人工智能在制造業(yè)的融合應用是促進實體經(jīng)濟發(fā)展的重點方向，是制造業(yè)數(shù)字化、網(wǎng)絡化、智能化轉(zhuǎn)型發(fā)展的關鍵領域。發(fā)達國家政府和產(chǎn)業(yè)界均高度重視這一趨勢，近年來紛紛采取行動推進基礎性研究及產(chǎn)業(yè)實踐部署，傳統(tǒng)的制造業(yè)生產(chǎn)范式正在人工智能的驅(qū)動下被進一步改變。 1、人工智能技術正在向制造業(yè)多個環(huán)節(jié)廣泛滲透 隨著人工智能技術在生活領域的快速傳播，越來越多來自不同領域的學者及科研人員開始嘗試著將制造領域的專有知識注入到人工智能模型中，并將其與制造業(yè)中的典型軟件、系統(tǒng)及平臺相集成，形成了一系列融合創(chuàng)新技術、產(chǎn)品與模式。 
美國歐特克創(chuàng)新軟件平臺Fusion360 產(chǎn)品研發(fā)方面，美國工業(yè)設計軟件巨頭歐特克推出的產(chǎn)品創(chuàng)新軟件平臺Fusion360和Netfabb3D打印軟件集成了人工智能和機器學習模塊，能夠理解設計師的需求并掌握造型、結構、材料和加工制造等數(shù)字化設計生產(chǎn)要素的性能參數(shù)，在系統(tǒng)的智能化指引下，設計師只需要設置期望的尺寸、重量及材料等約束條件即可以由系統(tǒng)自主設計出成百上千種可選方案。 
日本NEC在“NECIndustrialIot”中，新增以AI協(xié)助作業(yè)員肉眼檢查的解決方案“AIVisualInspection” 生產(chǎn)制造方面，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(zhì)產(chǎn)品的各類缺陷，從而快速偵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。 
供應鏈運營方面，美國多聯(lián)式運輸公司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，模型中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)濟挑戰(zhàn)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)了企業(yè)利潤的最大化。 
市場營銷方面，美國亞馬遜商城基于機器學習模型對用戶的購買習慣以及產(chǎn)品的屬性進行深度學習，形成了全面的知識圖譜，在此基礎上向用戶進行個性化推薦，也向銷售商提供相關的生產(chǎn)與營銷建議，這項技術的應用使亞馬遜增加了10％到30％的附加利潤。 
施工過程中，日本小松機械智能化工程（SmartConstruction）更是發(fā)揮了巨大的作用 產(chǎn)品服務方面，日本的小松機械在生產(chǎn)工程機械的同時也推出了智能化工程服務項目，可實現(xiàn)由一隊無人機測繪三維地圖，然后指導智能機器人控制大型工業(yè)車輛作業(yè)，從而幫助用戶大幅提高施工效率和品質(zhì)。 
微軟HoloLens 售后運維方面，電梯廠商蒂森克虜伯公司與微軟合作，為其旗下24000名技術工人配備了集成人工智能技術的增強現(xiàn)實眼鏡，以便在安裝、檢修電梯設備的時候能夠智能化輔助識別現(xiàn)場并獲得技術支持。業(yè)務升級后，技術工人的工作效率得以大幅提升，以往需要2小時才能解決的問題通常20分鐘就能完成。 可以看到，當前人工智能技術向制造領域的滲透從廣度、深度來看均在快速推進，對制造業(yè)整體發(fā)展的支撐效應初顯。其主導企業(yè)既有小松機械、蒂森克虜伯這樣的傳統(tǒng)制造企業(yè)作為人工智能技術的應用實施主體，也有谷歌、亞馬遜等具有人工智能技術優(yōu)勢的互聯(lián)網(wǎng)企業(yè)，還有歐特克、ABB等向人工智能領域轉(zhuǎn)型的工業(yè)軟硬件產(chǎn)品提供商，總體上呈現(xiàn)出多領域融合、多行業(yè)合作的發(fā)展態(tài)勢。但是我們也可以看到，當前產(chǎn)業(yè)界對人工智能的融合應用探索大多數(shù)還處于探索階段，對部分環(huán)節(jié)的應用模式還存在較大爭議，多數(shù)企業(yè)仍處于觀望狀態(tài)，距全行業(yè)普及應用還有較大距離。 2、人工智能向制造業(yè)的融合滲透仍面臨挑戰(zhàn) 盡管當前人工智能與制造業(yè)的融合發(fā)展已經(jīng)顯露出一些成效，但是從世界范圍看，該領域仍然較為前沿，在技術架構、實施路徑、行業(yè)標準及產(chǎn)業(yè)生態(tài)等方面均存在一定的發(fā)展瓶頸。 首先是產(chǎn)業(yè)總體發(fā)展尚不成熟。作為一項基礎性、通用性的技術，人工智能在工業(yè)領域的應用實踐需要產(chǎn)業(yè)界多方合作開展大量的融合創(chuàng)新探索，對相關產(chǎn)品、解決方案的成本、可靠性等指標也有較高的要求。從已有的實踐案例中可以看到，當前人工智能在制造業(yè)的融合創(chuàng)新主要是由數(shù)據(jù)、知識密集型的制造企業(yè)與具備人工智能技術優(yōu)勢的互聯(lián)網(wǎng)企業(yè)或軟件企業(yè)強強聯(lián)合推進的，其開發(fā)成本、技術壁壘較高，應用覆蓋面也相對較窄，這使得人工智能技術暫時不具備在制造業(yè)大范圍推廣的條件。 其次是行業(yè)標準有待完善。工業(yè)領域的人工智能應用需要基于大樣本的數(shù)據(jù)集建模，這些數(shù)據(jù)通常是來自智能裝備及現(xiàn)場部署的獨立傳感器。然而，工業(yè)現(xiàn)場目前的數(shù)據(jù)通信標準之間通常不能兼容，無法滿足人工智能技術對優(yōu)化建模數(shù)據(jù)量基本需求。以工業(yè)現(xiàn)場總線為例，目前在工業(yè)界常見的通信協(xié)議達二十余種，這些協(xié)議之間不能直接互聯(lián)互通，使得信息孤島的情況在工業(yè)界廣泛存在。 再次是產(chǎn)業(yè)發(fā)展保障體系有待健全。人工智能技術作為信息技術的一種，其自身就存在一定的安全風險，引入工業(yè)領域后，將與工業(yè)系統(tǒng)自身的功能風險疊加放大，這將直接危及到生命安全和國家安全。此外，在面對某些與倫理道德相關的抉擇問題時，人工智能系統(tǒng)的研發(fā)也缺乏相關的法律標準。例如，向人工智能視頻識別系統(tǒng)中輸入帶有欺騙特征的圖片，有可能會引起系統(tǒng)誤判而觸發(fā)一系列的危險動作；在工業(yè)事故中，人工智能應急管理系統(tǒng)在面對重大資產(chǎn)與人員安全無法兼顧時也沒有權威的處理標準。 3、推動人工智能與制造業(yè)融合的發(fā)展建議 作為一項極具發(fā)展前景的前沿領域，人工智能與制造業(yè)的融合發(fā)展尚需政府和產(chǎn)業(yè)界多方發(fā)力。 首先是要培育產(chǎn)業(yè)發(fā)展環(huán)境。政府和行業(yè)協(xié)會需要通過培育解決方案服務機構、開展試點示范等方式，引導人工智能技術在ICT、互聯(lián)網(wǎng)等領域的應用成果向制造業(yè)輸出，尤其是在輕量化設計、節(jié)能降耗、工藝優(yōu)化、質(zhì)量提升、運行維護等當前人工智能已經(jīng)涉足的領域培養(yǎng)一批成熟的解決方案。與此同時也要針對系統(tǒng)開發(fā)、現(xiàn)場操作、管理規(guī)劃等不同層面的需求，分類型、分等級推進人工智能階梯形人才隊伍的培育工作，加強企業(yè)員工的再培訓，做好工業(yè)智能化變革下新舊動能的承接工作。 其次是要加快合作推進行業(yè)標準。產(chǎn)業(yè)界需要通過組織聯(lián)盟等形式開展多方合作，面向各工業(yè)分類的人工智能應用對數(shù)據(jù)采集、應用部署等方面的需求，聯(lián)合制定機器設備、工控系統(tǒng)、工業(yè)互聯(lián)網(wǎng)平臺的標準化數(shù)據(jù)接口及應用參考架構，確保支撐人工智能應用的工業(yè)數(shù)據(jù)能快速有效得以應用。 再次是要統(tǒng)籌協(xié)調(diào)構建保障體系。面向人工智能技術在未來可能大范圍覆蓋的工業(yè)應用場景，由立法部門及行業(yè)協(xié)會共同研究制定應用規(guī)范、開發(fā)守則等涉及到應用安全、倫理道德的行業(yè)標準，盡可能規(guī)避未來可能出現(xiàn)的相關風險。同時政府需要加快建立工業(yè)智能公共評測服務平臺，加強對工業(yè)智能系統(tǒng)的安全測試服務，制定完善人工智能裝備、系統(tǒng)在工業(yè)生產(chǎn)應用場景中的安全操作規(guī)范守則。
|
