美国制造业的三大关键工业 AI 见解

我最近在芝加哥联邦储备银行的汽车洞察研讨会上发表了演讲，并以一个简单的问题开始了我的会议：

“在过去的几天里，你们当中有多少人谈论过人工智能——如何将其制度化或如何应用它？”几乎每只手都直接向上射击。这种反应充分说明了当今制造业的现状。AI 在对话中无处不在，但缺少的是清晰度 如何 让它成为现实 在工厂车间。兴奋是真实的，不确定性也是真实的。

制造商正试图了解人工智能对他们的运营、员工和员工意味着什么 这些系统已经在运行他们的工厂。

在寻求这种理解的过程中，当制造商谈论人工智能时，我最常听到三个关键内容。这些是这场越来越重要的人工智能对话的关键点——通过相互交谈，我们将学到很多东西。

第一：了解需要使用人工智能解决的问题无论哪个行业，公司都希望直接转向这项技术。他们想知道他们能用它做什么，它能为他们做什么。

我完全明白。人工智能、数字双胞胎和自动化令人兴奋。但是我们首先要去的地方就不那么浮华了：

首先，我们想了解你想要解决的问题。然后我们想了解这个过程。工厂并不总是绿地环境。今天机器正在运行。如今，人们正在保持生产力。你不会因为忽视这一现实而增加价值。

因此，当我们谈论未来的工厂或适应性制造时，对话总是从以下几点开始：

• 你在做事怎么样 今天？
• 您在哪里浪费时间、质量或灵活性？
• 什么问题对企业真正重要？

只有这样，技术讨论才有意义。

这也是连接现实世界和数字世界变得至关重要的地方。数字双胞胎允许制造商在接触物理环境之前对流程进行虚拟建模并验证变更。工程和运营团队可以以更低的风险探索改进措施，因为数字环境反映了实际流程的行为。

digital twin 并不能取代流程。它有助于对其进行优化。

第二：人工智能在了解整个工厂时效果最好制造商并没有因为仪表板而受到伤害，但他们渴望获得见解。

但是，这不是 AI 的问题。这是一个上下文问题。一项智能制造调查发现，70％的受访者表示他们的数据丰富，但阻碍运营进展的头号障碍是数据质量。我在制药、CPG和汽车领域听到了同样的信息。尽管这些行业差异很大，但数据挑战依然存在。

当制造商在车间谈论人工智能时，他们经常会说：

“我想走到一台机器前问：'我今天的作品是什么？为什么下降了10％？'”只有当人工智能了解工厂的所有部分如何组合在一起时，它才能发挥最佳作用。机器、过程和生产流程以因果链的形式相互关联。电机为驱动器提供动力，驱动器移动机器人，机器人支持生产线，生产线为工厂的整体产出做出贡献。

当绘制这些关系并对其进行情境化时，人工智能可以解释运营行为，而不仅仅是报告原始数字。仪表板可以告诉你发生了什么，但背景可以告诉你发生的原因。这就是做出切实可行的决策的原因。

第三：编排是更高级别的优势当今的大多数工厂都是世代相传的，现代软件建立在数十年的自动化、来自不同供应商的设备以及经过多年完善的流程之上。更换所有东西是不现实的。真正的机会在于精心策划已经存在的东西。

工业智能已经到了一个转折点。分析、机器学习和人工智能不再局限于离线分析。它们在运行期间处于活动状态，预测维护，优化吞吐量并实时提出调整建议

但是随着情报的扩展，复杂性也随之增加。包括调度工具、优化引擎、预测模型和操作员支持应用程序在内的多个系统通常同时运行。他们个人表现良好，但如果没有协调，他们可能会发生冲突，造成不稳定并迫使人们实时解决问题。

结果是自动化程度不高。这是没有协调的自动化。

编排解决了这个问题。作为管理层，它在实时运营期间协调智能系统，确保行动与运营限制保持一致。它允许制造商利用人工智能进行创新，同时依靠成熟的工业模型来维持安全、稳定和纪律。

将 AI 付诸行动可以促进创新通过关注问题、为数据添加背景信息以及协调智能系统，制造商可以超越人工智能的炒作，将其转化为真正的运营影响。正确处理这一点的公司不仅可以优化绩效，还可以为下一波工业创新奠定基础。

参观 Siemens 看看我们如何帮助制造商将人工智能引入运营。

发布时间：2026 年 3 月 20 日