人工智慧賦能智造 工廠場景數據革命全面爆發(上)

文:陳芊卉 2020-08-04

人工智慧 智慧製造 人機協同 IoT 工業4.0

文:摘錄/《人工智慧》作者 李開復博士 


17-6.jpg


李開復在《人工智慧》一書中將這次的人工智慧復興稱為「第三次AI熱潮」,AI從學術界走到工業界和人們所處的應用場景中,AI技術革新賦能產業升級正成為現實。「人工智慧+製造」未來所追求將工業革命以來極度細化、甚至異化的工人流水線工作,重新拉回「以人為本」的組織模式,讓機器承擔更多簡單、重複、甚至危險的工作,而人承擔更多管理和創造工作。




1995年,國際象棋大神卡斯帕羅夫敗給了體重1.4噸的人工智慧 (AI)電腦「深藍」,這是AI 第一次打得人類;2016年世界圍棋冠軍李世乭與AlphaGo的比賽中投子認輸,人們始驚覺AI的力量已不容忽視。李開復在《人工智慧》一書,將這次的AI復興稱之為「第三次AI熱潮」。和這一次熱潮最大的不一樣在於,AI真正從學術界走到工業界和人們所處的應用場景中,AI技術革新賦能產業升級正成為現實。


AI賦能製造業 本質是「人機協同」

伴隨著人臉識別、無人零售等新技術帶來的消費升級,人工智慧已幫助零售業圍繞消費者,在時間碎片化、資訊獲取社交化的大背景下,建立更加靈活便捷的零售場景,提升用戶體驗。那麼,人工智慧究竟能為龐大的製造產業群帶來什麼?製造業在過去很長的一段時間裡,是「勞動密集型」產業的代名詞。當人工智慧來臨的時候,許多人不禁擔憂:「是不是製造業中的勞動力要被替代了?」


李開復甚至斷言,十年後50%的人類工作將被AI取代。誠然,人工智慧經常被通俗的解讀為「與人類一樣聰明的人造機器」,將這個「聰明的機器」放進製造現場,主要的作用就是使機器能夠「達到甚至超過人類技工水準」,以實現企業生產運營效率的提升。而這個AI介入的「智能化」過程,與過往製造業追求「自動化」的過程有本質上的差異。


「自動化」追求的是機器自動生產,本質是「機器換人」,強調在完全不需要人的情況下,進行不間斷的大規模機器生產;而「智能化」追求的是機器的柔性生產,本質是「人機協同」,強調機器能夠自主配合要素變化和人的工作。


因此,「AI+製造」未來所追求的,不應是簡單粗暴的「機器替人」,而應是將工業革命以來極度細化、甚至異化的工人流水線工作,重新拉回「以人為本」的組織模式,讓機器承擔更多簡單、重複、甚至危險的工作,而人承擔更多管理和創造工作。


未來已至 還原人工智慧+製造應用場景

即便在未來,想以人工智慧全面取代製造過程中人類專家的智能,獨立承擔起分析、判斷、決策等任務是不現實的。「AI+製造」實現的人機一體化、高度協同,可以在智能機器的配合下,更好地發揮出人的潛能,使人機之間形成一種平等共事、相互理解、相互協作的關係,讓設備、軟體、數據、人,都像在擁有智慧的基礎上,把自己在生產製造場景中的價值發揮到極致。


依據《「人工智慧+製造」產業發展研究報告》,將AI作用於製造業的典型應用場景分為以下三類:

1. 實現從軟體到硬體的智能升級

人工智慧演算法將以能力封裝和開放方式嵌入到產品中,從而幫助製造業生產出新一代的智能產品。如Google開發出專用於大規模機器學習的智能晶片TPU、騰訊AI開放平台對外提供電腦視覺等AI能力、亞馬遜推出內嵌人工智慧語音助手的智能音箱echo等。


2. 提高行銷和售後的精準水準

在售前行銷,以AI進行用戶側需求數據的多維分析,將能實現更即時、精準的廣告資訊傳遞,如Google為製造業專門開發了精準廣告平台;在售後維護,AI將有機會和物聯網、大數據一起,實現對製造業產品的即時監測、管理和風險預警。如三一重工把分佈全球的三十萬台設備接入平台,即時採集近一萬個運行參數,利用大數據和智能演算法,遠程管理龐大設備群的運行狀況,有效實現故障風險預警,大大提升了排障效率並降低維護成本。


3. 增強機器自主生產能力

AI技術可以使得機器在更多複雜情況下實現自主生產,從而全面提升生產效率。應用場景包含:工藝優化,即通過機器學習建立產品的健康模型,識別各製造環節參數對最終產品品質的影響,最終找到最佳生產工藝參數;智能質檢,即借助機器視覺識別,快速掃描產品品質,提高質檢效率。


其中,視覺缺陷檢測、機器人視覺定位分揀和設備故障預測報警等應用場景,得益於AI機器學習與深度學習發展成熟,已在製造現場實現落地。例如通過整合3D掃描器和協作機器人、視覺系統、吸盤/智能夾爪,實現對目標物品的視覺定位、抓取、搬運、旋轉、擺放等操作,並對自動化流水生產線中無序或任意擺放的物品進行抓取和分揀。這既可應用於機床無序上下料、鐳射標刻無序上下料,也可用於物品檢測、物品分揀和產品分揀包裝等。目前在應用場景案例中已能實現規則條形工件100%的拾取成功率。


在設備故障預警應用場景中,基於AI和IoT技術,通過在工廠各個設備加裝感測器,對設備運行狀態進行監測,並利用神經網路建立設備故障的模型,從而在故障發生前,提前預測故障,並將可能發生故障的工件替換,從而保障設備的持續無故障運行。這樣的應用可以將產線停工時間從幾十分鐘壓縮至幾分鐘。


總之,從目前消費互聯網的發展來看,可以很清楚的感受到是用軟體來定義我們的生活,而且這種發展趨勢一定會蔓延到製造業來。工業4.0理念下的智能製造,是將一切的人、事、物都連接起來,形成萬物互聯,整合為一種由智能機器與人類專家共同組成的人機一體化智能系統,它在製造過程中能進行智能活動,注入分析、推理、判斷、構思和決策等,融合成為一套智能製造系統。


下一次,將介紹「AI+製造」場景、AI  Thinking和AI+ERP應用典範,繼續掘金數據紅利。





6.jpg


相關資訊

  • 數位轉型 人工智慧 智能製造 數據賦能 工業互聯網 管理議題

    數據賦能 數位化轉型價值起點

    什麼是數據賦能?通過數據對不同行業賦能,幫助不同行業進行數據價值挖掘。讓數據實現機器智能,讓數據幫企業做出決策。「為什麼數位轉型投入如此大的成本,卻沒有創造利潤?」其關鍵就在於數據在企業運營扮演的角色定位,是成本?還是資產? 只有當數據被真正利用時才能創造價值,實現為企業「賦能」,而不是讓企業「負能」。

  • 數位轉型 數字經濟 大數據

    解讀數位化轉型 十大關鍵詞(下)—看不見的自動化?

    基於全球數百家領軍企業的深度訪談調研,穿梭在企業數位化轉型的技術、產業、經濟、商業、政策的多維場景中,阿里研究院安筱鵬副院長引領大家從數位化轉型的十個關鍵字,從大視野、多視角、多主體的維度,去重現、觀察、審視這場大變革,助力企業回歸轉型的本質,同時找到適合自身公司的數位化轉型邏輯。本文將先介紹數位化轉型的後五個關鍵字:決策革命、數據的自動流動、數位化轉型的基本矛盾、技術架構的大遷徙時代及體系重構。

  • 工業4.0 工業大數據 物聯網 智慧製造

    工業大數據不求數據大 而是要「創值」!

    李傑博士於《工業大數據》一書,提出過去的競爭在於可見的問題上,現在要在未見的世界競爭與創新;以主控式創新及煎蛋模型理論,為企業提供了一個新的創新視角,將產品與服務相結合以滿足使用者,聚焦在用戶需求缺口,進而創造價值。

x