往期推荐

• MES系统如何管理车间，MES系统如何实现降本增效？
• 如何用精益思想和技术体系赋能数字化转型？
• 从案例着手，看离散制造业的数字化转型路径及效益

上期我们为大家分析了工业智能决策的发展背景、技术应用等，这期我们来聊一聊工业智能决策应用落地及未来发展。

躬身入局：工业智能决策方法论落地

智能决策帮助企业实现全局优化，有利于企业在更⻓的发展时间⾥保持更有优势的竞争⼒。

智能决策落地核⼼在于智能决策平台的建设，选择拥有技术和丰富落地经验的合作伙伴，有利于智能决策系统快速部署，快速⻅效。

工业企业智能决策建设常见的四大误区：

误区一：重设备智能化，轻系统柔性化

• 各类硬件之间独立，无法串联
• 各部门之间信息传输效率低下
• 缺乏中控核心的指挥系统

误区二：重前端展示，轻底层逻辑

• 数据的简单展示和堆砌
• 缺乏数据的深度挖掘和分析
• 无法真正指导业务决策和体现价值

误区三：数字化转型不等于信息化转型

• IT部门搭建数据业务中台就算完成转型
• 所有业务流程有IT系统就算完成转型
• 所有决策都有数据支撑就算完成转型

误区四：规划时间过长

• 整个规划周期跟不上业务变化
• 独立子模块之间打通的成本非常高
• 咨询方案，重流程而不重产出

智能决策应用落地方法论

工业企业在推进智能决策应用的落地过程中，需要有体系化方法论支撑，以保证建设过程和结果可靠。建设智能决策平台，并选择最佳业务场景落地，是智能决策应用的核心要素。平台建设方面，工业企业需要具备一定的数据基础，并选择较强技术、产品、落地经验和服务能力的厂商作为合作伙伴。业务场景选择方面，工业企业需要以全局优化为目标，长远规划，并从自身业务情况出发，定位智能决策场景的优先区率先落地，有助于快速实现收益。

管理层推动智能决策落地的决心，对业务流程进行梳理与规范，匹配能够支撑长期运营的团队和数据驱动的组织文化，是智能决策建设的支撑保障。

展望未来：工业智能决策发展前瞻

未来的⼈⼯智能最重要的突破应该与优化算法紧密结合。

机器学习与运筹优化技术进⼀步结合，将成为智能决策技术的核⼼关键。随着市场认知深化与技术迭代，智能决策技术也将⼴泛应⽤于更多⼯业场景，帮助企业实现智能化转型，赋能实体经济。

目前，虽然机器学习技术的发展日新月异，但是单纯使用机器学习的方法对现实中一般性问题求解的可靠性还有待进一步论证。在未来相当长的时间内，机器学习与运筹优化的结合仍会作为智能决策最为前沿的技术发展方向。

从技术原理进行拆解，机器学习与运筹优化技术可以在数据、模型和求解器三个层面进行结合，具体结合方式则十分多样化。总的来说，深度学习、强化学习等机器学习领域技术的突破，将为智能决策提供更好的初始解、更好的策略以及简化模型等方面做出重要贡献，二者的发展与结合将不断促进智能决策技术扩充能力边界。随着标准化带来的规模效应，智能决策技术将成为工业企业实现智能制造必备的技术方案，同时也将赋能中国经济实现弯道超车。

点击：头头条号|获取《工业智能决策白皮书》

关注头条号【数字化中之杰】，获取更多关于离散制造精益数字化转型、精益生产、车间管理、数字工厂、MES等相关内容。

点击下方，进入中之杰官网，了解更多离散制造精益数字化转型内容

数字工厂_生产管理_精益生产_智能制造_德沃克智造D-WORK