编译 | 藤子 张震
来源 | eetimes
「机器人时代正在到来！」
这是世界各地愈演愈热的一个主题。每天，我们都会听到使用人工智能协助甚至替代人类工作的新例子。许多讨论都会围绕消费者所面对的境况而展开。然而，从产品到资本，从工厂到遍布全球的供应网络，制造业因其复杂的程序和机器之间的相互作用，在人工智能的浪潮中可能会受到更大的影响。
随着传感器数据洪流的到来，工厂有机会加入信息知识界，有效地推动车间的产出量。AI 的应用，从智能合作机器人到虚拟助手，会颠覆工厂的运作方式。
从生产、流通到销售，大数据和人工智能技术可以协助企业分析生产过程中的全链路数据，实现生产效率、库存周转率、设备使用效率提升等目标。
在市场方面，人工智能可以计算、分析海量的交易数据以及大量传感器采集的流通数据，使企业实现自动化、智能化的生产计划和市场计划。在制造环节，可以通过收集、分析产品数据、生产设备数据，使产品的良品率实现自动化诊断，设备实现远程监测。
人工智能在制造业的应用
1、预测性维护和自我监测
埃森哲的研究显示，人工智能的潜在好处远比过去的自动化带来的影响大得多，举例来说，在 1993 年至 2007 年之间，传统的自动化系统据估计已经产生了 0.9% 的额外年增长率，而在发达经济体中则增长了 0.9%。
在利用人工智能进行预测性和自我监测方面，根据埃森哲的报告显示，德国制造公司 Bosch 正在把人工智能放在他们的业务的前沿。该公司的「思维工厂」目前在德国汽车工厂中推出，目的是让人工智能机器能够自我诊断技术故障，自动订购替换部件，并预测维修需求。
通过使用机器学习实现预测性维护以及自我监测，Bosch 能够节省十亿美元的成本开支，并且预计会带来十亿美元的额外收入。
而 Bosch 并不是唯一一家施展人工智能策略的公司，日挥株式会社（以下简称日挥）与日本电气株式会社（以下简称 NEC）早在 2016 年就签署合作，利用人工智能和物联网技术，围绕面向石油精制、化学、液化天然气、煤气、发电、资源开发等领域提供工厂运转异常预测系统的构建及服务。
日挥与 NEC 合作共同提供工厂运转数据分析服务，通过分析涵盖整个工厂的广泛运转数据，可以提高数据的完备性，缩短异常状况预测的分析时间，提高分析速度。另外，再基于运转中的工厂整体数据，实时测定异常状况发生的因果关系，能够防患于未然。
而 NTT 集团旗下的 NTT Communications Corporation 与三井化学株式会社则合作将人工智能技术应用在产品质量的预测上。他们以来自注入反应器的原材料及反应器条件的数据集与代表气体产品质量的 X 气体浓度之间的关系进行建模为基础，用深度学习算法对数据进行分析，随之高度精确地预测产生的气体产品的质量。
美国通用电气同样看到了这样的机遇，专门成立人工智能公司，致力于利用数据分析、机器人、人工智能技术，为油气、运输和能源行业等提供先进的检测服务。目前，GE 公司已经开始了对用于炼油厂、工厂、铁路以及其他工业设施检测的自主无人机和机器人「爬虫」的检测工作。
2、通过视觉检测技术提升品检效率和良品率
在制造过程中，生产线上的产品，最后一关就是检查是否良品，而这项工作必须由对产品非常熟悉、经验老到的员工进行，因而效率比较低下，而人力也不足。
然而，通过人工智能的图像识别，则可以代替作业人员的肉眼检查，不仅能减少作业人员的工作量，提升效率，而且还能使产品质量更为均衡。
NEC 就曾经推出「AI Visual Inspection」视觉检测，运用机器学习技术，检测金属、人工树脂、塑料等产品加工业的生产线的产品影像，快速找出不良品，提升生产线效率。
NEC 在 NEC Industrial IoT 中，新增 AI Visual Inspection 功能，协助作业人员进行产品检测。具体流程则是，NEC 将现场品检时拍摄的系列产品影像，储存保管在物联网平台 NEC the WISE Iot Platform 云端上。当影像数据达到一定的量后，云端的 AI 会从这些数据中抽取并分析良品与不良品的特征，并根据分析结果，进一步归纳出良品与不良品的判别模式，并将判别模式从云端传输到工厂现场装设的设备上。
在工厂端，则会运用现场设备内建的 AI，以接收到的判别模式为基础，判别产品是否为不良品。而当生产线要追加制造新的产品时，云端的 AI 也会自动学习新产品的特征信息，并同步更新判别模式，进而有效降低追加设计、研发的工作量。
而 ABB 与 IBM 合作，可以在生产过程中记录实时图像，借助 ABB 系统，并结合 IBM Watson 的 AI 能力和实时产品图像实时发现瑕疵，识别人眼无法观察到的问题，然后再用人工智能系统进行分析，由此快速发现并排除故障。
3、机器人带来的自动化
而人工智能在工厂中的应用，最常被提及的也莫过于机器人了。而一些公司正在致力于使机器人更加易于使用以及更加智能。
Universal Logic 的基于人工智能的机器人技术 Neocortex 能使机器人感知周围环境，如机器维修、垃圾清理，可以实时快速进行互动并对环境做出回应，它的能力包括识别各种形状材质的物体如瓶子、包、箱子等，并适当做出反应，可靠性达到 99%。
除了第三方机器人技术平台之外，作为垂直制造商，通用电气正在内部研发自己的技术，比如进入飞机发动机内部进行检查的产品。除了构建软硬件平台，通用电气还投资了以自动化移动机器人著名的 Clearpath Robotics 和以蛇臂机器人著名的 OC Robotics。
随着机器人的触觉敏感度越来越高，对制造车间的组装和独立行动工作，也将会越来越方便。而随着传感器与视觉技术的提升，机器人将会更加智能、轻便和友好，使用机器人承担大部分的组装、移动、包装、运输或其他体力劳动，从而能极大地提升效率，降低成本。而在以后，机器人不仅能基于其程序进行判断，还能基于经验主动做出决策。
人工智能+制造业，中美谁胜出？
无论是德国的「工业 4.0」还是中国的「中国制造 2025」，还是美国政府想尽办法让制造业回流，制造业依然是全球国家竞争的核心战场。然而，有此前有所不同的是，人工智能将为制造业的竞争加码，国家对人工智能的投资和重视程度成为了一个关键因素。
据麦肯锡研究称，大多外部投资都将眼光放在 AI 技术的机器学习方面，比如语音识别和机器人技术。众多投资都流向了美国的公司（66%），紧接着是中国公司（17%），据 Infosys 调查发现，在过去的一年，美国机构很可能增加了对 AI 技术的投资，尽管中国获得的 AI 投资金额远低于美国，但其投资和 AI 的部署增长迅速。麦肯锡研究称，「我们的调查显示，美国和中国不仅在 AI 投资和创新方面居于领先水平，在 AI 的采用方面也遥遥领先。」
中美两国都建立了人工智能技术的生态系统，且都将 AI 技术置于制造业战略的中心位置。去年，奥巴马政府发布了一份 AI 研发战略规划。中国也将 AI 作为五年计划的重要部分，争取到 2020 年实现重大发展。
「中国制造 2025」是中国的最新行动计划，目的是将中国的制造业从低劳动成本转向高附加值的制造，而 AI 将在这一行动计划的成功中发挥重要作用。为了完成「中国制造 2025」的雄心规划，按照时间表完成目标，中国可能需要进行更多的并购交易。2016 年，中国家用电器制造商美的完成了对德国机器人公司 Kuka Robotics 的收购，就是其中一例。
Infosys 调查报告称，中国在人工智能成熟度评分中居于领先地位，可能是因为其「具有较少的法律体制和商业程序，使得人工智能的采用和整合更加容易。」但这并不意味着中国能很快赶超美国，毕竟除了近四倍多的外部人工智能投资之外，美国也拥有其它很多优势。比如，根据麦肯锡研究，进行内部研发投资的大型公司大多位于美国。进行内部研发的超级工业制造商，如 ABB、Bosch、通用电气、IBM、西门子以及特斯拉等总部大多位于美国或者欧洲，而不是在中国。
