制造业转型之旅分三步走
制造企业开始转型的第一阶段一定是数字化
就目前来看，国内工业物联网处于早期阶段，不论是网络及硬件设备都尚未成熟，基础设施建设和数据采集这一步还没有全部完成。工厂首先需要为生产设备装上传感器和控制装置，打通生产设备、生产管理、制造执行及规划系统，更实时透明地掌控生产进度。
第二阶段是自动化
除了汽车制造业，中国大量的工厂自动化程度仍然偏低。2015年，根据经济学人发布的统计，中国虽然每年采购全球最多的机器人，但整个国家平均每万工人只配备了50个机器人，而在自动化程度相对发达的德国和日本这个数字是约300个，在韩国甚至是500个之多。如果要继续提高生产效率，那么自动化生产系统一定会在工厂普及。
在自动化充分实现后，制造企业会逐步向智能化过渡
历史上，“自动化”代表着机器可以执行某个具体独立的任务，例如根据定义好的规则开启和关闭泵。自动化是取代人做重复性的劳动，而智能化是做人做不了的事情。智能工厂的定义是一个灵活的协同系统，自主运行整个生产流程，在全局范围内自我优化，实时地适应新的环境。它代表着一个持续的自适应的过程，而不是过去“一劳永逸”的升级改造。
人工智能在制造业的主要应用
1、大数据分析-设备预测性维护
在传统工厂里，生产设备依然不能联网，只有在设备出现故障后再去维修，或者采取定期维护的方式而不考虑设备实际的运行情况。一旦出现计划外的宕机就需要临时性地采购零件，花高额费用做紧急检修，以便尽快恢复正常的生产。就算没有宕机，当人发现机器故障时，它可能已经制造了不合格的产品，给工厂带来经济损失。
美国的AI工业预测平台Uptake去年宣布完成了4000万美金的融资。通过在工厂的设备里置入传感器，Uptake可以采集前端设备的各项运营数据，结合大数据分析以及机器学习技术为工业客户提供设备的预测性诊断和能效优化等管理建议。工厂可以实时监测运行状态，对比历史数据，预判潜在的设备故障，有效规避正常生产的中断。
如果以后将设备预测性维护的数据整合到ERP系统中，企业就可以实现生产流程的最优化，通过动态调整生产计划，将设备故障带来的经济损失降到最低。对不同数据源，生产设备以及管理系统进行集成和分析将成为未来制造企业进行决策的标准配置。
2、自动质量控制-机器视觉检测
在深度神经网络发展起来之前，机器视觉已经应用在工业自动化系统中了，如拾取放置、对象跟踪、计量、缺陷检测等。其中，将近80%的工业视觉系统集中在缺陷检测。
人眼也可以发现产品的异常，即使这种异常我们从未见过。但由于眼睛容易疲劳，人的判断也很主观，这样就会造成产品检验的不一致甚至有漏检的情况。人眼也很难适应高速生产的需求，比如对于图形复杂的印刷电路板，人工检查需要很长的时间。通常只能基于抽样检查，无法像自动化系统可以进行实时全面的检查。目前在PCB和IC的生产线上，大约60％的检测任务都是由机器视觉来完成的。