构建思考工厂：关于 AI、自动化和技能危机的增材制造高管
快速阅读: 据《药物发现与开发》称，美国制造业回流面临熟练工人短缺和技术传承难题。AI可辅助填补技能差距并提升生产力，但需结合领域专业知识和数据准备。马德拉强调，真正的自主需超越增强与自动化的界限，实现情境感知和物理行动的融合。
[图片 来源于Adobe Stock]
振兴美国制造业的讨论正与现实碰撞。回流的雄心面临老化基础设施和熟练工人短缺加剧的问题。几十年的衰退、老龄化劳动力队伍以及年轻人兴趣的缺乏，造成了威胁工业基础的技能差距。
美国商会指出，截至2024年初，有超过622,000个未填补的制造业职位。这是一个隐秘的危机。“当我们审视美国的产能时，最大的挑战不是更多的设备；最大的挑战是人，” Adaptiv AI的首席执行官伊万·马德拉（伊万·马德拉）说道。“我们自己的工业基础在挣扎……我们必须找到方法给他们提供正确的工具，以便我们可以提高生产力……否则，我们将陷入困境。”
在许多方面，我们已经陷入了困境。“机床或铸造厂老板的平均年龄在60至70多岁之间，”马德拉观察到。“世代相传，你会交给谁？”
如果不采取行动，这种人员流失可能会造成工业“鬼城”。自动化本身并非总能提供完整解决方案。马德拉回忆起日本的一个场景：一个自动化但效率低下的工厂车间。“机器装满了机器人。地板上几乎没有人，”他回忆道。“然后我看到……零件堆积如山……‘这就是你的瓶颈。’”内部，检查涡轮叶片的人类检验员是限制因素。“每一个零件……都必须通过X光或CT扫描，但仍然需要人工审查，”马德拉解释道。检验员不仅要确认缺陷，还要寻找遗漏的缺陷，尤其是在换班后期更难做到。“人类会疲劳，”他补充道。但另一方面，也不是所有工作都能轻易实现自动化。
**从管理顾问转型为制造先锋**
伊万·马德拉
马德拉以亲身经验说话，自2014年至2024年创立并领导了莫尔夫3D（现为尼康的一部分）。他进入了增材制造（AM）咨询领域，发现了从头开始构建的挑战。“莫尔夫3D是我做过的最艰难的事情，”他反思道。他描述了AM的低产量：通常打印多个零件“希望能得到一个可以发货的”。这段旅程将“一些管理咨询人士”转变为领先的金属增材制造商，特别是在航空航天和国防领域。这段旅程揭示了专业知识的重要性和规模化扩展的难度。
**作为潜在的大师导师**
挑战不仅仅是找到工人，而是要在老员工退休之前保存专业知识。马德拉认为AI可以帮助保存知识并放大能力。“想象一下，我的工程师现在由AI指导，”他提出建议，“使用历史上关于设计、工作流程和性能的数据系统。由……超级工程师指导。”这是实际的：一位防务巨头面临3亿美元的下游困难设计变更订单。马德拉认为，AI导师可以通过过去项目智慧标记风险或提出替代方案。“这就是AI的力量，”——将大师级技术嵌入工作流程，缩短学习曲线。
这种整体观点不仅能够快速响应，马德拉对AI帮助公司“预见问题”的潜力持乐观态度，能够在问题升级之前预见它们。
考虑一个能够检测并在早期阶段灵活应对颠覆迹象的庞然大物，而不是被锁在新兴市场之外，这正是克雷顿·克里斯滕森在《创新者的窘境》中著名分析的动态。但这样的能力需要努力，而在这里，马德拉注入了现实主义：建立有效的AI系统需要观察期、数据准备和领域专业知识整合。“基本上你是在建立一种关系，确立信任的基础，”马德拉解释说，强调制造商必须专注于痛点的针对性实施，才能期望获得系统级智能。
**快速提升技能与专家知识捕捉**
AI导师也能填补现有工人与高技能岗位间的差距。马德拉提出了这个挑战：“如何让昨天还在做最低工资工作的工人明天就能加工零件？”传统的学徒制速度太慢了。“有很多方法可以用AI增强熟练任务，”他说道，描述了引导新手逐步完成系统的方案。目标是：“‘给予他们与大师级机械师相同的工具和思维方式’。”某人在“第一天”就可以通过AI在特定任务上拥有相当于“10个博士或10个机械工程师”的有效技能。“随着用户互动，AI会学习并捕捉专业知识。”这是一个双向的过程。
**智能化工厂大脑**
一个“思考”的工厂需要一个共享的数字大脑连接工人，理解上下文，并打破孤岛。“我看到的是如何将人类所做的事和捕捉人类思想结合起来的融合，”马德拉问道。“AI突破了孤岛：‘它正在查看……整个组织的数据堆栈，并与我们的代理跨系统通信。’”一旦训练有素，实际影响可以立即显现。他引用了缺陷检测的例子：AI可以立即停止生产，交叉参考数据并消除人为沟通延迟。“我坐在这里问平台一个问题……我们的平台就会给出回应。就像‘怎么做到的呢？’”
**智能化工厂大脑**
自主性的具体体现
随着工厂AI获得理解，下一步是物理行动。马德拉设想这个AI——‘船长’——部署资源，如人形机器人，而不仅仅是提醒人类。“想象一下……‘哦，布莱恩需要支持卸货卡车，’”他解释道。“它已经知道……码头正在装货，有关键部件……然后机器人出现来帮助你。”这是一种情境感知型的主动协助。“这非常酷，”马德拉调侃道。但同样，这种酷炫需要深厚的领域专业知识和艰苦的工作，而不仅仅是脱离工厂现实的编码。
理论工具与实际工厂需求之间的差距凸显了实现真正自主所需的重大跨越，正如马德拉所界定的那样：“这是增强和自动化之间的差异水平……自主是：我观察到了，我看到了什么，我要去做了。这相当疯狂。”
(以上内容均由Ai生成)
