IDC數(shù)據(jù)顯示，到2021年，20％的領(lǐng)先制造企業(yè)將通過嵌入式智能、人工智能、物聯(lián)網(wǎng)和區(qū)塊鏈等技術(shù)實現(xiàn)流程自動化，并將執(zhí)行時間縮短25％。

德勤表示，機器學(xué)習(xí)可以讓離散制造業(yè)的產(chǎn)品質(zhì)量提高35％麥肯錫指出，那些將在未來五到七年內(nèi)擁抱人工智能的企業(yè)中，有半數(shù)企業(yè)的現(xiàn)金流將有望增加一倍，而制造業(yè)由于對數(shù)據(jù)的高依賴性所以將領(lǐng)跑于其他行業(yè)還有數(shù)據(jù)統(tǒng)計，到2020年，領(lǐng)先的制造企業(yè)中將有60%的企業(yè)借助數(shù)字化平臺為其30％的業(yè)務(wù)收入提供支持有機構(gòu)表示，48％的日本制造企業(yè)看到了將機器學(xué)習(xí)和數(shù)字制造技術(shù)整合到運營中可能帶來的更多機會，這個結(jié)果高于麥肯錫最初研究的預(yù)期無論如何，對于制造企業(yè)來說，通過富有洞察的機器學(xué)習(xí)平臺來提高產(chǎn)品質(zhì)量和產(chǎn)量，提高工廠生產(chǎn)率，將成為下一步變革的關(guān)鍵。

具體來看，利用機器學(xué)習(xí)來簡化生產(chǎn)的每個階段——從入庫供應(yīng)商質(zhì)量開始，一直到制造計劃和訂單完成——已經(jīng)成為了制造業(yè)的一個優(yōu)先事項。根據(jù)德勤最近的一項調(diào)查顯示，機器學(xué)習(xí)將制造業(yè)的計劃外停機時間減少了15-30％，生產(chǎn)量提高了20％，維護成本降低了30％，質(zhì)量提高了35％。

據(jù)統(tǒng)計預(yù)測，人工智能將給全球企業(yè)的市場營銷和銷售創(chuàng)造1.4萬億美元到2.6萬億美元的價值，給供應(yīng)鏈管理和制造創(chuàng)造1.2萬億到2萬億美元的價值。對此，麥肯錫也預(yù)測，基于人工智能的預(yù)測性維護可能會給制造企業(yè)帶來0.5萬億美元到0.7萬億美元的價值。

麥肯錫提到，人工智能的海量數(shù)據(jù)處理能力（包括音頻和視頻），將幫助企業(yè)快速識別異常以防止故障的發(fā)生。而機器學(xué)習(xí)可以檢測某個特定聲音是來自在質(zhì)量測試中正常運行的飛機發(fā)動機，還是裝配線上即將發(fā)生故障的設(shè)備。

制造企業(yè)正在嘗試通過使用云平臺上的機器學(xué)習(xí)和預(yù)測分析讓業(yè)務(wù)更具可持續(xù)性。比如，有部分制造企業(yè)就在使用Azure Symphony Industrial AI從模板庫部署設(shè)備模型，這個模板庫中包括熱交換器、泵、壓縮機以及制造企業(yè)常使用的其他資產(chǎn)。Symphony AI的Process 360 AI可以幫助用戶創(chuàng)建流程的預(yù)測模型，其中，高級別流程將被定義為通過設(shè)備生產(chǎn)的物品（如化學(xué)品、燃料、金屬、其他中間產(chǎn)品和成品），而工藝模板實例將包括氨工藝、乙烯工藝、LNG工藝和聚丙烯工藝。我們發(fā)現(xiàn)，流程模型有助于預(yù)測過程擾動和跳閘，而這是單獨設(shè)備模型無法預(yù)測的。

波士頓咨詢集團（BCG）發(fā)現(xiàn)，制造企業(yè)使用人工智能可以將生產(chǎn)商的轉(zhuǎn)換成本降低多達20％，同時由于勞動力生產(chǎn)率提高，成本降低可能達到70％。BCG發(fā)現(xiàn)，生產(chǎn)商正在通過使用人工智能來開發(fā)和生產(chǎn)為客戶量身定制的創(chuàng)新產(chǎn)品，并在更短交付周期內(nèi)進行交付，從而創(chuàng)造額外的銷售收入。

那些依賴重型資產(chǎn)的離散制造企業(yè)和流程制造企業(yè)正在利用人工智能和機器學(xué)習(xí)來提高吞吐量、改善能耗和利潤。擁有重型設(shè)備（包括大型機械）的制造企業(yè)正在探索使用算法來提高產(chǎn)量、可持續(xù)性和良率。麥肯錫發(fā)現(xiàn)，人工智能可以自動執(zhí)行某些復(fù)雜的任務(wù)，并提供一致性和精確的最佳設(shè)定點，讓設(shè)備能夠自動運行，這對于采取一班制或者多班制的自動化制造來說至關(guān)重要。

基于人工智能和機器學(xué)習(xí)的產(chǎn)品缺陷檢測和質(zhì)量保證能夠?qū)⒅圃焐a(chǎn)率提高到50％甚至更多。機器學(xué)習(xí)在發(fā)現(xiàn)產(chǎn)品及包裝異常方面有天然的優(yōu)勢，在提高產(chǎn)品質(zhì)量和防止次品流出方面同樣有著巨大潛力。與人工檢查相比，基于深度學(xué)習(xí)的系統(tǒng)能夠?qū)⑷毕輽z出率提高達90％。

如今有不少可以使用的開源人工智能環(huán)境，再加上低成本的攝像頭和強大的計算機，這一切讓小型企業(yè)也能夠越來越多地使用人工智能進行視覺檢測。在使用人工智能進行視覺質(zhì)量檢查的過程中，從不同角度對良品和次品進行視覺成像來創(chuàng)建參考示例，將為學(xué)習(xí)算法訓(xùn)練監(jiān)督提供強大的支持。