต่างกันอย่างมากในสายการผลิตและอุปกรณ์ที่แตกต่างกัน . มีการขาดความสามารถพื้นฐานที่สามารถอพยพและปรับแต่งได้ส่งผลให้ค่าใช้จ่ายในการปรับใช้ AI สูง

ดังนั้นสิ่งที่อุตสาหกรรมการผลิตต้องการอย่างแท้จริงคือโมเดล AI ในเชิงลึกในเชิงลึก: ผู้ที่ไม่สามารถเข้าใจพฤติกรรมทางกายภาพและกลไกกระบวนการ แต่ยังปรับให้เข้ากับสภาพแบบไดนามิกและความแตกต่างของอุปกรณ์ได้

เห็นได้ชัดว่าโมเดล AI ในการผลิตไม่ใช่ "โมเดลการพูดคุย" แต่ "โมเดลที่สามารถเข้าใจฟิสิกส์" . มันไม่ใช่ "โมเดลสำหรับการสร้างเนื้อหา" แต่เป็นแบบจำลอง "สำหรับการสร้างกระบวนการใหม่" .}}}

3. ความท้าทายด้านการจัดการ: AI ไม่ได้เกี่ยวกับการกู้ยืม การสร้างระบบความสามารถเป็นจุดเริ่มต้นที่แท้จริงสำหรับการผลิต AI

ในการเผชิญกับความท้าทายสองประการของข้อมูลและโมเดลองค์กรไม่สามารถอยู่ในขั้นตอนของการปรับใช้เครื่องมือได้อีกต่อไป แต่ควรเปลี่ยนไปสร้างระบบความสามารถ AI ที่สมบูรณ์และยั่งยืน . หลักอยู่ในสามสิ่ง: ก่อนการกำกับข้อมูล: จากการรวบรวมข้อมูล "เพื่อ" สร้างความรู้ ";; II . การสร้างแบบจำลองฉาก: แสดงปัญหาในภาษาธุรกิจและแก้ปัญหาในภาษาอัลกอริทึม III . กลไกการปรับจูนแบบจำลอง: ตรวจสอบให้แน่ใจว่าตัวแทนแต่ละตัวพอดีกับฉากของตัวเอง .}

AI ไม่ใช่สิ่งที่จะนำมาใช้ . "ปัญญาประดิษฐ์ + การผลิต" ควรได้รับการยกย่องว่าเป็นโครงการที่เป็นระบบ . การเข้ามาของปัญญาประดิษฐ์ในการผลิตไม่ได้หมายความว่ามันจะมีประโยชน์เพียงเพราะมันถูกติดตั้ง องค์กร .

หากผู้ประกอบการหวังว่าจะบรรลุการผลิตที่เปิดใช้งาน AI อย่างแท้จริงพวกเขาจำเป็นต้องแยกตัวออกจากความคิด "มุ่งเน้นเครื่องมือ" และสร้างระบบสองเครื่องยนต์ของ "ความสามารถของข้อมูล + ความสามารถของโมเดล" สำหรับอนาคต . ในวิธีนี้เท่านั้น