傳統(tǒng)制造企業(yè)在全面實(shí)施“人工智能+制造”有困難時(shí)可以優(yōu)先發(fā)展人工智能質(zhì)量檢測(cè)、預(yù)測(cè)性運(yùn)營(yíng)與維護(hù)、供應(yīng)鏈管理等相對(duì)成熟的“人工智能+制造”應(yīng)用。

人工智能技術(shù)可能是繼蒸汽機(jī)、電力、互聯(lián)網(wǎng)科技之后推動(dòng)新一輪產(chǎn)業(yè)革命浪潮的革命性技術(shù)。在大量的數(shù)據(jù)、更好的算法和更強(qiáng)的算力的共同推動(dòng)下，人工智能的應(yīng)用已經(jīng)在很多行業(yè)落地，逐漸滲透并開(kāi)始帶來(lái)實(shí)際的價(jià)值。
根據(jù)壹行研（Innova Reserch）的研究，在全球范圍內(nèi)，人工智能在先進(jìn)制造、自動(dòng)駕駛、醫(yī)療、金融、安防、電網(wǎng)、家居、零售等數(shù)據(jù)基礎(chǔ)較好的行業(yè)的應(yīng)用場(chǎng)景正在不斷建立起來(lái)。相關(guān)案例包括：人工智能在金融行業(yè)的智能風(fēng)險(xiǎn)控制、智能投資顧問(wèn)、市場(chǎng)預(yù)測(cè)、信用評(píng)級(jí)等領(lǐng)域的應(yīng)用；在醫(yī)療領(lǐng)域，人工智能算法被應(yīng)用到新藥研制、輔助診療、癌癥檢測(cè)等方面；谷歌、百度、特斯拉、奧迪等新興科技企業(yè)和傳統(tǒng)汽車(chē)企業(yè)巨頭紛紛進(jìn)入人工智能輔助的自動(dòng)駕駛領(lǐng)域；在制造業(yè)，人工智能可以幫助制造企業(yè)建立產(chǎn)品的設(shè)計(jì)模型、優(yōu)化生產(chǎn)流程和工藝、提升生產(chǎn)效率、降低成本、提升質(zhì)量。

?

“人工智能+制造”，助力中國(guó)制造業(yè)升級(jí)轉(zhuǎn)型

“人工智能+制造”是將人工智能技術(shù)應(yīng)用到制造業(yè)，在自動(dòng)化、數(shù)字化、網(wǎng)絡(luò)化的基礎(chǔ)上，實(shí)現(xiàn)智能化。其核心在于機(jī)器和系統(tǒng)實(shí)現(xiàn)自適應(yīng)、自感知、自決策、自學(xué)習(xí)，以及能夠自動(dòng)反饋與調(diào)整。人工智能、工業(yè)互聯(lián)網(wǎng)等相關(guān)技術(shù)的融合應(yīng)用能逐步實(shí)現(xiàn)對(duì)制造業(yè)各流程環(huán)節(jié)效率優(yōu)化。其主要路徑是由工業(yè)物聯(lián)網(wǎng)采集各種生產(chǎn)、物流等數(shù)據(jù)，放到云計(jì)算資源中，通過(guò)深度學(xué)習(xí)算法處理后提供流程、工藝等方面的優(yōu)化建議，甚至實(shí)現(xiàn)自主優(yōu)化，以及在未來(lái)實(shí)現(xiàn)人類(lèi)工人與智能機(jī)器融合的協(xié)同制造。

中國(guó)是制造大國(guó)，人工智能在制造領(lǐng)域的應(yīng)用備受重視。2017年12月16日，工業(yè)和信息化部發(fā)布《促進(jìn)新一代人工智能產(chǎn)業(yè)發(fā)展三年行動(dòng)計(jì)劃（2018—2020年）》（以下簡(jiǎn)稱《行動(dòng)計(jì)劃》），提出鼓勵(lì)新一代人工智能技術(shù)在工業(yè)領(lǐng)域各環(huán)節(jié)的探索應(yīng)用，提升智能制造關(guān)鍵技術(shù)裝備創(chuàng)新能力，培育推廣智能制造新模式。《行動(dòng)計(jì)劃》還進(jìn)一步提出了加快應(yīng)用人工智能技術(shù)進(jìn)行制造業(yè)改造升級(jí)的具體任務(wù)，為我國(guó)智能制造的深化發(fā)展提供有力的支撐。

目前，中國(guó)的制造業(yè)面臨內(nèi)部和外部多種壓力。來(lái)自內(nèi)部的影響包括勞動(dòng)力成本上升、原材料成本上升、環(huán)境壓力和市場(chǎng)飽和。外部壓力一方面來(lái)自西方發(fā)達(dá)國(guó)家的貿(mào)易摩擦、關(guān)稅壁壘、技術(shù)封鎖、設(shè)備和關(guān)鍵零部件禁運(yùn)等，另一方面來(lái)自印度、東南亞低成本新興國(guó)家的競(jìng)爭(zhēng)。在內(nèi)部、外部壓力越來(lái)越大的情況下，提升效率、保證質(zhì)量、降低成本和節(jié)能環(huán)保等成為中國(guó)制造業(yè)升級(jí)轉(zhuǎn)型的方向，而人工智能技術(shù)在制造業(yè)的應(yīng)用將會(huì)助力中國(guó)制造業(yè)實(shí)現(xiàn)這些升級(jí)轉(zhuǎn)型的目標(biāo)。

“人工智能+制造”的機(jī)遇與挑戰(zhàn)

據(jù)羿戓技術(shù)文件編制所了解，“人工智能+制造”是中國(guó)制造業(yè)升級(jí)轉(zhuǎn)型的一個(gè)重要途徑。將人工智能技術(shù)用于制造業(yè)將有效提高生產(chǎn)效率；實(shí)現(xiàn)柔性化生產(chǎn)；提高產(chǎn)品質(zhì)量，降低人為錯(cuò)誤；持續(xù)工藝改善，提升成品率，并降低生產(chǎn)成本。未來(lái)幾年，中國(guó)制造業(yè)轉(zhuǎn)型升級(jí)的巨大需求可以為“人工智能+制造”市場(chǎng)的拓展提供極好的機(jī)遇。不過(guò)，“人工智能+制造”機(jī)遇與挑戰(zhàn)并存。

一方面，近年來(lái)全球人工智能應(yīng)用不斷拓展，人工智能領(lǐng)域的資金投入迅速增長(zhǎng)，人工智能的數(shù)據(jù)、算力和算法都取得很大的進(jìn)步，技術(shù)可行性越來(lái)越高。大數(shù)據(jù)相關(guān)技術(shù)在數(shù)據(jù)輸入、儲(chǔ)存、清洗、整合等方面作出了貢獻(xiàn)，幫助提升了人工智能深度學(xué)習(xí)等算法的性能。云計(jì)算的大規(guī)模并行和分布式計(jì)算能力帶來(lái)了低成本、高效率的計(jì)算力。

物聯(lián)網(wǎng)和通信技術(shù)的持續(xù)發(fā)展也為“人工智能+制造”的發(fā)展提供了重要的基礎(chǔ)設(shè)施。在未來(lái)5G等無(wú)線互聯(lián)技術(shù)的支持下，數(shù)據(jù)的傳輸與處理速度將進(jìn)一步提升。同時(shí)，傳感器、無(wú)線傳感網(wǎng)絡(luò)等技術(shù)的發(fā)展幫助“人工智能+制造”系統(tǒng)收集大量的制造流程、物流等數(shù)據(jù)，高質(zhì)量的海量數(shù)據(jù)對(duì)人工智能數(shù)據(jù)訓(xùn)練至關(guān)重要?？傮w而言，上述技術(shù)的發(fā)展使得人工智能賴以學(xué)習(xí)的標(biāo)記數(shù)據(jù)獲得的成本在不斷下降。

算力增長(zhǎng)也為“人工智能+制造”的應(yīng)用提供了條件。在過(guò)去10年間，芯片處理能力提升、云服務(wù)普及以及硬件價(jià)格下降使計(jì)算能力大幅提升。成本不斷下降以及算力的提高為“人工智能+制造”的實(shí)施提供了保障。

另一方面，中國(guó)發(fā)展“人工智能+制造”還面臨諸多挑戰(zhàn)。這表現(xiàn)在以下幾點(diǎn)：

首先，關(guān)鍵技術(shù)自主能力弱。在“人工智能+制造”所涉及的關(guān)鍵技術(shù)上，我國(guó)的自主能力還比較弱。相關(guān)技術(shù)包括半導(dǎo)體芯片、核心裝備部件、相關(guān)軟件、算法等。這些關(guān)鍵技術(shù)，尤其是芯片等基礎(chǔ)技術(shù)，需要大量的人力、物力投入以及長(zhǎng)期的技術(shù)積累和經(jīng)驗(yàn)沉淀，短時(shí)間內(nèi)難以突破。

其次，傳統(tǒng)制造業(yè)的管理模式陳舊。傳統(tǒng)制造企業(yè)的根基起源于工業(yè)時(shí)代的大規(guī)模、標(biāo)準(zhǔn)化生產(chǎn)，其管理模式仍然以金字塔、多層次、細(xì)分化為主。這種企業(yè)管理模式靈活性差，較難適應(yīng)快速變動(dòng)的制造任務(wù)和客戶需求。未來(lái)，人工智能的實(shí)施需要人機(jī)協(xié)同、人機(jī)分工，組織管理也需要更靈活、更高效。為了適應(yīng)這種變化，很多傳統(tǒng)制造企業(yè)的管理模式需要改變。

再則，資本投入不足。雖然人工智能行業(yè)吸引很多資本涌入，但在“人工智能+制造”應(yīng)用領(lǐng)域的資本投入比較少。這主要是由于傳統(tǒng)制造業(yè)利潤(rùn)普遍不高，而傳統(tǒng)制造企業(yè)的改造升級(jí)涉及大量的設(shè)備、軟件和硬件更新與改造，需要長(zhǎng)期、大量的資本投入，投資周期長(zhǎng)，短期效益很難顯現(xiàn)。因此，雖然“人工智能+制造”的概念深入人心，但真正拿出真金白銀投入的相對(duì)較少。

最后，制造業(yè)細(xì)分領(lǐng)域眾多，每個(gè)細(xì)分的行業(yè)標(biāo)準(zhǔn)不一。即使在同一制造業(yè)領(lǐng)域，企業(yè)情況也是千差萬(wàn)別的。因此，“人工智能+制造”項(xiàng)目實(shí)施面臨的情況十分復(fù)雜，沒(méi)有什么統(tǒng)一的標(biāo)準(zhǔn)可言。例如，在企業(yè)車(chē)間往往有大量不同廠牌的數(shù)字化機(jī)床和其他工業(yè)自動(dòng)化產(chǎn)品，涉及很多不同的工業(yè)以太網(wǎng)和現(xiàn)場(chǎng)總線標(biāo)準(zhǔn)，廠家軟硬件不兼容的情況非常普遍。由于數(shù)據(jù)格式不兼容，只是進(jìn)行設(shè)備改造，將底層數(shù)據(jù)收集上來(lái)就要花費(fèi)很多時(shí)間和精力，還需要對(duì)這些數(shù)據(jù)進(jìn)行清洗和轉(zhuǎn)化。對(duì)傳統(tǒng)制造企業(yè)來(lái)說(shuō)，相關(guān)標(biāo)準(zhǔn)缺少和復(fù)雜的生產(chǎn)線現(xiàn)狀使得實(shí)施“人工智能+制造”困難重重。

從相對(duì)成熟的“人工智能+制造”場(chǎng)景入手

“人工智能+制造”實(shí)施投入大，傳統(tǒng)制造企業(yè)實(shí)施相關(guān)項(xiàng)目的復(fù)雜程度較高。不過(guò)，壹行研（Innova Research）研究發(fā)現(xiàn)，在眾多的“人工智能+制造”應(yīng)用場(chǎng)景中有一些技術(shù)相對(duì)成熟，并有了相當(dāng)數(shù)量的項(xiàng)目落地。這些相對(duì)成熟的“人工智能+制造”的應(yīng)用主要包括以下幾種。

● 質(zhì)量檢測(cè)

電子制造、汽車(chē)等行業(yè)工序復(fù)雜，在線檢測(cè)的環(huán)節(jié)比較多，需要對(duì)產(chǎn)品進(jìn)行大量的、基于視覺(jué)識(shí)別的質(zhì)量檢測(cè)、缺陷檢查等。傳統(tǒng)的質(zhì)量檢測(cè)以人工為主，人工識(shí)別精度有限，檢測(cè)速度慢、誤差大、成本高，工人長(zhǎng)時(shí)間工作容易疲勞，容易出現(xiàn)次品漏檢現(xiàn)象。另外，工人經(jīng)驗(yàn)很難量化，工人流動(dòng)性高，經(jīng)驗(yàn)難以積累，難以指導(dǎo)生產(chǎn)線優(yōu)化，而培訓(xùn)工人的時(shí)間較長(zhǎng)、花費(fèi)較高。

使用工業(yè)相機(jī)或高清攝像頭捕捉產(chǎn)品組件、電路模塊等在生產(chǎn)和組裝過(guò)程中的圖像和視頻，可以提供給人工智能軟件進(jìn)行分析判斷。在開(kāi)始時(shí)用人工檢查員進(jìn)行二次檢查和確認(rèn)，人工智能技術(shù)可對(duì)當(dāng)前和歷史數(shù)據(jù)進(jìn)行智能分析與處理，而人工的判斷可以反過(guò)來(lái)幫助人工智能完善算法，指導(dǎo)人工智能系統(tǒng)持續(xù)學(xué)習(xí)。該系統(tǒng)的檢測(cè)準(zhǔn)確率能隨著經(jīng)驗(yàn)積累而持續(xù)改善。

例如，騰訊云幫助福耀玻璃工業(yè)集團(tuán)股份有限公司實(shí)現(xiàn)了質(zhì)量檢測(cè)工序替代80%的人力，并且不良品檢出率為90%以上。該系統(tǒng)使用的視覺(jué)洞察（Visual Insights）技術(shù)，前端使用高清攝像頭，后端使用人工智能算法。云端處理器通過(guò)訓(xùn)練不斷識(shí)別合格和異常產(chǎn)品圖像的差異，進(jìn)行快速學(xué)習(xí)、訓(xùn)練，并完成人工智能算法的建模。

又如，日本NEC公司推出的機(jī)器視覺(jué)檢測(cè)系統(tǒng)可以逐一檢測(cè)生產(chǎn)線上的產(chǎn)品，從視覺(jué)上判別金屬、人工樹(shù)脂、塑膠等多種材質(zhì)產(chǎn)品的各類(lèi)缺陷，從而快速檢測(cè)出不合格品并指導(dǎo)生產(chǎn)線進(jìn)行分揀，在降低人工成本的同時(shí)提升出廠產(chǎn)品的合格率。

人工智能視覺(jué)檢測(cè)可以最終實(shí)現(xiàn)無(wú)須人力的機(jī)器自主質(zhì)檢，且全天候無(wú)間斷。目前，人工智能視覺(jué)檢測(cè)過(guò)程用時(shí)已經(jīng)可以做到比人工檢測(cè)時(shí)間縮短80%，有效節(jié)約了檢測(cè)的人工成本。另外，計(jì)算機(jī)視覺(jué)檢測(cè)精準(zhǔn)度高，可以檢測(cè)到肉眼無(wú)法檢測(cè)的微小瑕疵，且判斷標(biāo)準(zhǔn)一致，保持了檢測(cè)過(guò)程的一致性。

人工智能檢測(cè)在電子、汽車(chē)等制造行業(yè)的質(zhì)量控制環(huán)節(jié)應(yīng)用越來(lái)越廣泛。在有些案例中，使用人工智能結(jié)合物聯(lián)網(wǎng)和大數(shù)據(jù)技術(shù)已經(jīng)能夠?qū)崿F(xiàn)把產(chǎn)品質(zhì)量的自動(dòng)監(jiān)控?cái)U(kuò)展到整個(gè)生產(chǎn)流程。這不僅能提高質(zhì)量檢測(cè)效率，還能指導(dǎo)工藝、流程等改善，提高整體良品率。

● 預(yù)測(cè)性運(yùn)營(yíng)與維護(hù)

傳統(tǒng)上，工廠流水線車(chē)間一直采用被動(dòng)式維護(hù)，只是在設(shè)備產(chǎn)生故障之后，才采取一定的措施來(lái)修理，也有采用工人定期巡檢的方式來(lái)發(fā)現(xiàn)問(wèn)題。這些維護(hù)方式過(guò)度依靠人工，且效率低下。

基于人工智能的預(yù)測(cè)性運(yùn)維系統(tǒng)可以利用機(jī)器學(xué)習(xí)、處理設(shè)備的歷史數(shù)據(jù)和實(shí)時(shí)數(shù)據(jù)，搭建預(yù)警模式，提前更換即將損壞的部件，從而有效地避免機(jī)器故障的發(fā)生。企業(yè)可以借助人工智能運(yùn)維系統(tǒng)來(lái)減少設(shè)備故障和由此帶來(lái)的損失，提高設(shè)備利用效率。

例如，美國(guó)初創(chuàng)企業(yè)Uptake公司憑借大數(shù)據(jù)、人工智能等技術(shù)提供端到端服務(wù)，以工業(yè)設(shè)備故障預(yù)測(cè)分析、性能優(yōu)化為主營(yíng)業(yè)務(wù)。國(guó)內(nèi)科技創(chuàng)新型企業(yè)智擎信息技術(shù)（北京）有限公司的故障預(yù)測(cè)解決方案也可以提前2～4天預(yù)判故障，從而降低運(yùn)維成本和備品備件庫(kù)存成本，提升設(shè)備可利用率和整體運(yùn)轉(zhuǎn)性能。此外，還有公司推出基于人工智能的軸承健康狀態(tài)感知系統(tǒng)，利用深度學(xué)習(xí)方法對(duì)軸與軸承部件的狀態(tài)參數(shù)進(jìn)行大量的歷史數(shù)據(jù)分析，判斷軸承的運(yùn)行壽命。這項(xiàng)技術(shù)使設(shè)備年平均大修次數(shù)降低67%，系統(tǒng)診斷及維護(hù)響應(yīng)時(shí)間少于1小時(shí)，從而大大縮短了維護(hù)周期，提高了設(shè)備利用率。

● 供應(yīng)鏈管理

電子等制造行業(yè)的零部件供應(yīng)商來(lái)自全球各地，供應(yīng)鏈比較長(zhǎng)，涉及的元器件種類(lèi)和分銷(xiāo)渠道的流通環(huán)節(jié)非常多，容易受到國(guó)際政治、天災(zāi)人禍等因素的影響。傳統(tǒng)供應(yīng)鏈管理的效率低、流通成本高、需求預(yù)測(cè)不準(zhǔn)、供應(yīng)響應(yīng)不足、應(yīng)對(duì)供應(yīng)鏈波動(dòng)的能力不足、廠商的庫(kù)存管理成本比較高。

供應(yīng)鏈管理落后可能帶來(lái)巨大損失。例如，2018年上半年存儲(chǔ)芯片、硅片、貼片電容（MLCC）全線短缺，價(jià)格瘋漲，很多電子制造業(yè)OEM廠商付出幾倍甚至幾十倍的價(jià)格購(gòu)買(mǎi)芯片，甚至因?yàn)樵骷必浽斐梢恍S商生產(chǎn)線停產(chǎn)。

使用機(jī)器學(xué)習(xí)深入研究供應(yīng)管理環(huán)節(jié)，分析需求、計(jì)劃和庫(kù)存，建立實(shí)時(shí)、精準(zhǔn)匹配的供需關(guān)系，通過(guò)掌握和預(yù)測(cè)需求動(dòng)態(tài)變化能夠有效地促進(jìn)供應(yīng)鏈調(diào)整優(yōu)化。借助人工智能，可以幫助制造業(yè)企業(yè)實(shí)施多級(jí)庫(kù)存、計(jì)劃生產(chǎn)等庫(kù)存動(dòng)態(tài)調(diào)整，最終實(shí)現(xiàn)采購(gòu)和補(bǔ)貨的半自動(dòng)甚至全自動(dòng)化。

人工智能可以基于大數(shù)據(jù)進(jìn)行需求預(yù)測(cè)，這些大數(shù)據(jù)不僅來(lái)自供應(yīng)鏈內(nèi)部的各個(gè)環(huán)節(jié)，還來(lái)自行業(yè)外的數(shù)據(jù)，如貿(mào)易促銷(xiāo)、媒體活動(dòng)、新產(chǎn)品發(fā)布、季節(jié)性變化，甚至氣候數(shù)據(jù)預(yù)測(cè)等。一些公司還利用機(jī)器學(xué)習(xí)算法識(shí)別需求模式，其手段是將倉(cāng)庫(kù)、企業(yè)資源計(jì)劃（ERP）系統(tǒng)與客戶洞察的數(shù)據(jù)合并利用，使用人工智能算法進(jìn)行有效分析和判斷。

在供應(yīng)鏈運(yùn)營(yíng)方面，美國(guó)多式聯(lián)運(yùn)運(yùn)輸公司羅賓遜全球物流（C. H. Robinson）針對(duì)卡車(chē)貨運(yùn)的運(yùn)營(yíng)需求開(kāi)發(fā)了用于預(yù)測(cè)價(jià)格的機(jī)器學(xué)習(xí)模型。模型既整合了不同路線貨運(yùn)定價(jià)的歷史數(shù)據(jù)，又將天氣、交通以及社會(huì)經(jīng)濟(jì)突發(fā)因素等實(shí)時(shí)參數(shù)加入其中，為每一次貨運(yùn)交易估算出公平的交易價(jià)格，在確保運(yùn)輸任務(wù)規(guī)劃合理的前提下實(shí)現(xiàn)企業(yè)利潤(rùn)的最大化。

用人工智能進(jìn)行供應(yīng)鏈管理和預(yù)測(cè)可以有效地減少預(yù)測(cè)誤差、提高庫(kù)存周轉(zhuǎn)率，并能有效地優(yōu)化庫(kù)存分布。人工智能掌握和預(yù)測(cè)需求的動(dòng)態(tài)變化，尤其適合于電子制造、汽車(chē)及相關(guān)零配件、食品飲料等市場(chǎng)需求變動(dòng)較大、供應(yīng)鏈體系復(fù)雜的行業(yè)。

綜上所述，“人工智能+制造”是中國(guó)制造業(yè)轉(zhuǎn)型升級(jí)的重要途徑，其發(fā)展的機(jī)遇與挑戰(zhàn)并存。傳統(tǒng)制造企業(yè)在全面實(shí)施“人工智能+制造”有困難時(shí)可以優(yōu)先發(fā)展人工智能質(zhì)量檢測(cè)、預(yù)測(cè)性運(yùn)營(yíng)與維護(hù)、供應(yīng)鏈管理等相對(duì)成熟的“人工智能+制造”應(yīng)用，實(shí)現(xiàn)“人工智能+制造”的單點(diǎn)突破。這些系統(tǒng)可以獨(dú)立運(yùn)作，帶來(lái)實(shí)實(shí)在在的收益，也可以在未來(lái)并入“人工智能+制造”大系統(tǒng)。