为您推荐
自动化正在迅速改变我们所从事的工作、工作场所，甚至是我们对工作的定义。Forrester 预测，仅在2020年，就有1000000个知识型工作岗位将被聊天机器人、软件机器人、RPA和虚拟代理取代。这听起来像是不祥的预警，但报告还估计，仅美国就会新增331500个工作岗位，这些岗位需要同理心、直觉以及身心敏捷性。
随着自动化应用的增加，它将提升连接性和可靠性，帮助企业让数据、系统和流程更易于访问和获取。然而，许多制造企业发现，他们的自动化和数字化转型战略因生产力水平和同时存在的停机风险而被放缓。
通过预测性分析和维护等工具（作为团队的虚拟延伸）可以解决这一问题。然而，要成功实施这些技术，需要额外的外部专业知识。为进一步探讨这一点，以下是我们看到企业在推进数字化转型时面临的五大陷阱，以及应对这些陷阱的建议。
陷阱 1：网络安全风险
安全漏洞因其对业务的严重影响而持续成为头条新闻。漏洞不仅会导致敏感信息的丢失，还会带来中断、停机和性能问题，以及严重的声誉损害。这凸显了企业改进数据管理流程和投资IT基础设施的重要性。
预测性维护支持可以通过自动监控异常模式并立即识别潜在的数据盗窃或网络入侵迹象，帮助制造商避免此类问题。同时，还需要一种全面的安全方法，包括政策和程序，并在人员、流程和技术风险周围提供多层防御。
陷阱 2：数据过多
企业正在生成大量数据，如果正确利用，这些数据可以成为极其宝贵的资产。然而，许多制造企业不知道如何充分利用他们的数据，因此未能以能够获得最佳洞察和结果的方式优化其工作流程或生产过程。
能够理解海量数据是解决组织面临的最大挑战的关键。但实现这一目标所需的技能和能力很少是企业核心能力的一部分。因此，与值得信赖的数据专家合作非常重要，他们能够收集正确的信息、进行存储，并以有助于企业做出最有效业务决策的方式进行呈现。
陷阱 3：数据管理不善
企业正在积累比以往更多的数据，但仅仅拥有大量数据是不够的。他们需要能够帮助他们更好地利用数据并理解所拥有信息的工具。
自动化的真正价值在于企业对其客户、流程和产品设计所拥有的IP。利用人工智能和机器学习，企业能够分析大量信息，假设并创建重要的数据模式，并训练学习模型以发现未知。此外，数据团队将能够在大大缩短的时间内尝试更多用例，这将帮助他们在理解数据方面取得巨大进步。
这些AI进步的潜力在麦肯锡的分析中得到了体现，其研究发现，最先进的深度学习技术每年可创造高达USD5800000000000的价值。在其测试的400个用例中，有三分之二显示AI的性能超越了其他分析技术。如果没有这种从多个平台收集大量数据并有效加以利用的能力，制造商将继续难以对工厂内的变化和生产率得出有效结论。
陷阱 #4：跟不上技术发展步伐
围绕数字化转型的流行语可能会让只想让技术发挥作用的企业感到不知所措，甚至感到恼火。许多供应商还要求预先进行大量投资，这可能是一个令人生畏的前景，如果项目未能成功，可能会让企业望而却步。此外，锁定一个供应商或部署可能会导致公司被竞争对手甩在后面。
因此，与能够在任何代表巨大技术转变的部署之前，提供试点或原型的供应商合作非常重要。这将为流程如何运作提供分步愿景，设定里程碑，并帮助企业了解其运作方式及预期投资回报率。值得信赖的技术合作伙伴需要成为团队的延伸，才能帮助企业实现其目标和关键绩效指标（KPI）。
陷阱 #5：缺乏专业知识
即使拥有合适的自动化技术，企业通常仍需要具备相应经验和专业知识的人员提供外部支持。现在，可以通过使用增强现实技术为工程师提供 远程应用支持 和叠加信息来实现这一点。
与任何技术部署一样，必须契合企业文化，并满足其特定需求。然而，行动迟缓的企业在采用这些新兴技术时，确实面临被淘汰的风险。
拥抱自动化的未来
通过正确的技术实践和合适的技术合作伙伴，可以应对提高生产率和减少停机时间的关键挑战。通过了解上述常见陷阱，制造企业可以更好地规划其自动化未来之路。然而，数字化并非他们可以单独实现的目标。
发布时间 2020年4月22日
