<video id="rlrjr"></video>
<span id="rlrjr"><address id="rlrjr"><i id="rlrjr"></i></address></span>
<thead id="rlrjr"></thead>
<cite id="rlrjr"></cite>
<cite id="rlrjr"><video id="rlrjr"><menuitem id="rlrjr"></menuitem></video></cite>
<var id="rlrjr"><video id="rlrjr"></video></var>
<cite id="rlrjr"><span id="rlrjr"><var id="rlrjr"></var></span></cite>
<cite id="rlrjr"><span id="rlrjr"><menuitem id="rlrjr"></menuitem></span></cite>

人工智能賦能制造 車間場景數據革命全面爆發

AI已至?! 掘金數據紅利

文:林晶

新技術

1995年,國際象棋大神卡斯帕羅夫敗給了體重1.4噸的人工智能電腦“深藍”,這是人工智能(AI)第一次打得人類猝不及防地滿地找牙,2016年世界圍棋冠軍李世石在與Alpha Go的比賽中投子認輸,人們開始驚覺到人工智能的力量已不容忽視。時隔二十余年,浪潮迭起,未來已至,人工智能正在全球引領一場比互聯網影響更為深遠的科技革命,顛覆現有的商業模式,重塑產業的思維方式。

創新工場創始人、人工智能AI科學院院長李開復在9月推出的名為《AI·未來》的新書中將這次的人工智能復興稱之為“第三次AI熱潮”,這一次熱潮最大的不一樣在于,AI真正從學術界走到工業界和人們所處的應用場景中,AI技術革新賦能產業升級正成為現實。

AI賦能制造業 本質是「人機協同」

2017年,“人工智能”第一次出現在兩會政府工作報告上,同年7月,國務院首次印發《新一代人工智能發展規則》即明確指出,2020年,中國要跟上全球領先國家的AI技術與應用,2030年更要成為全球頂級的AI創新中心,有數據預測,到2030年中國GDP中AI將有高達20%的貢獻。

在中國,伴隨著人臉識別、無人零售等新技術帶來的消費升級,人工智能已幫助零售業圍繞消費者,在時間碎片化、信息獲取社交化的大背景下,建立更加靈活便捷的零售場景,提升用戶體驗。

那么,人工智能究竟能為龐大的制造產業群帶來什么?制造業在過去很長的一段時間里,是“勞動密集型”產業的代名詞。當人工智能來臨的時候,許多人不禁擔憂:“是不是制造業中的勞動力要被替代了?”李開復甚至斷言,十年后50%的人類工作將被AI取代。誠然,人工智能經常被通俗的解讀為“與人類一樣聰明的人造機器”,將這個“聰明的機器”放進制造現場,主要的作用就是使機器能夠“達到甚至超過人類技工水平”,以實現企業生產運營效率的提升。而這個AI介入的“智能化”過程,與過往制造業追求“自動化”的過程有本質上的差異。

“自動化”追求的是機器自動生產,本質是「機器換人」,強調在完全不需要人的情況下進行不間斷的大規模機器生產;而“智能化”追求的是機器的柔性生產,本質是「人機協同」,強調機器能夠自主配合要素變化和人的工作。

因此,“人工智能+制造”未來所追求的,不應是簡單粗暴的“機器替人”,而應是將工業革命以來極度細化、甚至異化的工人流水線工作,重新拉回“以人為本”的組織模式,讓機器承擔更多簡單重復甚至危險的工作,而人承擔更多管理和創造工作。

未來已至???還原人工智能+制造應用場景

即便在未來,想以人工智能全面取代制造過程中人類專家的智能,獨立承擔起分析、判斷、決策等任務是不現實的。“人工智能+制造”實現的人機一體化高度協同可以在智能機器的配合下,更好地發揮出人的潛能,使人機之間形成一種平等共事、相互理解、相互協作的關系,讓設備、軟件、數據、人都在擁有智慧的基礎上,把自己在生產制造場景中的價值發揮到極致。

TIM截圖20181210172543.png

由中國社會科學院工業經濟研究所、騰訊研究院共同編制的《“人工智能+制造”產業發展研究報告》中將AI作用于制造業的典型應用場景分為以下三類:

實現從軟件到硬件的智能升級。

人工智能算法將以能力封裝和開放方式嵌入到產品中,從而幫助制造業生產出新一代的智能產品。如谷歌開發出專用于大規模機器學習的智能芯片TPU、騰訊AI開放平臺對外提供計算機視覺等AI能力、亞馬遜推出內嵌人工智能語音助手的智能音箱echo等。

提高營銷和售后的精準水平。

在售前營銷,以人工智能進行用戶側需求數據的多維分析,將能實現更實時、精準的廣告信息傳遞,如谷歌為制造業專門開發了精準廣告平臺;在售后維護,人工智能將有機會和物聯網、大數據一起,實現對制造業產品的實時監測、管理和風險預警。如三一重工把分布全球的30萬臺設備接入平臺,實時采集近1萬個運行參數,利用大數據和智能算法,遠程管理龐大設備群的運行狀況,有效實現故障風險預警,大大提升了排障效率并降低維護成本。

增強機器自主生產能力。

人工智能技術可以使得機器在更多復雜情況下實現自主生產,從而全面提升生產效率。應用場景包含:工藝優化,即通過機器學習建立產品的健康模型,識別各制造環節參數對最終產品質量的影響,最終找到最佳生產工藝參數;智能質檢,即借助機器視覺識別,快速掃描產品質量,提高質檢效率。

而其中,視覺缺陷檢測、機器人視覺定位分揀和設備故障預測報警等應用場景得益于深度學習和人工智能的加速成熟,已在制造現場實現落地。例如通過集成3D掃描儀和協作機器人、視覺系統、吸盤/智能夾爪,實現對目標物品的視覺定位、抓取、搬運、旋轉、擺放等操作,并對自動化流水生產線中無序或任意擺放的物品進行抓取和分揀。這既可應用于機床無序上下料、激光標刻無序上下料,也可用于物品檢測、物品分揀和產品分揀包裝等。目前在應用場景案例中已能實現規則條形工件100%的拾取成功率。

在設備故障語境應用場景中,基于人工智能和IOT技術,通過在工廠各個設備加裝傳感器,對設備運行狀態進行監測,并利用神經網絡建立設備故障的模型,從而在故障發生前提前預測故障,并將可能發生故障的工件替換,從而保障設備的持續無故障運行。這樣的應用可以將產線停工時間從幾十分鐘壓縮至幾分鐘。

總之,消費互聯網的蓬勃興起讓軟件成功定義了我們的生活,而且這種發展趨勢必然會蔓延到制造業來。工業4.0理念下的制造,是將一切的人、事、物都連接起來,形成萬物互聯,形成與整合為由智能機器與人類專家共同組成的人機一體化智能系統,在制造過程能進行智能活動,注入分析、推理、判斷、構思和決策等融合成為一套智能制造系統。

2.png

工業互聯網支撐 深挖大數據「AI+制造」場景價值

隨著物聯網向制造領域的加速滲透,工業OT層數據采集范圍不斷擴大,在制造數據的規模、類型和速度正在呈指數級增長的同時,企業對于信息化軟件的依賴程度也越來越高,PLM/PDM、ERP、MES、APS、CRM、SCM、SPC等各式軟件不僅需要協調管理好企業內部資源,還需要良好支撐不同企業間資源與業務的交互,并實現不同主體、不同系統間的高效集成。

為解決由多個功能模塊聚合而成的應用軟件復雜度高,且難以拓展等問題,越來越多的工業軟件將在新的工業互聯網平臺上,以微服務的方式實現小而精、易于敏捷開發和獨立更新和與管理。在制造業這個龐大的產業,數據的連通與交互更為復雜,要讓「人工智能+制造」的夢幻般應用場景盡快成為現實,工業互聯網成為關鍵的基礎平臺,借助工業互聯網,打破傳統企業架構,實現工業4.0所強調的橫向集成、縱向集成和端到端集成,進入「人工智能+制造」關鍵應用場景。

面對越來越龐大的生產數據,以及日益復雜的數據分析任務,在工業互聯網平臺上,通過全產業的數字化互聯與資產的實時監控,綜合利用分析數據與預見分析,以此來建立智能的工業化運營模式是必然趨勢。因此,要加快實現「人工智能+制造」應用場景,制造業需要有能力借助先進的工業大數據分析和預測工具,高效實現監控、報警、預測及優化等生產過程的全面數字化,而這些,都依托于匯集所有工業數據,構成端到端的數字化、網絡化、智能化整體解決方案的工業互聯網平臺的支撐。

「沒有數據便無法學習」?企業需要AI Thinking 思維

“人工智能發展一定是從數據最大、最快能產生價值的領域開始,決定AI商業化的關鍵在于應用行業本身收集數據的情況。”被稱為國內人工智能之父的李開復曾不止一次在公開場合這樣喊話。誠然,沒有大數據就無法深度學習,因為在單一領域,經過大量的數據,能夠達到比人遠更精確的判斷。可以說,有了大數據就有了人工智能的機會。

人工智能時代,深度學習與大數據密不可分。深度學習可以從大數據中挖掘出以往難以想象的有價值的數據、知識或規律,然后再將這些概念或知識應用到之前從來沒有看見過的新數據上。任何擁有大數據的領域,都可以找到深度學習一展身手的空間,從而尋找人工智能應用場景實現的可能性。但是,在導入人工智能技術前,我們必須清楚:人工智能要靠數據才能發揮作用,唯有透過海量數據的學習后,才能讓人工智能達到自行調適與優化的效果,因此數據可以說是人工智能的必要前提。

于此,AI企業級應用遇到顯著的難點,就是企業常常面臨數據不足的情況,因為對很多企業來說實際的情況可能是連結構化的數據收集都沒做到,或者有儲存了數據但是散落在各系統上仍然無法整合利用起來。對此,很多專家都建議應該回頭來先做好基礎的軟件系統導入和先做好數據的積累。因為人工智能的實現需要過程,缺乏對數據的重視,AI離企業還很遠。

臺灣東海大學軟件工程與技術中心主任周忠信教授強調數據搜集的重要性,他表示目前市面上的AI訓練,大多數是由下往上學習AI技術,例如深度學習等開發,但對于企業管理階層而言,鉆入AI技術小宇宙不僅在時間、成本上不符效益,更可能偏離企業運用AI的初衷。因此,周忠信教授提出「AI Thinking 人工智能思維」認為,技術和數據都很重要,但是企業也決不可能等到萬事具備才能使用AI,關鍵要從Model based轉換到Learning based上,盡早讓既有數據展開學習,才能讓數據轉變成決策訊息。

4.png

▲臺灣東海大學軟件工程與技術中心主任 周忠信

所謂AI思維不是強調人工智能技術,而是強調具備對人工智能抽象概念的理解。人工智能技術的范圍頗廣,從計算機視覺、自然語言理解、機器學習、深度學習到強化學習等,若要先懂得這些技術才能將之運用在企業上,那么企業將很難順利轉型成功。如何跨越AI技術議題,仍能具備人工智能的運用能力,對于企業而言才最為關鍵。

周教授定義AI思維的四個「自」構面,分別為自動、自學、自主與自覺。對于企業運用AI思維而言,便是自動掌握變化例如運用人工智能的視覺辨識,自動檢視產品掌握產品的瑕疵變化;自學擬預測,深入企業數據中,擬定預測模型,協助企業預見趨勢;自主佐決策,運用人工智能擷取職能的關鍵知識與經驗,主動輔佐管理者做好決策;自覺重體驗,人工智能不是取代人,而是以人為中心,來滿足使用者的應用與互動體驗。

AI+ERP 深度學習融合大數據的應用典范

人工智能時代,深度學習與大數據密不可分。深度學習可以從大數據中挖掘出以往難以想象的有價值的數據、知識或規律,然后再將這些概念或知識應用到之前從來沒有看見過的新數據上。任何擁有大數據的領域,都可以找到深度學習一展身手的空間,從而尋找人工智能應用場景實現的可能性。

除AI于制造業的應用外,AI的觸手也伸入軟件開發中。ERP智能化便是人工智能領域深度學習與大數據結合的典型應用方向。作為制造業最為核心的智能運營平臺,如何實現人機交互的企業級ERP智能化用戶體驗成為被熱烈討論的議題。以鼎捷軟件所推出的智能語音助理-小慧為例,可以聽懂用戶講的話,進而在龐大的企業數據庫中,快速獲取用戶所需的信息。從此讓ERP系統可以通過自然對話與系統溝通,使用戶得以擺脫面對各種不同系統的復雜和困擾,讓工作變得簡單、高效。

在AI技術助力下,未來鼎捷的ERP軟件應用不僅加速邁入智能化階段,更能在大數據分析的支持下,通過學習用戶行為習慣,實現整個制造業基礎改造及應用職能智能化,從基礎數據取得的智能化、流程執行的智能化、數據監控的智能化到后期數據分析的智能化、日常實施維護的智能化…可以說智能化的ERP將充分發揮出職能助理的作用,在銷售、采購、生產、財務等多方面幫助制造企業智能化運轉,借助ERP延展到企業的人、事、物,通過AI+ERP加速企業智能運營效能提升。

結合大數據、移動互聯網,圍繞“自我學習”這一AI重要特性,智能的ERP將能以語音對話的形式與用戶隨時隨地快捷交互,完成自我需求、自我分析、自我決策、自我執行循環,既可簡單高效完成日常工作任務和精準數據查詢,更能提供智能化的決策建議與異常警示,給出更合理的行動建議。這也能將用戶從日常操作的重復性工作中徹底解放出來,投入到更具價值的業務和決策層面。

5.png

掘金數據紅利 逐夢人工智能

如果說,農耕社會和工業社會,人類基于物質和能量的動力工具得到極大的發展;今天,勞動工具則轉向了基于數據、信息、知識、價值和智能的智力工具。當人口紅利、勞動力紅利消失,數據紅利也就來了。

已走過60年的人工智能,如今正奔跑在快車道上。在大數據、深度學習的“喂養”下,人工智能已展現出前所未有的數據紅利,這些如金礦般的數據紅利也正在為各產業帶來不可預測的爆發點。讓我們一起站在數據巨人的肩膀上,掘金數據紅利,逐夢人工智能。「人工智能掌握著通往更美好的未來的鑰匙,愿你我都能拿到這把鑰匙。」

更多文章

同乐彩娱乐
<video id="rlrjr"></video>
<span id="rlrjr"><address id="rlrjr"><i id="rlrjr"></i></address></span>
<thead id="rlrjr"></thead>
<cite id="rlrjr"></cite>
<cite id="rlrjr"><video id="rlrjr"><menuitem id="rlrjr"></menuitem></video></cite>
<var id="rlrjr"><video id="rlrjr"></video></var>
<cite id="rlrjr"><span id="rlrjr"><var id="rlrjr"></var></span></cite>
<cite id="rlrjr"><span id="rlrjr"><menuitem id="rlrjr"></menuitem></span></cite>
<video id="rlrjr"></video>
<span id="rlrjr"><address id="rlrjr"><i id="rlrjr"></i></address></span>
<thead id="rlrjr"></thead>
<cite id="rlrjr"></cite>
<cite id="rlrjr"><video id="rlrjr"><menuitem id="rlrjr"></menuitem></video></cite>
<var id="rlrjr"><video id="rlrjr"></video></var>
<cite id="rlrjr"><span id="rlrjr"><var id="rlrjr"></var></span></cite>
<cite id="rlrjr"><span id="rlrjr"><menuitem id="rlrjr"></menuitem></span></cite>