决策智能如何改变工业和供应链运营

随着越来越多的企业转向完全数字化转型，生成的数据量呈指数级增长。作为一项衡量标准，IDC 预测到 2025 年全球将有 175 泽字节的数据。经过适当的分析，如此大量的不同结构化和非结构化企业数据可以获得巨大的洞察力，从而增强工业生产和供应链环境中的业务决策。

因此，决策智能应运而生，Gartner 将其定义为一类技术支持的决策制定技术，它汇集了多个传统和先进的学科来监控、建模、优化、执行和维护决策模型和流程。挑战在于决策智能依赖于管理如此庞大的数据量，以至于人类无法手动处理和分析。 

让我们探讨企业如何利用 AI 和自动化来优化其现有的数字化运营，这有助于成熟的数字智能能力，包括需要什么、流程是什么样的，以及从制造运营、供应链物流等方面获得的巨大收益。 

01

决策智能需要大规模导航数据

拥抱数字化转型的组织首先知道他们正在应对规模挑战。驾驭大量新数据和新数据是生存和发展的关键，成功的衡量标准是利用这些数据为实际业务环境和可操作的决策支持提供支持的能力。对于供应链、采购、组织资源分配和任务管理等关键领域尤其如此。

当工业生产和供应链经理积极利用技术更好地观察和分析数据时，决策智能就成为可能；梳理因果关系；辨别行动如何产生结果，然后共享商业情报和决策支持建议。高级分析允许团队密切评估选项并权衡每个潜在决策的风险回报动态。 

这是一个引人注目的价值主张，这就是为什么Gartner将决策智能列为其 2022 年的主要技术趋势之一，并预测到 2023 年超过三分之一的大型组织将使用先进的决策智能技术。然而，这一预计增长取决于成功企业数据架构的基础现代化努力，以处理为决策智能所需的复杂建模过程提供的大量数据；这说起来容易做起来难。

这是因为，在每一个可操作的、基于证据的建议背后都是一个收集和分析新产品开发、周期时间、变更管理、产品质量、供应商管理、可制造性、合规性等数据的庞大过程。鉴于进行此分析的企业生产和供应链环境的速度和规模，决策智能依赖于更多地采用人工智能 (AI) 和自动化才能取得成功。

02

人工智能、自动化和数字孪生模型

对决策智能的重要性

人工智能和自主系统功能正在改变工业自动化格局。领先制造商的广泛采用和快速实施正在推动全球工业 AI 到 2026 年成为一个价值 1020 亿美元的市场。但是如何才能最佳地利用这些技术能力的进步来专门支持决策智能？

很大一部分答案在于所谓的数字孪生能力。数字双胞胎是物理过程或机器的数字表示，它会在环境发生变化时复制其行为。传统上，数字孪生是基于对系统“第一原则”的了解，使用显式编程开发的。这些第一性原理模型利用物理和过程方程来模拟和分析系统内的供应链交互。建立和校准第一性原理模型可能是一个漫长而昂贵的过程。基于第一性原理模型构建的决策支持系统在一定程度上是有用的，但由于缺乏利用丰富的历史数据从过去的经验中学习的能力，它们是不充分的。随着 AI/ML 技术的进步，我们现在有能力通过机器学习增强我们的数字双胞胎，使他们能够不断学习，更重要的是能够随着变化的出现适应新情况。这很重要，因为这些数字孪生可以利用过去的数据从数据中提取细微差别，从而扩展工程师已有的知识。这也意味着仅仅了解复杂过程的首要原则是不够的。您还需要能够依赖历史观察，这些观察可以用来更深入地了解正在发生的事情，这超出了工程师团队独立完成的范围。使他们能够不断学习，更重要的是能够随着变化的出现适应新情况。这很重要，因为这些数字孪生可以利用过去的数据从数据中提取细微差别，从而扩展工程师已有的知识。这也意味着仅仅了解复杂过程的首要原则是不够的。您还需要能够依赖历史观察，这些观察可以用来更深入地了解正在发生的事情，这超出了工程师团队独立完成的范围。使他们能够不断学习，更重要的是能够随着变化的出现适应新情况。这很重要，因为这些数字孪生可以利用过去的数据从数据中提取细微差别，从而扩展工程师已有的知识。这也意味着仅仅了解复杂过程的首要原则是不够的。您还需要能够依赖历史观察，这些观察可以用来更深入地了解正在发生的事情，这超出了工程师团队独立完成的范围。 

数字孪生模型通过各种传感器、仪表和其他设备捕获业务环境和操作条件，以衡量系统性能、资产状况和操作中的任何异常情况。这些数据实时输入控制算法，主动识别哪里需要调整以及哪里可能出现问题。最先进的数字孪生模型可以利用闭环人工智能运营 (AIOps) 功能对许多问题执行自动解决。

决策支持通过可访问的可视化进一步简化，以便用户监控不断变化的条件并确定何时何地可能需要人工干预。一直以来，来自资产和系统图表的实时数据的持续流动会影响系统或资产性能，以实现持续改进循环，从而帮助持续优化运营。此外，数字双胞胎建模可以进一步发展到可以为系统内的每个生产和供应链资产开发强大的虚拟模型的程度。这通常意味着通过利用不断学习和适应有效决策的数字双胞胎来显着降低模型构建成本以优化吞吐量。

在自主工厂中，这种可重复的方法可用于对生产或供应链生态系统中任何地方的关键性能特征进行建模和优化。此外，相同的方法可用于连接各种独立的自主系统，并使它们在整个制造和供应链运营中实现“系统的系统”级别的决策智能。

03

结论

成功实施决策智能的组织享有许多好处，从提高效率和减少运营停机时间到提高产品质量和简化合规性和报告。随着人工智能和自主系统扩展到工厂和供应链运营的各个领域，从一致的决策智能方法中得出的数据驱动的洞察力可以在制造商的整个服务价值链中提供更高的吞吐量、根本的质量改进和成本降低。

原文章来源：https://www.sdcexec.com/software-technology/article/22445117/kalypso-a-rockwell-automation-business-how-decision-intelligence-can-transform-industrial-and-supply-chain-operations