微软如何为工业生产企业提供4.0

在中国的合同制造工厂，使Microsoft消费者硬件，生产线与天蓝调云相连，以使技术巨头对工厂地板上的原材料和成品的运动充分了解。

产品 - 包括表面设备和Xbox游戏机 - 已发货，Microsoft在其供应链中追踪其移动，包括它们已装载到的容器和船舶。虽然商品途中到他们的最终目的地，但是被拉动天气数据来预测运输延误并在飞行中重新分配库存。

根据Scott Hunter，Microsoft Asia的区域商业领先地位的区域仅仅八周，斯科特亨特的区域开发，后端系统以及从工厂楼层提供支持微软供应链的能力。“它不再是企业资源规划系统的三年实施时间表，”他说。

像微软这样的硬件制造商是令人羡慕的制造商，这些制造商一直在挣扎，以缩小利润率萎缩。随着工厂地板的更可见性，理论存在，制造商可以减少材料浪费，管理库存水平更好并在崩溃之前修复工厂设备以尽量减少中断。

据IDC研究报道，虽然使用AI的使用是实现这些所谓的智能制造过程中所谓的智能制造过程中所谓的智能制造工艺的好处，但亚太地区的59％的制造商尚未通过AI作为其业务的一部分。由微软委托。

“这是一个需要在创新方面茁壮成长的行业的令人担忧的标志，”亨特说。“为了实现供应链卓越，甚至开发新的商业模式，以解决更改客户的需求，为其业务整合AI是必须的。未能采用AI-First策略风险的组织在今天的竞争市场景观中留下。“

事实上，根据IDC的研究，亚太地区制造商在AI战略中落后于来自该地区的其他行业的策略。亨特表示，虽然零售和金融服务公司拥有AI以跟上消费者需求的步伐，但制造商已经从这种压力屏蔽了一段时间。

但是，这是耐克的喜欢改变，这是杀戮设计自己的运动鞋，促使制造商调查猎人来调查“批量”的方式来处理“批大分比”的方式。

根据其制造和技术的知识，微软与工业公司合作，支持对智能制造能力不断增长的需求。

例如，可再生能源巨头西门子Gamesa正在简化和自动化技术人员如何通过将其自主无人机数字过程迁移到微软Azure并用Azure Ai注入它来实现技术人员检查和维护工业风力涡轮机。

集成Azure AI服务将有助于加快过程，使用图像识别减少到34秒，而不是使用手动方法，而不是四到六个小时，这也根据Microsoft易于错误。

在光学空间中，蔡司与微软合作，开发一种光谱测量和数据共享能力，将生产数据从光谱分析从光谱分析上传到Azure。

通过这种能力，食品制造商例如可以了解其产品的见解，例如脂肪，水分，盐含量，直接在生产线中，使生产经理能够立即反应处理变化。

认识到确保AI模型因素在安全考虑因素的重要性，因为任何错误的决定都可以在工厂地板上毁灭，猎人指出了微软的客户，丰田材料处理集团是培训智能叉车，以导航虚拟仓库而不是a在将它们部署在地面之前的物理。

微软正在解决安全问题是通过最近的收购，盆景，它使用机器教学来摘要机器学习的低级机制，使主题专家，无论AI能力如何，都可以指定和培训自治系统完成任务。

“在调整AI模型时，我们发现数据集更大，我们可以训练，我们将更安全，”亨特说。“有一个参数，以确保我们不会离开铁轨并做一些疯狂的事情。”