北京2023年8月23日 /美通社/ -- 數十年來，亞馬遜一直將人工智能（AI）和機器學習（ML）作為關注的焦點，不斷降低機器學習的使用門檻，并且讓包括各行各業超過十萬客戶在內的所有人能夠輕松上手。在這些客戶中，來自制造業的企業正在將目光從人工智能和機器學習轉向生成式AI技術，以期獲得更加令人興奮的成果。
IDC發布的《制造業現狀及制造業企業對生成式AI的應用》研究報告顯示，來自制造業的受訪者認為，未來18個月內生成式AI可產生最大影響的前三大領域分別是制造（生產）、產品開發與設計、銷售和供應鏈。本文將聚焦生成式AI在革新產品設計、大幅提高制造業生產力水平和優化供應鏈應用方面的潛力。
借助生成式AI在產品工程領域開展創新
在產品工程領域，人工智能和機器學習已經與高性能計算結合使用，以增強離散產品組件的設計，從而提供人類通常無法構想的創新設計。這些技術為制造業企業提供了一種更快、更有效地探索各種設計選項的方法，以便在找出最佳解決方案的同時，還能最大限度地降低成本、減少材料消耗、縮減工程設計時間甚至生產時間。
作為三維設計、工程和娛樂軟件領域的領先企業，Autodesk自1982年以來就一直為建筑設計、施工、工程、制造、媒體和娛樂行業開發軟件。為了加快和簡化開發流程，Autodesk一直在穩步擴大對亞馬遜云科技服務的使用，并減少自有數據中心的使用。Autodesk通過其Fusion 360軟件提供了生成式設計功能（一種類似于生成式AI的服務），幫助產品設計師在用戶指定的參數范圍（包括材料、制造工藝約束、安全因素和其他變量）內提供創新設計。在2023年4月德國漢諾威工業博覽會（Hannover Messe）上，Autodesk介紹了一家移動出行初創企業，該企業改進了其創建新的移動解決方案的流程，最終縮短了交貨時間，并在快速探索新的移動設計概念的同時，控制工程和制造成本。這家初創企業采用了Autodesk Fusion 360，借助Amazon SageMaker實現增強的人工智能生成式設計和增材制造，從而讓新設計的上市周期從3.5年縮短到6個月，達到86%的速度提升。
除了在設計環節的巨大潛力，工程師還可以借助生成式AI分析大型數據集來提高產品的安全性、創建模擬數據集、探索如何更快地制造或加工零部件，進而更快地將產品推向市場。這些數據集可以成為制造業企業構建生成式AI策略的信息源或基礎模型，讓企業可以在此基礎上構建其生成式AI策略。這使企業從此項技術中充分獲益的同時，還可保護企業對數據的所有權和數據安全性。
亞馬遜云科技Amazon Bedrock托管服務讓用戶可以通過API訪問AI21 Labs、Anthropic、Cohere、Stability AI以及亞馬遜提供的基礎模型。Amazon Bedrock是客戶利用基礎模型構建和擴展基于生成式AI應用程序的最簡便的方法，降低了構建者的使用門檻。Amazon Bedrock最重要的功能之一便是讓客戶可以輕松定制模型。客戶只需向 Bedrock 展示Amazon Simple Storage Service（Amazon S3）中的幾個標注好的數據示例，Bedrock 就可以針對特定任務微調模型，最少僅需 20 個示例即可，而無需標注大量數據。
利用生成式AI優化生產流程
由于制造業企業面臨著成本較高和生產損失的風險，它們往往對在生產環境中采納和實施新技術猶豫不決。在工廠生產中，生成式AI的應用案例尚處于早期階段，但諸多工廠負責人已明確表示生成式AI可以幫助其優化整體設備效率（OEE）。由于生成式AI需要大量數據來創建基礎模型，這意味著制造業企業將面臨獨特的行業挑戰，即獲取工廠的數據并將其遷移上云，開啟生成式AI之旅。數據是任何數字化轉型的基礎。對于許多制造業企業而言，首先需要制定和采用行業數據戰略，這能夠幫助業務團隊輕松有效地利用數據來應對企業中的各種應用場景。原因在于，制造業企業經常面臨互不關聯、彼此孤立的數據源，它們讓協同工作變得困難，導致基礎模型難以獲取經濟、安全、結構化且易于訪問的高質量數據集。現在，亞馬遜云科技提供的Industrial Data Fabric解決方案可以幫助企業解決這些問題。
Georgia Pacific多年來一直使用人工智能和機器學習優化紙張生產質量。該公司通過使用亞馬遜云科技數據分析技術來預測生產線的運行速度，以避免生產過程中紙張撕裂的問題，從而提高了利潤并最大限度地利用了工廠資源。而生成式AI又將如何幫助企業改進生產呢？在跟業務和生產制造負責人的交談中，一個反復出現的問題是員工離職導致的生產知識和經驗流失的問題。經驗豐富的工人可以聽出哪些機器軸承需要潤滑，還可以感知出哪些機器運行振動不正常。但隨著他們的退休，這些幾十年所積累的知識和經驗也被一并帶走。因此，企業時常面對的挑戰在于如何讓經驗不足的操作人員快速具備專業知識，使復雜的生產流程保持高效運轉，并最大限度地提高產量、保證質量。
如果制造業企業銳意進行數字化轉型，并記錄歷史機器維護數據、維修數據、設備手冊、生產數據，乃至其他制造業企業的數據，從而讓基礎模型更加有效，真正的變革就會來臨。例如，一臺持續發生故障的機器導致了計劃外的停機，如果工程師可以使用生成式AI查詢可能的故障原因，并獲得關于設備調整、維護操作，以及備件采購等方面的建議，就可以減少停機時間。因此，在缺乏經驗豐富的工程師和操作人員的情況下，生成式AI可以推進生產環境中OEE最大化。
利用生成式AI優化供應鏈
亞馬遜云科技提供了多種服務來應對各種供應鏈場景。Amazon Supply Chain能夠幫助企業提高供應鏈的可視性，在更快做出明智決策的同時降低風險、節省成本并改善客戶體驗。Amazon Supply Chain可自動合并和分析多個供應鏈系統的數據，讓企業能夠實時觀察自身的運營狀況、更快把握變化趨勢，從而生成更準確的需求預測，以確保有足夠的庫存滿足客戶需求。基于Amazon.com近30年的物流網絡經驗，Amazon Supply Chain通過提供統一的數據湖、基于機器學習的洞察、行動建議以及應用內協作功能，增強了供應鏈的靈活性。
疫情、地緣沖突、原材料短缺、自然災害等為供應鏈帶來了種種的不確定性，制造業企業的供應鏈仍然是令人擔憂的領域，甚至可以說是焦慮的源頭。但正因如此，供應商開發了生成式AI的增值領域。例如某制造業企業的定制機械零件已經用完，并且正在尋找替代供應商來完成一部分定制加工工作，這時可以利用生成式AI為替代供應商提供所需的能力，幫助企業提供急需的專業服務。在條件允許的情況下，生成式AI還可用于替代日常的人際交流，例如可以回答以前需要數小時或數天時間才能獲得正確數據并理解其含義的問題。生成式AI還能作為供應鏈控制塔，主動評估如運輸困難、自然災害、罷工或其他地緣政治事件等相關風險，幫助企業為供應鏈合理分配稀缺資源，減輕供應中斷所造成的沖擊。
相對于生成式AI為制造業帶來的無限可能，目前在產品設計、生產、供應鏈等環節的應用還只是冰山一角，但無論如何，這是前所未有的一大步。亞馬遜云科技致力于讓任何水平的開發人員和各種規模的企業都能夠借助生成式AI開展創新。相信生成式AI技術將為制造業帶來無限新可能。
