第一次工業(yè)革命源于蒸汽機的發(fā)明。它推動了機械化生產(chǎn)，提供了人力無法企及的物理動能。第二次工業(yè)革命是因電力產(chǎn)生的福特汽車的大規(guī)模生產(chǎn)線。第三次工業(yè)革命則來自于計算能力，1969年發(fā)明的可編程邏輯控制器（PLC）取代了工業(yè)生產(chǎn)中復雜的繼電器電路，從而實現(xiàn)了工業(yè)自動化控制，讓工業(yè)生產(chǎn)力大幅提升。然而此后制造業(yè)技術的發(fā)展相比移動互聯(lián)網(wǎng)卻放慢了腳步，近30年工業(yè)技術并沒有取得突破性的進展。
如今，我們終于迎來了第四次工業(yè)革命。傳感器、計算力、以及網(wǎng)絡傳輸?shù)闹笖?shù)級增長，產(chǎn)生著巨大的力量。從德國的“工業(yè)4.0”到“中國制造2025”，新一輪制造業(yè)的較量已悄然啟動。
中國制造業(yè)的現(xiàn)狀
中國2015年之前實行的獨生子女政策導致了現(xiàn)在的低生育率。符合勞動年齡的人口數(shù)量已經(jīng)達到峰值。農(nóng)村人口從內(nèi)陸省份向沿海地區(qū)的遷移也正在放緩。如果沒有外來勞動力的流入，許多工廠產(chǎn)能增長的目標將難以實現(xiàn)。中國的制造企業(yè)第一次迫切地需要提高生產(chǎn)力。
Source: World Bank
在之前的二十年里，雖然中國的勞動生產(chǎn)率每年平均上升8.5％，但絕對的生產(chǎn)率水平仍然偏低，僅為發(fā)達國家的15-30%。同時人力成本不斷上漲，工人的平均工資已增長到每月5000-6000元。
在之前快速發(fā)展和用工成本較低的年代，很多工廠并沒有太在意效率和質(zhì)量，也沒有采用一些先進的生產(chǎn)管理理念，例如使用統(tǒng)計方法確保質(zhì)量的六西格瑪，以及強調(diào)效率和減少浪費的精益制造。如果出現(xiàn)問題，他們會選擇用更多的人去解決問題，而不是對自動化生產(chǎn)進行投資。
而現(xiàn)在的制造企業(yè)都開始積極地擁抱自動化技術。高盛的分析數(shù)據(jù)顯示，部分物聯(lián)網(wǎng)底層傳感器的成本在過去十年中下降了50%，帶寬成本下降了近40倍，數(shù)據(jù)處理成本下降了近60倍。以人工智能為代表的新一波創(chuàng)新技術如果可以為中國制造業(yè)的生產(chǎn)效率帶來15%的提升，那將會創(chuàng)造4萬億的價值。
制造業(yè)轉(zhuǎn)型之旅分三步走
制造企業(yè)開始轉(zhuǎn)型的第一階段一定是數(shù)字化
就目前來看，國內(nèi)工業(yè)物聯(lián)網(wǎng)處于早期階段，不論是網(wǎng)絡及硬件設備都尚未成熟，基礎設施建設和數(shù)據(jù)采集這一步還沒有全部完成。工廠首先需要為生產(chǎn)設備裝上傳感器和控制裝置，打通生產(chǎn)設備、生產(chǎn)管理、制造執(zhí)行及規(guī)劃系統(tǒng)，更實時透明地掌控生產(chǎn)進度。
第二階段是自動化
除了汽車制造業(yè)，中國大量的工廠自動化程度仍然偏低。2015年，根據(jù)經(jīng)濟學人發(fā)布的統(tǒng)計，中國雖然每年采購全球最多的機器人，但整個國家平均每萬工人只配備了50個機器人，而在自動化程度相對發(fā)達的德國和日本這個數(shù)字是約300個，在韓國甚至是500個之多。如果要繼續(xù)提高生產(chǎn)效率，那么自動化生產(chǎn)系統(tǒng)一定會在工廠普及。
在自動化充分實現(xiàn)后，制造企業(yè)會逐步向智能化過渡
歷史上，“自動化”代表著機器可以執(zhí)行某個具體獨立的任務，例如根據(jù)定義好的規(guī)則開啟和關閉泵。自動化是取代人做重復性的勞動，而智能化是做人做不了的事情。智能工廠的定義是一個靈活的協(xié)同系統(tǒng)，自主運行整個生產(chǎn)流程，在全局范圍內(nèi)自我優(yōu)化，實時地適應新的環(huán)境。它代表著一個持續(xù)的自適應的過程，而不是過去“一勞永逸”的升級改造。
人工智能在制造業(yè)的主要應用
1、大數(shù)據(jù)分析-設備預測性維護
在傳統(tǒng)工廠里，生產(chǎn)設備依然不能聯(lián)網(wǎng)，只有在設備出現(xiàn)故障后再去維修，或者采取定期維護的方式而不考慮設備實際的運行情況。一旦出現(xiàn)計劃外的宕機就需要臨時性地采購零件，花高額費用做緊急檢修，以便盡快恢復正常的生產(chǎn)。就算沒有宕機，當人發(fā)現(xiàn)機器故障時，它可能已經(jīng)制造了不合格的產(chǎn)品，給工廠帶來經(jīng)濟損失。
美國的AI工業(yè)預測平臺Uptake去年宣布完成了4000萬美金的融資。通過在工廠的設備里置入傳感器，Uptake可以采集前端設備的各項運營數(shù)據(jù)，結(jié)合大數(shù)據(jù)分析以及機器學習技術為工業(yè)客戶提供設備的預測性診斷和能效優(yōu)化等管理建議。工廠可以實時監(jiān)測運行狀態(tài)，對比歷史數(shù)據(jù)，預判潛在的設備故障，有效規(guī)避正常生產(chǎn)的中斷。
如果以后將設備預測性維護的數(shù)據(jù)整合到ERP系統(tǒng)中，企業(yè)就可以實現(xiàn)生產(chǎn)流程的最優(yōu)化，通過動態(tài)調(diào)整生產(chǎn)計劃，將設備故障帶來的經(jīng)濟損失降到最低。對不同數(shù)據(jù)源，生產(chǎn)設備以及管理系統(tǒng)進行集成和分析將成為未來制造企業(yè)進行決策的標準配置。
2、自動質(zhì)量控制-機器視覺檢測
在深度神經(jīng)網(wǎng)絡發(fā)展起來之前，機器視覺已經(jīng)應用在工業(yè)自動化系統(tǒng)中了，如拾取放置、對象跟蹤、計量、缺陷檢測等。其中，將近80%的工業(yè)視覺系統(tǒng)集中在缺陷檢測。
人眼也可以發(fā)現(xiàn)產(chǎn)品的異常，即使這種異常我們從未見過。但由于眼睛容易疲勞，人的判斷也很主觀，這樣就會造成產(chǎn)品檢驗的不一致甚至有漏檢的情況。人眼也很難適應高速生產(chǎn)的需求，比如對于圖形復雜的印刷電路板，人工檢查需要很長的時間。通常只能基于抽樣檢查，無法像自動化系統(tǒng)可以進行實時全面的檢查。目前在PCB和IC的生產(chǎn)線上，大約60％的檢測任務都是由機器視覺來完成的。
機器視覺則憑借快速、精確和客觀等優(yōu)勢，在現(xiàn)代工業(yè)中得到越來越廣泛的應用。舉例來說，在生產(chǎn)線上，自動檢測系統(tǒng)每分鐘能對成百上千個元件進行檢測。如果配備了適當分辨率的相機和光學器件，機器還能檢驗到人眼無法看到的細節(jié)特征。另外，由于消除了人與被檢驗元件之間的直接接觸，機器視覺減少了元件磨損的成本，也能讓工人免受危險環(huán)境的威脅。
但機器視覺仍然面臨著適應不同工業(yè)生產(chǎn)環(huán)境的挑戰(zhàn)，因為很少有企業(yè)會專門為了某一種類型的產(chǎn)品而部署自動化檢測系統(tǒng)。在不同的環(huán)境下，相機的鏡頭方向、與元件的相對位置、元件表面的強反射光都會影響檢測精度。所以視覺算法本身必須有很強的適應力。
3、智能協(xié)作機器人
傳統(tǒng)的機器人由于運動路徑是固定的，每一個動作都需要工程師編程、調(diào)試和手工配置來適應具體的生產(chǎn)環(huán)境。當機器人要應對不斷變化的場景時，手工調(diào)整就無用武之地了。深度學習已經(jīng)帶來了一場變革，賦予機器人“柔性”學習能力。隨著時間的推移，機器人可以從數(shù)據(jù)中學習，在不同的任務之間自主切換，新任務的導入也可以在數(shù)分鐘之內(nèi)完成。最終這些機器人不但可以互通互聯(lián)，還可以安全地與人類一起工作，甚至觀察工人演示生產(chǎn)流程，自動學會新技能。
目前高端工業(yè)機器人主要還是由國外公司主導，瑞士的ABB、德國的庫卡、日本的發(fā)那科和安川電機并稱四大家族，他們占據(jù)著國內(nèi)機器人市場50%以上的份額。四大家族也在積極地推動智能協(xié)作。例如庫卡機器人就具備相互溝通的能力，可以根據(jù)生產(chǎn)線上的工序來合作分配各自執(zhí)行的生產(chǎn)任務。類似地，ABB也推出了雙臂機器人YuMi（縮寫自You and Me)，針對3C產(chǎn)品生產(chǎn)線上的焊接和裝配場景。它可以與工人一起安全地肩并肩工作，一旦處于運動狀態(tài)的手臂可能觸碰到工人，它就會自動放慢速度或者停止運動。
Source: ABB
除了直接銷售協(xié)作機器人，很多公司也在嘗試新的租賃方式，讓使用機器人像雇傭工人一樣按時計費。傳統(tǒng)的機器人不具備安全性，需要與工人隔離，不但無法滿足即插即用的場景還造成了額外的部署成本。機器人即服務（RaaS，Robot as a Service）這種新興的商業(yè)模式，降低了初期的付費門檻，也更強調(diào)了硬件產(chǎn)品以外軟件和服務的部分。可以反復重新編程以完成新的任務，幫助企業(yè)應對小批量多訂單的生產(chǎn)挑戰(zhàn)。
制造業(yè)挑戰(zhàn)重重，現(xiàn)在制約人工智能應用落地的三大關鍵因素是可靠性，交付周期和易用性。
1、工業(yè)設備對可靠性的要求極高。即便機器預測設備故障的準確率很高，但在某些行業(yè)里不能達到百分之百依舊難以被客戶接受。就像之前紐約客的封面文章，制造企業(yè)希望的狀態(tài)是無人值守的全自動化生產(chǎn)模式。沒有人在生產(chǎn)環(huán)境里，也無需開燈（Dark Factory）。那就要求一切的生產(chǎn)技術，都要在沒有人工監(jiān)督和輔助的情況下，可以不間斷地重復性工作。比如保證在兩周連續(xù)運轉(zhuǎn)都不產(chǎn)生錯誤，甚至將來可以自我配置和自我修復。
2、制造業(yè)并不是一個行業(yè)，汽車零件，電子產(chǎn)品，食物和藥品，每一個垂直領域的生產(chǎn)流程和工藝都千差萬別，每個領域的理解成本都非常高。如果產(chǎn)品底層的通用性和柔性不夠強，那就很難滿足企業(yè)對上層應用提出的定制化需求。產(chǎn)品交付的周期變長，進而降低了系統(tǒng)投資給工廠帶來的經(jīng)濟回報。
3、此外給制造業(yè)提供的產(chǎn)品一定要具備易用性，因為行業(yè)本身的技術能力有限，必須要降低使用系統(tǒng)的操作門檻。比如重新編程已有的機器人需要高學歷的專家，那就導致了維護成本的上升。如果工業(yè)產(chǎn)品也可以做出蘋果iOS的產(chǎn)品體驗，那么只要是會用電腦的人，之前用Word和Excel進行流程設計和工作安排，現(xiàn)在就能夠?qū)W會如何讓機器人運轉(zhuǎn)起來。
當然任何的應用都離不開實實在在的業(yè)務場景，人工智能必須建立在一系列商業(yè)應用的基礎上，控制好系統(tǒng)成本，并且為工廠量化系統(tǒng)改造所帶來的投資回報。比如一個協(xié)作機器人的售價為20萬，由于機器可以24小時不間斷地工作，相當于替換了三位工人。假設工人的月薪是5000元的話，那么工廠用機器換人的投資回報周期僅為一年。這樣的系統(tǒng)一定可以打動大部分制造企業(yè)。
數(shù)字世界和物理世界的終極融合
眾所周知，在1965年，摩爾定律提出每18-24個月晶體管的數(shù)量就會翻倍。53年間，它改變的不只是晶體管的數(shù)量，而是由它帶動了所有事情的進步。從半導體、PLC到智能手機、傳感器的出現(xiàn)，包括現(xiàn)在訓練神經(jīng)網(wǎng)絡所需要的算力，都是得益于摩爾定律。再通過線上線下的連接性，現(xiàn)在人與人、機器與機器之間的聯(lián)系和互動已經(jīng)非常普及。摩爾定律促使了人和機器的共同進化，IT技術把物理世界和數(shù)字世界徹底融合在一起了。這一波新技術正在對生產(chǎn)體系和生產(chǎn)模式產(chǎn)生巨大的影響，給經(jīng)濟注入新的能量。我們的生活方式最終也會因此而發(fā)生巨大的轉(zhuǎn)變。
