首页>咖视角> 正文 
投稿
奥宝电子:工业AI需要整合与融合
  2020-06-25   


 image.png奥宝电子(深圳)有限公司亚太区工业4.0项目经理王勇

 

   这场突如其来的疫情改变了我们原本的生活、工作和学习轨迹;当务之急首先考虑的是怎样应对:戴口罩,勤洗手和居家隔离似乎将成鼠年的新常态。

   当我们谈到工业AI,一定离不开两个话题:那就是工业和AI,用“融合”来形容再恰当不过。但是真正了解或者落地的案例并不很多。我以一个在印制线路版垂直行业观察者的身份纵观行业现状:发展不易,尚且处于初级阶段。

 这场疫情是突发的,但在应对突发事件时,工业企业在复工复产中暴露的不完善问题相继凸显:供应链原材料短缺、复工人员短缺、物流不畅,智能应急基础设施不成熟……但这或许给我们带来新的机遇去再思考:工业AI能否早日服务于我们实体经济?

 

工业AI发展需要从感知突破

   病毒是无情的,传播之快让我们措手不及,除了本能的反应是要保护自己的同时,也让我们更多关注到这个疫情对我们生活带来的直观影响:

·         病毒需要核酸检测来确诊,然后隔离和持续治疗,然后再检测;

·         影像CT检测也可以透过大数据学习从一定程度上协助确诊病理现状;

·         为了预防公众传播,我们需要日常体温量测,发烧是病毒呈现症状表现之一;

·         我们需要健康绿码登记和旅行记录的申报来密切跟踪我们的日常出行;

·         为了避免人为申报的误差,使用手机扫描追溯最近14天的行程记录;

·         为了解决口岸大量人流的检测,热成像自动检测 +AI变了火爆起来。

   虽然,这个和我们所谈的工业AI没有直接关系,但是背后隐藏的一些道理意义深刻,或许我们要重新思考下工业AI到底能带给我们什么?很多人都在说降本、提质和增效等是我们工业目前面临的挑战或者问题。一种新的技术革命需要去解决我们面临的问题,但是解决问题之前需要发现问题和后期问题的管控,这个和我们当前面临的疫情是一模一样的。

   所以,工业AI的突破需要从感知开始,感知即意识对内外界信息的看的见、感觉的到、能理解、知觉的一系列过程。感知可分为感觉过程和知觉过程。工业AI的导入过程需要从我们人为对AI的认知开始,这需要一个学习的过程;我们拿制造业来重新认知我们所面临的问题,如果我们目前面临的品质问题,那么需要给AI提供所有涉及到品质异常的量化数据,快速的确诊问题并给出人为无法给出的判断与检测。感知并非只是针对一个AI系统,也是针对一个组织和场景的应用,如果没有场景让我们最新技术呈现出来,是很难被工业企业所接受的,比如:效益是否有提升,工业企业更多关注其有效性而非技术的先进性,用我们邓爷爷的话说:不管黑猫白猫,能捉老鼠的就是好猫。

 

准确的数字化信息是工业AI之本

   这次疫情数字化应用无处不在,这是时代的产物和技术的突破。我们可以从每天各国、省、市确诊或者治愈等各种数据呈现与更新来快速判断目前的疫情状况;从火神山医院建造直播,3000万观众在线观看的全过程感叹中国速度,也让我们体会到数字化给我们带来的体验与应对疫情的信心。数据的准确与透明化使我们每一个人的大脑更能做出准确的判断与决策,工业AI何尝不是?

   我们谈工业AI更多是从制造业出发,谈制造业又分流程或者离散制造业,或者细分成垂直行业,然后思考生产制造中的人、机、料、法和环等怎样去应用AI来帮助解决问题。这些通用的概念每个人都可以耳熟能详。从电子制造业出发,制造业工艺流程中的关键所在:如果不能发现问题,就不能解决问题,所以发现问题很重要;如果没有准确的量测问题,就无法管控问题,所以首先要可量测,这些因果关系也定义我们解决方案的发展方向。基于这些量化数据的基础我们就很容易的通过推理找寻我们需要的数据模型,没有对设备或者生产工艺以及最新技术的理解是很难定义出准确的数据信息。

 

工业AI需要整合与融合

    整合是一个全局概念,更多注重的是横向与纵向的整合,碎片化的需求或者单一AI应用不具备工业AI其代表性,比如缺陷检测AI智能降点,不具备完整工业AI代表性,因为降点并没有提升品质或者协助品质达成预测性和快速适应的标准,但是具备技术导入可行性和客观有效性,这个可以被量化从而转换成投资回报率的计算,所以更容易被处于当下的甲乙双方所接受,当然实现效果取决于各自的能力。

image.png

 

  融合是IT与OT的融合,这是概念上的理解,转换为容易理解的语言为:各行各业生产中的经验积累,工艺和新型技术的发展方向可转换成数字化,量化或者模型化,并通过相关的IT技术比如机器学习或者工业平台型AI最终达成智能制造目标,这也是我国2025发展方向;融合更多关注在传统运营的数字化转化,这不是简单的过程,需要花大量时间去了解行业的特性和建立标准,并通过具备规划能力的人去做转换。在传统行业里这样的人才非常缺乏,我们不得不面临传统行业流程之庞大,早已把制造从业人变成一部超级机器零部件:自己很清楚自己做什么,但是很难找到一个人弄清楚整个过程大家都在做什么,这些壁垒需要时间去突破!

 

结语

  任何一项新技术或者新的变革都有其发展的周期性和规律,未知事物永远有很多不确定性,但是能确定的是当下我们之所见和大胆的尝试,也期望工业AI的发展,我们中国的2025与智能制造发展快点,再快点!早日实现我们的强国梦!

 


最新文章
 2024-01-26
 2024-01-08
 2024-01-08
 2024-01-09