人工智慧賦能智造 工廠場景數據革命全面爆發(上)

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。

資料來源：《人工智慧來了》；李開復，王詠剛著；2017/04/27