点评:四股力量推动智能制造

制造业自然进化的缓慢速度过去需要几十年。然而，近年来，这种自然节奏发生了翻天覆地的变化。随着全球多次封锁，需求急剧下降和飙升，严重扰乱了供应链。这种动荡给制造商们带来了什么教训?数字是关键。例如，在英国，80%的制造商相信工业数字技术将在2025年出现在他们的业务中。

这种数字化的热潮正在为“智能制造”让路。它利用物联网(IoT)、云计算、数据分析和机器学习(ML)来优化组织使用资产的方式，并关注投资资本的回报(ROIC)。在所有这些变化中，制造商面临着四个主要挑战，如果正确利用这些挑战，它们也可能成为变革的驱动力。

技能和生产差距

智能制造用例对机器人程序员和技术人员、网络安全专家、数字孪生架构师、供应网络分析师以及能够利用数据科学和ML算法的人提出了很高的要求。这意味着该行业在培训和留住员工方面面临挑战。在英国，根据国家统计局最新数据在美国，2022年4月至6月制造业职位空缺为9.5万个，同比增长49.5%。

应对这一挑战的一种方法是提高现有工人在新兴技术方面的技能和技能，如协作系统和先进的自动化工具。许多员工可能拥有现有的技术技能，可以连接到这些新的用例中。开源技术还可以为短期内需要技能的制造商提供支持，特别是与数据相关的技能。开源允许组织利用更广泛的技能和专业知识，利用点对点学习的力量，减轻现有团队的压力。

供应链的波动

如果大流行的影响证明了什么，那就是供应链需要强大、透明和有韧性。监测、预测和应对外部因素的能力——包括自然灾害、材料短缺以及运输和仓库限制——对于降低风险和提高敏捷性至关重要。这需要供应链所有阶段的即时的端到端可见性。然而，许多制造商目前操作的是复杂的遗留数据架构，如数据仓库，这可能导致信息竖井的形成——阻碍了数据的轻松访问和分发。包含重复或过时信息的不准确数据集也可能无意中被共享。

答案在于建立一个强大的、现代化的数据基础——比如一个减少所需平台数量的数据湖屋——消除复杂性，提高数据的可见性和可访问性。通过确保准确数据的及时流动，以及AI和ML用例，现代架构为实时分析和洞察做好了准备。这使得制造商能够在收到信息时做出关键决策，迅速应对变化，从而更好地度过波动期。

需要新的收入来源

制造商的增长历来仅限于推出新产品或向新地区扩张。的出现equipment-as-a-service然而，EaaS正在改变这种局面。虽然这种方法并不新鲜(劳斯莱斯的“按小时计费”发动机订阅模式从1962年就开始了)，但客户需求、工业物联网的进步以及销售额和利润率的持续下降，使得EaaS成为制造商的当务之急。为什么?因为它提供了一定程度的可见性和协作性，需要更低的维护成本、资本支出和人力资本管理。

我们可以把劳斯莱斯作为一个例子。它使用基于云的模式为客户降低成本，并创造新的收入流。劳斯莱斯已经能够收集通过其引擎的数字双胞胎产生的实时数据。然后，AI和ML对这些数据进行分析，以帮助避免计划外停飞的飞机，并减少数百万英镑的库存零部件成本。

需要更大的可持续性

气候变化的影响已导致全球供应链日益波动。因此，制造商必须做的不仅仅是适应，而且必须积极减少该行业对环境的影响。制造商还必须考虑由其控制之外的活动所产生的间接排放。

要实现更大的可持续性，需要建立一个重新设计的循环供应链。这将需要供应商和供应商之间更高层次的合作，优化生产线和运输，以及更高层次的客户参与，以延长产品的生命周期。这一切都始于数据。将数据收集到一个地方可以使其易于访问，也可以将其存储起来用于分析以及AI和ML用例。这提供了整个网络的可见性和智能，允许制造商做出关键决策，以提高效率。使用开源软件也将是关键，使整个供应链上下的制造商、供应商和供应商之间能够更好地共享数据和协作。

在当今的工作世界中，受数据和人工智能驱动的企业正在获得回报。选择利用数据和人工智能的制造企业将从一个比以往任何时候都更智能、更灵活、更有竞争力的商业模式中受益。

Bala Amavasai全球技术总监砖