在思考人工智慧系統改變製造業的潛力時，市場情報公司 IDC 的全球人工智慧研究主管利圖·喬蒂（Ritu Jyoti）提到了風車製造商。
她說，在使用人工智慧之前，如果想要改進風車，該公司要透過觀察一個運行中的風車原型來分析數據，這個過程要花費數週時間。現在有了人工智慧，製造商可以使用數位孿生模型（風車的數位模型）來大大縮短這個過程，並用機器學習和人工智慧來創造和模擬改進之處。
喬蒂說：「有時候，製造商甚至不可能完成所有的測量工作，因為許多工作對人類來說是一項生理上的挑戰，所以他們使用無人機和人工智慧技術來實現，這是數位化的勝利。」這家製造商現在認為這種人工智慧和機器學習的技術至關重要。她說：「因為如果他們不這樣做，他們就無法追上市場的變化。」
（來源：見浮水印）
製造業和供應鏈的中斷促使企業在尋求保持競爭力的方法時進行數位轉型。對於製造商來說，包括人工智慧在內的技術顛覆為提高製造業的效率、安全性和永續性提供了機會。
公司可以使用人工智慧來簡化流程和減少停機時間，採用提高安全性和速度的機器人，讓人工智慧可以使用電腦視覺技術快速檢測異常，並開發人工智慧系統來處理大量數據以識別規律和預測客戶需求。
Dataiku 能源和製造業人工智慧解決方案總監皮埃爾·古托爾貝（Pierre Goutorbe）表示：「在製造業，當企業人員能夠與數據專家合作，利用數據和人工智慧獲得有價值的訊息，最終採取行動改善流程時，我們就看到了利益最大化。」他還說：“越多的員工熟悉人工智慧，並在日常生活中使用它，我們就越能看到它的好處。”
在供應鏈中斷和工人短缺的情況下，製造業一直在創新，以保持在全球市場的領先地位。
然而，Dataiku 和Databricks 於2023 年6 月進行的一項研究發現，製造業在人工智慧應用方面落後於其他行業，約四分之一（24%）的公司仍處於人工智慧應用的探索或實驗階段，而所有其他產業中只有約五分之一（19%）的公司仍處於起步階段。
以上是調查顯示美國約24%製造業公司，仍處於AI探索階段的詳細內容。更多資訊請關注PHP中文網其他相關文章！
