制造业通常被视为人工智能（AI）等技术的“海报儿童”，但总体上正在制造智能行业？
在全球范围内，机器人制造事物的形象和广泛的人工智能吸收并不是我们行业的反映。现实是大多数制造商是中小型企业（中小型企业）员工小于500名员工，营业额不到2亿美元。此外，他们对AI和智能技术的吸收通常非常低。
At耕种，我们发现多达90％的中小型企业制造商仍在捕获纸上的信息（例如生产指标，维护或质量检查），这使得“灯光制造”的目标是遥远的前景。
最重要的是，全球制造资产基础的75％是断开连接的 - 目前没有AI，没有云分析，也没有智能的物联网（IoT）传感器分析该设备行为的传感器。从本质上讲，他们只是有一台机器，该机器是孤立的，可以执行生产过程，而不会发生任何明智的事情。因此，这些公司根本没有建立适当的技术基金会，他们看不到自己反映在这些高级方法方面。
这是智能制造的概念可以帮助弥合差距。
What do we mean by smart manufacturing?
智能制造是一种使用智能集成工厂流程的应用程序或系统。它包括使用人类通常可以做出的复杂计算机驱动的优化决策。
These two key words—integration and intelligence—define the essence of smart manufacturing and are applied to physical processes, equipment, people, and even behaviors.
If the objective is to increase profit, reduce risk, or improve efficiency, then you need to accept that innovation is the key to success. The traditional way to innovate in manufacturing is to buy new equipment and automate it. Even today, automation and most robotics in manufacturing plants are run by simple programmable logic without the use of any AI. Automation is still a way to achieve great results, and when technologies such as AI and machine learning are applied, it can super charge those efficiencies.
那么，为什么我们不看到制造业中更多的AI或机器学习呢？
Industry fear of failure means less adoption of these initiatives
Gartner预测85％的AI计划将失败在制造业中，这是understandable companies hesitate to adopt these technologies.
发生故障是由于许多因素，包括缺乏对变更管理过程的投资，在过程中缺乏准备或理解，或者缺乏内部知识和资源。重要的是，通常缺乏验证，准确的实时数据来构建AI模型。
我们认为，重要的是，像AI这样的先进技术与人们的理解相结合，即人们参与过程是现实的几年。在大多数制造业中，人们仍然可能是一种具有成本效益和高效的资源。
If you’re unable to support the operator with AI, prescribe what tasks need to be done, and track the execution of those processes it’s difficult to learn from and add intelligence. Basically, no matter how good the AI is, if the equipment and people do not act on the recommendation then it is wasted.
实践中的数字制造
在智能的制造环境中，第一个要求之一是数字化流程 - 驱动纸张，并转向连接的，数字和自动化的工作流动驱动的操作。
A well-planned connected workflow可以捕获部落知识，详细说明因果关系并建立operator tasks more efficient. The operator can do more, and the manager knows exactly what’s happening on the factory floor with a view of both equipment and personnel.
We’ve seen examples of this with two recent customers:
电气组件制造商耕种我们与G一起工作OT建立了基线数字制造平台，以捕获以前基于其业务的纸质的信息。
使用规定算法，我们注入了生产计划解决方案，开始改善有关业务运营的思维，包括如何：
- 优化注入成型
- Reduce changeovers
- Smooth staff allocation / shortages
- 预测未来的生产率
For a kitchen sink manufacturer,取代其现有的新闻机（已接近40年，没有自动化）会影响生产。
Tillit的方法是将IoT传感器改造为机器，捕获费率，停止和停机时间。然后使用此信息来提供规定的AI算法和计划改进，我们的客户取得了切实的结果：
- 增加吞吐量增加了2％
- Reduced work in progress by 25%
- 优化的库存
- 减少材料浪费。
对于这些客户，人们是实现这些结果的关键推动者。
Rather than excluding personnel from this future vision, the manufacturing industry should be embracing people involvement, engaging them with advanced capabilities and techniques and delivering a different type of AI—Augmented Individuals.
詹姆斯·巴尔扎里（James Balzary）是蒂利特（Tillit）的首席执行官兼联合创始人鼠尾草小组product. SAGE is a certified member of the控制系统集成商协会（CSIA）.有关Sage Group的更多信息，请访问其个人资料工业自动化交换.
