客服热线：
但是，导致当前局势的原因和原因是什么？重工业是 个非常受成本驱动的行业。在其成熟的市场中，降低成本和优化流程是几乎所有经理和董事确定的 要任务。人工智能现在提供了做事的新方法。与更传统的方法相比，它在创造价值的方式上似乎有所不同。启动AI项目的 大障碍是解决方案拥有权的总成本高昂。
此外，在缺少具有所有必要技能的AI专 的情况下存在问题。毕业生进入这些行业的主要障碍是过时的专有技术，这要求耗时且昂贵的培训，并限制了未来的就业前景。 个成功的AI项目还需要正确的工具集以及针对特定部门的已经制成的模板，算法和实现方法。
通常，重工业正在进行长期投资。新的生产工厂和采矿设施需要大量投资。 旦开始运行，就可以进行持续的优化并降低成本。从这里开始对AI的兴趣。新用例的出现满足了公司的需求。优化导致对业务流程更改速度的要求不断提高。它增加了决策速度的压力，使人们免于参加例行程序。
这些狭narrow的用例中有很多，例如缺陷检测，似乎很容易用AI解决。但是，仍然很难继续组织整个业务流程，例如监视整个生产线和控制整个价值链。解决方案体系结构中的关键决策很难传递给外部人员。公司并不总是愿意合作开发解决方案，期望已经实施的示例并且不愿尝试和投资。
传统价值观阻碍了成本节省
在大多数情况下，重工业的组织结构遵循非常传统的价值观。这与现代企业更加敏捷和灵活的运营需求不符。如今，市场开发由数字公司主导。他们的项目和新方法控制着发展的方向。这些公司之后是大型金融组织和零售商，电信，电子商务和服务提供商部门。他们现在更有可能尝试使用AI技术，但是随着他们从实施中获得真正的结果，实验变得越来越普遍。除石油和天然气行业外，其他公司大多谈论使用AI技术而不是采用AI技术的前景。
同时，我们看到了认知服务的兴起，它为广泛的 域提供了专 的支持。认知AI系统和应用程序可以为工作人员提供数据驱动的指导，从而部分解决数据分析师和程序员的短缺问题。使用AI进行流程优化可获得快速，可衡量的结果，主要项目在这 域。
人工智能解决方案已经可用并且可以立即部署
在整个重工业中， 些 锋公司实施了AI解决方案并进行了大量试验。AI初创公司Tulip Interfaces是麻省理工学院的衍生产品，提供了支持IIoT的制造应用平台，较小的制造商正在使用该平台。工业机器人重量 企业Fanuc Corporation创建了 个基于人工智能的工具，以减少数小时的机器人培训过程。或者，铜矿工Freeport-McMoran在其位于美国亚利桑那州的智能矿山中成功测试了AI技术。他们计划以很少的资本投资来增加90,000吨铜的产量。
人工智能技术已经成熟，但也在不断发展。数据分析使公司能够从大量不同的信息源中提取知识。人工智能技术可以增强人类行为，并能够识别模式，并在分析结果时提出建议。与更常见的信息技术相比，人工智能的区别在于其能力随时间增长。AI流程和技术的使用会创建更多数据，以保持改进流程的进行。使用AI技术获得成功项目和业务收益的实例将成为AI项目实施的令人信服的论点。
为什么不做呢？
工业用例考虑了 域细节和业务流程。目前这些工具的使用频率较低，但是公司考虑在未来1至2年内使用它们。40％的公司计划使预测性维护自动化，48％的公司正在考虑供应链和物流，34％的公司优 考虑质量监控和管理。这些方案反映了制造公司将整个业务数字化的计划。
尽管有这些意图，重工业仍面临管理和决策问题。通常，他们被困在传统的关注分离中。技术和IT关键参与者推动业务发展的频率降低。董事和高 职员通常只专注于财务。这种情况与以技术为主导的行业（例如商业，金融或招待和休闲）截然不同。
业务代表参与AI项目对于在AI投资中获得财务回报至关重要。项目的积 成果不仅取决于正确选择的方案，还取决于管理层的支持。由于基数较低，因此市场可以更快地增长。增长率将受到以下方面的积 影响：
公司和公共机构正在进行数字化转型
具有AI和实施经验的本地玩
积 的试点项目取得成果并证明了经济效益
推出已经开始的项目的倡议
政府计划的可用性
不改变的借口是它没有带来足够的伤害。连续业务通常仍处于良好状态。使用传统方法可以实现 些微不足道的改进。由于AI的巨大影响并不是突然转变。这种破坏的影响传播的速度越来越慢， 旦您被大数据收购而很难追上。
行业的具体问题
大多数工业用例可提高工人的生产率，提高关键业务流程的效率并控制质量。 重要的潜力被锁定在狭窄的AI应用程序中，以进行预测和推荐，模式识别系统和视频流分析。
行业决策者的 般假设是，重工业是“特殊”行业。生产和工厂的规模和复杂性导致人们只能在自己的部门内进行思考。人工智能需要对这些业务流程和特定行业AI的透彻了解。因此，工业公司很少在该 域中使用咨询服务的外部应用程序。尽管缺少该 域的专 ，但情况仍然如此。同样，不良的定价策略和商业模式导致了工业工具的创建，而不是交钥匙解决方案的出现。
在生产公司中，数字助理能够提供有关选择 佳参数和技术模式以实现 大生产率的建议。建议基于历史数据和预测模型，这些模型可以消除人为错误并提高流程效率。此外，有必要考虑人机之间的相互作用。因为产品（尤其是离散产品）是可以放置人员和机器并相互影响的地方。
开始方式
当决定实施人工智能解决方案的决定时，必须详细说明入门的详细方法。成本敏感性以及大多数企业内部缺少具有所需技能和了解的AI专 ，可能会造成困难。
种经过测试且可行的选择是与有能力和经验丰富的大型IT团队合作。谷歌，微软，IBM，华为，亚马逊，百度拥有丰富的企业经验，可以满足重工业的独特需求。他们提供了所需的信任和资源。
跨行业数据共享可以克服数据不足的问题。由于IP保护，公司看到了在信息交换中失去竞争优势的风险。数据具有金钱但无形的价值，公司不希望与他人共享。业界尚未弄清楚在不违反隐私法和合同协议的情况下，大数据集对所有参与者有何价值。
由于缺乏专业知识，客户对计算机视觉系统功能及其成本和回报期的期望被夸大了。因此，建议开始 个小项目，以学习和提高AI应用程序的知识。培训和投资于员工是关键部分，因为AI不是IT。不幸的是，由于AI媒体的负面报道加剧了人们的实际恐惧，加剧了员工对采用AI的抵触情绪。人工智能项目着重于大量数据，需要更全面的方法。
数字化转型官将AI项目联合起来
组织应开始研究AI部署的策略和路线图。人工智能是数字化转型的核心部分，应由企业与IT部门密切合作交付，其中由业务部门确定所需的结果。IT部门负责所需的解决方案和技术。实施项目的计划是自上而下的，需要 个强大的 制造商（通常是数字转换的 席执行官或总监）来帮助模型成为业务流程的 部分并证明其价值。
yfra为采矿，石油和天然气，机械和冶金行业开发交钥匙解决方案，这些解决方案可推动数字化转型并提高 企业的运营效率。
