偉創(chuàng)力全球運(yùn)營及供應(yīng)鏈總裁陳光輝，討論了設(shè)備互聯(lián)、人工智能和智能工廠創(chuàng)新。

當(dāng)談到突破性技術(shù)時(shí)，人們經(jīng)常提到像 ChatGPT 這樣的人工智能驅(qū)動(dòng)的大語言模型。從2022年11月ChatGPT首次向公眾推出，到 2023年1月，僅用了不到兩個(gè)月的時(shí)間，它的用戶數(shù)量迅速增長到了1億多，成為歷史上用戶增長速度最快的軟件。

盡管許多人在如何使用這項(xiàng)技術(shù)以及它可能帶來的風(fēng)險(xiǎn)方面存在分歧，但偉創(chuàng)力全球運(yùn)營及供應(yīng)鏈總裁陳光輝相信，我們都能就一點(diǎn)達(dá)成一致——這項(xiàng)技術(shù)將永久性地改變我們的生活和工作方式。

在制造業(yè)領(lǐng)域，我們看到了通過采用先進(jìn)制造技術(shù)實(shí)現(xiàn)的同步轉(zhuǎn)型。世界經(jīng)濟(jì)論壇未來先進(jìn)制造和生產(chǎn)平臺主管 Francisco Betti也表示：“要使現(xiàn)代制造業(yè)真正實(shí)現(xiàn)創(chuàng)新，我們需要促進(jìn)生產(chǎn)率和經(jīng)濟(jì)增長，同時(shí)還要為工人、社會(huì)和環(huán)境創(chuàng)造價(jià)值?！薄霸趥?chuàng)力工作了二十多年后，我親眼見證了正在改變我們行業(yè)的技術(shù)力量。我相信，有三項(xiàng)關(guān)鍵能力將定義制造業(yè)的下一個(gè)時(shí)代：實(shí)時(shí)決策、實(shí)時(shí)修改和智能工廠生產(chǎn)線。”

設(shè)備互聯(lián)如何工作？

設(shè)備互聯(lián)性的前提是確保運(yùn)營穩(wěn)定。這意味著標(biāo)準(zhǔn)制造流程的基本要素已被確認(rèn)，并且可以重復(fù)執(zhí)行。一旦這一點(diǎn)確定，就可以考慮設(shè)備間如何相互連接。

工廠中的設(shè)備，甚至包括不同地點(diǎn)工廠中的設(shè)備，需要能夠從環(huán)境中收集數(shù)據(jù)進(jìn)行分析，并與其他設(shè)備連接共享數(shù)據(jù)，從而將其轉(zhuǎn)化為可操作的信息和見解。許多設(shè)備可以改裝成通過傳感器進(jìn)行數(shù)字化傳導(dǎo)數(shù)據(jù)，從而避免在新機(jī)器上投入大量資金。

除了從設(shè)備中收集數(shù)據(jù)外，還可以收集來自人員和流程的數(shù)據(jù)，包括數(shù)字和視頻數(shù)據(jù)，以及傳感器和生產(chǎn)線操作員的輪班時(shí)間等。許多這樣的數(shù)據(jù)已經(jīng)在收集中，但許多公司需要投資的是建立 AI模型，以便利用他們所擁有的數(shù)據(jù)做出更好的實(shí)時(shí)決策。

將設(shè)備連接想成一個(gè)神經(jīng)系統(tǒng)。神經(jīng)延伸到身體的各個(gè)部位，類似制造業(yè)的不同方面，并傳遞信號。不同的機(jī)器代表著身體的不同部位，比如眼睛、嘴巴、耳朵或手，但如果神經(jīng)停止向大腦（或工廠的數(shù)字骨干網(wǎng)）傳遞數(shù)據(jù)，那么這些數(shù)據(jù)將無法實(shí)時(shí)得到恰當(dāng)分析，從而采取行動(dòng)。

例如，當(dāng)注塑機(jī)需要進(jìn)行停機(jī)維護(hù)時(shí)，通過在機(jī)器上放置振動(dòng)傳感器，AI模型就可以不斷地獲取振動(dòng)數(shù)據(jù)。當(dāng)振動(dòng)發(fā)生變化時(shí)，模型可以推斷出機(jī)器需要維護(hù)或修理，以免影響生產(chǎn)。

實(shí)時(shí)決策如何優(yōu)化運(yùn)營

當(dāng)設(shè)備連接正常運(yùn)行時(shí)，就可以進(jìn)行實(shí)時(shí)決策，而不是承受本可避免的停機(jī)后果。為了正確進(jìn)行設(shè)置，您需要確保清晰明確的最終目標(biāo)。在這個(gè)階段，您應(yīng)該向自己提出以下幾個(gè)問題：

需要做出哪些決策，以及以何種頻率進(jìn)行？

需要考慮的事情：作出決策的頻率可能差別很大，從預(yù)測注塑機(jī)維護(hù)時(shí)的每 15 天一次，到高度自動(dòng)化的醫(yī)療生產(chǎn)線為確保部件正確連接而每秒一次。

我們的關(guān)鍵績效指標(biāo)（KPIs）應(yīng)該是什么？

需要考慮的事情：關(guān)鍵績效指標(biāo)應(yīng)基于您要測量的內(nèi)容。例如，如果要測試芯片組的發(fā)熱性能，可以使用數(shù)字KPI。但如果要測量的是移動(dòng)中的物體，那么測量移動(dòng)或動(dòng)態(tài)可視化的視頻KPI會(huì)更合適。

我們將如何跟蹤它們并進(jìn)行調(diào)整？

需要考慮的事情：有了充足的上游數(shù)據(jù)，人工智能模型可以在事情發(fā)生之前就預(yù)測它們的行為，從而能夠更謹(jǐn)慎地管理結(jié)果并阻止故障的發(fā)生。以每秒都在生產(chǎn)的高度自動(dòng)化醫(yī)療產(chǎn)品為例，連通性必須足夠快，以便在毫秒級時(shí)間內(nèi)采取行動(dòng)，阻止故障產(chǎn)品下線。

考慮采用能夠監(jiān)控機(jī)器性能的技術(shù)，并在機(jī)器出現(xiàn)問題或需要維護(hù)時(shí)發(fā)出警報(bào)，使工廠工人能夠介入并采取相應(yīng)策略，避免停機(jī)或盡量減少停機(jī)時(shí)間。

在這種情況下，能夠?qū)崟r(shí)做出明智的、數(shù)據(jù)驅(qū)動(dòng)的決策可以節(jié)省大量成本。據(jù)德勤公司最近的一份報(bào)告估計(jì)，非計(jì)劃停機(jī)每年給制造商造成了500億美元的損失。在其他情況下，當(dāng)產(chǎn)品出現(xiàn)缺陷或工廠生產(chǎn)線利用率不足時(shí)，機(jī)器可能會(huì)向工人發(fā)出警報(bào)，這意味著工人可以介入并做出決策，從而提高生產(chǎn)質(zhì)量或效率。

在偉創(chuàng)力，我們每天都在體驗(yàn)著設(shè)備之間的互聯(lián)，它由我們遍布30個(gè)國家的170,000名全球員工進(jìn)行管理。雖然現(xiàn)在并非每個(gè)工廠都實(shí)現(xiàn)了百分之百的互聯(lián)，但我們正逐漸在整個(gè)制造生態(tài)系統(tǒng)中建立更多的互聯(lián)，從而增加數(shù)據(jù)流，改善制造和供應(yīng)鏈決策。

如何進(jìn)行實(shí)時(shí)調(diào)整？

除了為工人提供做出明智、及時(shí)決策所需的信息外，制造商投資能夠?qū)崿F(xiàn)實(shí)時(shí)修改的技術(shù)也至關(guān)重要。例如，在偉創(chuàng)力，我們部署了工業(yè)物聯(lián)網(wǎng)和人工智能/機(jī)器學(xué)習(xí)，以消除印刷電路板組件測試流程中的瓶頸。

我們一個(gè)客戶的印刷電路板組件終端功能測試分為四個(gè)部分，其中一部分包括50 多個(gè)步驟，持續(xù)時(shí)間超過兩個(gè)小時(shí)。如果測試失敗，產(chǎn)品必須送回工廠進(jìn)行調(diào)試，然后再進(jìn)行整個(gè)測試過程。在流程的后期出現(xiàn)故障會(huì)增加大量的生產(chǎn)時(shí)間，并造成產(chǎn)量瓶頸。為了提高測試流程的效率和可靠性，我們對每個(gè)測試步驟的歷史數(shù)據(jù)進(jìn)行了解析，并利用人工智能/機(jī)器學(xué)習(xí)分類模型，開發(fā)出一種創(chuàng)新的方法來重新安排測試步驟的順序和優(yōu)先級，以實(shí)現(xiàn)最高效率。我們發(fā)現(xiàn)，測試時(shí)間總體縮短了30%，在出現(xiàn)故障的情況下，測試時(shí)間縮短了50%。

我們還利用人工智能/機(jī)器學(xué)習(xí)技術(shù)改進(jìn)質(zhì)量檢測流程。在一條生產(chǎn)線上，我們在人工智能模型中使用了視覺數(shù)據(jù)，以確保每個(gè)元件都放置正確。在這種情況下，有兩個(gè)幾乎完全相同的電容器，只是數(shù)值不同，因此人眼很容易出錯(cuò)。利用人工智能和視頻，我們能夠看到操作員是否將元件放置在正確的位置，并實(shí)時(shí)提供反饋以解決任何問題。這不僅提高了性能和產(chǎn)量，還使我們能夠在部件被送往生產(chǎn)線的另一工序之前發(fā)現(xiàn)關(guān)鍵問題，從而減少廢品率。

智能工廠生產(chǎn)線的前景

設(shè)備互聯(lián)和人工智能/機(jī)器學(xué)習(xí)以及其他工業(yè) 4.0 技術(shù)為優(yōu)化和建設(shè)智能工廠帶來了機(jī)遇。在工廠生產(chǎn)線上，一臺故障機(jī)器會(huì)導(dǎo)致下線產(chǎn)品出現(xiàn)缺陷，傳感器就可能會(huì)在缺陷出現(xiàn)的第一時(shí)間識別出來，而不是等到檢查過程中才發(fā)現(xiàn)這些缺陷，因?yàn)榈侥菚r(shí)，所有的產(chǎn)品將被進(jìn)行丟棄或返工處理。

此時(shí)，可以實(shí)時(shí)發(fā)送警報(bào)，并通過人工智能/機(jī)器學(xué)習(xí)，停止工廠生產(chǎn)線，重新校準(zhǔn)，并在問題解決后繼續(xù)生產(chǎn)。隨著時(shí)間的推移，這將使制造過程更加智能、高效和可持續(xù)。讓人工智能/機(jī)器學(xué)習(xí)做出較低層次的決策，就能解放員工，從而讓他們利用自己的專業(yè)知識和批判性思維來處理更復(fù)雜或更具挑戰(zhàn)性的情況。

偉創(chuàng)力正在努力建設(shè)更智能的工廠，我們在許多工廠（包括GLN工廠Althofen和Sorocaba）所取得的進(jìn)展令我們倍感振奮。我們的Sorocaba 工廠是拉丁美洲首家獲得 "可持續(xù)發(fā)展燈塔"稱號的工廠，它經(jīng)歷了數(shù)字化轉(zhuǎn)型之旅，獲得了實(shí)時(shí)數(shù)據(jù)和洞察力，為循環(huán)經(jīng)濟(jì)生態(tài)系統(tǒng)和更好的可持續(xù)發(fā)展成果提供了支持，包括材料浪費(fèi)減少94%，范圍1和范圍2的溫室氣體排放減少41%。該基地基于云的逆向物流系統(tǒng)利用自動(dòng)材料分類和物聯(lián)網(wǎng)收集箱來轉(zhuǎn)化電子廢物，并通過修復(fù)、回收和循環(huán)利用零部件和材料，將材料重新引入供應(yīng)鏈。除循環(huán)經(jīng)濟(jì)解決方案外，該基地還利用智能公用事業(yè)管理和數(shù)字化二氧化碳排放儀表板等工業(yè) 4.0 技術(shù)，減少了能源使用、水消耗以及范圍 1、2 和 3 的溫室氣體排放。

如何鋪平前進(jìn)的道路？

為了幫助我們的員工提升取得成功所需的技能，我們與當(dāng)?shù)氐穆殬I(yè)學(xué)院合作，在許多工廠開展了培訓(xùn)活動(dòng)，對我們的人才進(jìn)行再培訓(xùn)和技能提升。我們還實(shí)施了全球能力加速計(jì)劃，對員工進(jìn)行包括AR/VR、人工智能和數(shù)據(jù)分析在內(nèi)的廣泛培訓(xùn)，幫助他們在工業(yè)4.0制造環(huán)境中取得成功。

在發(fā)展的過程中，我們必須從大局出發(fā)，從錯(cuò)誤中吸取教訓(xùn)，并將我們的經(jīng)驗(yàn)教訓(xùn)應(yīng)用到整個(gè)生產(chǎn)運(yùn)營生態(tài)系統(tǒng)中。要想從人工智能等技術(shù)中獲益，企業(yè)必須從整體層面著手，確定哪些業(yè)務(wù)領(lǐng)域可以從人工智能的使用中獲益，對供應(yīng)商和使用方法進(jìn)行標(biāo)準(zhǔn)化，并將利益相關(guān)者（如負(fù)責(zé)數(shù)據(jù)和安全的 IT 部門）納入其中。

像ChatGPT和其他準(zhǔn)備對我們的世界產(chǎn)生巨大變革性影響的人工智能平臺一樣，工業(yè) 4.0 技術(shù)正在通過連接生產(chǎn)運(yùn)營來改變我們的行業(yè)，從而使機(jī)器、流程和人員能夠不斷學(xué)習(xí)，并在時(shí)間推移中做出更快、更明智的決策。"