今年1月，ARC分析師格雷格？戈巴赫（Greg Gorbach）撰寫了有關(guān)制造業(yè)數(shù)字化轉(zhuǎn)型的文章。雷格在報告中指出了許多觀點：如數(shù)字轉(zhuǎn)換將觸及商業(yè)的幾乎所有領(lǐng)域，這將廣泛而深遠地延伸著，并且當今最引人注目和可能最重要的趨勢是高級分析和機器學習的激增。
這項技術(shù)已經(jīng)達到了一個臨界點，現(xiàn)在可以在設(shè)定中實現(xiàn)價值，這也刺激了智能連接傳感器的需求、網(wǎng)絡(luò)以及其他收集和移動數(shù)據(jù)到分析系統(tǒng)的方法，反之亦然。
在以后人類在工廠里的重要性將比以往任何時候都要重要。機器學習非但不會取代人類，反而會讓工廠工人變得更有價值。
人性的夸張消亡
人們不禁會覺得人類已經(jīng)過時了，媒體每天都會報道另一個機器人準備主宰的行業(yè)：如制造食品、藥品、甚至組裝宜家家具。
然而，這些頭條新聞與工廠中工人實際工作的內(nèi)容相矛盾，其實人類仍然占據(jù)主導地位，波士頓一家咨詢公司估計，只有10%的工廠任務是由機器人完成的。如果在手機上讀到這篇文章，那么在最終的組裝和測試過程中接觸到手機的人與機器人的比例極有可能是50：1。
人類作為一個數(shù)據(jù)源
傳統(tǒng)觀點認為自動化是不可避免的，機器很容易測量，人類卻很難測量。當一個公司無法量化人類對其工作過程的貢獻時，自動化可能只是本能的反應。這種數(shù)據(jù)不平衡使自動化成為一種反射性決策，但不一定是正確的。
機器人和機器并不是未來，因為它們只是簡單的低掛的成果。機器創(chuàng)建二進制數(shù)據(jù)流，構(gòu)建工具來捕獲這些數(shù)據(jù)流和平臺來分析它們并不困難。
機器學習現(xiàn)在正準備在混亂的、多變的、以及人類不可估量的活動中找到更具有意義的模式。
