每家制造商都可以把機器學習整合到其運營中，通過獲得對產(chǎn)品的預測性洞察而讓自己變得更有競爭力。
機器學習的核心技術能很好地解決制造商每日遭遇的那些復雜問題。從努力保持供應鏈有效運營到按時生產(chǎn)定制化的、按訂單制造的產(chǎn)品，機器學習算法能夠為每個生產(chǎn)階段都帶來更高的預測準確度。被研發(fā)出的許多算法是迭代性的，它們可以連續(xù)學習，并找出最優(yōu)結果。這些算法以毫秒的速度迭代，使得制造商能夠在幾分鐘時間里找到最優(yōu)結果，而非像從前那樣需要耗時數(shù)月。
機器學習革新制造業(yè)的10種方式如下——
1.生產(chǎn)力提高20%，原材料消耗率降低4%
智能制造系統(tǒng)利用預測性數(shù)據(jù)分析方法和機器學習，提高機器、生產(chǎn)單元和工廠層面的生產(chǎn)率，將生產(chǎn)能力提高20%，同時將原材料消耗率降低4%。下面的圖表來自通用電氣，并被美國國家標準技術研究所引用，它總結了在制造業(yè)中使用預測性分析和機器學習能獲得的好處。
2.優(yōu)化流程
提供關聯(lián)度更高的數(shù)據(jù)，這樣財務、運營和供應鏈團隊就能夠更好地管理工廠和需求側約束條件（demand-sideconstraints）。在許多制造業(yè)公司中，IT系統(tǒng)尚未整合起來，這樣各個跨功能的團隊就很難一起實現(xiàn)共同目標。機器學習有望將全新水平的洞察和智能引入這些團隊，使他們能夠完成優(yōu)化產(chǎn)品流程、目錄、在途工作量（WorkIn Process）和價值鏈決策等方面的目標。
3.提升預防性養(yǎng)護及MRO
提高預防性維護以及維護-修理-大修（MRO）績效，在零件和部件層面都帶來更高的預測準確度。從亞馬遜、谷歌和微軟的報告中可見，將機器學習數(shù)據(jù)庫、App和算法都整合到云平臺這種做法正變得越來越普遍。
下圖揭示了機器學習如何整合入微軟Azure平臺。微軟使Krones公司能夠通過在微軟Azure上實現(xiàn)制造操作若干方面的自動化來完成其工業(yè)4.0目標。
4.提高整體設備使用率到85%
實現(xiàn)條件監(jiān)控過程，使制造商能在工廠層面管理整體設備效率（OverallEquipmentEffectiveness，OEE），將整體設備效率從65%提高到85%。
一家汽車設備原產(chǎn)商與塔塔咨詢合作以提高其生產(chǎn)過程，當時其生產(chǎn)線的整體設備效率只有65%，停工時間比例占17-20%。該企業(yè)連續(xù)12個月每15秒鐘都從設備中收集和整合關于15個操作參數(shù)的傳感器數(shù)據(jù)。該解決方案的要素如下圖。
同樣，在上面這份麥肯錫的調(diào)查中，
76%的企業(yè)表示預計使用機器學習實現(xiàn)更高的銷售目標至少40%的企業(yè)已經(jīng)使用機器學習提升銷售和市場營銷業(yè)績
38%的企業(yè)認為機器學習對提升銷售額有用
多家歐洲銀行新品銷售額提升10%，同時客戶流失率降低20%
5.商務云將帶來巨大收入
機器學習正在革新關系智能（relationship intelligence），而Salesforce正在迅速成為這方面的領導者。Salesforce所做的一系列收購使它成為機器學習和人工智能方面的全球領袖。
下表來自 Cowen and Company 研究筆記 《Salesforce: Initiating At Outperform; Growth Engine Is Well Greased》，總結了Salesforce 的一系列機器學習和人工智能收購，還分析了它的新產(chǎn)品發(fā)布和預期年收入貢獻。
Akex Konrad 在文章《Salesforce Will Acquire Demandware For $2.8 Billion In Move Into Digital Commerce》中分析了 Salesforce 最近對電子商務提供商 Demandware 高達 28 億美元的收購。Cowen&Company 預測，商務云在 2018財年將為 Salesforxce 貢獻 3.25 億的收入，其中 Demandware 的銷售將為此作出重要貢獻。
6.量化具體流程對成品影響
機器學習算法將確定哪些因素在全公司范圍內(nèi)最大和最小程度地影響了質(zhì)量，從而革新產(chǎn)品和服務的質(zhì)量。制造商往往在如何讓產(chǎn)品和服務質(zhì)量成為公司工作流的核心組成部分遭遇困難。機器學習能通過確定哪些內(nèi)部過程、流程和因素對達成質(zhì)量目標的貢獻最大或最小，革新產(chǎn)品和服務質(zhì)量。
使用機器學習，制造商將能夠獲得更大的智能，能夠在定義、測量、分析、提高、控制（DMAIC）的框架中，預測他們的質(zhì)量和采購決策，對于實現(xiàn)更大的六西格瑪績效（SixSigmaperformance）有多大貢獻。
使用普通統(tǒng)計模型（單條褐色曲線）和機器學習分析（顏色越深風險越大）得出的結果差距很大。來源：麥肯錫報告_An Executives‘Guide to Machine Learning
7.優(yōu)化機器、員工和供應商業(yè)選擇
通過優(yōu)化團隊、機器、供應商和客戶需求提高產(chǎn)量。目前機器學習在航空航天與國防、離散制造和高科技制造等領域都為車間生產(chǎn)帶來了變化。制造業(yè)正在轉向更復雜、更定制化的產(chǎn)品，更充分地利用生產(chǎn)力，而機器學習能幫助優(yōu)化對機器、受訓員工和供應商的選擇。
8.制造業(yè)將成為服務業(yè)
“作為服務的制造業(yè)”將成為現(xiàn)實，因為機器學習使得人們在生產(chǎn)領域也能采用訂閱模式（subscriptionmodels）。生產(chǎn)過程能夠支持快速、高度定制化產(chǎn)品生產(chǎn)的制造商將處于有利地位，能夠發(fā)起基于服務訂閱費的業(yè)務，并向全球擴展。制造成本飛速增長的快速消費品、電子產(chǎn)品提供商和零售商有望使用訂閱制造服務，而讓自己更多地投入到品牌、市場和銷售業(yè)務中。
9.超過70%供應商會根據(jù)交款時間選擇客戶
機器學習十分適合優(yōu)化供應鏈和創(chuàng)造更宏大的規(guī)模經(jīng)濟。對許多綜合設施制造商而言，70%以上的產(chǎn)品原料供應商都會權衡先完成誰的訂單。通過使用機器學習，購買者和供應商將能更有效地協(xié)作，減少無存貨情況，提高預測準確度，更好地滿足客戶的時間要求。
10.利潤和成交額最大化
機器學習能夠知曉對特定客戶在什么時間收取何種價格，以獲得最大的利潤和成交額。機器學習將擴展目前的企業(yè)級定價優(yōu)化應用所提供的那些服務。最大的一個變化將是，如何根據(jù)建議策略優(yōu)化定價來達成交易，從而加快銷售周期。
關注本刊微信訂閱號