My Board

科氏工业集团是美国最大的私营企业集团之一，其子公司采用人工智能来加强供应管理。传统的采购做法通常按照一般支出类别对供应商进行分类，而人工智能则可以在现有合作伙伴中发现替代来源，从而减少对获取报价的冗长流程的依赖。人工智能算法通过使用历史数据预先填写新请求的关键细节（例如交货时间和成本），然后通过电子邮件发送给供应商审批，从而简化了 RFQ 流程。如果供应 开曼群岛 电话号码 商同意人工智能的报价，只需单击一下即可提交。供应商所做的任何调整都有助于算法提高准确性。这种高效的方法可以为供应商节省完成 RFQ 通常所需的 60% 到 90% 的时间，同时加快仓储速度。
需求规划和定价：机器学习算法分析大量数据集，以前所未有的准确度预测未来需求。这使制造商能够优化生产计划，减少库存积压和库存成本，并提高客户满意度。

达能公司实施了机器学习系统来预测需求波动并改进规划流程。该公司的预测错误减少了 20%，销售损失减少了 30%，促销投资回报率 (ROI) 提高了 10 个百分点。
人工智能如何帮助克服生产挑战
如今，许多制造商已将人工智能融入所有生产阶段和各种运营流程，并不断寻求扩大其应用范围。以下是这些实践的更多示例。


舍弗勒
汽车供应商舍弗勒集团 (Schaeffler AG)利用西门子工业副驾驶 (Industrial Copilot)协助工程师生成可靠的代码，用于编程工业自动化系统（包括机器人）。工业副驾驶是西门子与微软合作开发的一款人工智能助手，旨在增强制造业的人机协作。该工具使用户能够快速生成、优化和调试复杂的自动化代码，将模拟时间从几周缩短到几分钟。维修技术人员可以使用自然语言接收详细的维修说明，工程师可以轻松访问模拟工具。

通用汽车
通用汽车最近评估了“ Dreamcatcher ”，这是一个基于机器学习的系统，旨在提高原型设计效率。该系统被应用于单件式安全带支架的设计。值得注意的是，事实证明，与由多个部件组成的原始版本相比，这种新设计重量减轻了 40%，强度提高了 20%。

此外，通过在装配线上采用计算机视觉技术，通用汽车增强了检测部件故障早期迹象的能力。在一次特定试验中，该技术成功识别了 7,000 个机器人中的 72 个故障。

普利司通
普利司通采用利用AI优化生产流程的轮胎装配技术EXAMATION，利用传感器收集每条轮胎480个质量方面的数据，实时掌控装配状况，不仅提高了精度，还使生产效率翻倍。

普利司通的虚拟轮胎开发技术是人工智能应用的另一个例子，该技术以虚拟方式设计和测试数字轮胎模型。这种方法每个项目可节省约 200 条轮胎，大大减少开发阶段的原材料使用和二氧化碳排放量。它还允许测试更多轮胎变体，并将产品开发时间和户外车队轮胎测试减少高达 50%，从而缩短上市时间和降低成本。

ABB
2022 年，ABB 推出了迄今为止最小的工业机器人，为更快、更灵活、更高质量的智能可穿戴设备制造铺平了道路。新款 IRB 1010 以其小巧的体积、一流的承载能力和无与伦比的精度而著称，使电子产品生产商能够通过自动化提高各种设备的产量。其中包括手表、耳机、传感器和健身追踪设备。

在本节中，我们将探讨一些最有前景的人工智能驱动技术，这些技术正在为制造业树立新的标杆。虽然生成设计、协作机器人 (cobot) 和无人值守工厂现在才逐渐融入制造流程，但预计在不久的将来它们将变得更加普遍。

生成设计
生成式设计类似于 ChatGPT 和 Dall-E 等生成式 AI 工具，但重点是产品设计，而不是文本或图像。通过输入材料、尺寸、重量、制造方法和成本等具体要求，该技术使设计工程师能够为新产品创建多种设计选项。然后评估这些选项以选择最适合生产的方案，从而大大加快开发周期。