人工智能，本質(zhì)上是利用數(shù)據(jù)進(jìn)行深度學(xué)習(xí)，不斷優(yōu)化與總結(jié)規(guī)律的技術(shù)。因此數(shù)據(jù)化程度越高的行業(yè)，實(shí)現(xiàn)智能化并引入人工智能，降低成本也就越容易。像網(wǎng)購、金融、咨詢行業(yè)的智能化，相對比較容易構(gòu)建和想象。但在相對傳統(tǒng)的生產(chǎn)制造領(lǐng)域?qū)崿F(xiàn)數(shù)字化與智能化，則相應(yīng)需要更長的時(shí)間。

雖然說是傳統(tǒng)的生產(chǎn)制造，但數(shù)據(jù)依然是無處不在的。然而，在分工明確精細(xì)的工廠中，這些數(shù)據(jù)的形式卻是五花八門的——有紙質(zhì)的合同、貨單，有工人腦中的記憶，有打卡機(jī)上的記錄，有管理人員系統(tǒng)上的流程（可能不同部門還用著不同的系統(tǒng)）。這些數(shù)據(jù)分散在各個(gè)環(huán)節(jié)，難以相互勾稽聯(lián)通形成統(tǒng)一的數(shù)據(jù)流用于分析和使用，就構(gòu)成了所謂的數(shù)據(jù)孤島。

無人水餃工廠

智能制造，或者說是工業(yè)4.0的愿景，正是打通這些數(shù)據(jù)孤島，實(shí)現(xiàn)數(shù)據(jù)的全局化利用。在我看來，在實(shí)現(xiàn)必要的自動化之后，達(dá)成智能制造總體分為三步：

第一步是在盡可能實(shí)現(xiàn)自動化的同時(shí)通過更多的信息采集媒介將原先以其他形式存在的數(shù)據(jù)采集至統(tǒng)一的分析載體中；

第二步是利用統(tǒng)一的系統(tǒng)管理這些數(shù)據(jù)；

第三步則是通過對數(shù)據(jù)的分析利用，提高效率，作出決策，實(shí)現(xiàn)整體的提升。

信息數(shù)據(jù)采集

這些信息采集技術(shù)能夠?qū)鹘y(tǒng)生產(chǎn)中無序而大量的數(shù)據(jù)進(jìn)行收集和初步的處理。舉例來說，通過視覺工業(yè)相機(jī)等人工智能領(lǐng)域的視覺識別媒介，在設(shè)定好識別對象和特征、方向、形狀和位置等參數(shù)之后，運(yùn)用人工智能范疇的視覺識別技術(shù)對外觀上出現(xiàn)組裝錯(cuò)誤、表面缺陷、損壞和缺失特征的產(chǎn)品進(jìn)行篩選，分辨次品和良品；

人工智能領(lǐng)域的智能識別技術(shù)

通過RFID（Radio Frequency Identification）射頻識別技術(shù)對產(chǎn)品的運(yùn)轉(zhuǎn)、物流跟行追蹤記錄。

在傳統(tǒng)生產(chǎn)中，企業(yè)可能只能對產(chǎn)品的數(shù)量和最終的次品數(shù)量有所記錄，但通過這些更加智能的信息收集方式，企業(yè)能夠?qū)Ω嗟膮?shù)進(jìn)行收集，對產(chǎn)品的情況進(jìn)行更細(xì)致的了解和分析，比如將次品的產(chǎn)生和溫度、濕度、工人的情況等多種參數(shù)結(jié)合起來。

系統(tǒng)管控?cái)?shù)據(jù)&分析利用實(shí)現(xiàn)提升

這里需要的就是我們耳熟能詳?shù)母鞣N工業(yè)軟件系統(tǒng)和云技術(shù)了。它們能夠?qū)?shù)據(jù)進(jìn)行有效的清洗和管理，并作出合理地分析。

在2017年云棲大會·成都峰會上阿里云的總監(jiān)肖力就用協(xié)鑫新能源做例子說明了打通數(shù)據(jù)孤島之后對數(shù)據(jù)進(jìn)行統(tǒng)籌分析的好處。

一個(gè)其他角度的容易理解的例子是地圖軟件app。這些地圖軟件就是將地圖數(shù)據(jù)和城市交通部門對堵車路段獲取的實(shí)時(shí)情況進(jìn)行結(jié)合，給用戶展現(xiàn)出了標(biāo)注堵車情況的地圖并進(jìn)行導(dǎo)流，提高了交通運(yùn)輸?shù)男省?/span>

實(shí)時(shí)路況信息和地圖信息的結(jié)合

另外肖云也舉了阿里云在智能制造中參與見證的實(shí)例進(jìn)行說明。協(xié)鑫新能源作為光伏行業(yè)的領(lǐng)軍企業(yè)，工廠自動化程度極高，幾乎實(shí)現(xiàn)了無人運(yùn)轉(zhuǎn)，但是他們對其中產(chǎn)生的巨量數(shù)據(jù)卻無法做到有效的利用。

而經(jīng)過阿里云數(shù)據(jù)平臺的分析，協(xié)鑫的良品率跟生產(chǎn)過程中包括機(jī)房溫度、車間溫度、設(shè)備狀況等60多個(gè)數(shù)據(jù)維度有關(guān)。在半年的努力之后，協(xié)鑫的良品率提高了1%，而在他們巨大的體量影響下這就意味著每年上億元的成本節(jié)約，可謂是極大的效率提升。

熱成像技術(shù)收集設(shè)備和產(chǎn)品的溫度數(shù)據(jù)

通過打通原本不相互連通的數(shù)據(jù)孤島，再加以組合分析，就能獲得新的結(jié)論和規(guī)律進(jìn)行效率的提升。在以往這一過程需要運(yùn)用人類的聰明才智和長年累月的總結(jié)實(shí)現(xiàn)，但在工藝越來越復(fù)雜、參數(shù)越來越多的今天，人力已經(jīng)越發(fā)無法輕松自如地對生產(chǎn)、管理過程做出決斷和改進(jìn)。

而人工智能相關(guān)的信息收集技術(shù)和能力讓更多的數(shù)據(jù)維度納入工廠管理人員的觀察和考慮范圍，并通過各種系統(tǒng)更好的統(tǒng)籌規(guī)劃這一切。在未來，人工智能的深度學(xué)習(xí)能力會讓這些決策過程有更多的可能。

文章來源：信息化和軟件服務(wù)網(wǎng)