从Excel到神经网络：AI如何变革生产计划，何时能实现完全自主

生产计划中的人工智能正在从替代人类的工具演变为增强人类的强大助手，正如弗劳恩霍夫研究所研究人员提出的‘数字计划面板’概念所示，算法会检查数千个隐藏约束并提供最优计划，但最终决定权仍掌握在人类手中。在俄罗斯，斯科尔科沃基金会和数字经济ANO联合开展的一项研究显示，人们对生成式人工智能持谨慎兴趣，主要障碍包括员工抵触（约半数公司提及）、数据质量差，以及难以评估投资回报率和信息安全。尽管存在这些挑战，工程师们正在构建混合系统，将生成模型与生产网络的图表示相结合，使用大语言模型（LLM）翻译非结构化查询，并运用数学线性规划（如‘人工智能-康托罗维奇’系统，在一项化妆品生产试点中将规划时间缩短至2-3分钟，成本降低超过3%）。斯科尔科沃的研究人员预测将发生大规模转变：1-2年内，用于情景分析的自适应模型；2-3年内，具有数字孪生的高精度模型；3-5年内，行业解决方案和能力中心。实际案例包括：美国钢铁公司和谷歌的MineMind将设备停机时间减少20%；博茨瓦纳钻石公司从380千兆字节的地质数据中发现7个新的钻石远景；谢韦尔钢铁公司的人工智能聊天机器人将维护审计时间从60人日缩短至1日；新利佩茨克冶金公司（NLMK）的人工智能助手将软件开发速度提高53%；西布尔和俄罗斯联邦储蓄银行（Sber）通过数字建模设计新型聚合物；鞑靼石油公司和圣彼得堡国立信息技术、机械学与光学研究大学（ITMO）的‘阿凯拉’助手将规划效率提高30%，人力成本降低16-20倍；罗尔斯·罗伊斯公司在合金开发中将物理实验减少90%；LEAP 71在三周内测试了神经网络设计的Aerospike火箭发动机；西门子的工业副驾驶节省了高达25%的维护时间；俄罗斯石油公司和ITMO将北极港口的概念设计时间缩短至原来的十分之一；DOM.RF和Rocket Group每天生成20多个开发概念。报道此事的Creative Way公司认为，最大的瓶颈是能力缺乏和数据不洁，而正是这一领域提供了最快的增长，项目启动后的头几个月即可收回成本。