《用人工智能推动再制造复兴》

  • 来源专题:绿色化工
  • 编译者: 高雪梅
  • 发布时间:2025-03-31
  • 人工智能比以往任何时候都更容易获得,它为各行各业的再制造参与者提供了尚未开发的潜力。各个行业的公司都在加速再制造,以此缓解供应链短缺,通过可负担性吸引新客户,并实施高利润率的零部件替代品。然而,那些希望建立或优化其再制造业务的企业面临着独特的挑战,例如为SKUS的长尾定价和进行准确的核心预测——即预测可用于再制造的返回产品(核心)的数量、时间和质量。进入人工智能。随着云存储、处理和预打包工具成本的降低,企业越来越容易获得人工智能,帮助他们提高效率、产量和利润率。在本文中,我们研究了人工智能在再制造中的三个用例,以及来自重型设备再制造和高科技组装行业的真实案例。这些用例展示了领导者如何使用这些工具来刺激创新、提高效率并创造竞争优势。
相关报告
  • 《智能制造现状报告》

    • 来源专题:智能制造
    • 编译者:icad
    • 发布时间:2025-07-17
    • 罗克韦尔自动化发布的《2025智能制造现状报告》是第10版年度智能制造现状报告,报告汇集了全球1500多家制造业领先企业的见解,旨在探讨智能制造的发展趋势、面临的挑战以及未来的发展方向。以下是对这份报告核心内容的解读:一、智能制造的现状与趋势智能制造转型加速:报告显示,56%的制造商正在开展智能制造试点工作,20%已实现规模化应用,另有20%计划在未来进行投资布局。这表明智能制造正在从试点阶段向全面应用阶段快速推进。人工智能与机器学习的应用增长:未来12个月内,人工智能和机器学习将重塑质量控制、网络安全和流程优化三大领域。其中,50%的受访者计划在未来12个月内使用人工智能/机器学习技术来支持质量控制,49%计划将其用于网络安全,42%用于过程优化。数据利用不足:尽管企业收集的数据比以往任何时候都多,但只有不到一半(44%)的数据得到有效利用。这表明企业在数据采集与利用之间存在差距,数据驱动的决策和运营改进能力有待提升。二、面临的挑战网络安全风险上升:网络安全风险已成为企业发展的第二大外部障碍,49%的企业计划将人工智能/机器学习技术用于网络安全,38%的企业正在利用数据进行网络安全保护。随着数字与物理基础设施的互联性加深,企业对IT/OT网络的风险认知也在增强。技能差距与劳动力短缺:缺乏技能娴熟的劳动力是企业难以超越竞争对手的主要原因之一。41%的制造商正在引入人工智能/机器学习技术并提高自动化水平,以填补技能差距并解决劳动力短缺问题。同时,企业也在寻求通过增加技术来创造更具吸引力的工作岗位,引入灵活调度,并通过远程办公访问更广泛的人才库。内部与外部障碍:内部障碍包括内部预算限制、吸引具有所需技能的员工、平衡质量和增长、部署和整合新技术等。外部障碍则包括通货膨胀、经济增速乏力、市场竞争、供应链中断等。其中,通货膨胀连续三年成为企业最大的外部障碍。三、人工智能的作用与影响人工智能作为解决方案:人工智能被视为应对劳动力短缺、技能差距、质量控制及管理外部压力的潜在解决方案。它在质量检测领域的应用已经取得成功,并且正在探索缓解劳动力短缺与技术人才缺口的有效途径。人工智能推动可持续发展:超过一半(55%)的受访者表示,提高效率是其推进可持续发展战略的核心驱动力。产品质量/安全(43%)和能源管理(42%)是企业可持续发展计划最为重要的因素。人工智能在提高质量、优化流程和增强供应链弹性方面发挥着关键作用。四、未来展望人工智能的广泛应用:到2027年,企业认为人工智能将在降低成本、节省时间、提高效率和简化流程方面发挥关键作用。未来12个月内,更多企业计划将人工智能/机器学习技术用于网络安全和供应链管理,这表明人工智能在智能制造中的应用范围正在不断扩大。数字化转型的路径:报告提出了数字化转型的八个步骤,包括确定最大需求、召集相关人员、制定战略和路线图、实施最小可行产品(MVP)、扩展解决方案、优化管理变革、促进企业协作以及装备并支持员工。这些步骤为企业提供了从评估到实施再到扩展的清晰路径。结论本报告揭示了智能制造在全球制造业中的快速发展和广泛应用。尽管面临网络安全风险、技能差距和劳动力短缺等挑战,但人工智能和机器学习技术的应用正在帮助企业提升效率、优化流程、增强竞争力,并推动可持续发展。报告强调了数据的有效利用、技术与人员的结合以及持续的数字化转型对企业成功的重要性。
  • 《应用人工智能战略》

    • 来源专题:计量基标准与精密测量
    • 编译者:李晓萌
    • 发布时间:2025-10-13
    • 近日,欧盟委员会正式提出两项核心战略,旨在确保欧洲抢占先机——通过推动关键产业应用人工智能,使欧洲屹立于AI驱动型科研的潮头。《应用人工智能战略》规划了加速AI在欧洲核心产业与公共部门落地应用的实施路径;《科学中的人工智能战略》则致力于推动欧洲占据AI驱动型前沿研究的制高点。其中,《应用人工智能战略》是欧盟在人工智能领域的总体行业战略,标志着欧盟向"AI大陆"目标迈出关键一步。该战略旨在提升战略性产业的竞争力并巩固欧盟的技术主权,着力推动全欧洲(尤其是中小企业)的人工智能应用普及与创新突破。战略倡导"AI先行"政策,要求各类组织在制定战略或政策决策时,须将人工智能作为潜在解决方案进行考量,同时审慎评估该技术的收益与风险。战略还特别推行"欧洲优先"采购导向,公共部门将重点采用开源AI解决方案。该战略作为《AI大陆行动计划》的补充,通过一系列具体行动释放人工智能的变革潜力。战略包含三大板块:行业旗舰计划涵盖10大关键产业与公共部门的定向措施,包括:医疗与制药、出行与汽车交通、机器人、制造与工程建设、气候与环境、能源、农业食品、国防安全与航天、电子通信、文化创意与传媒。支撑措施与行动通过应对AI开发与应用中的共性挑战强化欧盟技术主权。重点强化已完成AI体验中心转型的欧洲数字创新中心功能,使其成为接入欧盟AI创新生态的门户,具体包括AI工厂与超级智算中心、AI测试实验场、AI监管沙盒等设施。同时规划多项培养AI适配型人才队伍的措施。新治理体系构建成立应用人工智能联盟(ApplyAI联盟)作为核心协调平台,汇聚AI供应商、行业领袖、学术界与公共部门,确保政策举措贴合实际需求。与之紧密联动的"AI观测站"将追踪技术趋势并评估特定行业影响。配套战略体系与《应用人工智能战略》相配套的《科学中的人工智能战略》,旨在支持并激励欧洲科学界开发与应用人工智能。为此,欧盟委员会将启动"欧洲人工智能科研资源中心(RAISE)"试点项目。该中心将整合四大战略资源——资金、算力、数据与人才,并沿两大支柱运作:·AI基础研究支柱:支持推进核心AI能力的基础科研,重点聚焦安全可靠的前沿人工智能技术·科学应用支柱:推动人工智能跨学科应用,促进不同科学领域的突破性进展《应用人工智能战略》还将与《数据联盟战略》形成互补。拟于2025年10月底推出的《数据联盟战略》,旨在确保获得训练AI模型所必需的高质量、大规模数据集。