3月3日研究探讨机器学习如何促进制造业

研究人员对 100 家表现出色的公司进行了调查，以确定其中哪些是机器智能和数据分析的主要采用者，以及它们如何取得成功。哪些公司成功地为制造和运营部署了机器智能 (MI) 和数据分析?为什么那些领先的采用者如此遥遥领先——其他人可以从他们身上学到什么?

麻省理工学院制造和运营机器智能 (MIMO) 和麦肯锡公司在哈佛商业评论的首创 文章中揭示了答案。这篇文章记录了 MIMO 和麦肯锡如何合作开展一项针对 100 家公司的全面调查，以解释高绩效公司如何成功运用机器学习技术(以及其他公司可以改进的地方)。

下图中的热图显示了经过训练的神经网络如何“看到”注射器塞子中的缺陷。图片来源：AJ Tan

由麻省理工学院全球运营领导者 (LGO) 计划创建的 MIMO 是一项研究和教育计划，旨在通过加速机器智能的部署和理解来提高工业竞争力。目标是“找到从数据到影响的最短路径”，总经理 Bruce Lawler SM '92 说。

因此，麦肯锡项目概括了 MIMO 的使命，即揭开有效机器学习使用的神秘面纱。该调查研究了各行业的公司，探讨了他们的数字、数据分析和 MI 技术的使用情况;目标(从效率到客户体验再到环境影响);和跟踪。受访者来自麻省理工学院和麦肯锡的广泛网络。

“这项研究可能是该领域最广泛的研究：100 家公司和 21 项绩效指标，”麦肯锡公司的高级合伙人 Vijay D'Silva SM '92 说，他与 MIMO 合作开展了该项目。

总体而言，那些从数字技术中获得最大收益的公司拥有强大的治理、部署、合作伙伴关系、受过 MI 培训的员工和数据可用性。他们在机器学习上的花费也比竞争对手高出 60%。

一家杰出的公司是生物制药巨头安进，它使用深度学习图像增强来最大限度地提高视觉检测系统的效率。该技术通过将颗粒检测提高 70% 并减少了人工检查的需要而获得了回报。AJ Tan 博士 '19、MBA '21、SM '21 在这项工作中发挥了重要作用：他撰写了关于该项目的 LGO 论文， 并 在毕业时获得了去年的最佳论文奖。

Lawler 说，Tan 的工作体现了 MIMO 的使命，即在为时已晚之前弥合机器学习和制造之间的差距。

“我们看到有必要将这些强大的新技术更快地引入制造业。在接下来的 20 到 30 年里，我们将在全球再增加 30 亿人，他们会想要你我喜欢的生活方式。那些通常需要制造的东西。我们如何才能更好地将自然资源转化为人类福祉?实现这一目标的主要工具之一是制造业，而最新的工具之一是人工智能和机器学习，”他说。

在这项调查中，MIMO 向每家公司发放了一份 30 页的手册，分析了他们如何在从战略到治理再到数据执行的一系列类别和指标上与其他公司进行比较。这将帮助他们瞄准机会领域或投资地点。劳勒希望这将是一项每年都有更广泛范围和剧本的纵向研究——一项以 LGO 脑力作为驱动引擎的巨大而有影响力的事业。

“麻省理工学院对这项工作非常重要和至关重要，对我们来说是一个了不起的合作伙伴。我们团队中有才华横溢的麻省理工学院学生，他们与麦肯锡共同完成了大部分分析工作，从而提高了工作质量，”D'Silva 说。

这种协作方法是 MIMO 作为私营部门信息召集者和合作伙伴的核心理念。目标是推动“行业的有效转型，不仅实现技术目标，还实现业务目标和社会目标，”麻省理工学院 LGO 工程学院主任、MIMO 学院负责人 Duane Boning 说。

他说，这种研究与合作的融合是 LGO 合乎逻辑的下一步，因为它一直处于解决全球运营问题的最前沿。机器学习对于许多企业来说绝对是最新的大知识缺口，但不是第一个，而 MIMO 可以教会企业如何应用它。

“[我把它比作 30 年前 LGO 刚起步的时候，那时它完全是关于精益制造原则的。大约 15 年前，这是供应链的想法。这激发了我们思考——不仅仅是为了我们的 LGO 学生，而是为了更广泛地造福行业——为了理解这一重大变化，为了促进它，为了进行研究并与其他实际研究活动建立联系，我们需要一些努力来促进这个，”博宁说。“那是 [MIMO 的] 真正令人兴奋的地方：什么是有效的想法?什么是有效的方法?什么是有效的技术?从某种意义上说，LGO 学生是发现其中一些东西的完美工具。”

标签：