人工智能（AI）正在变革工厂运营，优化生产线并降低成本。
世界经济论坛的“全球灯塔网络”重点展示了人工智能在推动制造业数字化转型中的作用。
六位领导者介绍了其灯塔工厂如何利用人工智能推动行业发展。
人工智能正在迅速改变工厂车间，加速向更智能、更高效运营的转变。从预测性维护到质量控制，人工智能驱动的系统正在优化生产线，推动成本节约并减少排放。
世界经济论坛的 全球灯塔网络，该网络近期新增了22个新成员，展示了数字化转型以及机器学习和数字孪生等尖端技术如何推动新一代卓越运营。
这些先进工厂不仅提升了生产力，还为可持续发展和劳动力发展树立了新标准，增强了人机协作，并开启了更高水平的创新。
本文中，六位领导者分享了其灯塔工厂如何利用人工智能推动行业发展的见解。
Nihat Bayiz，Beko首席生产与技术官
通过整合人工智能驱动的创新，我们不仅优化了制造流程和设计，还赋能了我们的员工队伍。
关键的人工智能应用包括一套由智能机器学习驱动的控制系统，可实时调整参数，减少金属板成形过程中的废料并防止缺陷，从而节约12.5%的材料成本。
基于决策树的模型可防止因板材厚度变化而导致的咬合（clinching）失效，将缺陷率降低66%。采用卷积神经网络算法的闭环阀门浇口控制优化了塑料注塑，分析了超过15万个数据点，并将周期时间改善了18%。
清洁周期设计中的先进机器学习算法将上市时间缩短了46%，并实现了清洁性能99%的优化。
从人工智能基础原理到高级机器学习应用的培训项目，在六个月内完成了3,160个培训学时。一项全球自动化计划指导工厂规模的推广和应用案例共享，该计划由中央和地方数字化转型办公室进行管理，并计划为每个产品组建立一座灯塔工厂。
Jim Fox，阿斯利康瑞典运营副总裁兼数字化执行发起人
如今，阿斯利康正利用人工智能彻底改变我们研发、生产和供应药物的方式。在药物研发中，预测建模有助于优化我们活性药物成分的物理和化学特性，并预测制剂产品在生产过程中的性能。
生成式人工智能（GenAI）、机器学习和大语言模型已经帮助将研发周期缩短了50%，并将实验中活性药物成分的使用量减少了75%。
在生产环节，人工智能驱动的工艺数字孪生在减少原材料使用、最大限度降低技术转移要求的同时，优化了提高收率和生产率的条件。数字孪生模拟原料药特性、工艺条件与产品质量之间的关系，以优化操作条件。
结合连续制造，我们已将生产周期从数周缩短至数小时。借助生成式人工智能与人类的协同作用，我们正在加快监管申报，部分文件的编制时间缩短了70%以上。
随着我们迈向净零碳足迹，人工智能驱动的工具也将助力实现这一目标：通过分析药品的全生命周期数据，并提供偏差和排放“热点”的可视化信息，使我们能够在整个供应链中加以缓解。
Anand Laxshmivarahan. R，Jubilant Bhartia Group首席数字与信息官
在Jubilant Ingrevia，我们已在所有生产阶段采用人工智能和机器学习，以提高效率、减少工艺波动，并优化收率和产能。
我们已广泛部署“数字孪生”——即关键资产的虚拟复制品——以实时建模、预测和管理运营。特定的人工智能或机器学习模型利用历史和当前数据优化生产参数，以确保质量和资源效率。
借助我们数字绩效管理模型的洞察，我们将工艺波动降低了63%。
我们的制造单元配备了基于物联网的监测系统及预测分析功能——即通过更优的人工智能算法，在设备故障发生前进行预测。该方法已将停机时间减少50%以上，显著提升了我们的运营效率。
由人工智能驱动的软测量技术增强了数据采集与分析能力，提升了产品质量并优化了工艺条件。人工智能驱动的分析系统管理能源消耗，降低运营成本，并实现范围一排放减少20%，助力可持续发展目标。
将人工智能融入整个生产流程，提升了自动化水平并提高了运营效率，为更可持续、更环保的未来奠定了基础。我们计划在全部50座工厂中全面投入，于今明两年在全球运营中部署10至12个涉及新兴技术的应用案例。
实现这一目标的关键第一步，是确保所有工厂接入并整合至运营数据湖，以实时、整合地掌握数据，从而助力我们开展基于人工智能或机器学习的干预措施，提升收率和产能。
我们的JUMP（Jubilant示范工厂）作为数字灯塔，在更广泛部署前完善人工智能模型；与此同时，我们的数字卓越中心汇集人工智能专家，并为全体员工开展“数字101”培训，推动这一转型。
认可同样是这一历程的关键——我们的奖励计划培育数字化先锋，而DigiScoop则传播成功案例，助力创新规模化。
我们相信，公司范围内广泛采用人工智能将重新定义化工制造的可能性。
Stephan Schlauss，西门子股份公司全球制造负责人
在西门子，我们每天都能感受到人工智能对制造业的变革性影响，它提升了生产力、效率和可持续性。面对不断上涨的人工成本、技能短缺以及对环保解决方案的需求，人工智能是我们工业元宇宙愿景的关键组成部分。
人工智能应用在西门子埃尔朗根电子工厂的整个价值链中取得了显著成效。例如，机器学习优化了测试流程，显著提高了一次通过率并提升了效率。
在我们的全自动装配线上，能够拾取和放置不同零部件与材料的人工智能机器人，将自动化成本降低了90%。人工操作人员也借助人工智能引导系统获得赋能，从而提升生产力和质量。
我们基于西门子软硬件构建的工业级人工智能基础设施，简化了应用推广并减少了变革管理工作。
自动化训练与部署流程最大限度减少了更新工作量，而持续的自动化监控确保了人工智能算法的可靠性并赢得信任。这提升了可扩展性，降低了应用门槛，并增进了信任。
姚国新，蒙牛乳业常温事业部供应链总经理
蒙牛的“数字化1.0”聚焦于奶牛场和工厂的数字化，以在供应侧实现从原奶到生产的全面数字化覆盖。
数字化2.0转向优化管理，通过构建数字化营销和消费端运营体系，打造精准的消费者画像，以提升服务体验和营销效果。
在数字化3.0阶段，蒙牛在供应侧和消费侧整合人工智能，以优化供应链流程并提升效率。已形成三大关键人工智能应用场景。
在其一站式实验室中，神经网络图像识别和基于强化学习的智能调度等人工智能模块取代了人工检测，确保关键测试环节的准确性和效率。
在采购与周期性配送方面，人工智能实现了供应商订单排程和车辆调度的自动化，使库存周转率提高73%，运营效率提高8%。
在预测性维护方面，人工智能算法分析设备数据以预测故障并防止停机。这些系统提升了整体生产决策能力和运营效率。
Simon Zhang，美的集团副总裁兼首席数据官
美的洗衣机探索并重塑端到端的绿色可持续新能力，在产品设计、制造（质量、设备和能源）以及物流等环节广泛部署与人工智能应用相融合的多种数字技术，推动各子场景的智能化运营。
我们已实现研发周期缩短25%、不良品率降低53%，物流路径优化29%。公司正通过应用人工智能推进工厂规模化落地。
人工智能在整个工厂流程中的深度应用覆盖457个子场景，主要通过自主研发的小样本智能算法和开放式人工智能云平台实现，显著缩短了样本采集和训练时间，并降低了规模化推广和运营成本。
