當(dāng)下，苦于勞動(dòng)力成本上漲、人口老齡化重壓、人工誤差導(dǎo)致的生產(chǎn)效率低下的傳統(tǒng)工業(yè)企都在期望通過智能化變革降本增效。近年來，工業(yè)制造行業(yè)的企業(yè)開始紛紛布局并采用人工智能技術(shù)，包括機(jī)器學(xué)習(xí)、深度學(xué)習(xí)、計(jì)算機(jī)視覺以及在機(jī)器人、物聯(lián)網(wǎng)、云計(jì)算等方面的泛化應(yīng)用，覆蓋排產(chǎn)、質(zhì)檢、維護(hù)、管理等場(chǎng)景。

例如，西門子已經(jīng)能夠?yàn)榭蛻籼峁┎煌愋偷娜斯ぶ悄苡布?，TM NPU是一個(gè)神經(jīng)網(wǎng)絡(luò)計(jì)算單元，能夠直接在西門子S7-1500和ET200MP之外附加的一個(gè)模組，這個(gè)模組能夠與西門子現(xiàn)有的PLC進(jìn)行連接。再比如，施耐德電氣正在采用“AI訓(xùn)練”的方式讓機(jī)器去學(xué)習(xí)這些老專家的經(jīng)驗(yàn)，從而將“人的經(jīng)驗(yàn)”進(jìn)一步轉(zhuǎn)化成“系統(tǒng)的經(jīng)驗(yàn)”。

三大應(yīng)用主戰(zhàn)場(chǎng)

目前來看，人工智能主要可以為制造業(yè)解決三類問題：

幫助企業(yè)提升自動(dòng)化效率和精確度，提高制造業(yè)智能化運(yùn)營水平并降低運(yùn)營成本；

預(yù)測(cè)市場(chǎng)趨勢(shì)并安排生產(chǎn)計(jì)劃，按需生產(chǎn)，并使各個(gè)環(huán)節(jié)在滿足需求；

提升質(zhì)檢水平，提高產(chǎn)品良品率。

其中，結(jié)合了人工智能的機(jī)器視覺技術(shù)在工業(yè)領(lǐng)域中應(yīng)用廣泛，核心功能包括產(chǎn)品識(shí)別、測(cè)量、定位及檢測(cè)，是實(shí)現(xiàn)產(chǎn)品分揀、裝配、搬運(yùn)、質(zhì)檢等多個(gè)生產(chǎn)環(huán)節(jié)智能化轉(zhuǎn)型的核心技術(shù)，相較于人工生產(chǎn)具備降本增效等顯著優(yōu)勢(shì)。

例如，質(zhì)檢分揀作為工業(yè)最關(guān)鍵的環(huán)節(jié)，AI技術(shù)的應(yīng)用被寄予厚望。

一方面，人工質(zhì)檢準(zhǔn)確性低、速度慢，影響生產(chǎn)效率。在傳統(tǒng)工業(yè)流程中，傳統(tǒng)質(zhì)檢主要通過人工進(jìn)行產(chǎn)品質(zhì)量檢查、產(chǎn)品分揀，但人工檢測(cè)有延時(shí)和誤差，一定程度上會(huì)影響質(zhì)檢的準(zhǔn)確性。而且，少量作業(yè)時(shí)人工檢測(cè)的方式可取，但任務(wù)重的時(shí)候，檢查效率低，審核質(zhì)量不穩(wěn)定出現(xiàn)的概率會(huì)增加。

另一方面，質(zhì)量檢測(cè)的人力投入成本高，招聘難且人員離職率高。不可否認(rèn)，隨著國內(nèi)勞動(dòng)力成本不斷提升，成本高、效率低也就成為阻礙工業(yè)企業(yè)快速發(fā)展的“攔路虎”。

趨勢(shì)還是噱頭，爭(zhēng)論不休

談及人工智能，有人認(rèn)為它是數(shù)字化轉(zhuǎn)型的核心，對(duì)數(shù)字化轉(zhuǎn)型將起到推動(dòng)作用，有人則認(rèn)為更傾向于一種噱頭，不適合所有企業(yè)。

這些企業(yè)認(rèn)為實(shí)施AI就必須成為數(shù)據(jù)科學(xué)的專家，顧慮開發(fā)AI系統(tǒng)既費(fèi)時(shí)又費(fèi)錢，工廠內(nèi)缺乏高質(zhì)量的標(biāo)記數(shù)據(jù)，擔(dān)心將AI集成入現(xiàn)有算法和系統(tǒng)之中成本高而且很復(fù)雜。面對(duì)這一系列難點(diǎn)，我們不得不思考，工業(yè)企業(yè)一定要實(shí)施AI技術(shù)嗎？AI能不能為工業(yè)企業(yè)帶來實(shí)際的價(jià)值？AI與工業(yè)的融合會(huì)遇到怎樣的挑戰(zhàn)？

小編看到過這樣一段描述：

某客戶在剛開始接觸AI時(shí)，非常興奮，表示出極大的意愿嘗試，用人工智能解決之前不可解的工業(yè)視覺難題。比如傳統(tǒng)方法的識(shí)別準(zhǔn)確率只有50%，而AI很短時(shí)間內(nèi)就可以做到超過80%。

數(shù)據(jù)上直觀的提升給了該客戶巨大的期望，推動(dòng)投入更多資源?？墒钱?dāng)進(jìn)行大量樣本測(cè)試時(shí)，盡管增加一定的數(shù)據(jù)可以讓模型準(zhǔn)確度進(jìn)一步提升，比如達(dá)到90%，但瓶頸隨之出現(xiàn)。

盲目增加數(shù)據(jù)，帶來效果不一，有的缺陷項(xiàng)檢測(cè)效果可能變好，有的準(zhǔn)確率反而會(huì)下降。

更有人說，這種情況在AI落地工業(yè)檢測(cè)過程中遇到的概率高達(dá)90%以上，幾乎是必遇的坑。

盡管許多行業(yè)都熱衷于部署AI，但大多數(shù)行業(yè)和用戶其實(shí)并不能充分地控制和利用數(shù)據(jù)。現(xiàn)階段，AI發(fā)展的核心就是數(shù)據(jù)。而縱觀國內(nèi)，部分企業(yè)可能遠(yuǎn)沒有足夠的傳感器采集關(guān)鍵變量的數(shù)據(jù)，有的企業(yè)可能耗費(fèi)資源收集了大量數(shù)據(jù)，但收集上來的數(shù)據(jù)卻并非有效數(shù)據(jù)。

工業(yè)人工智能的難點(diǎn)就在于沒有清晰的規(guī)則和邊界，再疊加上數(shù)據(jù)樣本少、準(zhǔn)確性要求高等條件，使得工業(yè)人工智能應(yīng)用的難度較大。

圖片

網(wǎng)絡(luò)上總結(jié)的工業(yè)AI實(shí)施難點(diǎn)案例

同時(shí)，正如我們一直所說的工業(yè)場(chǎng)景非常復(fù)雜，流程工業(yè)與離散工業(yè)更是各不相同，細(xì)分行業(yè)數(shù)量較多，且同行業(yè)內(nèi)工藝、生產(chǎn)線、產(chǎn)品的差異性較高，基于海量樣本實(shí)現(xiàn)的深度學(xué)習(xí)技術(shù)難以在工業(yè)領(lǐng)域?qū)崿F(xiàn)落地。人工智能必須根據(jù)制造業(yè)的具體場(chǎng)景進(jìn)行定制。再者，很多企業(yè)都缺乏人工智能相關(guān)的知識(shí)，缺少專業(yè)技術(shù)人才，也就無法順利開展人工智能技術(shù)的應(yīng)用工作。

因此目前中國工業(yè)領(lǐng)域的整體AI滲透率還較低，AI技術(shù)的應(yīng)用規(guī)模也較小。不同行業(yè)應(yīng)用人工智能的程度更是有所不同，3C電子、汽車等自動(dòng)化程度高的行業(yè)的應(yīng)用程度就會(huì)較高一些。

難點(diǎn)老生常談，穩(wěn)步前行才是關(guān)鍵

上文所說的工業(yè)與AI的融合難點(diǎn)其實(shí)都已經(jīng)屬于老生常談，在小編近日的一個(gè)采訪中，某國內(nèi)企業(yè)負(fù)責(zé)人就表示，推動(dòng)人工智能的應(yīng)用，這些問題大家都知道，也在慢慢解決，畢竟為了企業(yè)能夠更好的發(fā)展，我們?cè)谝欢ǔ潭壬线€是認(rèn)可這個(gè)技術(shù)的，所以當(dāng)前我們更多的關(guān)注點(diǎn)是在成本上。

一番言論下來，小編發(fā)現(xiàn)其實(shí)推動(dòng)AI應(yīng)用早已達(dá)成共識(shí)。那么，自然而然，AI寒冬論也就不攻自破了。根據(jù)德勤的一項(xiàng)調(diào)查顯示，83%的企業(yè)認(rèn)為人工智能已經(jīng)或在將來五年對(duì)企業(yè)產(chǎn)生實(shí)際可見的影響。

雖然近些年，很多人會(huì)覺得AI要么大火，要么就是大涼，小編認(rèn)為熱度雖漸消，但從目前的發(fā)展來看，起碼步履沉穩(wěn)，很多企業(yè)都在低調(diào)的穩(wěn)步推進(jìn)。畢竟，有時(shí)候市場(chǎng)上過熱的討論并不利于技術(shù)的發(fā)展。

最后，小編也想和廣大的中小企業(yè)說，并非技術(shù)“先進(jìn)”就一定都要去做。的確，數(shù)字化轉(zhuǎn)型需要人工智能的參與，但人工智能也是一項(xiàng)工具。對(duì)于是否采用這一工具，重要的還是要看企業(yè)自身的需求、能力。當(dāng)企業(yè)清楚自身想要解決的問題，清楚如何應(yīng)用人工智能解決問題，并把人工智能應(yīng)用在其整個(gè)工作流程中，它才能真正發(fā)揮它的價(jià)值。