制造業的Al賦能難度有多大？
2021-08-16 來自: 中國工控網 瀏覽次數:675
制造業的Al賦能難度有多大？
工業的發展讓人類有更大的能力去改造自然并獲取資源,其生產的產品被直接或間接地運用于人們的消費當中,極1大地提升了人們的生活水平。可以說,自第1一次工業革命以來,工業就在一1定意義上決定著人類的生存與發展。
隨著人工智能技術的突飛猛進及其在消費流通領域的廣泛應用,越來越多的制造企業與人工智能企業把目光投向了“人工智能+制造”。人工智能與相關技術結合,可優化制造業各流程環節的效率,通過工業物聯網采集各種生產數據,再借助深度學習算法處理后提供建議甚至自主優化。
從人工智能在制造業的應用場景來看,主要包括產品智能化研發設計、在制造和管理流程中運用人工智能提高產品質量和生產效率,以及供應鏈的智能化。
在產品研發、設計和制造中,人工智能既能根據既定目標和約束利用算法探索各種可能的設計解決方案,進行智能生成式產品設計,又能將人工智能技術成果集成化、產品化,制造出如智能手機、工業機器人、服務機器人、自動駕駛汽車及無1人機等新一代智能產品。
對于生產制造來說,人工智能嵌入生產制造環節,將使機器更加聰明,不再僅僅執行單調的機械任務,而是可以在更多復雜情況下自主運行,從而全1面提升生產效率。
在智能供應鏈上,需求預測是供應值管理領域應用人工智能的關鍵主題。通過更1好地預測需求變化,公司可以有效地調整生產計劃改進工廠利用率。此外,智能搬運機器人將實現倉儲的自主優化,大幅提升倉儲揀選效率,減少人工成本。
但不論是智能化研發設計、生產制造,還是智能供應鏈,制造數字化都是人工智能+制造的基礎。然而,中國制造業信息化水平參差不齊,且制造產業鏈條遠比其他行業復雜,更強調賦能者對行業背景的理解,這都造成了制造業的Al賦能相比其他行業門檻更高、難度更大。
制造業是一個龐大的產業,復雜而割裂是它的歷史特征。同一個廠房里,往往有好幾種來自不同廠家的生產設備,這些設備往往采用各自的技術和數據標準,彼此之間并不能直接連通和交互。不同的工廠乃至不同的制造業企業,差異就更大了。這樣的差異使得傳統制造業信息化難度大、效率提升有限。
此外,現階段,人工智能的價值仍然難以被準確衡量,部分企業尤其是中小企業應用人工智能的動力不足。究其原因,應用人工智能領域的部分技術,則往往以提高品牌、增加產品賦能,從而提高利潤率,或者以內部降低運營成本為目標。而由于中小企業的體量較小,往往以生存為最低目標,如果需要去打開其市場,則大多數選擇從開源節流出發。
除卻中小企業的噬利行為,即使站在第1一梯隊的大型企業對于一些細分行業人工智能應用路徑業尚不明晰,應用風險、收益和成本難以準確核算,短時間內無法給出切實的解決方案。加之多年產能的過剩,盡管數據量巨大,但想要實現智能化也許還需要一些時間。
總的來說,“人工智能+制造”,前途是光明的,當然,道路是崎嶇的。
