在制造行業(yè)中，工業(yè)4.0（Industry 4.0）不僅僅是一個流行詞，它已成為一種新的現(xiàn)實。新型冠狀病毒的爆發(fā)加速了這一現(xiàn)實的到來。在新型冠狀病毒爆發(fā)的前三個月中，企業(yè)和消費者都適應(yīng)了網(wǎng)絡(luò)世界，數(shù)字技術(shù)的發(fā)展速度相當于十年間的發(fā)展速度。

面向數(shù)字技術(shù)解決方案的投資可以幫助企業(yè)實現(xiàn)未來發(fā)展的關(guān)鍵點，即敏捷性、適應(yīng)性和創(chuàng)新性。隨著精簡業(yè)務(wù)、降低成本和最大化收益壓力的增大，數(shù)字化轉(zhuǎn)型已成為當務(wù)之急。

數(shù)字化轉(zhuǎn)型的贏家正在利用顛覆性技術(shù)來應(yīng)對業(yè)務(wù)挑戰(zhàn)，并通過實際應(yīng)用推動改進。數(shù)字化運營流程對于制造商應(yīng)對需求和危機的挑戰(zhàn)至關(guān)重要，可視為制造業(yè)發(fā)展的自然進步。

高級分析和機器視覺

高級分析和機器視覺是工業(yè)人工智能領(lǐng)域的兩大主流應(yīng)用

[[412275]]

在工業(yè)領(lǐng)域，機器學(xué)習(xí)驅(qū)動的高級分析是我們深耕多年的一項人工智能應(yīng)用。該技術(shù)通過預(yù)測技術(shù)和最優(yōu)化模型，助力生產(chǎn)效率、能源效率和產(chǎn)品質(zhì)量獲得進一步提升。

例如，在某鋼鐵集團的工廠，基于深度學(xué)習(xí)的爐溫控制模型能夠自動預(yù)測高爐溫度，實現(xiàn)過程參數(shù)優(yōu)化值的人工智能推薦，推動高爐產(chǎn)出增加4%，綜合能耗降低0.7%；在某制藥公司的工廠，通過機器學(xué)習(xí)在線分析設(shè)備關(guān)鍵參數(shù)，智能分析和預(yù)測設(shè)備故障根因并自動提出行動建議，將關(guān)鍵設(shè)備的綜合效率提升了50%；某公司在無錫工廠以高級分析系統(tǒng)實現(xiàn)刀具全生命周期的最優(yōu)化，根據(jù)性能根因分析調(diào)整操作方式，并結(jié)合設(shè)備效率和更換成本優(yōu)化換模規(guī)則，將刀具庫存降至10%以下；某大型制造企業(yè)在深圳工廠部署了集成工業(yè)大數(shù)據(jù)的中央決策云平臺，并通過全局規(guī)劃和智能應(yīng)用將無人運營的“關(guān)燈工廠”變?yōu)楝F(xiàn)實，從而節(jié)省了88%的人力，并且提升了30%的生產(chǎn)效率。

機器視覺是工業(yè)人工智能的另一項主流應(yīng)用。該技術(shù)通過解析非結(jié)構(gòu)性圖像數(shù)據(jù)來提供洞見，在質(zhì)量過程控制和檢驗方面效果卓著。在某汽車制造工廠，集團旗下的分析卓越中心自行研發(fā)的機器視覺應(yīng)用能夠快速識別帶鋼表面缺陷，確保有質(zhì)量問題的產(chǎn)品不流入市場，由此將該問題帶來的質(zhì)量成本損失降低了50%；在某集團公司的天津工廠，以三維機器視覺技術(shù)為內(nèi)核的在線質(zhì)量控制系統(tǒng)可對壓縮機油面位置進行精確監(jiān)控，以保證此類問題客戶“零投訴”；在另一家工廠，機器視覺實現(xiàn)了線上操作質(zhì)量的全自動控制，將單品間接人力成本降低了17%。

[[412276]]

除此以外，我們也在積極探索自然語言處理、先進機器人、流程自動化、智能云等其他人工智能技術(shù)的工業(yè)應(yīng)用，以期在不同行業(yè)的豐富場景中進一步釋放工業(yè)人工智能的價值潛力。

人工智能+工業(yè)制造

一、人工智能產(chǎn)品質(zhì)量檢測

人工智能嵌入生產(chǎn)制造環(huán)節(jié)，可以使機器變得更加聰明，不再僅僅執(zhí)行單調(diào)的機械任務(wù)，而是可以在更多復(fù)雜情況下自主運行，從而全面提升生產(chǎn)效率。在質(zhì)量管理方面，制造企業(yè)采用人工智能檢測技術(shù)來對產(chǎn)品外觀缺陷進行檢測，減少了人工成本，提高檢測精度和效率。人工智能檢測設(shè)備對產(chǎn)品外觀缺陷檢測效果驚人，與人工相比，它有著巨大優(yōu)勢。

1. 人工智能檢測，降低人力成本；
2. 精確識別細微缺陷，提高檢測效率；
3. 滿足客戶動態(tài)品質(zhì)管控需求；
4. 根據(jù)查詢系統(tǒng)，開展產(chǎn)品質(zhì)量追溯。

二、人工智能實現(xiàn)柔性化生產(chǎn)

隨著個性化需求時代的到來，標準化的生產(chǎn)模式越來越無法滿足消費者的需求。人工智能技術(shù)對于挖掘消費者需求數(shù)據(jù)以及特征行為等方面發(fā)揮著重要作用，并能夠?qū)ο嚓P(guān)產(chǎn)品的市場前景進行預(yù)測分析，將分析結(jié)果作為生產(chǎn)過程中的參考依據(jù)。

人工智能技術(shù)還能有效實現(xiàn)柔性生產(chǎn)，對生產(chǎn)線的生產(chǎn)計劃進行控制與管理，從產(chǎn)品的供應(yīng)鏈、物流鏈、生產(chǎn)鏈等各個環(huán)節(jié)進行合理管控，降低相關(guān)流程的不必要成本。例如在產(chǎn)線物流環(huán)節(jié)，利用機器學(xué)習(xí)技術(shù)，機器人能夠判斷如何分揀生產(chǎn)線上的產(chǎn)品，分撿的成功率可以達到90%，和熟練工人的水平相當。

[[412277]]

三、人工智能實現(xiàn)設(shè)備預(yù)測性維護

在24小時不停運轉(zhuǎn)的工廠里，突發(fā)的停機事件會造成不小的損失。為了實現(xiàn)預(yù)測性維護，技術(shù)人員通過大量的設(shè)備性能和環(huán)境歷史數(shù)據(jù)，借助人工智能技術(shù)分析構(gòu)建預(yù)測性維護模型，對設(shè)備運行狀況進行預(yù)測。

在智慧工廠里，預(yù)測性維護通過對重要資產(chǎn)如機床、重要機器儀表等設(shè)備的健康監(jiān)測來實現(xiàn)。生產(chǎn)設(shè)備里的傳感器等隨時監(jiān)控設(shè)備運行狀態(tài)，把實時運行數(shù)據(jù)傳輸?shù)皆粕喜捎萌斯ぶ悄芎痛髷?shù)據(jù)進行分析，提前預(yù)知設(shè)備的異常狀態(tài)，采取應(yīng)對措施，從而最小化設(shè)備停機的可能。

四、人工智能的其他應(yīng)用實例

庫房管理與物流：比如物流公司某庫房，需要按照訂單和發(fā)貨地分揀成品，同時回收空的料箱，并把部分廢料、廢品扔進廢料堆放處。這個工作每個班次由兩名工人合作完成，庫房內(nèi)有粉塵和噪音，每天累計重復(fù)分揀動作要執(zhí)行2000-3000次，雖然重物搬運由機械手完成，但仍是強度大、環(huán)境差、技術(shù)含量低的重復(fù)性工作。

企業(yè)用一臺機器人替換每天三班倒的兩個工位，機器人帶有機器視覺系統(tǒng)，訂單和發(fā)貨地分揀可以掃RFID碼，成品、空箱、廢料廢品的判斷由AI學(xué)習(xí)算法逐步提高識別率，最初識別率只有62%左右，需要每個班次配合一個工人拾遺補缺，隨著數(shù)據(jù)積累，AI識別模型不斷完善，一段時間月后，綜合識別率提高到96%的水平，成品識別和發(fā)貨地分揀完全準確，已不需要庫房留人補缺，只在廢料廢品回收時，撿出極少量的空箱即可。

[[412278]]

工藝優(yōu)化：AI通過調(diào)節(jié)和改進生產(chǎn)過程中的參數(shù)，對于制造中使用的很多機器進行參數(shù)設(shè)置。生產(chǎn)過程中，機器需要進行諸多參數(shù)的設(shè)置。例如，在注塑中，可能需要控制塑料的溫度、冷卻時間表、速度等等。所有這些參數(shù)都可能受到各種外部因素的影響，例如，外界溫度等。通過收集所有這些數(shù)據(jù)，AI可以改進自動設(shè)置和調(diào)整機器的參數(shù)。

生產(chǎn)制造：福特曾經(jīng)豪言：不管你要什么車，我都只生產(chǎn)黑色，這是流水線大生產(chǎn)的典型寫照，但如果福特放在現(xiàn)狀還是這種思路的話福特汽車只有死路一條。因為現(xiàn)在個性化越來越多，但是個性化生產(chǎn)的成本又非常巨大，那么只有一種途徑就是大規(guī)模定制，利用個人消費數(shù)據(jù)進行分析后形成綜合的訂單，然后平臺分發(fā)進行大規(guī)模生產(chǎn)進而降低成品單價。目前電商行業(yè)具備大量的消費行為數(shù)據(jù)，但是數(shù)據(jù)永遠是落后于實際需求的，高級分析就很好的解決了這個問題，將數(shù)據(jù)進行分析整理，反饋到制造端，實現(xiàn)生產(chǎn)制造的優(yōu)化配置。

[[412279]]

縱觀全球，涉足工業(yè)人工智能領(lǐng)域的企業(yè)早已證明了這種技術(shù)的獨特價值。人工智能技術(shù)在改善企業(yè)的生產(chǎn)力、效率、質(zhì)量和成本等方面具備巨大潛力，無疑將成為賦能未來制造業(yè)的全新引擎。不過，企業(yè)的人工智能轉(zhuǎn)型之旅任重道遠，我們也在高級分析賦能企業(yè)轉(zhuǎn)型上繼續(xù)深耕。