許多領域都在采用人工智能，制造業(yè)也不例外。借助人工智能帶來的強大力量，生產(chǎn)團隊可以利用實時數(shù)據(jù)優(yōu)化生產(chǎn)流程，并減少關鍵資產(chǎn)的停機時間。

制造商面臨著生產(chǎn)能力不斷增長的需求，同時還面臨著直接影響質(zhì)量和產(chǎn)量的生產(chǎn)損失。

制造商越來越多地轉向采用人工智能技術的工業(yè)物聯(lián)網(wǎng)解決方案，以快速查找和解決此類生產(chǎn)損失的根本原因。

在生產(chǎn)線上實施大數(shù)據(jù)分析解決方案時，該解決方案將收集和分析手頭上的數(shù)據(jù)。

當然，由于這項任務需要統(tǒng)計和機器學習方面的專業(yè)知識，因此，制造商必須聘用數(shù)據(jù)科學家來完成這項工作。

這說起容易做起來難。

僅美國就有25萬名數(shù)據(jù)科學家短缺，而且對這些專業(yè)人員的需求同比增長了29%。

此外，數(shù)據(jù)科學家的薪水也非常高，起薪為13萬美元。因此，LinkedIn將數(shù)據(jù)科學家列為美國2019年的頭號工作也就不足為奇了。

吸引和留住數(shù)據(jù)科學家的困難和成本導致了新角色的出現(xiàn)——公民數(shù)據(jù)科學家。組織中的現(xiàn)有員工通常被賦予這樣角色，這些員工接受過使用數(shù)據(jù)分析工具和技術方面的培訓。

制造業(yè)中的公民數(shù)據(jù)科學家意味著什么

Gartner 將公民數(shù)據(jù)科學家定義為創(chuàng)建或生成模型的人，這些模型使用高級診斷分析或預測功能，但其主要工作職能不在統(tǒng)計和分析領域。

這種角色在制造業(yè)中的一個主要優(yōu)勢是，它可以利用公司內(nèi)部已經(jīng)存在的工程技能。（來源物聯(lián)之家網(wǎng)）制造團隊由多種類型的工程師組成，如質(zhì)量工程師、流程工程師、維護工程師和化學工程師，制造商有能力交叉培訓和認證特定員工成為他們的公民數(shù)據(jù)科學家。

生產(chǎn)工程師可以擔當公民數(shù)據(jù)科學家的角色，以在生產(chǎn)流程和資產(chǎn)、數(shù)學、統(tǒng)計和建模方面發(fā)揮他們應有的作用。

生產(chǎn)工程師使用這些技能從分析中獲得更多價值，因為他們可以：

▲更好地理解數(shù)據(jù)及其完整性

▲快速評估機器學習模型對業(yè)務問題的影響

▲識別假陽性

簡而言之，公民數(shù)據(jù)科學家能夠比對生產(chǎn)流程和資產(chǎn)缺乏深入了解的數(shù)據(jù)科學家更快地獲得有意義、準確和可操作的見解。

通過將公民數(shù)據(jù)科學家納入您的團隊，您的工程師現(xiàn)在可以充當“超級用戶”，他們可能不是數(shù)據(jù)科學方面的專家，但他們能夠使用這些工具為制造業(yè)提供戰(zhàn)略和運營見解。

公民數(shù)據(jù)科學家基本上可以執(zhí)行簡單和適度復雜的分析任務，這些任務以前需要更多的專業(yè)知識，以及更多的預算。

公民數(shù)據(jù)科學家并不能取代數(shù)據(jù)科學家，但是，通過增加公民數(shù)據(jù)科學家的角色，并部署一個工業(yè)人工智能解決方案，組織可以根據(jù)其業(yè)務需求的變化調(diào)整其分析模型，從而確保其業(yè)務靈活性，而無需依賴數(shù)據(jù)科學家專業(yè)人員的可用性。

隨著制造業(yè)采用人工智能解決方案的需求不斷增加，我們期望在大多數(shù)生產(chǎn)團隊中產(chǎn)生更多的公民數(shù)據(jù)科學家。
來源；物聯(lián)網(wǎng)之家