企業(ye)利用(yong)數據分(fen)析的主要(yao)方(fang)向(xiang)之(zhi)一，就是(shi)規劃業(ye)務(wu)和(he)優化運(yun)(yun)營(ying)——這一直是(shi)“運(yun)(yun)營(ying)研究”分(fen)析方(fang)法的長期重(zhong)點。然而這通常在(zai)一個相對較小(xiao)的范圍內完成，僅(jin)僅(jin)使用(yong)少數變量的單個模型。現在(zai)，認知工具(ju)(Cognitivetools)——特別(bie)是(shi)機(ji)器學習(xi)——可(ke)以讓這個用(yong)途在(zai)廣(guang)度和(he)深度上(shang)更上(shang)一層樓。
人(ren)工智能(neng)在制造(zao)和運營(ying)方面的(de)(de)作(zuo)用(yong)(yong)可能(neng)不為人(ren)所知，但是我們(men)有(you)機會(hui)使用(yong)(yong)這些工具(ju)來顯著提高重要行(xing)(xing)業(ye)(ye)的(de)(de)效(xiao)率(lv)和有(you)效(xiao)性。以美國(guo)大(da)(da)河特種鋼鐵(tie)廠(chang)“BigRiverSteel”為例，這家大(da)(da)型(xing)鋼鐵(tie)制造(zao)企業(ye)(ye)正(zheng)試圖在最具(ju)工業(ye)(ye)特性的(de)(de)行(xing)(xing)業(ye)(ye)內進(jin)行(xing)(xing)重大(da)(da)轉型(xing)。BigRiverSteel的(de)(de)先(xian)例告訴鋼鐵(tie)行(xing)(xing)業(ye)(ye)，機器學習同樣適(shi)用(yong)(yong)它們(men)。
位(wei)于美國阿(a)肯色州的BigRiverSteel廣(guang)泛(fan)使用傳感器、控(kong)制系統和基于機器學習的優化(hua)。通過(guo)與人(ren)工智(zhi)能咨詢(xun)公司(si)Noodle.ai合作，BigRiverSteel開發了多種技(ji)術來提高煉鋼的實踐和利潤(run)。BigRiverSteel首席(xi)執行(xing)官(guan)DavidStickler經常表示：“我們(men)是一(yi)家(jia)在生產鋼鐵的科技(ji)公司(si)。”
BigRiverSteel在以下6個主要方(fang)面使用(yong)機器學習，盡管每個方(fang)面在應用(yong)成(cheng)熟度上有所(suo)不(bu)同：
·需(xu)求預測：BigRiverSteel通過明智(zhi)地使用(yong)(yong)資金而取(qu)得(de)成功(gong)，所以它(ta)需(xu)要(yao)準確預測鋼鐵(tie)(tie)需(xu)求。要(yao)做到這(zhe)一點，就采用(yong)(yong)具有宏(hong)觀經濟數據、鋼鐵(tie)(tie)的歷史需(xu)求、制造業(ye)動態(tai)、鋼鐵(tie)(tie)大客戶(hu)的動態(tai)(例如住房(fang)開工、石油鉆(zhan)臺數量)的機(ji)器學習模式。
·資(zi)源開發(fa)和庫存管(guan)理：和小型鋼(gang)(gang)鐵廠一樣(yang)，BigRiverSteel的原材料是廢鋼(gang)(gang)，所(suo)以需(xu)要(yao)預測(ce)其可(ke)用性。Noodle.ai開發(fa)了“廢鋼(gang)(gang)指數(shu)”，并正在(zai)與BigRiverSteel合作(zuo)，采取對沖方式(shi)購買廢鋼(gang)(gang)。
·調度優化：什么(me)(me)時候生產什么(me)(me)，這是(shi)任何鋼鐵廠都要做出(chu)的(de)重(zhong)要決定，特別(bie)是(shi)當你最重(zhong)要的(de)投(tou)入是(shi)電(dian)能(neng)(neng)(用于熔煉(lian)廢鋼的(de)電(dian)弧(hu)爐)時，就(jiu)更(geng)加關鍵(jian)了。優化模(mo)型能(neng)(neng)使非高峰時間的(de)能(neng)(neng)源(yuan)消(xiao)耗最大化，從而使能(neng)(neng)源(yuan)成本最小化。
·生(sheng)(sheng)產優化(hua)：所有鋼(gang)廠都(dou)有非計劃事件，如漏鋼(gang)(當鑄造時鋼(gang)水從鑄模中脫落)和(he)堆鋼(gang)事故(gu)(當熱(re)軋鋼(gang)從輥(gun)子掉到磨機(ji)地板上時)。這些事件會使生(sheng)(sheng)產停滯，既危險又要付出成本代價(jia)。機(ji)器學習模型可以預(yu)測何時最有可能發生(sheng)(sheng)事故(gu)，并最大程(cheng)度減少事故(gu)的發生(sheng)(sheng)。
·預(yu)測性(xing)維(wei)(wei)護：隨著工業機(ji)器數量的增加，BigRiverSteel可以使用機(ji)器學習模型來確定(ding)維(wei)(wei)護關鍵機(ji)器和(he)設備的最(zui)佳時(shi)間(jian)。
·出(chu)站運(yun)輸優化：像亞馬遜這(zhe)樣的公司一(yi)直在優化他們的出(chu)站供(gong)應鏈(lian)，但這(zhe)在鋼鐵廠(chang)很少見。BigRiverSteel與客(ke)戶和托運(yun)人合作，將出(chu)站運(yun)輸的成本降到(dao)最低，并優化客(ke)戶交付窗(chuang)口。
有了這些應用，BigRiverSteel和(he)其他公司改善的(de)運營(ying)能力，但最有價值的(de)好處來自(zi)于(yu)整合。BigRiverSteel正(zheng)在(zai)試圖為工廠的(de)業績和(he)盈利能力進行(xing)“端到端”優化(hua)，已經具(ju)有不(bu)同模型將業務計劃(hua)和(he)運營(ying)的(de)不(bu)同部分進行(xing)互連，并且在(zai)整個(ge)企業中進行(xing)優化(hua)。
這種規劃(hua)和優化的(de)綜合方法(fa)(fa)仍處于早期階段，細化的(de)話還需要更多(duo)的(de)數(shu)據、算法(fa)(fa)的(de)調整和大量的(de)計算能力(li)。但(dan)是Stickler和Noodle.ai的(de)數(shu)據科(ke)學家都(dou)相信這是可以(yi)實現的(de)。
更多信息請進入法鋼耐磨鋼板新聞資訊
//zenggaole.cn