人工智能（AI）× 智能制造
积极探索融合方式
推进更深层次迈进
人工智能从诞生以来，理论和技术日趋成熟，应用场景不断扩大，各种AI产品开始丰富我们的生活，被称为推动人类进入智能时代的决定性力量。在制造业上，人工智能也正在加速企业的数字化转型，帮助企业提高在生产线各个环节的全面监管能力，让制造业全场景变得更加稳定。
本期作为智能制造新科技系列的第二篇，ABeam将着眼于人工智能 (AI)×智能制造，结合德硕管理咨询（深圳）（以下简称“ABeam-SZ"）专家采访以及实际项目经验，对人工智能的概况及人工智能和智能制造的应用场景进行简单剖析。
01
人工智能概要
基本概念
根据Oracle对人工智能的定义➀，人工智能简单来说就是指可模仿人类智能来执行任务，并基于收集的信息对自身进行迭代式改进的系统和机器。人工智能更多的是一种为超级思考和数据分析而服务的过程和能力。
人工智能领域研究内容非常广泛，如自然语言处理、机器学习、传统统计学（数据挖掘）、深度学习等。• 自然语言处理②：一种基于自然语言理解和自然语言生成的信息处理技术。常见的应用有智能客服等，如电商客服的文字问答与服务行业电话客服的电信机器人客服。
• 机器学习③：通过训练，让计算机自我学习执行特定任务的方法，让计算机通过观察数据自动学会数据处理规则。机器学习作为人工智能的核心研究领域之一，其最初的研究动机是为了让计算机系统具有人的学习能力以便实现人工智能。比如机器学习在与IoT的结合下，可以利用SCADA收集生产线的实时设备数据和质量数据，利用决策树模型速度预测产品质量，并指导调整设备工艺参数。
• 深度学习③④：深度学习始于研究人脑神经元，目的是使机器有能力自主“学习”，辅助人们检测、决策，便利人们的生活。随着深度学习的不断发展，也在不断拓展整个人工智能的应用，是人工智能技术发展的主导路线。深度学习是机器学习的一个分支领域，强调从连续的“层”中进行学习，这些“层”对应于越来越有意义的表示。数据模型中包含多少层，这被称为模型的深度。在深度学习中 ，这些“层”几乎总是通过叫做神经网络的模型来学习得到的。• 数据挖掘⑤：广义的数据挖掘是指针对收集的大规模数据，应用整套科学工具和挖掘技术，从数据之中发现隐含的、对决策有参考意义的信息、价值和趋势。
行业概要
人工智能行业产业链可以分为基础支持层、通用技术层和应用层。基础支持层主要涉及软硬件与服务平台，为人工智能提供基础设施、软件算力平台和数据资源；通用技术层涉及机器学习、计算机视觉、语音识别等不同方向的应用技术研究领域；应用层是指人工智能的集成应用形成的硬件产品或解决方案，在金融、零售、电力、医疗、制造等行业均有渗透且成熟度正在不断提升。
人丨工丨智丨能丨（AI） X 智丨能丨制丨造
02
智能制造中人工智能的应用
常用应用场景
人工智能和制造业结合，常见的应用场景包含：
1、制定机器等的维护计划，实现预测性和预防性维护，优化成本；
2、应用于处理质量数据，进行质量管理，实现废品的减少；
3、预测发货交货期，优化生产链，增加产量；
4、进行需求和库存的预测；
5、利用机器学习等技术提高机器人的性能等。
人工智能能够为制造业打开降本增效的新局面，许多制造业企业已经有人工智能结合的实际成功案例。据报道，2021年富士康与谷歌云端团队展开合作，了解目视检测（Visual Inspection）技术和自动化机器学习工具（Cloud Auto ML）以提升其生产流程中的产品品质。
对话ABeam-SZ 智能制造专家
Q
在您看来人工智能给制造业带来了哪些颠覆性的价值？
A
传统制造非常依赖老师傅的经验，老师傅的经验一般不轻易传授给他人（怕丢饭碗），另外这些经验难以量化和知识化，往往只能意会，客观上也难以传播。
利用IoT+AI相结合，把环境因素、工艺参数、设备状态参数、产品质量的数据进行结合，分析要因（关键特征），建立验证模型，明确特征之间、特征与结果的关联关系，系统可以实时对设备参数、生产参数的调整作出判断。所以我认为，比较典型的颠覆价值是人工智能可以在制造业中减少对人的依赖。
Q
您合作过的制造业客户中，进行了人工智能部署和升级的企业比例高吗？此外，请为我们具体介绍一个人工智能项目。
A
由于我国的智能制造还处于导入期，部分企业对智能制造的理解比较有限，会陷入人工智能很高大上、很贵，但是不知道它能带来什么价值的理解误区中。目前我接触到的项目中导入人工智能的制造业客户比例并没有非常高，但是各个行业都有。举一个有意思的案例，关于方便面制造厂家产线的人工智能升级之路。
方便面生产是一个典型的流程型生产，其中生产质量问题中占比相对较大的是面饼的重量问题，一条产线上有几十台设备。如何调整设备的参数保证产出的面饼重量在公差范围之内是一件非常困难的课题。客户为每条产线配备5~6个10~20年以上的经验者来调整设备参数，但是质量问题还是比较突出。我们对客户现有的产线进行升级改造，追加了大量的传感来收集环境信息（温度、湿度）、设备实时信息（压力、转速、加工时间等）、产品测量数据（重量、含水量等）。通过特征工程，找出影响质量的关键特征，给合生产工艺特征，基于海量的历史数据，做了大量的模型选择和准确度验证，最终选择了机器学习中的决策树作为模型。在生产环境与产线的技术员共同验证模型的时候，我们说：“在XX情况下，要调整X号滚轮的压力值到XPa“。技术员一脸惊讶地问：“对的，你们是怎么知道的”。
人丨工丨智丨能丨（AI） X 智丨能丨制丨造
03
人工智能 X 制造业的现在与未来
2020年末，在中国5G+工业互联网大会上，国家工业信息安全发展研究中心发布了《2020人工智能与制造业融合发展白皮书》（以下简称《白皮书》）⑦。
《白皮书》表示，人工智能在制造业已有一定基础，制造业企业与人工智能企业纷纷布局“人工智能+制造”，积极探索融合方式，共同推进融合发展向更深层次迈进。从融合路径来看，“人工智能+制造业”主要包括研发设计、生产制造、管理活动三大方向，涵盖研发设计、计划排程、生产过程、质量检测、园区物流、设备健康管理、营销服务、供应链管理八大领域。《白皮书》还预测，人工智能与制造业融合发展将向更深层次迈进，制造业智能化升级将呈现多技术融合的态势，提升安全保障能力将成为人工智能与制造业融合的重要基础。
对话ABeam-SZ 智能制造专家
Q
在您看来，现在还未进行人工智能部署的行业未来会积极进行部署吗？
A
在全球人工智能技术发展的热潮下，中国也涌现了一大批优秀的人工智能高科技企业，比如”AI四小龙”，但是由于人工智能企业在前期算法等成本投入大，工业深水区的需求难以被满足，人工智能价值难以被衡量等问题，目前部分企业也遇到了盈利困难，落地慢等难点。
但是我们认为，在中国，制造业从劳动密集型向技术密集型转化已成必然趋势，制造业无外乎围绕产品生命周期以及人机料法环等关键要素做全面的管理，而人工智能在这两个维度都有典型的应用。所以未来人工智能和制造业的结合也将会更加的紧密。ABeam作为智能制造中的一个参与者，我们也希望能在项目中助力人工智能和制造业的结合。
人丨工丨智丨能丨（AI） X 智丨能丨制丨造