汽车制造、食品生产及医疗保健行业中的人工智能

编者按

本文原载于2018年12月的美国《工业周刊》。作者文卡特·维斯瓦纳阿森（Venkat Viswanathan）是LatentView Analytics公司的创始人兼董事长。当前，数据革命已经波及各个行业。即使是以现场作业为主的建筑行业，也正在引入3D打印建筑、增强现实和机器人。本文介绍了汽车制造、食品生产和医疗保健这三个行业如何通过工业物联网创新，来挖掘数据分析和人工智能技术的巨大潜力，改变运营方式。

当今时代，许多行业巨头在竞争加剧的情况下已经没有了退路。金融业界正在迫使这些公司超越潜在的颠覆者，否则就会像福特首席执行官马克•菲尔德所说的那样，被踢出局！行业颠覆者在快速增长，并且获得了巨大的估值，使得购买创新方式的行动不那么有吸引力。

另一种方法是采用先进的数据分析和人工智能等工具来提高效率。这样做的企业可以获得竞争优势，显著节省成本。最重要的是，可以确保他们为客户提供最具针对性的产品或服务。

进入2019年后，很难找到一个未被数据革命所波及的行业。即使是以现场作业为主的建筑行业，也正在被3D打印建筑、增强现实和机器人技术所重新构建。汽车制造、食品生产和医疗保险这三个行业介于受数字转型影响最大和最小的行业之间。下面分析这三个行业如何通过IIoT（工业物联网）创新来拥抱数据分析和人工智能，并给自己带来益处。

汽车：个性化保修

每个驾驶员对待自己车辆的方式都不尽相同，这不足为奇。如今，许多汽车的内部都安装了传感器。这些传感器会实时跟踪驾驶员使用汽车的所有信息，收集的数据可对驾驶员进行精准的区分，包括一个驾驶员转动方向盘的次数、制动频率等。它甚至可以测量制动器受到的压力，以区分紧急制动和柔性制动。

一旦将这些数据汇总在一起并应用高级分析，就可以看到那些做出了更多制动和停靠动作的驾驶员的行为模式，以及在高速公路上行驶数百公里、几乎没有多余动作的驾驶员的行为模式。使用此类数据可以将汽车制造商的重点从产品细分转变为更细粒度的客户细分上。

采用这种方法需要注意一件事情，汽车里程数不是一个用于保修的准确指示计，而应根据具体使用情况来决定。对于汽车来说，最糟糕的使用方式是车辆主要进行短途行驶，最好的方式是主要在高速公路上行驶，停车和起动较少。对于后者，汽车制造商可以在第一年为每辆汽车提供相同的保修，但是在第二年可以根据使用情况，提供不同的保修包。虽然还没有汽车制造商这样做，但这种类型的保修包（类似于汽车保险行业使用车内跟踪设备的方式）可以为汽车制造商节省大量资金，并奖励那些驾驶方式更温和的驾驶员。例如，我们的一个汽车客户使用传感器数据可以将保修成本降低35%。

汽车：产品设计大数据

同样，传感器数据可为汽车制造商的新产品设计提供信息。虽然汽车制造过程很复杂，并且在生产线上进行实时更改会遇到很大的挑战，但数据输入可用于未来的产品设计。通过从传感器数据中获取所有输入信息，汽车制造商可以专注于消费者实际使用的功能，并通过去除他们未使用的功能来节省资金。这些数据还可以用于重新配置不同的系统，包括娱乐和导航系统，它们都有很多的支持软件。另外还包括巡航控制或温度控制等硬件配置。如果传感器数据显示驾驶员更愿意通过手动调整这些功能，那么制造商可以评估他们在未来的车型上应该为这些系统投入多少资金。根据麦肯锡公司的研究，产品开发数据非常重要。那些善于利用客户行为洞察力的组织，他们的销售增长率能够超过同行85%，毛利率超过25%。

像Argo AI这样的自动驾驶初创公司依靠人工智能来分析激光雷达数据，从而安全地控制他们的自动驾驶汽车

食品生产：停工时间最小化

食品生产行业在机械设备中使用传感器并不新鲜，有些可以追溯到20世纪80年代或90年代。但由于过去数据存储非常昂贵，因此没有人在中央存储库中收集此类数据。此外，传统上收集此类数据的工厂工程师往往不是数据科学家，而是习惯于监测压力和温度的制造专家。如今，随着公共云的普及，数据存储的成本已经降低，可以应用高级数据分析来实现新的效率提升。

使食品生产更有效的一种方法是限制所谓的停工。停工这个名词有点不太准确，因为生成线往往不会真正意义上的完全停工。相反，经常出现的情况是，生产线上的设备由于材料流动受阻而在短时间内停止，或者出现不需要维护人员参与的易于解决的问题等。

例如，薯片或软饮料这种产品的生产和包装线。如果在薯片被装袋或软饮料被灌入易拉罐或瓶子的生产线中出现了一个暂停，直到故障得到修复，薯片重新流转或者软饮料再次开始流动，整个过程可能会仅仅延迟难以察觉的5秒钟，但是，这类小延迟却可以累积起来。

恩柏科公司（Epicor）和萨奇克莱蒂公司（Sage Clarity）的《2017年设备综合效率基准研究报告》称：“轻微停工是食品和饮料行业中存在的一个长期问题，最高可达到60%的停机时间。轻微停工难以通过手动捕获，需要利用自动收集数据的方式。否则，企业会忽视60%的生产问题。”

通过分析生产线上实时连续生成的所有传感器数据，并使用人工智能进行组织和分析，获得效率和优化，食品生产工厂可以每月创造增量生产改进。一个生产工厂个位数的百分比增加，随着时间的推移可以转化为数百万美元的收益。

医疗保健：个性化医疗设备

人工智能和高级分析正在迅速改变医疗行业，从利用数据进行有效诊断到治疗模式识别，到解决后勤挑战等。在制造领域，数据分析具有推动医疗设备的个性化设计和生产的巨大潜力。通过3D打印等灵活的制造流程，如果你拥有可以分析的正确数据，行业可以本地化制造设备——从牙科中的定制牙套到植入患者的医疗设备等。患者可以选择针对其特定需求定制的设备，而不是只能接受一组有限的型号或设备。

这不仅仅是理论。《医学快讯》的一篇文章写道：“哈佛大学维斯仿生工程研究所的研究人员，创造了一种新颖的3D打印工作流程，允许心脏病专家在实施实际医疗程序之前，评估不同动脉瓣膜尺寸与每位患者独特解剖结构的相互作用。该流程使用CT扫描数据生成个体患者主动脉瓣的物理模型，以完美制造替换瓣膜。”

哈佛大学的研究人员将人工智能和3D打印结合起来，创建精确的CT扫描效果图，以更好地了解潜在的问题

从小处开始

高级分析帮助企业实现数字化转型的机会是无穷无尽的。上述案例仅展示了高级分析和人工智能在改变各行业运营方式方面具有巨大潜力的三个领域。事实证明，虽然企业可以在很多领域节省资金，但是当涉及到实施人工智能解决方案时，最好的做法是先关注一个领域，根据其结果再转移到下一个领域。

对许多行业来说，应用人工智能技术是一个难题。它需要资源、人员和思维方式的整体改变，同时要有管理层的支持。第一步是从小处开始，然后选择一个你想要进行变革的领域实施。如果你没有内部能力和资源，则需要选择一个具有人工智能和你特定行业领域专业知识的合作伙伴，以咨询和制订计划。在拥有了几个深度数据分析给你的业务带来好处的实例后，你就可以更轻松地获得管理层的支持，来实施更多计划。