當下，苦于勞動力成本上漲、人口老齡化重壓、人工誤差導致的生產(chǎn)效率低下的傳統(tǒng)工業(yè)企都在期望通過智能化變革降本增效。近年來，工業(yè)制造行業(yè)的企業(yè)開始紛紛布局并采用人工智能技術(shù)，包括機器學習、深度學習、計算機視覺以及在機器人、物聯(lián)網(wǎng)、云計算等方面的泛化應用，覆蓋排產(chǎn)、質(zhì)檢、維護、管理等場景。

例如，西門子已經(jīng)能夠為客戶提供不同類型的人工智能硬件，TM NPU是一個神經(jīng)網(wǎng)絡計算單元，能夠直接在西門子S7-1500和ET200MP之外附加的一個模組，這個模組能夠與西門子現(xiàn)有的PLC進行連接。再比如，施耐德電氣正在采用“AI訓練”的方式讓機器去學習這些老專家的經(jīng)驗，從而將“人的經(jīng)驗”進一步轉(zhuǎn)化成“系統(tǒng)的經(jīng)驗”。

三大應用主戰(zhàn)場

目前來看，人工智能主要可以為制造業(yè)解決三類問題：

幫助企業(yè)提升自動化效率和精確度，提高制造業(yè)智能化運營水平并降低運營成本；

預測市場趨勢并安排生產(chǎn)計劃，按需生產(chǎn)，并使各個環(huán)節(jié)在滿足需求；

提升質(zhì)檢水平，提高產(chǎn)品良品率。

其中，結(jié)合了人工智能的機器視覺技術(shù)在工業(yè)領域中應用廣泛，核心功能包括產(chǎn)品識別、測量、定位及檢測，是實現(xiàn)產(chǎn)品分揀、裝配、搬運、質(zhì)檢等多個生產(chǎn)環(huán)節(jié)智能化轉(zhuǎn)型的核心技術(shù)，相較于人工生產(chǎn)具備降本增效等顯著優(yōu)勢。

例如，質(zhì)檢分揀作為工業(yè)最關鍵的環(huán)節(jié)，AI技術(shù)的應用被寄予厚望。

一方面，人工質(zhì)檢準確性低、速度慢，影響生產(chǎn)效率。在傳統(tǒng)工業(yè)流程中，傳統(tǒng)質(zhì)檢主要通過人工進行產(chǎn)品質(zhì)量檢查、產(chǎn)品分揀，但人工檢測有延時和誤差，一定程度上會影響質(zhì)檢的準確性。而且，少量作業(yè)時人工檢測的方式可取，但任務重的時候，檢查效率低，審核質(zhì)量不穩(wěn)定出現(xiàn)的概率會增加。

另一方面，質(zhì)量檢測的人力投入成本高，招聘難且人員離職率高。不可否認，隨著國內(nèi)勞動力成本不斷提升，成本高、效率低也就成為阻礙工業(yè)企業(yè)快速發(fā)展的“攔路虎”。

趨勢還是噱頭，爭論不休

談及人工智能，有人認為它是數(shù)字化轉(zhuǎn)型的核心，對數(shù)字化轉(zhuǎn)型將起到推動作用，有人則認為更傾向于一種噱頭，不適合所有企業(yè)。

這些企業(yè)認為實施AI就必須成為數(shù)據(jù)科學的專家，顧慮開發(fā)AI系統(tǒng)既費時又費錢，工廠內(nèi)缺乏高質(zhì)量的標記數(shù)據(jù)，擔心將AI集成入現(xiàn)有算法和系統(tǒng)之中成本高而且很復雜。面對這一系列難點，我們不得不思考，工業(yè)企業(yè)一定要實施AI技術(shù)嗎？AI能不能為工業(yè)企業(yè)帶來實際的價值？AI與工業(yè)的融合會遇到怎樣的挑戰(zhàn)？

小編看到過這樣一段描述：

某客戶在剛開始接觸AI時，非常興奮，表示出極大的意愿嘗試，用人工智能解決之前不可解的工業(yè)視覺難題。比如傳統(tǒng)方法的識別準確率只有50%，而AI很短時間內(nèi)就可以做到超過80%。

數(shù)據(jù)上直觀的提升給了該客戶巨大的期望，推動投入更多資源。可是當進行大量樣本測試時，盡管增加一定的數(shù)據(jù)可以讓模型準確度進一步提升，比如達到90%，但瓶頸隨之出現(xiàn)。

盲目增加數(shù)據(jù)，帶來效果不一，有的缺陷項檢測效果可能變好，有的準確率反而會下降。

更有人說，這種情況在AI落地工業(yè)檢測過程中遇到的概率高達90%以上，幾乎是必遇的坑。

盡管許多行業(yè)都熱衷于部署AI，但大多數(shù)行業(yè)和用戶其實并不能充分地控制和利用數(shù)據(jù)?，F(xiàn)階段，AI發(fā)展的核心就是數(shù)據(jù)。而縱觀國內(nèi)，部分企業(yè)可能遠沒有足夠的傳感器采集關鍵變量的數(shù)據(jù)，有的企業(yè)可能耗費資源收集了大量數(shù)據(jù)，但收集上來的數(shù)據(jù)卻并非有效數(shù)據(jù)。

工業(yè)人工智能的難點就在于沒有清晰的規(guī)則和邊界，再疊加上數(shù)據(jù)樣本少、準確性要求高等條件，使得工業(yè)人工智能應用的難度較大。

圖片

網(wǎng)絡上總結(jié)的工業(yè)AI實施難點案例

同時，正如我們一直所說的工業(yè)場景非常復雜，流程工業(yè)與離散工業(yè)更是各不相同，細分行業(yè)數(shù)量較多，且同行業(yè)內(nèi)工藝、生產(chǎn)線、產(chǎn)品的差異性較高，基于海量樣本實現(xiàn)的深度學習技術(shù)難以在工業(yè)領域?qū)崿F(xiàn)落地。人工智能必須根據(jù)制造業(yè)的具體場景進行定制。再者，很多企業(yè)都缺乏人工智能相關的知識，缺少專業(yè)技術(shù)人才，也就無法順利開展人工智能技術(shù)的應用工作。

因此目前中國工業(yè)領域的整體AI滲透率還較低，AI技術(shù)的應用規(guī)模也較小。不同行業(yè)應用人工智能的程度更是有所不同，3C電子、汽車等自動化程度高的行業(yè)的應用程度就會較高一些。

難點老生常談，穩(wěn)步前行才是關鍵

上文所說的工業(yè)與AI的融合難點其實都已經(jīng)屬于老生常談，在小編近日的一個采訪中，某國內(nèi)企業(yè)負責人就表示，推動人工智能的應用，這些問題大家都知道，也在慢慢解決，畢竟為了企業(yè)能夠更好的發(fā)展，我們在一定程度上還是認可這個技術(shù)的，所以當前我們更多的關注點是在成本上。

一番言論下來，小編發(fā)現(xiàn)其實推動AI應用早已達成共識。那么，自然而然，AI寒冬論也就不攻自破了。根據(jù)德勤的一項調(diào)查顯示，83%的企業(yè)認為人工智能已經(jīng)或在將來五年對企業(yè)產(chǎn)生實際可見的影響。

雖然近些年，很多人會覺得AI要么大火，要么就是大涼，小編認為熱度雖漸消，但從目前的發(fā)展來看，起碼步履沉穩(wěn)，很多企業(yè)都在低調(diào)的穩(wěn)步推進。畢竟，有時候市場上過熱的討論并不利于技術(shù)的發(fā)展。

最后，小編也想和廣大的中小企業(yè)說，并非技術(shù)“先進”就一定都要去做。的確，數(shù)字化轉(zhuǎn)型需要人工智能的參與，但人工智能也是一項工具。對于是否采用這一工具，重要的還是要看企業(yè)自身的需求、能力。當企業(yè)清楚自身想要解決的問題，清楚如何應用人工智能解決問題，并把人工智能應用在其整個工作流程中，它才能真正發(fā)揮它的價值。