工业人工智能:赋能未来制造业的全新引擎

侯文皓,尤晨
近年来,随着计算机算力以及全球数据总量呈指数级增长、算法研究快速迭代,人工智能已经登上了科技革命的风口。高德纳(Gartner)咨询公司最新发布的技术成熟度曲线显示,目前全球处于上升期或巅峰期的新兴技术中,一半以上与人工智能有关。

近年来,随着计算机算力以及全球数据总量呈指数级增长、算法研究快速迭代,人工智能已经登上了科技革命的风口。高德纳(Gartner)咨询公司最新发布的技术成熟度曲线显示,目前全球处于上升期或巅峰期的新兴技术中,一半以上与人工智能有关。到2020年,人工智能预计将在全球产生约470亿美元的总收入,成为全球经济发展、科技创新及社会变革的一大驱动力。

随着人工智能走出科幻的迷雾,成为切实改变世界的革新技术,工业4.0时代的企业也逐渐认识到它对制造业转型升级的巨大价值。根据麦肯锡全球研究院预测,人工智能将为全球企业额外创造3.5万亿~5.8万亿美元的经济价值,这一数字甚至超过了德国2018年的GDP总量。同样人工智能遇上工业所能发挥的潜力让人们浮想联翩、趋之若鹜,工业人工智能也首次站在了工业舞台的聚光灯下。工业人工智能的概念最初由美国国家科学基金会智能维护系统中心提出,它作为一种系统化的方法和规则,专注于开发、验证和部署各种不同的机器学习算法,进而形成具备可持续性能的工业应用,重复、有效、可靠地解决工业问题。不过,大多数企业仍对人工智能的商用前景和投资回报心存疑虑,工业人工智能的规模化应用依然任重而道远。尽管如此,以全球“灯塔工厂”为代表的工业人工智能领军者业已证明,人工智能将重塑产品服务、生产运营、组织流程等业务场景,打造具有颠覆潜力的创新业态,成为企业发起智能制造“攻坚战”的新引擎。如今,制造业智能化曙光初现,人工智能技术竞争方兴未艾。企业必须思考自身如何“点亮”工业人工智能,才能在这场独属于“追光者”的竞赛中取得先发优势。

先者为王:人工智能让企业在经营竞争中如虎添翼

工业物联网技术的广泛应用,为企业创造了海量的物联网大数据。然而,由于人脑的算力和思维范式存在上限,为传统战略运营工具的数据处理、分析和应用能力加上了一个难以突破的阈值,企业的价值创造因此面临瓶颈。人工智能作为一项“智慧”科学,其本质就是研究如何使计算机具备类似人脑的学习、推理、思考和决策能力,并借助远超人脑的算力,为工业企业带来一次端到端全价值链的智能化革命,具体包括:精准投放、打造极致个性化旅程的智能化销售;虚拟仿真和优化驱动的智能化研发;从采购到付款的“一站式”智能化采购;实时透明、动态决策的智能化供应链;以高级分析驱动生产力及质量提升的智能化生产;机器人流程自动化赋能的智能化后台;基于工业物联网和大数据的智能化售后。这些人工智能和机器学习用例在企业全价值流中不断涌现,显着提升了企业的运营水平、财务表现及竞争力(见图1)。

首先,积极拥抱人工智能技术,有助于企业显着提高生产运营水平。根据麦肯锡的预测,仅在制造业和供应链领域,人工智能引领的业务变革就将在未来额外创造近2万亿美元的经济价值。在世界经济论坛评选的全球26家“灯塔工厂”中,人工智能应用实现了工厂产出平均提升7%~10%、生产效率增加4%~17%、产品质量提升至少10%,并减少了至少50%的延迟交付和2%~4%的能源消耗。我们看到,在制造业全面优化成本、效率、质量和敏捷性的过程中,人工智能发挥了关键作用,成为继自动化和数字化技术之后,推动企业智能制造转型的全新杠杆。

更为重要的是,只要在人工智能领域先行一步,企业便能收获“真金白银”的财务收益。麦肯锡旗下的Analytics Quotient(AQ)数据库分析发现,人工智能领军企业相对于同类企业具有更强的收入和盈利创造能力(见图2)。而麦肯锡全球研究院的预测模型表明,即使是先行者与跟随者只是在决策时点上存在细微差异,从长期来看也会演变成企业发展的巨大差距。

企业管理者必须认识到人工智能对于企业战略的重要意义。长远看来,在这个问题上犹豫不前,必将挫伤企业的经营竞争力和行业领导力。工业人工智能的赛道上不存在后来居上的奇迹——永远是先行者获胜,亦步亦趋者苟活,落后者则被无情淘汰(见图3)。

灯塔引路:工业人工智能领域的顶尖先行者在做什么

尽管人工智能对于企业潜力巨大,但在工业领域的试验和规模化部署程度仍然很低。纵观全球制造业,规模化实施工业4.0技术的企业尚不足3%;而在这些企业当中,也仅有约25%的企业刚刚开始落地工业人工智能;其中又有不足10%的企业真正实现了一项或多项工业人工智能的成熟应用。由此观之,真正踏上工业人工智能舞台的企业还不足百分之一,工业人工智能真正发挥的影响还不足潜力的千分之一。

灯塔的光芒可以刺破暗夜,引导航船穿过汹涌的大洋——这1%的先行者就是工业人工智能的灯塔,为更多企业提供了人工智能应用的优秀示范。通过解读世界经济论坛全球“灯塔工厂”的32个人工智能用例,我们发现:

成本和用户是企业部署工业人工智能的两大动因

随着劳动力群体老龄化加剧、工资成本和离职率不断攀升,制造业企业感受到了前所未有的人力成本压力。与此同时,精益管理和数字化杠杆的潜力逐渐开发殆尽,工厂很难找到继续优化生产成本的方法。但机器智能可以提升工人的劳动效率,大数据分析辅助决策能够提升投入产出比的效率,因此,人工智能成为开启制造成本优化新阶段的钥匙。

对优化用户服务的追求,则是制造业把目光转向人工智能的另一核心动因。随着市场对用户体验的要求越来越高,生产商亟须向小批次、多品类、高质量、快周转的大规模、定制化生产模式转型。如何为用户提供个性化的产品旅程?如何在大规模定制的条件下提升产品质量?如何准确预测需求、迅速交付?传统的自动化设备和简单的数字化改造无法彻底解决这些问题。生产者需要一条以用户价值为中心的智能化生产线,才能为用户创造端到端的极致定制体验。

高级分析和机器视觉是工业人工智能领域的两大主流应用

在工业领域,机器学习驱动的高级分析是普及较早的一项人工智能应用。该技术通过预测技术和最优化模型,助力生产效率、能源效率和产品质量获得进一步提升。在浦项钢铁集团的浦项工厂,基于深度学习的炉温控制模型能够自动预测高炉温度,实现过程参数优化值的人工智能推荐,推动高炉产出增加4%,综合能耗降低0.7%;在拜耳制药的加巴纳特工厂,通过机器学习在线分析设备关键参数,智能分析和预测设备故障根因并自动提出行动建议,将关键设备的综合效率(OEE)提升了50%;博世无锡工厂以高级分析系统实现刀具全生命周期的最优化,根据性能根因分析调整操作方式,并结合设备效率和更换成本优化换模规则,将刀具库存降至10%以下;富士康工业互联网公司在深圳工厂部署了集成工业大数据的中央决策云平台,并通过全局规划和智能应用将无人运营的“关灯工厂”变为现实,从而节省了88%的人力,并且提升了30%的生产效率。

机器视觉是工业人工智能的另一项主流应用。该技术通过解析非结构性图像数据来提供洞见,在质量过程控制和检验方面效果卓着。在塔塔钢铁集团(TATA Group)的艾默伊登(Ijmuiden) 工厂,集团旗下的分析卓越中心自行研发的机器视觉应用能够快速识别带钢表面缺陷,确保有质量问题的产品不流入市场,由此将该问题带来的质量成本损失降低了50%;在丹佛斯集团(Danfoss) 的天津工厂,以三维机器视觉技术为内核的在线质量控制系统可对压缩机油面位置进行精确监控,以保证此类问题客户“零投诉”;在Ar?elik A.?. 公司的格艾什提工厂,机器视觉实现了线上操作质量的全自动控制,将单品间接人力成本降低了17%。

除此以外,这些“灯塔工厂”也在积极探索自然语言处理、先进机器人、流程自动化、智能云等其他人工智能技术的工业应用,以期在不同行业的丰富场景中进一步释放工业人工智能的价值潜力。

破译密码:“AI+X”五大赋能要素,点亮工业人工智能

如何点亮工业人工智能?无数看到了人工智能的商用前景却因落地实施的潜在挑战而逡巡不前的企业,都渴望破译工业人工智能的通关密码。然而,大多数企业却落入了“人工智能技术陷阱”——过分强调技术本身,却忽视了其他关键赋能要素,导致工业人工智能技术难以规模化落地。事实上,部署工业人工智能是一项系统工程,企业必须在价值、数据、人才、文化和生态五大赋能要素上勤练内功。在此,让我们把目光聚焦于国内某先进电子制造企业富士康工业互联网股份有限公司(以下简称“工业富联”),了解它积极推进“AI+X”五大赋能要素协同发展、拥抱工业人工智能的故事(见图4)。

AI+ 价值:以企业价值为导向,规划人工智能战略

企业制定人工智能战略的前提,是对其工业人工智能的价值取向形成清晰认识。富士康工业互联网在人工智能领域起步之初,也曾尝试过开发前几年红透半边天的跨行业、跨价值链横向整合的工业互联网平台。但由于进度缓慢、回报不清晰,富士康工业互联网很快意识到专业领域知识的重要性。比起模型和算法,工业经验和场域验证才是决定应用工业软件产品影响的关键证据。于是,工业富联最高层重新思考并明确了自身部署工业人工智能的价值取向:立足优势行业、注重行业价值。

此后,工业富联从深耕多年的电子制造行业出发,制定了以“VaaS”(Value-as-a-Service,价值即服务)为导向的人工智能发展战略:针对电子制造行业的价值痛点,研发智能管理、智能排配、智能监控、智能分析、机器视觉检测、智能调试等一系列智能技术应用, 以价值创造作为工业软件开发的初心,以价值实现作为工业软件产品的始终。基于这种价值导向的战略定位,工业富联很快便找到了工业人工智能的发力点,在垂直整合市场的赛道上跑得有声有色。

AI+ 数据:搭建从数据到洞见的工业物联网架构

工业人工智能在把海量数据转化为智慧洞见的过程中,离不开强大而可扩展的工业物联网架构作为保障。工业富联的工业互联网平台分为设备层、车间层和企业层,在数据采集、传输、管理、分析、应用等各个阶段针对每一层级详细设计了架构需求:明确全面、精确、统一且兼容的数据采集;确保灵活而安全的数据传输和交互;建立安全、稳定、高速、可扩展的数据管理平台;强化可视化和先进分析能力;打造以用户为核心的敏捷开发环境。如果说人工智能是企业的大脑,那么工业物联网架构就是支撑大脑思考的神经元群。正是通过完备的工业物联网架构,工业富联才得以充分驱动并释放来自数以万计的机器人、传感器和关键设备的巨大数据资源,实现工业人工智能应用的快速孵化和规模推进。

AI+ 人才:工匠、器匠、智匠,一个都不能少

推动工业人工智能,仅仅依靠数据科学家的力量显然是不够的。工业富联在探索人工智能落地的征程中领悟到,只有打造一个融合了运营技术(OT)、信息技术(IT)和分析技术(AT)等各领域人才的跨职能敏捷作战团队,才能有效赋力人工智能项目的迭代开发。其中,OT专家是团队中的“工匠”,主要负责描述业务。

他们凭借丰富的生产和运营经验准确判断业务痛点和用户需求,在精益改善和流程优化方面发挥重要作用。IT专家是团队中的“器匠”,主要负责整合数据。他们懂得如何快速采集、清洗并整合数据,包括跨部门、跨地区的系统、设备、人员和第三方数据,为人工智能提供全面、高时效性的数据土壤。AT专家则是团队的“智匠”,主要负责生成洞见。由他们来执行算法策略设计和模型开发,在大数据的海洋中捕获具有业务意义的洞见信息。与此同时,三类人员彼此间的合作和反馈也必不可少。

在工业富联,OT人员的业务需求决定了IT人员的数据清单;IT人员的数据质量将显着影响AT人员的分析效果;而AT人员的模型验证和调校也需要OT人员的经验输入。工业富联的成功经验表明,为了推动工业人工智能成功落地,工匠、器匠、智匠,一个都不能少。

AI+ 文化:讲好故事,自上而下推动全员理念变革

作为领导整个集团向人工智能全面转型的顶层力量,工业富联的管理者深知,只有自上而下讲述坚定不移、振奋人心的转型故事,才能推动全员持续的文化变革,将工业人工智能真正烙刻于企业的血脉之中。具体而言,工业富联从公司愿景、组织架构和文化建设三个方面,讲述了一个精彩的“工业人工智能”故事。

首先是公司愿景。在谈到工业富联未来将走向何方时,其掌舵人不止一次明确表示:“我们要做一家智能制造和大数据公司!”AI、工业智慧和大数据也是他在各种场合频频提到的三个词。从传统的外包电子制造到创新的智能制造,工业富联对工业人工智能的赤诚之心始终未改。

其次是组织架构。工业富联在旗下单独设立了一个工业互联网子公司,专门负责集团的智能制造以及工业物联网技术的研究和业务拓展。该子公司的负责人位列集团董事会,昭示了集团上下对于工业人工智能的重视。

最后是文化建设。在工业富联偌大的工业园内,建于多年前的“IE(工业工程)学院”旧貌换新颜,变成了“工业互联网学院”,这使每一个员工都意识到,集团对数字化转型的决心势不可挡。同时,工业富联还专门成立了一个“灯塔学院”,致力于培养工业大数据和人工智能人才,通过理念宣贯和实践训练,鼓励每一位员工为推动企业向工业人工智能前进而提升自我,携手成为照亮未来制造业的曙光。

AI+ 生态:创造并引领独属于自己的人工智能“朋友圈”

企业的人工智能之路并非闭门造车的孤独之旅,而是结交良朋益友的共创共赢。工业富联的人工智能“朋友圈”兼具深度、广度与灵活度。在深度上,工业富联纵贯工业物联网架构,从工业应用、功能平台、系统整合、智慧产品到关键零部件,在各技术堆栈中储备了丰富的技术伙伴资源,确保逾千应用和数十万台联网设备能够稳定服务各类型用户。在广度上,工业富联积极筹划“政产学研用”的深度融合,一方面协助区域工业智能产业升级,另一方面通过联合国内外高校和研究所进行人工智能的研究和试点,以期在技术供应生态圈之外形成更加广泛的工业人工智能合作环境。在灵活度上,无论行业专家、互联网新贵还是初创先锋,都可以成为工业富联欢迎的“AI之友”,工业富联也在积极运用战略合作、投资和并购等多种方式拓展人工智能“朋友圈”。先做到技术生态纵向整合,继而推进“政产学研用”全盘融合——工业富联打造的极具品牌领导力的人工智能“朋友圈”,成为它持续保持工业人工智能竞争力的重要保障。

纵观全球,涉足工业人工智能领域的企业早已证明了这种技术的独特价值。人工智能技术在改善企业的生产力、效率、质量和成本等方面具备巨大潜力,无疑将成为赋能未来制造业的全新引擎。不过,企业的人工智能转型之旅任重道远。率先觉醒的企业必须坚定信念、勤练内功、即刻出发,在工业人工智能领域开疆拓土,力求将自己变成闪耀未来智能制造之光的灯塔。

THEEND

最新评论(评论仅代表用户观点)

更多
暂无评论