联系我们

人工智能和问题解决。人类在制造业运营中的持续作用

根据最近发布的一份报告,在美国,制造业中每增加一个机器人就会取代大约3.3名工人。 研究.使用1990年至2007年的数据,麻省理工学院的Daron Acemoglu和波士顿大学的Pascual Restrepo能够对自动化对劳动力的影响进行量化。这一趋势正在加速。 在他的书中。 一个没有工作的世界。技术、自动化,以及我们应该如何应对牛津大学经济学家David Susskind认为,在人工智能的前沿,机器不再复制人类的能力。它们现在使用大量的处理能力和数据,以人类无法解决的方式解决问题。

许多基本的 "故障排除 "活动现在可以在没有操作员干预的情况下得到解决

事实上,机器学习已经让企业在自动解决问题方面取得了惊人的进展。 许多基本的 "故障排除 "活动现在可以在没有操作员干预的情况下得到解决。如果系统、数据和纠正措施都有很好的定义和准确的记录,它可以减少一个组织在处理相对标准的问题时的资源负荷。反过来,这使一个组织的人力资本能够集中在复杂的问题解决活动上,而这些问题仍然是机器所不能解决的。
通过对大量数据的积累和分析,机器学习可以为许多常见的问题提供快速的、由机器驱动的解决方案。但是,至少在目前,它也意味着问题仍然需要人类的参与,而这些问题通常是复杂和独特的。尽管,或者也许是因为数字化制造的巨大进步,整个制造操作对先进的问题解决技能的需求仍然存在,而且比以往任何时候都要高。

整个生产运营过程中对高级问题解决技能的需求持续存在,而且比以往任何时候都要高。

就目前而言,通常仍然超出机器学习能力的问题需要人类在某些领域解决问题的高度熟练。机器学习算法可能缺乏超越其预期应用的思考能力。当问题发生在算法的预期范围之外时,可能需要这些类型的具体的、人类的反应。
  1. 推理能力。 人们可以提供分析某一特定情况发生的原因的能力:共同原因和特殊原因问题之间的区别。 为什么在这种特殊情况下会发生这种情况?
  2. 语境理解。 需要人们解释各种问题或人类的互动,了解它们如何影响或导致一种情况,并确定这种背景如何在解决复杂问题中发挥作用。
  3. 识别新信息的能力。具有高级问题解决能力的人有能力识别与问题解决相关的具体缺失信息,并制定和执行获取这些信息的计划。
  4. 解决复杂情况的能力。 人们可以将一组相互关联的复杂问题进行解读,提出问题以澄清问题,对具体问题进行优先排序,然后建立团队/分配责任并管理团队以解决问题。
先进的问题解决能力已经成为各级运营人员的首要任务。制造业组织内解决复杂问题所需的一些基本能力包括:。
确定优先事项。 通过将重点缩小到能够解决问题的基本要素--信息、技能、解决问题的过程--加快了解决直接问题或直接客户需求的能力。
将问题减少到可管理的部分.通过有效地将问题分成几个部分,并在连接成一个整体之前解决这些单独的部分,从而降低了复杂性。
使用一个过程。 在一个被充分理解和定义的解决问题的框架内工作,可以提高客观性并加快解决问题的时间。 这涉及到使用一个共同的方法、共同的 "语言 "和结构化的、解决问题的思维的明显使用。
收集数据。 需要的数据是否可用,在哪里?问题解决者需要使用各种收集方法,识别相关数据,并在大量数据的噪音中进行筛选。
建筑物的熟练程度。 反复练习和使用有效的问题解决过程有助于建立高水平的能力。 通过定义期望值(好是什么样子),并将其与能力和成就进行比较,随着时间的推移,熟练程度得到了提升。

关于Kepner-Tregoe

软件和模板并不能解决问题。人是解决问题的关键!
什么样的人?有好奇心的人,会提出很好的问题,根据事实做出决定,并被授权进行领导。他们在压力下保持专注,自信地做需要做的事情。你会在我们的客户和Kepner-Tregoe这里找到这些解决问题的领导者。60多年来,Kepner-Tregoe已经为成千上万的公司解决了数百万个问题。如果我们能够为一家制造商节省数百万美元,为一家证券交易所恢复IT服务,并帮助阿波罗13号从太空回来,我们就能帮助你的企业获得成功。
改善制造业问题,畅游数据海洋,收好这三个锦囊
当你缺少 "必要 "数据时,如何解决问题
工作的未来--数据驱动的决策
制造业中解决问题的未来

我们专注于:

联系我们

如需咨询、了解详情,或提出建议