AI助工业互联网抓住“机遇之窗”

在过去的每一次工业革命中，制造业都是积极拥抱创新技术的先行者。今天，在工业互联网浪潮中，制造业再次成为最积极探索和实践创新技术落地应用的先锋行业。两化融合服务联盟与微软联合发布的《解耦工业互联，赋能转型升级——工业互联网人工智能应用白皮书》认为，在诸多新兴技术中，人工智能将成为制造业发展的新动力，推进人工智能与工业制造业业务场景的融合，有利于加速工业互联网创新的落地应用。

人工智能将成为工业互联网“最强大脑”

    在工业互联网推进过程中，应用深度和广度不足成为现实的难题。对于企业而言，数字化转型意味着从企业战略、企业文化、技术选型、人员技能到业务运营模式的全面革新，因此对于制造业企业，特别是中小企业来说，仍面临着很多顾虑和困难。从技术角度来看，人工智能或能成为企业打消上述疑虑的重要手段。

    咨询机构埃森哲预测，到2035年，人工智能技术的应用，将为全球制造业带来高达3.7万亿美元的增长。将人工智能与制造业融合，需要通过解耦业务场景、获取和处理数据、构建机器学习和人工智能模型、重塑业务场景四个步骤，来实现企业业务需求和技术能力的相互结合。在这个进程中，制造业企业与人工智能技术提供商及解决方案合作伙伴之间的相互理解与合作，将发挥极其重要的作用。

    人工智能将成为工业互联网的“最强大脑”。人工智能在很大程度上可以学习和模拟人的思维模式，并利用计算设备并发能力、扩展能力和统筹能力，帮助企业在目前许多业务目标的达成过程中实现协同的同时提升各项指标。上述报告认为，基于人工智能的工业互联网技术路线有四个步骤：业务场景解耦、数据获取及处理、建模、业务场景实现及耦合。具体而言，第一步是根据需求定义人工智能的业务场景目标，从而确定适用的人工智能技术以及所需的数据。第二步是提取、处理数据，包括数据质量、标准、采集、清洗、管理等方面。第三步是在获得可用数据的基础上，构建机器学习或深度学习模型，再进行训练及调优。模型训练完成后，最后一步是在实际应用环节中部署AI应用，并开放API，与其他场景进行耦合。

    数据是人工智能应用的基础，也是工业互联网的基础。只有在数据充分流动的前提下，工业互联网人工智能应用才可能产生业务价值。目前，数据流动的基础技术包括OPCUA等标准、TSN网络、工业现场网络连接、工业设备消息传输机制、工业设备的注册和身份管理等，技术的快速发展为OT与IT融合构筑了桥梁。

五大场景构筑中国工业互联网“机遇之窗”

    针对现阶段制造业企业对于工业互联网、人工智能技术创新的共性需求，针对设备或产品管理、质量管理、能源管理、安全管理、供应链管理五大典型应用场景将成为中国工业互联网的“机遇之窗”。

    设备或产品管理是工业互联网人工智能应用范围最广的场景。人工智能对联网设备运行信息的高级分析，对产品全生命周期的理解、管理、诊断和维护，将为企业带来更科学和更高效的决策。人工智能在这一领域的应用主要包括：状态监测与报警、故障诊断、预测性维护、产品即服务等。例如，协和新能源搭建起了“Power+”新能源设备管理平台，其预防性维护将能源设备的可利用率提高了1%~5%，并大幅降低了检修的时间和人力成本。

    在质量管理方面，工业企业传统的质量保证体系通常需要大量的前期投资、测试与校准，常用的抽检方式无法覆盖所有产品，同时对人员经验的依赖性较高，容易造成漏检、标准不一致等问题。人工智能可以借助机器视觉、深度学习、智能追踪等技术，在采购、制造、质检三个环节中，控制和优化生产过程、改进质量检测方法，从而确保提高企业的质量管理水平。心鉴智控将视觉检测算法与深度学习算法相结合，为医药企业提供了基于人工智能视觉的质量控制解决方案，对瓶盖、胶囊、药片质量的检测精度可达99.99%。

    人工智能帮助制造业企业从设备节能降耗、能源精益管理两方面实现合理用能。通过对能源可视化管理和监控分析，有效减少设备故障、空载、轻载等异常情况发生并及时发现能耗改进方向。在此基础上，基于能源数据建模、仿真分析，找到节能空间并形成相应的优化方案，提高能耗预测的准确性，将企业能源计划和节能降耗目标分解到位，实现能源精益化管理。青岛萨纳斯智能科技开发的Asset系统将软硬件产品与数据服务紧密结合，实现了自动化调整设备运行状态，数据准确性达到100%，最大化节省了用能费用，提高了用能效率。

    随着国家对安全生产的要求越发严格，粗放型安全管理模式难以满足工业企业可持续发展需要。基于机器视觉的身份认证、行为识别，对设备实施系统性安全监控与科学性的故障预测，以及基于图像处理技术的烟雾探测、气体分析等技术，能够从员工安全、设备安全、环境安全三个方面提升行业安全管理水平。比如，上海鸢安开发的工业视频图像智能实时分析平台支持边缘+云端的分级部署，以深度学习视频分析算法，提供了全方位的安全监测方案。

    人工智能在制造业供应链管理方面的应用可分为三个阶段：企业内部系统和数据的集成、企业间数据的交互，以及产业链中的自我优化。联想BT/IT战略转型部构建了需求预测模型，其在北美市场的预测结果已经超过了外部预测报告和专家判断。广州云领科技开发的订单综合调度模型，将组成要素标签化、将生产作业环节抽象成数据模型，以智慧仓储方案实现了对订单销量的准确预测，有效缓解了仓储波峰对生产的冲击。上海不工软件、上海以朴信息等微软合作伙伴针对制造业企业在供应链管理中出现的产销不协同、各部门不协同、供产不协同等问题，开发了全套企业级解决方案，能够帮助企业优化生产计划、降低生产成本、减小库存压力，实现生产管理智能化、标准化。

（编辑：admin）