當前，新一輪科技革命和產(chǎn)業(yè)變革孕育興起，大數(shù)據(jù)的積聚、理論算法的革新、計算能力的提升及網(wǎng)絡(luò)設(shè)施的演進，驅(qū)動人工智能發(fā)展進入新階段，智能化成為技術(shù)和產(chǎn)業(yè)發(fā)展的重要方向。隨著人工智能技術(shù)在智能制造典型場景的應(yīng)用賦能，與其他技術(shù)相互融合正引發(fā)產(chǎn)業(yè)深刻變革，引領(lǐng)新型生產(chǎn)力發(fā)展。本文通過對300 余家制造企業(yè)問卷調(diào)研，研究我國人工智能技術(shù)在智能制造典型場景中的應(yīng)用現(xiàn)狀、存在的問題，提出相應(yīng)對策建議。
01 發(fā)展現(xiàn)狀
1.1 人工智能產(chǎn)業(yè)生態(tài)基本形成
我國人工智能產(chǎn)業(yè)加速發(fā)展，硬件計算能力、軟件算法和解決方案實現(xiàn)快速進步并不斷成熟，初步形成了從基礎(chǔ)支撐、核心技術(shù)到上層應(yīng)用的完整產(chǎn)業(yè)鏈條。
軟硬件基礎(chǔ)設(shè)施方面，涵蓋CPU、GPU、專用AI 芯片、存儲設(shè)備等硬件基礎(chǔ)設(shè)施，以景嘉微、寒武紀、紫光國微、大族激光和科大國創(chuàng)等企業(yè)為代表，提供大規(guī)模計算和數(shù)據(jù)處理所需的基礎(chǔ)能力。軟件設(shè)施包括AI 開發(fā)框架(如TensorFlow、PyTorch)、編程語言(如Python)、開發(fā)工具包(如CUDA)、數(shù)據(jù)處理工具(如Spark)和平臺，以美林數(shù)據(jù)、美亞柏科、用友科技等數(shù)據(jù)服務(wù)企業(yè)為主，主要為AI 提供數(shù)據(jù)及算力支撐。
核心技術(shù)方面，形成涵蓋機器學(xué)習(xí)、計算機視覺、算法理論、智能語音和自然語言處理等通用技術(shù)提供商、算法模型提供商和開發(fā)平臺提供商，如海天瑞聲、格林深瞳、賽為智能、佳都科技、百度集團和阿里巴巴等，以模擬人的智能相關(guān)特征為出發(fā)點，構(gòu)建技術(shù)路徑。
應(yīng)用和服務(wù)生態(tài)方面，由解決方案供應(yīng)商、標準制定與檢測相關(guān)機構(gòu)、云平臺和安全工具提供企業(yè)及有關(guān)高校等構(gòu)成，通過集成一類或多類AI 技術(shù)，面向特定應(yīng)用場景提供成套解決方案。目前，已涌現(xiàn)包括AI+ 視覺檢測、AI+ 分揀配送、AI+ 預(yù)測維護等解決方案供應(yīng)商，如華為、凌云光、阿丘科技等[1]。
1.2 AI 在制造企業(yè)應(yīng)用的驅(qū)動因素較為理性
調(diào)研企業(yè)擬通過AI 技術(shù)解決的問題如圖1 所示，企業(yè)擬通過AI 解決的問題主要為提升產(chǎn)品質(zhì)量、降低成本、縮短交貨周期、支持產(chǎn)品開發(fā)、提升計劃效率和提高生產(chǎn)柔性等。此外，發(fā)展新業(yè)務(wù)模式也是其中一項重要驅(qū)動因素。獲取政府支持、提升人氣、追逐熱門話題、了解新趨勢等非理性因素占比均較少，反映出當前企業(yè)主要著眼自身需求推進AI 技術(shù)的應(yīng)用。
1.3 企業(yè)在產(chǎn)品生命周期各環(huán)節(jié)應(yīng)用AI的程度存在明顯差異
AI 技術(shù)在調(diào)研企業(yè)應(yīng)用比例分析如圖2所示，人工智能技術(shù)集中應(yīng)用在交互、設(shè)計及生產(chǎn)環(huán)節(jié)，采購、銷售、物流和服務(wù)等環(huán)節(jié)應(yīng)用較少。其中，計算機視覺、機器學(xué)習(xí)、分布式問題解決、智能機器人、知識表示、獲取和推理等技術(shù)應(yīng)用較多，計算機視覺技術(shù)應(yīng)用比例高達82.8%。從產(chǎn)品生命周期各環(huán)節(jié)應(yīng)用情況來看，約有40%的企業(yè)在交互環(huán)節(jié)應(yīng)用了計算機視覺技術(shù)，40%~50% 的企業(yè)在設(shè)計環(huán)節(jié)應(yīng)用計算機視覺，機器學(xué)習(xí)，知識表示、獲取與推理以及計劃與調(diào)度等技術(shù)，40%~50% 或以上企業(yè)，在生產(chǎn)環(huán)節(jié)應(yīng)用了計算機視覺、機器學(xué)習(xí)、智能機器人等AI 技術(shù)。
目前，全球主要國家和地區(qū)都在加緊布局人工智能，試圖搶占未來產(chǎn)業(yè)競爭制高點。在智能制造領(lǐng)域，AI 應(yīng)用已覆蓋研發(fā)、生產(chǎn)、物流和營銷等各關(guān)鍵環(huán)節(jié)，驅(qū)動智能制造向數(shù)據(jù)和知識驅(qū)動的更高水平邁進。
2.1 研發(fā)設(shè)計環(huán)節(jié)，AI輔助設(shè)計和AI仿真技術(shù)正逐漸替代傳統(tǒng)的研發(fā)模式
通過應(yīng)用大數(shù)據(jù)和機器學(xué)習(xí)技術(shù)，基于海量數(shù)據(jù)建模分析，快速生成設(shè)計方案，提高設(shè)計效率和質(zhì)量。應(yīng)用AI 仿真技術(shù)在虛擬環(huán)境中模擬產(chǎn)品的制造過程，預(yù)測加工缺陷并改進工藝方案和參數(shù)，從而在產(chǎn)品投放市場前發(fā)現(xiàn)并修正潛在問題，形成數(shù)據(jù)驅(qū)動產(chǎn)品設(shè)計優(yōu)化、可制造設(shè)計、虛擬試驗與調(diào)試等典型場景。
1) 生成式設(shè)計。如硅谷公司Atomwise研發(fā)的AtomNet虛擬藥物發(fā)現(xiàn)平臺，通過使用強大的深度學(xué)習(xí)算法和計算能力，分析數(shù)以百萬計的潛在新藥數(shù)據(jù)，數(shù)字化模擬藥品研發(fā)過程。目前，AtomNet 已學(xué)會識別氫鍵、芳香度和單鍵碳等重要的化學(xué)基團，并通過分析化合物的構(gòu)效關(guān)系，識別醫(yī)藥化學(xué)中的基礎(chǔ)模塊，用于新藥發(fā)現(xiàn)和評估新藥風險[2]。
2)可制造設(shè)計。如上海及瑞公司通過應(yīng)用創(chuàng)成式設(shè)計、鑄造工藝模擬仿真形成設(shè)計和工藝的正向設(shè)計，利用機器深度學(xué)習(xí)的算法，形成以目標驅(qū)動研發(fā)的正向設(shè)計研發(fā)流程，幫助北汽福田設(shè)計了前防護、轉(zhuǎn)向支架等零部件，一次性通過臺架測試。零部件從最初的4 個零件變?yōu)? 個，重量減輕70%，強度增強 18.8%，成本、制造工藝和裝配效率、性能等都實現(xiàn)極大優(yōu)化[3]。
3)虛擬試驗與調(diào)試。如京信通針對產(chǎn)品調(diào)試工序復(fù)雜，調(diào)試成本占總生產(chǎn)成本比重達到30%~40%，單個產(chǎn)品平均耗時超過1h 的痛點，打通生產(chǎn)關(guān)鍵環(huán)節(jié)數(shù)據(jù)，以測試/ 檢測數(shù)據(jù)為主題，利用數(shù)據(jù)模型進行制程能力的綜合分析、評估、優(yōu)化，最終將檢測指標項從平均300 個點位降低至200 個，產(chǎn)品整體調(diào)試效率優(yōu)化35%。
2.2 生產(chǎn)環(huán)節(jié)，AI大模型、機器視覺相關(guān)技術(shù)應(yīng)用，推動復(fù)雜工業(yè)場景下的工藝優(yōu)化和流程重塑，掀起質(zhì)檢革命
AI 大模型與計算機視覺技術(shù)如同智能制造的“大腦”和“眼睛”，具備強大的數(shù)據(jù)處理和分析能力，通過對海量數(shù)據(jù)的學(xué)習(xí)和訓(xùn)練，賦予生產(chǎn)線全新的感知與決策能力，為復(fù)雜工業(yè)場景下的工藝流程優(yōu)化、生產(chǎn)過程控制、能源智能管控等帶來了前所未有的變革。AI 機器視覺技術(shù)應(yīng)用，用于自動識別產(chǎn)品缺陷、預(yù)測產(chǎn)品性能，并在生產(chǎn)過程中進行實時反饋和調(diào)整，掀起了質(zhì)檢革命的新篇章。
1)精準過程控制。如天合光能作為太陽能電池片生產(chǎn)企業(yè)，通過把從車間實時采集到的上千個生產(chǎn)參數(shù)傳輸至控制系統(tǒng)，基于AI 算法對所有關(guān)聯(lián)參數(shù)進行深度學(xué)習(xí)計算，精準分析出與生產(chǎn)質(zhì)量最相關(guān)的30 個關(guān)鍵參數(shù)，搭建參數(shù)曲線模型，在生產(chǎn)過程中實時監(jiān)測和調(diào)控變量，最終將最優(yōu)參數(shù)在大規(guī)模生產(chǎn)中精準落地，電池片生產(chǎn)A 品率提升7%。
2)工藝自動調(diào)優(yōu)。如在光伏基材生長，金屬冶煉成型，食品粉末干燥/ 液體蒸脫等工藝環(huán)節(jié)中，西門子基于原有自動化機理模型編寫的控制邏輯基礎(chǔ)上，結(jié)合AI 技術(shù)增加了質(zhì)量趨勢的動態(tài)預(yù)測，可以針對不同參數(shù)進行動態(tài)尋優(yōu)，并回饋指令。通過優(yōu)化控制將成分控制精度提升到新臺階，能夠有效減少廢料產(chǎn)生，實現(xiàn)單位時間單位資源下的產(chǎn)能最大化。
3)設(shè)備智能診斷及系統(tǒng)智能運維。如盾安集團作為風電企業(yè)，利用物聯(lián)網(wǎng)與算法模型提前預(yù)測風機故障。通過溫度傳感器對整個風機的溫度測點進行實時監(jiān)控，并對海量溫度數(shù)據(jù)進行深度學(xué)習(xí)，構(gòu)建風機故障檢測與感知預(yù)測模型，最終做到提前1~2 周預(yù)測風機微小故障并預(yù)警，大幅降低單臺風機單次重大事件維護成本[4]。
4)實時智能質(zhì)檢。如山東能源集團依托華為盤古大模型建設(shè)了集團人工智能訓(xùn)練中心，通過盤古礦山大模型和AI 應(yīng)用的視覺識別能力，將原惡劣作業(yè)環(huán)境下每天巡檢改為每周巡檢一次。聯(lián)通打造的5G+AI 智能質(zhì)檢解決方案，讓“東方紅”拖拉機裝上智能新引擎，助力其質(zhì)檢實現(xiàn)全程無人化作業(yè)和自學(xué)習(xí)模式，檢測效率提升500%。
5)能源在線管控。如化纖行業(yè)作為高耗能行業(yè)，每年僅煤炭消耗即達到幾億元人民幣。恒逸石化以提升燃煤發(fā)電效率為主要目標，利用噴煤到產(chǎn)出蒸汽整個流程中采集到的數(shù)據(jù)，基于構(gòu)建的算法優(yōu)化模型，準確實時預(yù)測蒸汽量，并向燃煤工程師推薦最優(yōu)燃煤工藝參數(shù)指導(dǎo)實際生產(chǎn)，進而降低總體燃煤消耗，通過人工智能技術(shù)提升燃煤效率2.6%，為企業(yè)每年節(jié)省千萬元左右的燃煤成本。
2.3 物流環(huán)節(jié)，AI 算法與機器人集成應(yīng)用，打造基于環(huán)境感知、多機協(xié)同的智能物流系統(tǒng)，改變傳統(tǒng)物流模式
智能物流系統(tǒng)核心是AI 算法和物流機器人的集成應(yīng)用。通過利用先進的機器學(xué)習(xí)、深度學(xué)習(xí)等技術(shù)，實現(xiàn)對環(huán)境的感知和理解，使物流機器人具備自主導(dǎo)航、智能搬運、協(xié)同作業(yè)等能力，構(gòu)建了一個高效、智能、自動化的物流系統(tǒng)，徹底改變了傳統(tǒng)的物流模式[5]。
1)倉儲自主優(yōu)化。如牧星智能以世界領(lǐng)先的AI 算法為核心，以穩(wěn)定高效的智能物流機器人為執(zhí)行載體，形成一套智能物流整體解決方案。一是使用智慧存儲算法，通過大數(shù)據(jù)自動分析，商品ABC 自動分類并優(yōu)化位置，依托動態(tài)熱度算法實現(xiàn)貨架布局的實時優(yōu)化，實時動態(tài)智慧存儲;二是采取高低密度混合存儲，針對熱銷商品使用低密度存儲方式，提升揀選效率，對于長尾或滯銷商品則采用高密度存儲方式，減少20% 的倉儲面積占用;三是獨創(chuàng)流程揀選算法，揀選效率提升100%;四是利用AlphaGo 的蒙特卡洛樹算法，確保每次任務(wù)都分配給合適的機器人，通過路徑實時協(xié)調(diào)算法實現(xiàn)任意通道雙向通行。
2)柔性物流運輸。如曠視科技打造的3A 智慧物流解決方案，依托其AI 算法優(yōu)勢，賦能AS/RS 智能立體倉儲物流設(shè)備，如托盤四向車、人工智能堆垛機等，使其能夠靈活應(yīng)對節(jié)點物流的流量峰值，并能自適應(yīng)場景變化，滿足顧客對于運輸、交付和服務(wù)的需求，推動物流向數(shù)智化、柔性化、低碳化升級。幫助國藥控股廣州公司的物流中心實現(xiàn)智能化改造，整體效率提升25%，作業(yè)完成時間提前2h，未來五年將節(jié)約上千萬元成本。
2.4 銷售環(huán)節(jié)，AI 機器學(xué)習(xí)推動形成以用戶導(dǎo)向的營銷變革，重塑企業(yè)與客戶間的互動模式
通過收集整合各個渠道的消費者信息，描繪消費者畫像，應(yīng)用AI 機器學(xué)習(xí)對大量用戶數(shù)據(jù)進行分析，更深入地了解客戶的偏好、需求和行為模式，進而制定個性化的營銷策略。推動以用戶導(dǎo)向的營銷變革，重塑企業(yè)與客戶之間的互動模式，推動營銷環(huán)節(jié)向更加個性化、智能化的方向發(fā)展。
市場快速分析預(yù)測：如美國的AutomotiveMastermind 公司通過搜集社會人口學(xué)特征、社交網(wǎng)絡(luò)、市場數(shù)據(jù)和產(chǎn)品生命周期等大數(shù)據(jù)，并利用機器學(xué)習(xí)預(yù)測模型發(fā)現(xiàn)隱藏于消費者行為背后對于產(chǎn)品、性能、價位等的需求，利用自有的行為預(yù)測評分算法對超1 000個數(shù)據(jù)點進行清洗和分析，對消費者進行排名，篩選出目標消費者，銷售收入提升了30%，客戶留存率提高了16.7%。
3.1 智能制造領(lǐng)域數(shù)據(jù)質(zhì)量不高
智能制造需要依托大量的數(shù)據(jù)來驅(qū)動AI 系統(tǒng)的運行和優(yōu)化，在大規(guī)模的數(shù)據(jù)模型訓(xùn)練前提下人工智能技術(shù)才能夠落地應(yīng)用。但在實際生產(chǎn)過程中，仍存在數(shù)據(jù)難以有效獲取和利用、數(shù)據(jù)質(zhì)量不高、數(shù)據(jù)標注不準等問題，導(dǎo)致AI 系統(tǒng)運行性能下降，甚至產(chǎn)生誤導(dǎo)性結(jié)果。數(shù)據(jù)質(zhì)量和標注精度不高問題成為制約AI 在智能制造中應(yīng)用的重要因素。
3.2 系統(tǒng)解決方案供給仍顯不足
西門子、ABB、基恩士等國際巨頭逐步由技術(shù)輸出商向解決方案提供商轉(zhuǎn)變，基于深度學(xué)習(xí)、知識圖譜、計算機視覺等技術(shù)對現(xiàn)有和未來產(chǎn)品體系進行了整體規(guī)劃，形成基于新一代人工智能的軟硬件產(chǎn)品體系，開展“軟件+ 硬件+ 平臺+ 解決方案”的全方位產(chǎn)品布局。但國內(nèi)相關(guān)供應(yīng)商由于場景體系性不足且創(chuàng)新性不足，導(dǎo)致解決方案定制化程度高，多數(shù)企業(yè)尚未形成以“平臺+工具”為核心的生態(tài)化整體解決方案，限制了先進技術(shù)成果在智能制造的全面復(fù)制推廣。
3.3 融合應(yīng)用標準仍不夠完備
目前，全球范圍內(nèi)關(guān)于人工智能在智能制造領(lǐng)域的相關(guān)標準制定相對較少，我國在該領(lǐng)域具備先發(fā)優(yōu)勢。機器視覺、知識圖譜等相關(guān)技術(shù)標準已經(jīng)研制發(fā)布，但部署指南、安全與保護、算法結(jié)構(gòu)等人工智能應(yīng)用部署及算法相關(guān)標準仍然欠缺。其中，與人工智能在智能制造中應(yīng)用部署相關(guān)的標準化需求包括安全與保護、計算能力、存儲能力、數(shù)字基礎(chǔ)設(shè)施、實施指南和性能評估等。
04 推動AI在智能制造領(lǐng)域融合應(yīng)用建議
4.1 加強面向智能制造的AI 產(chǎn)品和解決方案供給
引導(dǎo)阿里巴巴、騰訊、商湯、依圖和科大訊飛等AI技術(shù)供應(yīng)商面向各行業(yè)智能制造廣泛應(yīng)用需求加大研發(fā)投入力度，聚焦智能制造關(guān)鍵環(huán)節(jié)和典型場景，鼓勵支持視覺檢測、機器學(xué)、工業(yè)知識圖譜等AI 技術(shù)產(chǎn)品研制及產(chǎn)業(yè)化，推動實現(xiàn)大規(guī)模應(yīng)用。依托智能制造系統(tǒng)解決方案供應(yīng)商聯(lián)盟，分行業(yè)、分區(qū)域總結(jié)培育、示范推廣智能制造場景下AI 典型應(yīng)用模式，結(jié)合行業(yè)智能制造發(fā)展特點，加強面向智能制造應(yīng)用的AI 技術(shù)解決方案能力培養(yǎng)，總結(jié)提煉典型應(yīng)用示范案例，在全國范圍內(nèi)復(fù)制推廣。
4.2 開展適用于智能制造的AI 技術(shù)攻關(guān)
針對當前市場應(yīng)用亟須的關(guān)鍵基礎(chǔ)技術(shù)和核心軟硬件，系統(tǒng)梳理產(chǎn)業(yè)短板和技術(shù)短板，研究形成技術(shù)、產(chǎn)品清單。采取“揭榜掛帥”等形式推動AI 技術(shù)的突破和產(chǎn)業(yè)化進程。
經(jīng)研究，主要技術(shù)短板梳理如下：
1)硬件和產(chǎn)品短板。突破AI 芯片和傳感器等硬件制約，加快核心計算架構(gòu)、超高性能SOC 芯片、高性能3D 視覺計算芯片等關(guān)鍵技術(shù)演進;鼓勵支持新型生物、視覺、力覺和射頻識別等智能工業(yè)級傳感器的研發(fā)及產(chǎn)業(yè)化應(yīng)用。
2)基礎(chǔ)軟件短板。加快補齊開源平臺、基礎(chǔ)工具等軟件短板，研發(fā)培育國內(nèi)自主開發(fā)軟件框架，加快工業(yè)級應(yīng)用推廣;打造公益性智能制造領(lǐng)域開發(fā)基礎(chǔ)知識庫，構(gòu)建機器視覺、NLP 等技術(shù)面向工業(yè)場景共性數(shù)據(jù)集，引導(dǎo)企業(yè)建立自身內(nèi)部知識圖譜。
3)關(guān)鍵技術(shù)短板。加大NLP、計算機視覺等關(guān)鍵技術(shù)研發(fā)投入力度，強化基礎(chǔ)理論、高端人才等方面技術(shù)實力，拓寬技術(shù)應(yīng)用場景，推動技術(shù)應(yīng)用迭代突破。
4)解決方案供給短板。立足于“軟件+ 硬件+ 平臺+ 解決方案”的全方位產(chǎn)品布局，結(jié)合智能制造系統(tǒng)解決方案供應(yīng)商工作，培育一批面向智能制造融合應(yīng)用的AI解決方案供應(yīng)商，提供成套軟硬件設(shè)備及解決方案。
4.3 加快研制適用于智能制造的AI 融合應(yīng)用標準
加大面向智能制造應(yīng)用的AI 標準制定力度，優(yōu)先開展智能裝備、智能工廠等相關(guān)標準制定，豐富完善計算機視覺、自然語言處理、知識圖譜等領(lǐng)域測評標準等。重點關(guān)注如下：
1)智能裝備標準。重點關(guān)注基于AI 的人機交互系統(tǒng)、工業(yè)機器人、智能工藝裝備等智能裝備相關(guān)標準。
2)智能工廠標準。重點關(guān)注基于AI 的智能設(shè)計、智能生產(chǎn)、智能物流和智能管理等智能工廠相關(guān)標準。
3)智能賦能技術(shù)標準。重點關(guān)注基于AI 的工業(yè)大數(shù)據(jù)、工業(yè)軟件、工業(yè)云和邊緣計算等智能賦能技術(shù)相關(guān)標準。
4)智能服務(wù)標準。重點關(guān)注基于AI 的大規(guī)模個性化定制、遠程運維、網(wǎng)絡(luò)協(xié)同制造智能服務(wù)標準。
5)基礎(chǔ)和測試評估標準。重點關(guān)注深度學(xué)習(xí)、計算機視覺、NLP 和知識圖譜等領(lǐng)域基準測試評估。
4.4 推動智能制造AI 應(yīng)用與試點示范工作相結(jié)合
結(jié)合智能制造示范工廠和優(yōu)秀場景遴選工作，選擇一批具有代表性和創(chuàng)新性的AI 應(yīng)用案例，總結(jié)創(chuàng)新成果，形成可復(fù)制、可推廣的經(jīng)驗和模式。鼓勵北京、上海、深圳和南京等國家人工智能創(chuàng)新應(yīng)用先導(dǎo)區(qū)，將人工智能與智能制造融合應(yīng)用作為重點內(nèi)容主動布局和打造，借助產(chǎn)業(yè)集聚優(yōu)勢，推動AI 技術(shù)向產(chǎn)業(yè)化應(yīng)用有效轉(zhuǎn)化。
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。
聊聊企業(yè)在智能物流規(guī)劃注意的幾個問題
