制造业面临成本压力、供应链波动以及3D打印、物联网等技术创新。应对这些挑战需要优化流程、提高效率并提高设备的整体效率。我们还需要解决可持续性和能源转型问题，例如减少碳排放、采用循环经济和转向生态友好型做法。在持续创新的同时还面临着确保稳定性和安全性的压力。制造业中人工智能预测的不准确可能是营销活动中的一个小问题，但它们可能会给车间带来毁灭性的后果。
生成式人工智能为这些挑战提供了解决方案。以下是生成式人工智能在制造业中的主要应用方式：
1. **总结** – 生成式人工智能用于设计方法，以快速有效地从大量来源（例如操作手册、SOP、日志和过去的事件）中检索准确的信息。这使得员工能够专注于自己的任务并取得进展，而不会出现不必要的延误。此外，当设备或机械发生故障时，维护工程师可以使用生成式人工智能，根据维护手册和工艺参数的分析来快速诊断问题。
2. **理解上下文数据** – IBM 开发了一种人工智能驱动的知识发现系统，该系统利用生成式人工智能。这可以释放新的见解，并利用情境化的工业数据加速数据驱动的决策制定。它还可以实时可视化工艺条件，减少工艺故障，并检测和预测黄金批次。
3. **编码协助** – 生成式人工智能还有助于代码文档、现代化和开发。例如，Water Corporation 选择了具有生成式 AI 功能的 IBM Watson Code Assistant，以帮助其迁移到基于云的 SAP 基础设施。这可以使用基于自然语言输入的人工智能驱动的建议来加速代码开发，从而显着减少部署时间和手动工作量。
4. **财富管理** – 生成式人工智能有能力改变资产管理。如果您需要在同一流程中预测多个 KPI，或者您拥有一组类似的资产，那么开发资产的一个基本模型并对其进行多次微调可能会更有效。即使故障数据很少，生成式人工智能也可用于预测性维护的培训。
生成式人工智能使制造业能够显着加速其数字化进程。 IBM 相信生成式人工智能技术将增强企业的战略核心。据预测，未来两年内，企业环境中大约三分之一的人工智能将由基础模型提供支持。生成式人工智能通过使其他人工智能和分析技术更易于使用，帮助制造公司实现投资价值。
【新闻评论】
制造业面临成本压力、供应链不稳定以及3D打印、物联网等技术创新。除了这些挑战之外，环境问题和应对能源转型的需要也迫使制造商优化流程、提高效率并提高设备的整体效能。此外，我们需要在持续创新的同时保持稳定和安全。制造现场人工智能的预测错误可能会导致严重事故，因此需要特别小心。
生成式人工智能可以为这些挑战提供解决方案。生成式人工智能是一种生成和理解数据和信息的人工智能技术，在制造业中的应用有以下几个方面：
1.摘要：生成式人工智能用于从操作手册和过去的事件报告等大量信息中快速有效地提取必要的信息。这使得员工可以花更少的时间搜索信息，而有更多的时间专注于他们的核心任务。
2. 理解上下文数据：IBM 开发的人工智能驱动的知识发现系统使用生成式人工智能来从工业数据中释放新的见解并加速决策。这使您可以实时了解流程的状态并快速识别问题。
3. 编码协助：生成式人工智能有助于代码文档和开发，促进 IT 现代化。例如，Water Corporation 使用 IBM 的 Watson Code Assistant 来加速代码开发并将开发工作量减少 30%。
4. 资产管理：生成式人工智能用于创建资产的基本模型并对其进行预测性维护培训。即使故障数据很少，这也能实现有效的维护管理。
生成式人工智能被认为将加速制造业的数字化，并增强企业的战略核心。据预测，未来两年内，企业环境中大约三分之一的人工智能将由底层模型提供支持，生成式人工智能有望通过使其他人工智能和分析技术更易于使用来帮助制造企业实现投资价值。
虽然这项技术的积极方面包括提高效率、节省成本和降低风险，但潜在风险包括人工智能故障和安全问题。此外，在监管方面，可能需要有关人工智能使用的新指南和法规。未来，生成式人工智能的进步预计将实现更先进的自动化和智能工厂。