工業(yè)4.0概述

以前的人們在設想2020年的時候，總會加入很多帶有科幻色彩的智能設備，比如家中有機器人做好服務，道路上乃至天上都是自動駕駛的汽車和飛機，視聽娛樂的虛擬現(xiàn)實可以讓人沉浸其中等等。雖然在COVID-19疫情的沖擊下，這樣的生活在2020年不會到來，但以此為愿景的工業(yè)4.0卻并未停下腳步。

早在2013年，隨著互聯(lián)網(wǎng)和計算機技術的成熟與相關基礎設施的逐步完善，德國率先提出了工業(yè)4.0的概念，即利用信息物理融合系統(tǒng)（Cyber-Physical Systems）全方位改進人們生活的新一代革命。這一概念隨即被寫入多個國家的發(fā)展規(guī)劃，旨在用工業(yè)化與信息化結合的方法，在傳統(tǒng)工業(yè)技術和服務業(yè)的基礎上創(chuàng)造新的增長點。

工業(yè)4.0相關技術的發(fā)展和普及也如火如荼。軟件方面，增強現(xiàn)實技術可以帶來全新的視聽體驗，并且已經(jīng)應用到了特殊職業(yè)（如警察、醫(yī)生）的培訓中；物聯(lián)網(wǎng)技術調(diào)用傳感器集群，實現(xiàn)對電器全方位的監(jiān)控；工業(yè)網(wǎng)絡安全技術的進展，可以及時監(jiān)控進而避免黑客對企業(yè)網(wǎng)絡的攻擊。硬件方面，3D打印技術讓普通人也能快速制造任何設計；工業(yè)機器人的普及，會讓產(chǎn)品的制造更加標準和高效。

工業(yè)4.0的典型場景

數(shù)據(jù)以及與數(shù)據(jù)緊密結合的機器學習技術是工業(yè)4.0的核心。數(shù)據(jù)從傳感器中獲得，經(jīng)過互聯(lián)網(wǎng)傳遞到云計算服務器，再用機器學習和人工智能算法進行分析，結果返回給服務終端或是工業(yè)機器人，完成整個工作流程。工業(yè)4.0的典型場景包括對用戶的了解、產(chǎn)品的制造、產(chǎn)品質量的監(jiān)控、產(chǎn)品的分發(fā)物流以及用戶反饋，每一部分都有數(shù)據(jù)和機器學習的廣泛參與。

用戶畫像

現(xiàn)在很多手機和電腦的軟件已經(jīng)在儲存并分析用戶數(shù)據(jù)，一些實體商店也會用射頻識別芯片（RFID）記錄用戶的喜好，并用推薦算法等方式來分析用戶數(shù)據(jù)，實現(xiàn)產(chǎn)品和內(nèi)容的推薦和更新。而在工業(yè)4.0中，用戶數(shù)據(jù)會被全方位地記錄，比如用戶的使用頻率、偏好、方式、時段，記錄媒介從手機App到家用電器，從辦公用具到醫(yī)療器械。這些數(shù)據(jù)經(jīng)過機器學習算法的分析，可以預測出多維度的分類標簽，每個用戶都會被多種標簽描述，進而實現(xiàn)越來越準確的用戶畫像。

制造過程

用戶畫像帶來非常直接的好處，即生產(chǎn)個性化的提升。類似當今用戶在互聯(lián)網(wǎng)上的瀏覽內(nèi)容的個性化，在工業(yè)4.0時代，這些細化的用戶畫像會直接應用于產(chǎn)品制造過程，商家也會更容易地生產(chǎn)出符合用戶需求的個性化產(chǎn)品。一些個性化的產(chǎn)品可以根據(jù)用戶的數(shù)據(jù)預測而來，在無形中提供給用戶更多可能。

不只是對生產(chǎn)決策的影響，制造流程中不同步驟的控制也會在工業(yè)4.0的萬物互聯(lián)和工業(yè)機器人的幫助下實現(xiàn)全自動化。生產(chǎn)流程中的每個步驟都會綜合分析前面步驟的狀態(tài)和產(chǎn)品需求，及時做出微調(diào)。在這樣的智能工廠中，生產(chǎn)線的可控性和魯棒性得以提高，工人的參與也從重復勞動變成對機器人的監(jiān)管。電動汽車公司特斯拉（Tesla）從公司成立之初就致力于建設智能工廠，不僅生產(chǎn)線的裝配由工業(yè)機器人完成，而且倉儲、物資管理、訂單與銷售環(huán)節(jié)都高度智能化，這讓這家汽車公司在全行業(yè)內(nèi)科技含量和銷售額都一枝獨秀。

質量監(jiān)控

除了對流程數(shù)據(jù)的分析和管控，機器學習與機器視覺技術的結合，可以自動完成大規(guī)模、高精確度的產(chǎn)品檢測，對于人眼難以分辨的復雜缺陷尤其有效。由著名人工智能科學家吳恩達（Andrew Ng）教授領銜的人工智能算法公司Landing.AI近期推出了基于人工智能和機器視覺的氣泡檢測裝置，用于檢測設備中的氣體泄漏。通過機器視覺系統(tǒng)，計算機可以十分精確地捕捉細小的氣泡，進而判斷氣體泄漏的位置。其識別的錯誤率遠低于工人肉眼識別的30%平均錯誤率。再結合整個生產(chǎn)流程的數(shù)據(jù)，不僅可以快速定位到出問題的位置和生產(chǎn)線，而且大大降低了人工成本和識別錯誤率。

快速物流

生產(chǎn)過程的最后，還會為物流做出準備。工業(yè)機器人可以對產(chǎn)品進行自動打包，并在包裝上打印包括產(chǎn)品信息、郵寄地址等二維碼特異性的標識，為產(chǎn)品分發(fā)做準備。分發(fā)過程中，自動駕駛系統(tǒng)會發(fā)揮很大作用。預計在未來十至十五年內(nèi)，以計算機視覺、機器學習、控制技術等為基礎的自動駕駛技術可以實現(xiàn)全面商用，這樣會使物流的傳遞更加簡單高效，而且可以顯著降低人力成本。電商巨頭阿里巴巴的首批智慧機器人倉庫已于2017年投入使用，其旗下的菜鳥物流已逐步實現(xiàn)刷臉取件、無人機派件等技術。2019年末，菜鳥物流估值已達2000億人民幣，在未來物聯(lián)網(wǎng)和自動駕駛技術的加持下，未來的“包裹找人”替代“人找包裹”指日可待。

服務與反饋

在用戶端，產(chǎn)品的傳感系統(tǒng)上傳的數(shù)據(jù)可以被云端的機器學習算法分析，可以判斷使用數(shù)據(jù)是否存在異常，從而實現(xiàn)對產(chǎn)品工作性能的實時監(jiān)管。而當用戶遇到使用問題時，訓練好的人工智能系統(tǒng)可以高效地處理文字聊天、接聽電話、視頻連線等任務，使問題得以迅速反饋并及時解決。2018年發(fā)表的BERT模型已經(jīng)在聊天機器人領域超越人類，相關的應用已經(jīng)在互聯(lián)網(wǎng)巨頭（如微軟小冰、阿里小蜜、IBM Watson等）以及新興AI公司的產(chǎn)品中（如第四范式、科大訊飛等）占有一席之地。

工業(yè)4.0的特點

從上述幾個應用中，工業(yè)4.0的特點得以展現(xiàn)，總結起來包含如下幾點：

集成與互聯(lián)

工業(yè)3.0下，通過互聯(lián)網(wǎng)這一媒介，世界范圍內(nèi)的人與人之間得以快速連接。而在工業(yè)4.0中，各個硬件上都集成了傳感設備，使機器與機器間可以通訊。比如在印染行業(yè)中，由管理系統(tǒng)作為生產(chǎn)系統(tǒng)的中心，協(xié)調(diào)整個流水線上的母液配置、染料定位、自動滴液、水自動供給、打樣系統(tǒng)等，實現(xiàn)智能染色，極大地提高生產(chǎn)效率和產(chǎn)品的穩(wěn)定性。再加上信息物理系統(tǒng)和云計算提供的機器學習引擎，可以真正實現(xiàn)萬物互聯(lián)，即人與人、人與機器、機器與機器、服務與服務的無縫連接。當“互聯(lián)”成為常態(tài)時，從生產(chǎn)到服務的各個步驟，即設備、生產(chǎn)線、工廠、服務等可以緊密聯(lián)系起來。

數(shù)據(jù)與數(shù)字化

在工業(yè)4.0中，信息化技術的引入使數(shù)據(jù)成為了工業(yè)生產(chǎn)的血液。這些數(shù)據(jù)包括生產(chǎn)和服務的方方面面，包括產(chǎn)品數(shù)據(jù)、設備數(shù)據(jù)、研發(fā)數(shù)據(jù)、供應鏈數(shù)據(jù)、運營數(shù)據(jù)、用戶數(shù)據(jù)等等。一方面，數(shù)據(jù)對于訓練和優(yōu)化機器學習算法具有決定性的意義，另一方面在機器學習算法部署之后，算法也需要通過處理新產(chǎn)生的數(shù)據(jù)來控制生產(chǎn)流程。這意味著，生活和生產(chǎn)過程的各個方面要盡可能地實現(xiàn)數(shù)字化，即一切可以用合理的指標量化，否則就無法嵌入自動化系統(tǒng)。這要求數(shù)據(jù)科學家在設計流程的時候，充分考慮到現(xiàn)有的數(shù)據(jù)狀態(tài)，有意識地引導系統(tǒng)收集合適的數(shù)據(jù)，同時設計出合理的指標。

精細化與個性化

工業(yè)4.0中，由于數(shù)據(jù)流的要求會相對細致，因此生產(chǎn)中的各個模塊也會相應地越來越精細化。生產(chǎn)線上各個部分越來越模塊化和細節(jié)化，也就讓個性化的生產(chǎn)成為可能，能夠更好地反映和預測用戶的需求，使產(chǎn)品的“生產(chǎn)-銷售-反饋”循環(huán)進入良性發(fā)展。

工業(yè)4.0的機遇與挑戰(zhàn)

工業(yè)4.0帶來了很多新的機會。雖然整個生產(chǎn)過程可以集成為一體，但是數(shù)據(jù)流程中的工作量可能分攤給多個部門甚至多家公司。因此，小公司在整個流程上的單點突破也會越來越有價值。同樣一個智能設備，可以拆分出多種分類、分割、趨勢預測等模型，以及數(shù)據(jù)傳輸系統(tǒng)、數(shù)據(jù)采集設備、數(shù)據(jù)反饋系統(tǒng)等等多個模塊，每個模塊又可以嵌入其他生產(chǎn)流程，比如數(shù)據(jù)采集設備可以與其他精密儀器生產(chǎn)過程共享生產(chǎn)線。由此，不同的小公司可以依托于工業(yè)4.0，用自己的強項嵌入市場的不同維度。

根據(jù)現(xiàn)狀預測，基礎設施的建設在未來幾年中將會是熱門產(chǎn)業(yè)。無論是從去年到今年中美兩國圍繞5G技術的摩擦，還是各個互聯(lián)網(wǎng)公司在近年來陸續(xù)建立的屬于自己的云計算平臺，都表明工業(yè)4.0中基礎設施對保障企業(yè)利潤和國家安全的重要意義。另外，數(shù)據(jù)也是另一種形式的基礎設施，擁有大量數(shù)據(jù)的互聯(lián)網(wǎng)巨頭將會占據(jù)更多的機會，但小公司也可以投身于尋找生產(chǎn)線中和生活中尚未被數(shù)據(jù)化的部分，這樣的機會在數(shù)據(jù)化不到位的行業(yè)（如傳統(tǒng)重工業(yè)）和數(shù)據(jù)尚未得到良好運用的行業(yè)（如醫(yī)療）尤為突出。

工業(yè)4.0對數(shù)據(jù)化和機器學習技術的需求，也是傳統(tǒng)大公司正在面臨的挑戰(zhàn)?，F(xiàn)階段的大公司依賴的主要是大規(guī)模工業(yè)生產(chǎn)，那么把傳感系統(tǒng)、物聯(lián)網(wǎng)系統(tǒng)加入生產(chǎn)線需要投入相對多的成本。大公司還需要把機器學習技術引入到生產(chǎn)線和產(chǎn)品設計中，這需要人才的輸入和管理方式的革新。機器學習技術近年來熱門的現(xiàn)狀，使公司在決策時會陷入對“智能”的癡迷，這對決策者的辨析能力也提出了新的挑戰(zhàn)。

當工業(yè)4.0漸漸走入人們生活，很多現(xiàn)在還未知的新應用將逐漸成長起來。當物聯(lián)網(wǎng)真的可以進入千家萬戶時，當自動駕駛實現(xiàn)大規(guī)模部署時，人類將會從現(xiàn)在的大量重復勞動中解脫出來。那么在工業(yè)4.0的影響下，未來的職業(yè)是否會集中在計算機行業(yè)或者數(shù)據(jù)分析行業(yè)？人們是否有更多空余時間等待填補？人和人、人和機器的關系又會怎樣發(fā)展？我們即將進入21世紀的第三個十年，雖然這些問題人類還難以回答，但確定的是，工業(yè)4.0會是未來發(fā)展的一大主題。

審核編輯：郭婷