PwC Insights: Использование ИИ и Big Data для трансформации производства

Можете ли вы определить, что такое искусственный интеллект и что такое Big Data?

ИИ — это способность машины воспринимать окружение и выполнять задачи, которые обычно требуют человеческого интеллекта, и это целая область различных технологий, техник и приложений.

Big Data — это набор инструментов и возможностей для работы с, для обработки экстремально больших наборов данных.

Как ИИ и Big Data работают вместе?

Big Data — лишь один из ermöglichen ИИ, хотя по мере роста объёмов данных он становится одним из самых важных.

Как это можно применить в производственной среде?

Бroadly speaking, есть много выгод от ИИ и использования данных, включая снижение затрат, минимизацию человеческих ошибок и повышение продуктивности и эффективности. Важно учитывать в любой среде — для использования любой технологии — какую проблему вы пытаетесь решить? Будь то просто автоматизация повторяющихся задач или переизобретение природы работы на заводах за счёт сотрудничества людей и машин для принятия лучших и более быстрых решений.

Почему производителям использовать ИИ и Big Data при внедрении возможностей умного производства, какова ценность для производителей?

Один взгляд — снова экономические выгоды ИИ, которые в производстве приходят как результат:

1. Прирост продуктивности от автоматизации процессов и усиления работы существующих трудовых ресурсов различными приложениями технологий ИИ.

2. Рост потребительского спроса благодаря повышенной способности персонализировать и адаптировать производственные продукты, вместе с более качественными цифровыми и ИИ-улучшенными продуктами и услугами.

Производство (и строительные отрасли) по природе своей капиталоёмки, и в нашем отчёте 2018 года «Потенциальное влияние ИИ на Ближнем Востоке» мы оценили, что внедрение приложений ИИ может увеличить вклад секторов в прирост ВВП более чем на 12,4% к 2030 году.

Как ИИ и Big Data могут помочь производителям эволюционировать в революции Industry 4.0? А как насчёт тех, кто уже смотрит в сторону Industry 5.0?

Это действительно про инвестиции, которые вы делаете сейчас, чтобы обеспечить будущее вашего бизнеса.

Мы обычно видим две широкие стратегии или подхода к внедрению ИИ. Есть вещи, которые мы можем сделать сразу, без обращения к Big Data — это внедрение технологий, которые мы описываем как Sensing (сенсинг), например, компьютерное зрение. Есть множество кейсов, где их можно использовать сразу в производстве, например, для автоматического обнаружения дефектов. Однако есть долгосрочная игра, требующая инвестиций в данные — установки правильных механизмов сбора, хранения, управления данными, возможностей Big Data — для разработки всё более ценных кейсов ИИ на базе машинного обучения. Это абсолютно необходимо для долгосрочного успеха внедрения.

Какая лучшая стратегия для организаций, стремящихся реализовать ценность ИИ и Big Data в производстве?

ИИ и Big Data — лишь одна часть успешной умной фабрики. Организации, лидирующие во внедрении ИИ — те, кто уже сделал больше всего прогресса в оцифровке ключевых бизнес-процессов. Чтобы опередить в использовании решений ИИ в масштабе, нужно сделать ряд технологических инвестиций и организационных решений, включая:

1. Оцифровка процессов в конечном счёте ведёт к улучшенной способности генерировать данные, и в производственной среде — с сотнями датчиков, генерирующими тысячи измерений в реальном времени, результатом является Big Data. Данные — ключ к построению ИИ, поэтому надёжный и точный сбор, управление и управление данными — ключевы. Производственная линия и заводы играют критическую и прямую роль в процессе приобретения данных.

2. Стратегия ИИ, как долгосрочная, так и краткосрочная, начинается с кейсов использования, бизнес-приложений. Производителям нужно спросить себя, где они хотят использовать ИИ, собрать эти кейсы вместе и приоритизировать проекты на основе баланса ожидаемого влияния и сложности внедрения.

Конечно, в дополнение к технологиям и бизнес-процессам, люди — в сердце любого успешного внедрения технологий. ИИ-команды должны состоять не только из дата-сайентистов, но и дата-инженеров и архитекторов решений для обеспечения их работы, дата-стюардов для обеспечения точности, и всё более так называемых «переводчиков аналитики/ИИ», способных общаться с бизнес-лидерами и технологическими экспертами. Культура также ключева, и производителям нужно включить культуру, основанную на данных и ИИ, строя доверие к данным и алгоритмам через обучение своей рабочей силы об ИИ и его возможностях, как лучше извлечь ценность. Это не только позитивное, конечно, но и риски и ограничения, так как эти, встреченные без установленных ожиданий, могут существенно повлиять на готовность инвестировать.

Каковы вызовы при внедрении ИИ и Big Data в производстве?

[Источник] показал, что одним из главных вызовов внедрения ИИ является неопределённость вокруг возврата инвестиций (ROI). Как я сказал, значительные инвестиции требуются для успешной долгосрочной стратегии данных и ИИ, и ожидания вокруг времени увидеть осязаемые возвраты должны быть установлены реалистично.

Многие компании также борются со стороной данных: сбором и поставкой данных, которые ИИ-системе нужны для работы, и обеспечением их точности. Опять же, это говорит о более крупных инвестициях, требуемых в оцифровке.

Некоторые из главных вызовов для производственных компаний с внедрением ИИ в масштабе из нашего исследования включают:

• 40% → Технологии не зрелые
• 40% → У рабочей силы нет навыков для внедрения и управления ИИ
• 36% → Неопределённость возврата инвестиций
• 33% → Данные не зрелые ещё
• 32% → Нехватка прозрачности и доверия
• 24% → Рабочие советы и профсоюзы
• 22% → Регуляторные препятствия в домашних и важных рынках

Один элемент, подсвеченный здесь, особенно вокруг недоверия и профсоюзов, — ИИ обычно искажается в медиа как «замена» рабочих и отбор рабочих мест. Да, есть выгоды в эффективности от автоматизации, как это было с первой промышленной революции. Но мы считаем, что Данные и ИИ наиболее ценны, когда они используются для усиления рабочих, улучшая их способности и производимые изделия.

Другой вызов, который мы начинаем видеть — кибератаки, всё чаще нацеленные на взаимосвязанное оборудование и машинерию в умных фабриках. PwC недавно провел вебкаст в сотрудничестве с Национальной ассоциацией производителей в США и Microsoft для обсуждения этого.

Каковы текущие тренды в ИИ и Big Data в производстве?

• Мы видим, что компании слегка больше фокусируются на добавлении ИИ-решений в ключевые производственные процессы, такие как инженерия, сборка и тестирование качества
• Безопасность имеет значительное значение, с техниками, принятыми в возможностях соблюдения протоколов (например, поддержание безопасного расстояния от конкретной машины) применяемыми в более повседневных сценариях для соблюдения протоколов COVID-19
• Есть значительный интерес в предиктивном обслуживании для крупной машины, вовлечённой в производственные процессы, и также в оптимизации цепочки поставок

Что вы видите происходящим в индустрии ИИ и Big Data в производстве в ближайшие 12–18 месяцев?

Честно говоря, я думаю, что мы увидим продолжение того, куда мы уже шли последние 12–18 месяцев. ИИ и данные уже используются в производстве, но это использование не получает столько внимания в медиа, как, скажем, здравоохранение, но истории успеха есть, и они продолжатся, пока операции продолжают свои цифровые путешествия.