傳統(tǒng)制造企業(yè)在全面實施“人工智能+制造”有困難時可以優(yōu)先發(fā)展人工智能質量檢測、預測性運營與維護、供應鏈管理等相對成熟的“人工智能+制造”應用。
人工智能技術可能是繼蒸汽機、電力、互聯(lián)網(wǎng)科技之后推動新一輪產(chǎn)業(yè)革命浪潮的革命性技術。在大量的數(shù)據(jù)、更好的算法和更強的算力的共同推動下，人工智能的應用已經(jīng)在很多行業(yè)落地，逐漸滲透并開始帶來實際的價值。
根據(jù)壹行研(Innova Reserch)的研究，在全球范圍內，人工智能在先進制造、自動駕駛、醫(yī)療、金融、安防、電網(wǎng)、家居、零售等數(shù)據(jù)基礎較好的行業(yè)的應用場景正在不斷建立起來。相關案例包括：人工智能在金融行業(yè)的智能風險控制、智能投資顧問、市場預測、信用評級等領域的應用;在醫(yī)療領域，人工智能算法被應用到新藥研制、輔助診療、癌癥檢測等方面;谷歌、百度、特斯拉、奧迪等新興科技企業(yè)和傳統(tǒng)汽車企業(yè)巨頭紛紛進入人工智能輔助的自動駕駛領域;在制造業(yè)，人工智能可以幫助制造企業(yè)建立產(chǎn)品的設計模型、優(yōu)化生產(chǎn)流程和工藝、提升生產(chǎn)效率、降低成本、提升質量。
助力中國制造業(yè)升級轉型
“人工智能+制造”是將人工智能技術應用到制造業(yè)，在自動化、數(shù)字化、網(wǎng)絡化的基礎上，實現(xiàn)智能化。其核心在于機器和系統(tǒng)實現(xiàn)自適應、自感知、自決策、自學習，以及能夠自動反饋與調整。人工智能、工業(yè)互聯(lián)網(wǎng)等相關技術的融合應用能逐步實現(xiàn)對制造業(yè)各流程環(huán)節(jié)效率優(yōu)化。其主要路徑是由工業(yè)物聯(lián)網(wǎng)采集各種生產(chǎn)、物流等數(shù)據(jù)，放到云計算資源中，通過深度學習算法處理后提供流程、工藝等方面的優(yōu)化建議，甚至實現(xiàn)自主優(yōu)化，以及在未來實現(xiàn)人類工人與智能機器融合的協(xié)同制造。
中國是制造大國，人工智能在制造領域的應用備受重視。2017年12月16日，工業(yè)和信息化部發(fā)布《促進新一代人工智能產(chǎn)業(yè)發(fā)展三年行動計劃(2018—2020年)》(以下簡稱《行動計劃》)，提出鼓勵新一代人工智能技術在工業(yè)領域各環(huán)節(jié)的探索應用，提升智能制造關鍵技術裝備創(chuàng)新能力，培育推廣智能制造新模式?！缎袆佑媱潯愤€進一步提出了加快應用人工智能技術進行制造業(yè)改造升級的具體任務，為我國智能制造的深化發(fā)展提供有力的支撐。
目前，中國的制造業(yè)面臨內部和外部多種壓力。來自內部的影響包括勞動力成本上升、原材料成本上升、環(huán)境壓力和市場飽和。外部壓力一方面來自西方發(fā)達國家的貿易摩擦、關稅壁壘、技術封鎖、設備和關鍵零部件禁運等，另一方面來自印度、東南亞低成本新興國家的競爭。在內部、外部壓力越來越大的情況下，提升效率、保證質量、降低成本和節(jié)能環(huán)保等成為中國制造業(yè)升級轉型的方向，而人工智能技術在制造業(yè)的應用將會助力中國制造業(yè)實現(xiàn)這些升級轉型的目標。
的機遇與挑戰(zhàn)
“人工智能+制造”是中國制造業(yè)升級轉型的一個重要途徑。將人工智能技術用于制造業(yè)將有效提高生產(chǎn)效率;實現(xiàn)柔性化生產(chǎn);提高產(chǎn)品質量，降低人為錯誤;持續(xù)工藝改善，提升成品率，并降低生產(chǎn)成本。未來幾年，中國制造業(yè)轉型升級的巨大需求可以為“人工智能+制造”市場的拓展提供極好的機遇。不過，“人工智能+制造”機遇與挑戰(zhàn)并存。
一方面，近年來全球人工智能應用不斷拓展，人工智能領域的資金投入迅速增長，人工智能的數(shù)據(jù)、算力和算法都取得很大的進步，技術可行性越來越高。大數(shù)據(jù)相關技術在數(shù)據(jù)輸入、儲存、清洗、整合等方面作出了貢獻，幫助提升了人工智能深度學習等算法的性能。云計算的大規(guī)模并行和分布式計算能力帶來了低成本、高效率的計算力。
物聯(lián)網(wǎng)和通信技術的持續(xù)發(fā)展也為“人工智能+制造”的發(fā)展提供了重要的基礎設施。在未來5G等無線互聯(lián)技術的支持下，數(shù)據(jù)的傳輸與處理速度將進一步提升。同時，傳感器、無線傳感網(wǎng)絡等技術的發(fā)展幫助“人工智能+制造”系統(tǒng)收集大量的制造流程、物流等數(shù)據(jù)，高質量的海量數(shù)據(jù)對人工智能數(shù)據(jù)訓練至關重要?？傮w而言，上述技術的發(fā)展使得人工智能賴以學習的標記數(shù)據(jù)獲得的成本在不斷下降。
算力增長也為“人工智能+制造”的應用提供了條件。在過去10年間，芯片處理能力提升、云服務普及以及硬件價格下降使計算能力大幅提升。成本不斷下降以及算力的提高為“人工智能+制造”的實施提供了保障。
另一方面，中國發(fā)展“人工智能+制造”還面臨諸多挑戰(zhàn)。這表現(xiàn)在以下幾點：
首先，關鍵技術自主能力弱。在“人工智能+制造”所涉及的關鍵技術上，我國的自主能力還比較弱。相關技術包括半導體芯片、核心裝備部件、相關軟件、算法等。這些關鍵技術，尤其是芯片等基礎技術，需要大量的人力、物力投入以及長期的技術積累和經(jīng)驗沉淀，短時間內難以突破。
其次，傳統(tǒng)制造業(yè)的管理模式陳舊。傳統(tǒng)制造企業(yè)的根基起源于工業(yè)時代的大規(guī)模、標準化生產(chǎn)，其管理模式仍然以金字塔、多層次、細分化為主。這種企業(yè)管理模式靈活性差，較難適應快速變動的制造任務和客戶需求。未來，人工智能的實施需要人機協(xié)同、人機分工，組織管理也需要更靈活、更高效。為了適應這種變化，很多傳統(tǒng)制造企業(yè)的管理模式需要改變。
再則，資本投入不足。雖然人工智能行業(yè)吸引很多資本涌入，但在“人工智能+制造”應用領域的資本投入比較少。這主要是由于傳統(tǒng)制造業(yè)利潤普遍不高，而傳統(tǒng)制造企業(yè)的改造升級涉及大量的設備、軟件和硬件更新與改造，需要長期、大量的資本投入，投資周期長，短期效益很難顯現(xiàn)。因此，雖然“人工智能+制造”的概念深入人心，但真正拿出真金白銀投入的相對較少。
最后，制造業(yè)細分領域眾多，每個細分的行業(yè)標準不一。即使在同一制造業(yè)領域，企業(yè)情況也是千差萬別的。因此，“人工智能+制造”項目實施面臨的情況十分復雜，沒有什么統(tǒng)一的標準可言。例如，在企業(yè)車間往往有大量不同廠牌的數(shù)字化機床和其他工業(yè)自動化產(chǎn)品，涉及很多不同的工業(yè)以太網(wǎng)和現(xiàn)場總線標準，廠家軟硬件不兼容的情況非常普遍。由于數(shù)據(jù)格式不兼容，只是進行設備改造，將底層數(shù)據(jù)收集上來就要花費很多時間和精力，還需要對這些數(shù)據(jù)進行清洗和轉化。對傳統(tǒng)制造企業(yè)來說，相關標準缺少和復雜的生產(chǎn)線現(xiàn)狀使得實施“人工智能+制造”困難重重。
從相對成熟的
“人工智能+制造”實施投入大，傳統(tǒng)制造企業(yè)實施相關項目的復雜程度較高。不過，壹行研(Innova Research)研究發(fā)現(xiàn)，在眾多的“人工智能+制造”應用場景中有一些技術相對成熟，并有了相當數(shù)量的項目落地。這些相對成熟的“人工智能+制造”的應用主要包括以下幾種。
● 質量檢測
電子制造、汽車等行業(yè)工序復雜，在線檢測的環(huán)節(jié)比較多，需要對產(chǎn)品進行大量的、基于視覺識別的質量檢測、缺陷檢查等。傳統(tǒng)的質量檢測以人工為主，人工識別精度有限，檢測速度慢、誤差大、成本高，工人長時間工作容易疲勞，容易出現(xiàn)次品漏檢現(xiàn)象。另外，工人經(jīng)驗很難量化，工人流動性高，經(jīng)驗難以積累，難以指導生產(chǎn)線優(yōu)化，而培訓工人的時間較長、花費較高。
使用工業(yè)相機或高清攝像頭捕捉產(chǎn)品組件、電路模塊等在生產(chǎn)和組裝過程中的圖像和視頻，可以提供給人工智能軟件進行分析判斷。在開始時用人工檢查員進行二次檢查和確認，人工智能技術可對當前和歷史數(shù)據(jù)進行智能分析與處理，而人工的判斷可以反過來幫助人工智能完善算法，指導人工智能系統(tǒng)持續(xù)學習。該系統(tǒng)的檢測準確率能隨著經(jīng)驗積累而持續(xù)改善。
例如，騰訊云幫助福耀玻璃工業(yè)集團股份有限公司實現(xiàn)了質量檢測工序替代80%的人力，并且不良品檢出率為90%以上。該系統(tǒng)使用的視覺洞察(Visual Insights)技術，前端使用高清攝像頭，后端使用人工智能算法。云端處理器通過訓練不斷識別合格和異常產(chǎn)品圖像的差異，進行快速學習、訓練，并完成人工智能算法的建模。
又如，日本NEC公司推出的機器視覺檢測系統(tǒng)可以逐一檢測生產(chǎn)線上的產(chǎn)品，從視覺上判別金屬、人工樹脂、塑膠等多種材質產(chǎn)品的各類缺陷，從而快速檢測出不合格品并指導生產(chǎn)線進行分揀，在降低人工成本的同時提升出廠產(chǎn)品的合格率。
人工智能視覺檢測可以最終實現(xiàn)無須人力的機器自主質檢，且全天候無間斷。目前，人工智能視覺檢測過程用時已經(jīng)可以做到比人工檢測時間縮短80%，有效節(jié)約了檢測的人工成本。另外，計算機視覺檢測精準度高，可以檢測到肉眼無法檢測的微小瑕疵，且判斷標準一致，保持了檢測過程的一致性。
人工智能檢測在電子、汽車等制造行業(yè)的質量控制環(huán)節(jié)應用越來越廣泛。在有些案例中，使用人工智能結合物聯(lián)網(wǎng)和大數(shù)據(jù)技術已經(jīng)能夠實現(xiàn)把產(chǎn)品質量的自動監(jiān)控擴展到整個生產(chǎn)流程。這不僅能提高質量檢測效率，還能指導工藝、流程等改善，提高整體良品率。
● 預測性運營與維護
傳統(tǒng)上，工廠流水線車間一直采用被動式維護，只是在設備產(chǎn)生故障之后，才采取一定的措施來修理，也有采用工人定期巡檢的方式來發(fā)現(xiàn)問題。這些維護方式過度依靠人工，且效率低下。
基于人工智能的預測性運維系統(tǒng)可以利用機器學習、處理設備的歷史數(shù)據(jù)和實時數(shù)據(jù)，搭建預警模式，提前更換即將損壞的部件，從而有效地避免機器故障的發(fā)生。企業(yè)可以借助人工智能運維系統(tǒng)來減少設備故障和由此帶來的損失，提高設備利用效率。
例如，美國初創(chuàng)企業(yè)Uptake公司憑借大數(shù)據(jù)、人工智能等技術提供端到端服務，以工業(yè)設備故障預測分析、性能優(yōu)化為主營業(yè)務。國內科技創(chuàng)新型企業(yè)智擎信息技術(北京)有限公司的故障預測解決方案也可以提前2～4天預判故障，從而降低運維成本和備品備件庫存成本，提升設備可利用率和整體運轉性能。此外，還有公司推出基于人工智能的軸承健康狀態(tài)感知系統(tǒng)，利用深度學習方法對軸與軸承部件的狀態(tài)參數(shù)進行大量的歷史數(shù)據(jù)分析，判斷軸承的運行壽命。這項技術使設備年平均大修次數(shù)降低67%，系統(tǒng)診斷及維護響應時間少于1小時，從而大大縮短了維護周期，提高了設備利用率。
● 供應鏈管理
電子等制造行業(yè)的零部件供應商來自全球各地，供應鏈比較長，涉及的元器件種類和分銷渠道的流通環(huán)節(jié)非常多，容易受到國際政治、天災人禍等因素的影響。傳統(tǒng)供應鏈管理的效率低、流通成本高、需求預測不準、供應響應不足、應對供應鏈波動的能力不足、廠商的庫存管理成本比較高。
供應鏈管理落后可能帶來巨大損失。例如，2018年上半年存儲芯片、硅片、貼片電容(MLCC)全線短缺，價格瘋漲，很多電子制造業(yè)OEM廠商付出幾倍甚至幾十倍的價格購買芯片，甚至因為元器件缺貨造成一些廠商生產(chǎn)線停產(chǎn)。
使用機器學習深入研究供應管理環(huán)節(jié)，分析需求、計劃和庫存，建立實時、精準匹配的供需關系，通過掌握和預測需求動態(tài)變化能夠有效地促進供應鏈調整優(yōu)化。借助人工智能，可以幫助制造業(yè)企業(yè)實施多級庫存、計劃生產(chǎn)等庫存動態(tài)調整，最終實現(xiàn)采購和補貨的半自動甚至全自動化。
人工智能可以基于大數(shù)據(jù)進行需求預測，這些大數(shù)據(jù)不僅來自供應鏈內部的各個環(huán)節(jié)，還來自行業(yè)外的數(shù)據(jù)，如貿易促銷、媒體活動、新產(chǎn)品發(fā)布、季節(jié)性變化，甚至氣候數(shù)據(jù)預測等。一些公司還利用機器學習算法識別需求模式，其手段是將倉庫、企業(yè)資源計劃(ERP)系統(tǒng)與客戶洞察的數(shù)據(jù)合并利用，使用人工智能算法進行有效分析和判斷。
在供應鏈運營方面，美國多式聯(lián)運運輸公司羅賓遜全球物流(C. H. Robinson)針對卡車貨運的運營需求開發(fā)了用于預測價格的機器學習模型。模型既整合了不同路線貨運定價的歷史數(shù)據(jù)，又將天氣、交通以及社會經(jīng)濟突發(fā)因素等實時參數(shù)加入其中，為每一次貨運交易估算出公平的交易價格，在確保運輸任務規(guī)劃合理的前提下實現(xiàn)企業(yè)利潤的最大化。
用人工智能進行供應鏈管理和預測可以有效地減少預測誤差、提高庫存周轉率，并能有效地優(yōu)化庫存分布。人工智能掌握和預測需求的動態(tài)變化，尤其適合于電子制造、汽車及相關零配件、食品飲料等市場需求變動較大、供應鏈體系復雜的行業(yè)。
綜上所述，“人工智能+制造”是中國制造業(yè)轉型升級的重要途徑，其發(fā)展的機遇與挑戰(zhàn)并存。傳統(tǒng)制造企業(yè)在全面實施“人工智能+制造”有困難時可以優(yōu)先發(fā)展人工智能質量檢測、預測性運營與維護、供應鏈管理等相對成熟的“人工智能+制造”應用，實現(xiàn)“人工智能+制造”的單點突破。這些系統(tǒng)可以獨立運作，帶來實實在在的收益，也可以在未來并入“人工智能+制造”大系統(tǒng)。
分享到微信 ×
打開微信，點擊底部的“發(fā)現(xiàn)”，
使用“掃一掃”即可將網(wǎng)頁分享至朋友圈。
數(shù)字化轉型需要重構企業(yè)文化
