當前我國制造業(yè)正處于從傳統(tǒng)生產(chǎn)模式向數(shù)字化、網(wǎng)聯(lián)化、智能化的新發(fā)展階段。在我國致力于碳中和的戰(zhàn)略背景下，智能制造的發(fā)展是我國實現(xiàn)碳中和的關(guān)鍵，也是我們從制造大國走向制造強國的重要一步。一方面，AI賦能制造業(yè)能通過提高良率、降低原材料損耗等方式來降低生產(chǎn)成本，減少碳排放；另一方面，人工智能可通過全自動化、動態(tài)監(jiān)控等方式提高各生產(chǎn)環(huán)節(jié)的效率，由此實現(xiàn)降本增效，雙重發(fā)展。

業(yè)內(nèi)有專家認為，AI賦能制造業(yè)，可以從以下五個環(huán)節(jié)得以體現(xiàn)：1）設(shè)計端，仿真系統(tǒng)提升研發(fā)效率；2）生產(chǎn)端，智能機器人提高生產(chǎn)效率；3）運維端，AI算法智能預(yù)測；4）檢測端，機器視覺增強檢測精準度；5）物流端，智慧物流提升運輸配送效率。

AI賦能制造降本提效的必要性

智能制造是將物聯(lián)網(wǎng)、云計算、AI等新一代信息技術(shù)應(yīng)用于生產(chǎn)制造全生命周期，以通過自主深度感知、自主優(yōu)化決策和自主精準執(zhí)行提升制造各環(huán)節(jié)效率。制造業(yè)企業(yè)智能化轉(zhuǎn)型可通過數(shù)字化、網(wǎng)聯(lián)化、智能化三步實現(xiàn)。工廠可以通過數(shù)字化、網(wǎng)聯(lián)化、智能化的層層遞進，實現(xiàn)“智能工廠”轉(zhuǎn)型，進一步優(yōu)化全行業(yè)生態(tài)。

► 數(shù)字化：采集海量數(shù)據(jù)，“感受”工業(yè)過程。工業(yè)傳感器作為工業(yè)數(shù)據(jù)的“采集感官”，多類別、廣應(yīng)用為智能化奠基；

► 網(wǎng)聯(lián)化：通過互聯(lián)互通、高速傳輸、云端計算，打破“信息化孤島”。一方面打通工廠內(nèi)部的數(shù)據(jù)流；另一方面進一步打通供應(yīng)鏈各個環(huán)節(jié)數(shù)據(jù)流，最終實現(xiàn)產(chǎn)品全生命周期數(shù)字化；

► 智能化：提高自主決策水平，通過對生產(chǎn)過程中海量數(shù)據(jù)信息進行自主理解，學習沉淀形成知識，最終由智能設(shè)備自主執(zhí)行。

總結(jié)來看，借助于高速通信網(wǎng)絡(luò)和云計算平臺可實現(xiàn)海量數(shù)據(jù)的匯集，這有助于AI技術(shù)的廣泛采用。通過應(yīng)用深度學習等AI技術(shù)，制造業(yè)未來有望實現(xiàn)自主智能決策。智能制造的核心也是在海量工業(yè)數(shù)據(jù)的基礎(chǔ)上，通過對數(shù)據(jù)的深度集成和分析，實現(xiàn)智能化的決策，并通過柔性生產(chǎn)、動態(tài)調(diào)控、網(wǎng)聯(lián)協(xié)同等新型制造模式，提高資源配置效率。

設(shè)計端：數(shù)字化設(shè)計軟件集成AI模塊實現(xiàn)高效模擬仿真研發(fā)

仿真設(shè)計系統(tǒng)通過集成AI模塊，可以縮短研發(fā)周期。未來的工廠會為物理對象創(chuàng)建數(shù)字化的虛擬模型，來映射其在現(xiàn)實中行為。整合制造流程的數(shù)字孿生生產(chǎn)系統(tǒng)，可以將產(chǎn)品設(shè)計到生產(chǎn)制造的全過程數(shù)字化，提升產(chǎn)品的可靠性和制造效率。其中，產(chǎn)品設(shè)計階段具有高不確定性和高成本的特性，基于數(shù)字孿生技術(shù)的設(shè)計仿真通過避免重復進行物理原型測試并改進質(zhì)量，降低了產(chǎn)品開發(fā)成本并縮短了產(chǎn)品開發(fā)時間。

數(shù)字孿生與AI結(jié)合，可進一步提升設(shè)計研發(fā)的效率：1）數(shù)字孿生模型中積累的數(shù)據(jù)可以在人工智能模型中實現(xiàn)知識積累和沉淀，為AI決策提供數(shù)據(jù)支持；2）AI模型的決策結(jié)果也可以在數(shù)字孿生模型得到反復仿真和驗證，為AI決策提供低成本試錯和優(yōu)化機會，不斷提升其可靠性；3）由于目前仿真系統(tǒng)要求用戶對仿真優(yōu)化算法和仿真建模工具有較深入的了解，非仿真專業(yè)人士難以優(yōu)化大量參數(shù)，而利用AI技術(shù)可以幫助研發(fā)人員進行選擇。將AI模塊（如機器學習模塊）集成到設(shè)計軟件，可以實現(xiàn)高效的模擬仿真分析；因此，研究人員可以在研發(fā)階段以低成本進行大量驗證和模擬，或進行數(shù)字化自動研發(fā)，提升研發(fā)效率，大幅縮短研發(fā)周期。

西門子專家在慕尼黑上海電子生產(chǎn)設(shè)備展現(xiàn)場講解數(shù)字孿生技術(shù)

生產(chǎn)端：大數(shù)據(jù)與及其自動化大幅提升生產(chǎn)力

人工智能賦能下的智能制造提供了大數(shù)據(jù)信息處理、機器視覺信息獲取等功能，為生產(chǎn)環(huán)節(jié)帶來新的生產(chǎn)力，提升生產(chǎn)效率。

► 大數(shù)據(jù)信息處理：工業(yè)生產(chǎn)中產(chǎn)生的海量數(shù)據(jù)將與工業(yè)云平臺相連，采用分布式架構(gòu)進行分布式數(shù)據(jù)挖掘，提煉有效生產(chǎn)改進信息，最終將用于預(yù)測性維護等領(lǐng)域。

► 機器視覺：機器視覺通過計算機模擬人的視覺，基于提取的信息進行處理與理解。隨著工業(yè)生產(chǎn)復雜程度的不斷加深，越來越多的微加工生產(chǎn)流程不斷涌現(xiàn)，隨之而來的是大量不可控制的磨損和消耗。為了保證生產(chǎn)精度，機器視覺被廣泛用于零部件的尺寸測量與定位與工序間自動化等工序。

其中，上下料機器人可以精準物料產(chǎn)品傳輸、協(xié)作式機器人完成柔性高效人機協(xié)作、倉儲機器人對柔性物料產(chǎn)品傳輸?shù)龋际亲詣踊瘷C器人為生產(chǎn)環(huán)節(jié)帶來新生產(chǎn)力提升效率的普遍體現(xiàn)。

運維端：工業(yè)大數(shù)據(jù)+AI算法智能預(yù)測設(shè)備異常

制造業(yè)作為資產(chǎn)密集型行業(yè)，實現(xiàn)企業(yè)資產(chǎn)在其生命周期內(nèi)的價值最大化尤為重要。相較于資產(chǎn)或生產(chǎn)設(shè)備出現(xiàn)故障后進行維護，事前預(yù)測性的維護，有助于提高生產(chǎn)力，避免宕機帶來的損失，降低設(shè)備運營和維護成本。

預(yù)測性維護是指基于被監(jiān)測設(shè)備、物料、環(huán)境的信息，預(yù)測諸如設(shè)備剩余使用壽命、物料良率等指標。預(yù)測性維護系統(tǒng)可以預(yù)測昂貴的維修需求或嚴重故障，并在發(fā)生嚴重損壞之前啟動預(yù)防措施。服務(wù)部門可以快速反應(yīng)，更換特定零件，或者提前進行維護工作，從而達到預(yù)測性維護降低企業(yè)生產(chǎn)成本的目的。

以半導體生產(chǎn)為例，設(shè)備通常包括大量的零部件，通常在生產(chǎn)廠商所存的零部件有限，如果由于磨損導致生產(chǎn)停止生產(chǎn)公司往往要看零部件的交期才能恢復生產(chǎn)，這個時間有可能是一周或者一個月甚至更久。如果可以預(yù)測到零部件的更換時間，通過安排及時的設(shè)備維護，生產(chǎn)企業(yè)只需在預(yù)先安排的設(shè)備維護時間更換即可避免無法控制的產(chǎn)能損失。

隨著工業(yè)大數(shù)據(jù)的完善以及數(shù)據(jù)分析能力不斷提升，基于設(shè)備機理模型和產(chǎn)品數(shù)據(jù)挖掘，尤其是利用神經(jīng)網(wǎng)絡(luò)和機器學習算法建立分析模型，開展基于規(guī)則的故障預(yù)測、工藝參數(shù)優(yōu)化、設(shè)備狀態(tài)趨勢預(yù)測等單點應(yīng)用。根據(jù)ARC Advisory Group分析，利用傳統(tǒng)方法只能預(yù)防約18%的故障，而其他約82%的故障是偶然發(fā)生的。但是，人工智能技術(shù)結(jié)合巡檢機器人構(gòu)建可預(yù)測性維護模型，不僅減少維護人員成本，更能提早發(fā)現(xiàn)故障，降低工廠的運營成本，保證企業(yè)生產(chǎn)效率的提升，減少額外能耗，助力碳中和。

檢測端：AI+機器視覺助力檢測環(huán)節(jié)提質(zhì)增效

傳統(tǒng)的檢測環(huán)節(jié)通常由人工完成，存在檢測效率低、識別錯誤率相對較高等問題，傳統(tǒng)的機器視覺方案在碎片化的工業(yè)生產(chǎn)中仍面臨定制化成本高、周期長、參數(shù)標定復雜導致使用不方便等問題。AI借助圖像處理技術(shù)進行識別，利用訓練出的模型進行質(zhì)量檢測，減少人工成本的同時提高精準度，助力制造業(yè)實現(xiàn)降本增效。AI+機器視覺的檢測方案有良好的延展性以及統(tǒng)一的標準，并能夠減少人力成本、提高檢測效率，同時普通用戶能對AI工業(yè)質(zhì)檢平臺進行個性化操作，保證使用的便捷性。

日聯(lián)科技在線式X-Ray檢測設(shè)備

► 良好的延展性和統(tǒng)一的標準：機器學習是人工智能的實現(xiàn)方法之一，機器學習模型一旦訓練出，能夠快速部署到工廠的每臺設(shè)備，既能保證檢測的實時性要求，又能保證工廠檢測精度的標準統(tǒng)一。

► 減少人力成本，提高檢測精度和速度：機器學習模型隨著數(shù)據(jù)的增加逐漸迭代，從而能保證越來越高的精度和速度 ，在一些精密工業(yè)品的識別上具備優(yōu)勢。隨著時代的變化，愿意從事工資低、工作重復枯燥質(zhì)檢的工人越來越少，AI工業(yè)質(zhì)檢有助于制造企業(yè)降低人力成本和增加效率。

► 定制化程度高，用戶界面易上手：目前，AI技術(shù)在檢測端產(chǎn)業(yè)化落地的主要產(chǎn)品之一是AI工業(yè)質(zhì)檢平臺。AI工業(yè)質(zhì)檢平臺是對工業(yè)視覺檢測推出的集模型訓練和預(yù)測于一體的智能平臺，是AI技術(shù)針對質(zhì)檢進行產(chǎn)業(yè)化落地的產(chǎn)品。針對傳統(tǒng)制造業(yè)缺少AI類人才，新推出的AI工業(yè)質(zhì)檢平臺逐漸模塊化，無需編程基礎(chǔ)即可操作，并且工廠可根據(jù)實際需求進行模型的選擇和更新，保證靈活性和時效性。

物流端：智慧物流引領(lǐng)供應(yīng)鏈變革

智慧物流是將物流活動有關(guān)信息與智能硬件、物聯(lián)網(wǎng)、人工智能等技術(shù)相結(jié)合，是具有智能分析決策和智能執(zhí)行能力的物流系統(tǒng)。智慧物流通過信息流與物品流的快速高效流轉(zhuǎn)，實現(xiàn)降低成本、提高生產(chǎn)效率的目的。

從國家政策導向而言，工業(yè)4.0時代，客戶需求高度個性化，產(chǎn)品生命周期縮短，智能化的工廠需要智慧物流與之匹配，降低企業(yè)成本，管理或整合上下游供應(yīng)鏈。2016年國務(wù)院辦公廳、交通運輸部、發(fā)改委、國家郵政局等多部委密集出臺了一系列相關(guān)政策和法規(guī)，推動智慧物流的落地。

（圖源：站酷海洛）

目前智慧物流需求熱點主要集中在物流數(shù)據(jù)、物流云和物流技術(shù)三部分，主要可以總結(jié)為信息化、標準化、智能化三大趨勢。從目前而言，TMS（Terminal Management System，終端遠程維護管理系統(tǒng)）、WMS（Warehouse Management System，倉庫管理系統(tǒng)）、RFID（Radio Frequency Identification，射頻識別技術(shù)）、快遞柜、機器人等技術(shù)已經(jīng)逐漸開始商用，而無人卡車、無人機、甚至基于多種技術(shù)之上的人工智能目前尚處于研發(fā)或測試階段，未來應(yīng)用場景廣泛。

慕尼黑上海電子生產(chǎn)設(shè)備展覽會（productronica China）將于2022年3月23-25日在上海新國際博覽中心舉辦。現(xiàn)階段展位正在火熱預(yù)定中，歡迎有想法、有產(chǎn)品、有技術(shù)解決方案的企業(yè)報名參展！