專注于前沿大數據案例資訊
　
　2018年中國大數據BI行業分析報告
　
　智能制造頂層設計：解讀數字化工廠頂層設計與規劃
　
　百度內部培訓 數據分析中的道與術
　
　如何讓普通的生產工廠插上智能的翅膀成為真正的智能工廠正在成為制造業共同思考的問題。
　
　制造業中生產過程中每天產生海量的數據，這些數據都存儲在數據庫里面，而真正能夠 發揮實際價值的數據卻非常少，從而造成數據資源的極大浪費。如何對生產過程中的海量數 據進行處理從而發揮數據的價值，將數據不再僅僅是數據，而成為生產的資產是每個制造業 管理者都關心的問題。
　
　為了實現對數據的利用，降低生產成本提高生產效率，很多供應商都 提出了智能工廠的解決方案。 目前社會上提到的智能工廠很多，而真正能夠做到智能化的卻 很少。 筆者基于多年在制造業中的工業機理模型經驗和在智能技術領域的一些實踐， 介紹下目前智能技術以及其在制造業場景的應用情況。
　
　一、人工智能' target='_blank'>人工智能、云計算、大數據、物聯網的關系是什么？
　
　提到智能技術大家首先聯想到的就是人工智能、大數據、云計算、物聯網等。而很多人對這些名詞間的關系模棱兩可。因此有必要首先介紹下其間的聯系。 為了便于讀者理解，這里不 引用每個名詞的通用定義，而采用通俗易懂的方式進行解釋。人工智能從狹義角度講就是以 CNN 卷積神經網絡為代表的模型算法， 具體的應用圖像識別和語音識別。
　
　目前社會上所有提到的人工智能技術包括人臉識別、自動駕駛、語音交互、阿爾法狗、指紋識別等等均是基于 CNN 卷積神經網絡為核心算法的應用。因此，人工智能本質就是一種算法。云計算本質是一 種從資源到架構的全面彈性， 通俗的講， 比如對于一臺電腦，有 100 個任務，那么電腦在執 行這 100 個任務時就要有個排隊，依次進行，而當數據量很大時， 超大的任務量將會造成電 腦服務器崩潰。
　
　而云計算就是可以將一臺電腦的服務器虛擬成多臺電腦，比如我們很多人都用過 VMware 的虛擬機軟件，該軟件可以把我們的 PC 機電腦虛擬成擁有不同內存、存儲容 量和網絡的小電腦， 這樣 100 個任務將會同時分解到多臺電腦去執行， 這就是分布式計算， 從而大大提高計算效率。 大數據通俗的講就是海量的數據， 具有復雜的數據關系。
　
　物聯網通俗講就是通過網絡協議將生產過程中的儀器儀表、 視頻、語音、文本等數據全部進行連接。 為了通俗理解他們間的關系，筆者將其關系表示如下圖所示，并以一方高人的成長歷程作為比喻。
　
　物聯網、互聯網比喻作為一個人的成長環境， 通過在社會、 學校、環境中的不斷學習， 將會收獲海量的知識，這些海量的知識就是大數據。 要想有效的利用海量知識并發揮其價值 需要各種數據模型（包括統計分析、機器學習、人工智能、工藝機理模型）對數據進行訓練， 這種訓練的過程比喻為一個軍師（或者老師）對人的指導、培養過程。 而數據模型的分析訓 練需要云計算進行快速高效的迭代，從而形成豐富的知識經驗，成為一方領域的高人。而云 計算就相當于人類的大腦。
　
　二、 數據模型包括哪些？如何對模型進行選擇？
　
　由以上分析可知，一方高人的形成包括數據采集層、數據存儲層、數據模型層、數據計算 層，其中數據采集和數據存儲依托于目前的 MES 系統已經能夠很容易的實現。數據計算依 托于阿里云、華為云、百度云的計算服務也能容易做到。目前的核心限制環節在于數據模型層，即如何將生產中產生的大數據通過數據模型轉換為有價值的信息。因此，筆者在本節著重對數據模型的選擇進行介紹。
　
　對于數據模型的分類仁者見仁智者見智，沒有統一的 定義，筆者結合多年的工作經驗， 認為主要分為以下四類， 包括統計分析、機器學習、深 度學習以及工藝模型。
　
　由于篇幅關系，本文將不再具體解釋每個模型的具有原理和算法， 后續將會詳細討論。 數據模型詳細具體分類如下圖所示，由圖可知，統計分析模型主要包 括線性回歸、多元線性回歸、非線性回歸、 spc 分析、相關性分析等；機器學習模型主要 包括邏輯回歸、支持向量機、 k-means 聚類、神經網絡學習、決策樹、貝葉斯模型、隨機 森林等；深度學習（人工智能）主要包括 CNN 卷積神經網絡網絡等；工藝模型主要涉及冶金或者化工行業的物理化學反應，包括熱力學和動力學相關理論知識，生物發酵化學反應 以及基于邊界條件的最優解等問題。
　
　以上介紹了數據模型的分類，那么如何對模型進行選擇呢？
　
　由于每個模型有其特殊的需求，本文主要根據數據的類型、數據量以及應用業務場景的不 同將其分為分類、回歸、聚類、 降維、深度學習五大類，如下圖所示。 通過該圖結合生產 的數據類型、數據量以及數據實現的目標從而有效的選擇需要的數據模型。
　
　三、智能技術在制造業中有哪些應用？
　
　對于智能技術，筆者認為從廣義角度講，凡是能夠代替人工操作并能夠有效提高工作效率的都可稱作為智能技術；從狹義角度講，智能技術主要是以機器學習、深度學習等復雜算法為核心，并將數據轉換為有價值信息的技術。
　
　因此， 智能技術在制造業中的應用從廣義角度講可以概括為運營管理、智能模型、智能裝備 等方面，每個方面包含內容如下圖所示。其中運營管理包括財務管理、供應鏈、資金管理、人力資源、協同辦公、智能物流、設備管理、能源管理、安環管理和自動報表等。智能模型 主要包括統計分析、機器學習、工藝模型、企業大數據、成分預測、設備預警、智能調度、 輔助決策以及人工智能等。智能裝備主要包括機器人、自動化裝備等。
　
　從狹義角度講，智能技術在制造業中的應用主要包括以下 7 個方面，其中統計分析主要依托于柱狀圖、餅狀圖、散點圖等實現對生產重要數據的實時展示和輔助決策等；圖像智能識別技術主要應用在車牌識別、人臉識別、鋼鐵企業表面質檢檢測系統、標記號碼自動識別等； 語音智能識別技術主要依托于科大訊飛等成熟產品，實現在局部區域進行人機對話操作，從 而減少人員數量；基于實時數據的智能預測主要基于生產過程實時的工藝數據和檢化驗數據 依托于智能模型對終點成分進行預測判定，以及根據設備重要工藝參數進行智能故障預警等。 基于歷史數據的智能預測主要是針對無法實時獲取生產實時數據的類型，需要根據歷史 數據通過智能模型對終點成分、溫度、壓力以及設備故障等進行預測報警，還包括通過歷史 數據的判定分析，結合智能模型，發現現場操作人員的數據作弊問題。基于聚類分析的專家系統主要包括通過對歷史數據多維度的分析，通過聚類算法實現對產品質量以及新產品性能 等進行智能預測。基于邊界條件的最有決策問題主要針對于一定限制條件下，對于某個目標通過建立線性方程組實現線性規劃求解，從而實現最佳成本優化以及不同價格物料的最優匹 配，典型的應用場景為配料過程。對于更加具體的應用場景，將會在后續文章進行詳細介紹。
　
　注：本篇文章主要是對智能技術和其在制造業場景的應用進行簡要的概述，對于細節并未詳細展開，希望讓讀者能夠有個全面的了解。后續將會對細節進行介紹，敬請期待。 由于個人 水平有限，難免有不當之處，敬請批評指正。（本文完）
　
　智能制造和人工智能，是不是兩碼事？
　
　制造就是制造，就是它本身。不需要用各種先鋒旗幟來混淆視聽。
　
　制造就是制造，不要總是被引領
　
　去年早些時候，互聯網+曾經被視為智能制造的靈丹妙藥。經過一段時間的爭吵、實踐和沉淀，制造業+互聯網的融合，才勉強修成正果。這看上去不過是一個詞的順序顛倒，背后卻是不同角色的利益集團，在進行話語權的角斗。
　
　而在今年，隨著人工智能出現在政府報告中，AI2.0+制造眼看著又要出現在江湖。這對于中國制造2025，恐怕又是一次身不由己的晃動。
　
　智能制造自身已經完全被輿論所異化。定語智能二字，奇怪地成為最大的主角和樂趣，而制造本身則淪為配角。
　
　在這種情況，引入AI2.0只會助長本來已經熱氣騰騰的智能。
　
　要不要就叫做人工智能制造？讓制造干脆直接淪為第三角色。
　
　AI2.0，真的能引領智能制造嗎？
　
　即使是IBM的沃森，現在也面臨著大量的問題。沃森跟西門子合作，在工業領域也不過是配角。只玩算法的，是不會弄明白工業的。大家總喜歡用谷歌的AlphaGo舉例子說明AI跑得有多快，可這跟制造業，能有多大的關系。我們幾乎也沒有任何案例說明AlphaGo在工業領域有多大的進展。說白了，那不過是一場秀而已。
　
　對制造而言，機器人、大數據都是大家吹過且正在漂浮的泡泡；人工智能則正在全新升騰。這些泡泡，如果來自市場和投資商一起吹動的，政府樂見其成；然而，如果政府花費太多心思放在這一類技術上面，那么智能制造勢必誤入歧途，這種智能過熱的制造，將是制造業的悲劇。
　
　為什么制造業需要被ICT引領呢？制造就是制造，就是它本身。不需要用各種先鋒旗幟來混淆視聽。
　
　機器人+制造，也差點成為我們智能制造的主流，機器換人這一口號前兩年還曾大行其道，但現在迅速過氣成為沒人愿意提及的晦氣詞。機器人不是不能引領制造，但要看國情。
　
　日本2015年1月出臺《機器人國家戰略》之后，矢志不移地將機器人在跟物聯網、跟日本制造緊密地結合。那是有原因的，日本已經是世界排名數一數二的機器人強國，借用自己的優勢是順水推舟的事情，而中國機器人現在關鍵三大部件，都未能取得突破；在開源機器人系統、軟件又有落后的情況下，奢談機器人與制造的關系，最終勢必淪為中國是機器人最大的市場這種我們屢見不鮮的結局。
　
　在上周浙江余姚舉辦的中國機器人峰會，凱文·凱利這個在中國瘋狂收割出場費的美國預言家，倒是從側面給了我們一個提醒。他認為，在現有的基礎上，人工智能技術第一個影響到的領域應該是金融領域，而且這種影響已經開始；另一個就是零售行業。
　
　也許凱文凱利并不懂制造業，但他應該在美國也沒有看到這種跡象。
　
　彎下身子搞制造，而不是翹起腳尖搞智能，是當下工業界需要正面應對的問題。不要再干語不驚人誓不休的大事啦，而是要下沉搞出一些寒窗十年無人知的突破。
　
　調門過熱的智能制造
　
　智能制造是過熱的，正在演變成一場無心而起的非市場化的逐利行為。這方面原因，綜合了多種指向不同的志向，既有新奇元素的加入，容易理解，容易說出水平，也有急功近利的示范工程、領導視察的需要。
　
　重要的是，智能制造已經儼然成為中國制造2025的主輿論、主焦點，萬般寵愛——無論是資金投入、各級政府言行還是政策研究機構，這對發展2025，將會非常不利。
　
　智能制造的調門起的太高，是不太適合中國工業極其不均衡的國情。中國工業是一個超級熔爐，這里面生米、熟米各種夾生飯十分不同，千層餅萬層酥的現象比比皆是。而共性的問題，則是工業思想淡漠、四基工程薄弱、制造工藝跟不上等問題。
　
　這些問題，都不是智能的事情。但卻是中國工業真正可以強國的根基。
　
　筆者前些日子去沈陽鳳城考察增壓器產業集群。這個鳳凰山腳下的增壓器產業區，呈現出生龍活虎的市場活力。許多企業搞技改、搞工藝改進、搞橫向聯合，有聲有色，好一片民營企業的勃生之相。有一兩家可以隱隱地看到德國隱形冠軍那種作派的影子。
　
　然而就智能制造而言，這里幾乎紋絲不動。以生產方式為例，目前基本解決了設備數控化的問題，但自動化正處在呼之欲來的階段。而信息化幾無培育，數據分析更是不見蹤跡。而至于工業思想、戰略意識，則基本處于民營企業原生態自發生長的階段。差距相當不小。
　
　精益只有一點若有若無的影子，一些零星的5S看板掛在每個車間的里面。
　
　如果智能制造之風，不能更好地扶持如此有活力的增壓器之都——鳳城，那么只能說，我們的智能制造調門起的太高。這里有數百家企業，每家企業都有多多少少幾十號員工——他們是東北不景氣的工業局勢下的一面閃亮的旗幟。春風不度鳳凰山，那就是春風不識百姓門，智能制造之風不該只盤旋在少數企業的上空。
　
　在美國面向未來的先進制造伙伴計劃中，國家制造創新網絡是重要的一環。然而，從其分布來看，14個創新中心絕大部分都跟材料、工藝、電子相關，跟數字化制造、跟智能制造都只是各有一個。而且即使智能制造平臺強調的也是能源效率和公共平臺問題。
　
　就是這樣，人工智能都沒排上隊呢。
　
　想想也是，如果谷歌、FaceBook都可以搞人工智能，山姆大叔何必親自上呢？
　
　少談一點智能，多談一點制造，對中國制造2025尤其重要。中國制造2025是強國階段的第一步，僅僅是第一步。對于智能而言，放到2035作為重點，恐怕都未必太晚。
　
　中國當下，似乎把制造業轉型重點放在了智能制造上。然而，中國絕大部分企業連數字化制造都沒有摸門，如果奢談智能制造，中國制造將很容易進入了一個迷霧陣。智能制造是2025的主戰場，這一選擇，難免過于樂觀。而這會誤導中國制造2025的大好氣候。
　
　智能制造沒有版本論
　
　越來越多的實踐和輿論表明，工業4.0可以看成是德國制造最強有力的一次國家營銷之筆。筆者在三年前，就對此深懷警惕之意。至少現在，大多人已經開始將工業4.0跟第四次工業革命區分開來。
　
　如果從工業歷史發展階段，來嚴格地地考察工業4.0到底是什么？那么很難給出一個令人信服的結論。它看上去，更像是一個版本概念，不過是一個武斷的工業斷代史思路，是歷史階段論的說法。如果這樣理解，那么就難免會有補課論之說。
　
　因此，工業2.0補課、工業3.0普及、工業4.0示范就會出現。這種說法，正是對工業4.0斷代史思維的一種本能式的應激反應。
　
　人工智能+制造最終目的是加快制造業轉型升級
　
　中國社會科學院工業經濟研究所和騰訊研究院共同研究編制的《人工智能+制造產業發展研究報告》認為，對于復雜的制造業來說，互聯網的定位更應該在助力者而非顛覆者，幫助制造企業加快轉型升級的步伐。
　
　人工智能+制造本質是追求人機協同
　
　人工智能作為一類信息技術，誕生于20世紀50年代，幾乎與計算機同步。60多年來人工智能涉及的技術和派系眾多，學界并沒有一個明確的定義。對于大多數公眾而言，從其發展目的的角度，可以簡單將其理解為與人類一樣聰明的人造機器。
　
　將這個聰明的機器放入制造業中，主要的作用就是使機器能夠達到甚至超過人類技工水平，以實現企業生產運營效率的提升。這個放入人工智能的智能化過程，與過去制造業追求自動化的過程實際上有本質的差異。自動化追求的是機器自動生產，本質是機器替人，強調大規模的機器生產；而智能化追求的是機器的柔性生產，本質是人機協同，強調機器能夠自主配合要素變化和人的工作。
　
　因此，人工智能+制造未來所追求的，不應是簡單粗暴的機器替人，而應是將工業革命以來極度細化、甚至異化的工人流水線工作，重新拉回以人為本的組織模式，即讓機器承擔更多簡單重復甚至危險的工作，而人承擔更多管理和創造工作。
　
　人工智能+制造必然走向平臺模式
　
　制造業是一個龐大的產業，同一個廠房里，可能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。
　
　互聯網的普及和發展催生了平臺模式，平臺內信息傳播的速度大大增加、交易成本大大降低，有效促進了經濟效率的提升。近幾年，互聯網的這個模式逐漸擴展到了各行各業。對于制造業而言，這個模式就是工業互聯網平臺。
　
　未來人工智能+制造的實現的重要基礎就是這個平臺，由這個平臺為產業提供通用的算力（工業云計算和邊緣計算）、算據（工業大數據）和算法（工業人工智能）能力，從而推動整個產業的轉型升級。根據調研公司MarketsandMarkets的數據顯示，這三部分代表的全球工業互聯網平臺市場規模占整體人工智能+制造的比例，將從2016年的24%增長為2025年的36%，達到2.6千億美元。
　
　互聯網助力人工智能+制造的三類典型場景
　
　互聯網經過數十年發展，已成為信息革命的中堅力量，也是當前人工智能技術發展的領航者。其連接、數據、云、算法和安全等五方面的經驗與積累，能夠有效支持其推動人工智能與各產業結合落地。對人工智能+制造而言，目前互聯網助力的典型場景主要有三類：
　
　一是產品注智，從軟件到硬件的智能升級。互聯網可以將其人工智能算法，以能力封裝和開放方式嵌入到產品中，從而幫助制造業生產新一代的智能產品。如谷歌開發出專用于大規模機器學習的智能芯片TPU、騰訊AI開放平臺對外提供計算機視覺等AI能力等。
　
　二是服務注智，提高營銷和售后的精準水平。互聯網可利用其人工智能算法，為制造企業提供更精準的增值服務。一是售前營銷，以人工智能進行用戶側需求數據的多維分析，實現更實時、精準的廣告信息傳遞；二是售后維護，以物聯網、大數據和人工智能算法，實現對制造業產品的實時監測、管理和風險預警。如三一重工結合騰訊云，把分布全球的30萬臺設備接入平臺，利用大數據和智能算法，遠程管理龐大設備群的運行狀況，有效實現故障風險預警，大大提升了排障效率并降低維護成本。
　
　三是生產注智，增強機器自主生產能力。互聯網可幫助制造企業，將人工智能技術嵌入生產流程環節中，使得機器能夠在更多復雜情況下實現自主生產，從而全面提升生產效率。目前主要應用在工藝優化，即通過機器學習建立產品的健康模型，識別各制造環節參數對最終產品質量的影響，最終找到最佳生產工藝參數；智能質檢，即借助機器視覺識別，快速掃描產品質量，提高質檢效率。
　
　總之對于復雜的制造業而言，互聯網需要更多從合作者、助力者、服務者的角度看待。正如騰訊董事會主席兼首席執行官馬化騰所言，騰訊不會進入各行各業取而代之，而是做好連接、工具和生態三個角色。在此基礎上，人工智能等新一代信息技術才能更有效地發揮作用。
　
　悟空話務電話機器人' target='_blank'>電話機器人