如果您是美國一家普通的制造商，2025年可能不是投資人工智能（AI）的最佳時(shí)機(jī)。如果您的目標(biāo)是現(xiàn)代化并改進(jìn)制造過程，那么AI也不是最實(shí)用的解決方案。事實(shí)上，為了最大化投資回報(bào)率（ROI），您很可能應(yīng)該像躲避瘟疫一樣避開AI的賽道。對(duì)于AI的任何投資都充滿了不確定性，倉促?zèng)Q策可能會(huì)導(dǎo)致后悔。這看似反AI的觀點(diǎn)，并非是在反對(duì)進(jìn)步。

　　實(shí)際上，當(dāng)您在2025年尋求改進(jìn)制造過程時(shí)，應(yīng)避免AI的盲目應(yīng)用，以我十幾年在自動(dòng)化行業(yè)的項(xiàng)目經(jīng)驗(yàn)來說，最有效的辦法是將資金投入到能夠補(bǔ)充工廠人類智能（HI）的工具上。

　　美國大約有25萬家制造企業(yè)。盡管數(shù)據(jù)并不完全確定，但據(jù)估計(jì)，其中50%到70%的制造商在生產(chǎn)過程中沒有部署任何形式的自動(dòng)化?，F(xiàn)在是2025年，我們正專注于將制造業(yè)回流至本土。然而，這個(gè)國家至少有一半的制造企業(yè)正受制于停滯不前和不斷萎縮的勞動(dòng)力資源。這是一個(gè)問題。

　　雖然我們一直在談?wù)摴I(yè)4.0，但大多數(shù)制造業(yè)仍處于低于工業(yè)3.0的水平（圖1）。

　　圖：美國制造業(yè)發(fā)展概覽。當(dāng)我們?cè)谡務(wù)摴I(yè)4.0時(shí)，大多數(shù)制造業(yè)仍處于低于工業(yè)3.0的水平。

　　大型自動(dòng)化終端用戶（如知名的汽車或食品加工企業(yè)等）可能擁有先進(jìn)的系統(tǒng)，可以有效地利用AI實(shí)現(xiàn)價(jià)值，而一些中小型的普通企業(yè)則應(yīng)把投資用于更緊迫的地方。如果您的工廠流程中沒有自動(dòng)化，那么您的支出就應(yīng)該用于自動(dòng)化您的流程。如果您的工廠已經(jīng)部署了一些自動(dòng)化設(shè)施，您的支出就應(yīng)該用于擴(kuò)展自動(dòng)化，并讓數(shù)據(jù)能夠訪問這些系統(tǒng)。從自動(dòng)化系統(tǒng)中獲取數(shù)據(jù)所能帶來的價(jià)值主張可能會(huì)隨著AI的出現(xiàn)而終結(jié)，但它可以在沒有任何AI的情況下創(chuàng)造重要價(jià)值。

　　當(dāng)下，美國的制造商應(yīng)將自動(dòng)化工作的重點(diǎn)放在賦能HI，而非AI上。數(shù)字化、工業(yè)物聯(lián)網(wǎng)（IIoT）和工業(yè)4.0努力的好處在于，從最簡(jiǎn)單的角度來說，它們是一種信息訪問計(jì)劃。它們旨在匯集來自工廠車間的數(shù)據(jù)，并將其作為有價(jià)值的信息呈現(xiàn)給人類和業(yè)務(wù)系統(tǒng)。所有這些計(jì)劃都支持訪問控制數(shù)據(jù)的基本價(jià)值。

　　這些數(shù)據(jù)一旦被訪問，就可以對(duì)其進(jìn)行建模并保存為時(shí)間序列記錄。這些簡(jiǎn)單的信息記錄打開了自動(dòng)化的價(jià)值之門。有了時(shí)間序列記錄，您就可以進(jìn)行趨勢(shì)分析、故障排除、效率測(cè)量并建立預(yù)測(cè)模型。解讀這些信息以發(fā)現(xiàn)價(jià)值并不是一個(gè)非要AI才能應(yīng)對(duì)的挑戰(zhàn)。挑戰(zhàn)在于如何創(chuàng)建這些信息，以便HI能夠根據(jù)這些信息采取行動(dòng)。

　　投資HI更高效

　　您的控制工程師和操作人員更了解您的機(jī)器和流程。他們中的許多人可以通過視覺、聽覺，有時(shí)甚至是味覺，實(shí)時(shí)進(jìn)行維護(hù)和診斷。這些人是工廠的寶貴資源。他們的經(jīng)驗(yàn)是一種未被充分利用的HI資源。這些人首先需要被賦予訪問時(shí)間序列控制信息的權(quán)限。

　　業(yè)務(wù)系統(tǒng)可以從鎖定在OT 網(wǎng)絡(luò)中的信息中獲益，但與運(yùn)營(yíng)團(tuán)隊(duì)可以增加的價(jià)值相比，這種價(jià)值就顯得微不足道了。這支團(tuán)隊(duì)能夠從邏輯上理解系統(tǒng)變量之間的關(guān)系。他們知道額外的振動(dòng)和熱量會(huì)導(dǎo)致什么。他們看到編碼器跳動(dòng)，就知道執(zhí)行器減速會(huì)對(duì)流程產(chǎn)生什么影響。為這些團(tuán)隊(duì)提供機(jī)器上所有輸入數(shù)據(jù)的歷史記錄，將大大提高他們進(jìn)行根本原因分析的能力。他們解決問題的速度越快，工廠的運(yùn)營(yíng)效率就越高。

　　連接IT和OT是基礎(chǔ)

　　將人員或IT系統(tǒng)連接到OT網(wǎng)絡(luò)是賦能AI或HI所需的首要步驟（也是更具挑戰(zhàn)性的步驟之一）。OT是用于監(jiān)控和控制工業(yè)環(huán)境中使用的設(shè)備、流程和基礎(chǔ)設(shè)施的硬件和軟件。這是我們工廠車間使用和部署的所有技術(shù)，包括工業(yè)自動(dòng)化通信協(xié)議。

　　OT 的主要目的是將物理世界轉(zhuǎn)化為數(shù)字信號(hào)；基本上，是將現(xiàn)實(shí)世界的變量連接并表示為數(shù)據(jù)。另一方面，IT 必須獲取數(shù)據(jù)并將其轉(zhuǎn)化為信息，供用戶和其他系統(tǒng)使用。

　　IT 部門要想從 OT 數(shù)據(jù)中獲取真正的價(jià)值，就必須對(duì)這些數(shù)據(jù)進(jìn)行建模。這就為每個(gè)數(shù)據(jù)點(diǎn)提供了必要的上下文、元數(shù)據(jù)、狀態(tài)和值，使其在 IT 系統(tǒng)中可用。數(shù)據(jù)上下文是我們從自動(dòng)化支出中獲得全部?jī)r(jià)值的必要條件。要充分利用數(shù)據(jù)分析和AI工具，必須為工廠數(shù)據(jù)提供上下文。PLC 不需要元數(shù)據(jù)；它的程序設(shè)計(jì)是對(duì)數(shù)據(jù)值做出反應(yīng)。然而，當(dāng)相同的數(shù)據(jù)值被轉(zhuǎn)移到云端時(shí)，就需要上下文信息。這些信息將賦能你的操作人員和管理人員。

　　操作人員不會(huì)消失

　　如今，AI系統(tǒng)可以根據(jù)操作員掌握的所有信息進(jìn)行訓(xùn)練。創(chuàng)建的模型可以改善根本原因分析并支持預(yù)防性維護(hù)，但這可能需要付出高昂的成本。

　　在數(shù)據(jù)上訓(xùn)練AI工具并構(gòu)建這些高效的模型，將需要一位高薪的數(shù)據(jù)科學(xué)家長(zhǎng)期使用昂貴的工具。這位數(shù)據(jù)科學(xué)家固然出色，但他們的系統(tǒng)知識(shí)將來自于運(yùn)營(yíng)團(tuán)隊(duì)，而且與運(yùn)營(yíng)團(tuán)隊(duì)不同的是，這位數(shù)據(jù)科學(xué)家并不是受雇來解決任何問題的。信任您的運(yùn)營(yíng)團(tuán)隊(duì)，讓他們利用 HI 的歷史數(shù)據(jù)，是一個(gè)更有效的起點(diǎn)。

　　賦能HI不是對(duì)AI未來的否定

　　使用來自自動(dòng)化機(jī)器的時(shí)間序列數(shù)據(jù)為您的控制團(tuán)隊(duì)提供支持，意味著您正在邁向數(shù)字化之旅。此數(shù)據(jù)訪問權(quán)限首先由您的 HI 團(tuán)隊(duì)使用，有助于提供最佳回報(bào)。未來，AI 也可以利用相同的數(shù)據(jù)訪問。聰明的制造商將使 AI 工具進(jìn)一步成熟，并首先專注于 HI 可以收獲的大量唾手可得的果實(shí)。