作者：彭昭(zhao)（智(zhi)次方(fang)創始(shi)人、云和資(zi)本聯合創始(shi)合伙人）
物聯網智庫 原創
這(zhe)是(shi)我的(de)第311篇專欄文章。
2024年，我們邁入了AIoT 2.0的新階段，大量的、主流的設備將會具備智能，而生成式人工智能在產(chan)業的(de)應用，是其中必不可少的(de)一塊拼(pin)圖。
最近，生成(cheng)式人工智能GenAI在制造業的應用，正在潛移默化的推進。
以西門(men)子為例，繼去(qu)年與(yu)微軟(ruan)聯(lian)合研(yan)發(fa)“AI工(gong)(gong)業副駕(jia)”之(zhi)后，本月(yue)西門(men)子又與(yu)AWS聯(lian)手推動(dong)生成式人工(gong)(gong)智能在(zai)工(gong)(gong)業軟(ruan)件領域的普(pu)及。
AI工業副駕的(de)目(mu)標(biao)是(shi)讓工(gong)人能(neng)夠更(geng)加有效(xiao)的(de)操作(zuo)機器，過去(qu)花費幾(ji)周才能(neng)完(wan)成的(de)任務，通(tong)過工(gong)業(ye)副駕只(zhi)需幾(ji)分鐘就能(neng)實現，由此(ci)可以(yi)顯(xian)著減少仿真(zhen)時(shi)間，提高生(sheng)產效(xiao)率。
工業軟件的GenAI應用則涉(she)及(ji)到徹(che)底改變(bian)企業處理生成式(shi)人工智(zhi)能程序的方(fang)式(shi)，通(tong)過將(jiang)人工智(zhi)能基(ji)礎模型服務Amazon Bedrock與西門子低(di)代碼平臺Mendix的(de)集成，只需點擊幾(ji)下，使用簡單的(de)圖(tu)形界面和拖(tuo)放(fang)指令(ling)，用戶就可(ke)以(yi)加速工業軟件的(de)開發(fa)流程(cheng)。
隨著生成(cheng)式人(ren)工智(zhi)能GenAI技術(shu)的(de)快速(su)發展，其(qi)應用前(qian)景備受關注。GenAI是否(fou)會(hui)成(cheng)為工業(ye)制(zhi)造(zao)領域的(de)“利器”，推動傳統制(zhi)造(zao)業(ye)的(de)智(zhi)能升級，改善產業(ye)生態，目前(qian)業(ye)界褒(bao)貶不(bu)一。
在這些討論背后(hou)，一(yi)些科技公(gong)司正在積極(ji)的(de)使用行動擁抱GenAI，推動著各種探(tan)索一(yi)路向前。
知名研究機構的預測也支持了GenAI即將在多個產業生根發芽的論斷。
具有(you)代(dai)表性的比如(ru)高(gao)盛的一(yi)份研究，認為GenAI的突(tu)破將會給世(shi)界帶來前(qian)所(suo)未有(you)的變化。隨著自然(ran)語言(yan)處理NLP等新工具的推(tui)出，GenAI和(he)NLP可(ke)以推(tui)動全球(qiu)GDP在十年(nian)間增長7%，相當于為全球(qiu)經濟(ji)增加(jia)了7萬億美元。
波士頓(dun)咨詢BCG最近的一份研(yan)究報(bao)告，分析了生成式人工(gong)智(zhi)能在未(wei)來工(gong)廠(chang)中的應用，較(jiao)為具備參考性(xing)。
其中的重(zhong)要(yao)結論包括：
GenAI并沒有取代傳統的人工智能，也沒有取代現有的工業控制系統，而是起到了輔助的補充作用，為面向未來的工廠鋪平道路。
隨著GenAI解決方案的開發，機器的自主性正在不斷的進步，使得設備能夠自我調節并且自適應陌生環境。
今天這篇(pian)文章(zhang)，我們將圍繞BCG的這份研究報(bao)告，通過具體案例，剖析GenAI在工業制造中(zhong)的應用潛力、實(shi)現(xian)路(lu)徑(jing)及(ji)注意事項(xiang)，以期對(dui)工業制造轉型升級提供參(can)考借鑒。
制造企業愿意優先考慮GenAI的顛覆性潛力
BCG最近對制造商進行調查，以洞察他們對新興技術的看法。
調查發(fa)現，無論(lun)對數字(zi)化的(de)熱情高低，制造(zao)業(ye)高管(guan)都將人工智(zhi)能(neng)(neng)（包括GenAI）視為(wei)最可能(neng)(neng)帶來運營革新的(de)技(ji)術。
BCG分析表明，人工智能可以將車間生產力提高20%以上，投資回報僅需1~3年。
以一家汽車供應(ying)商為例，人工智能應(ying)用幫(bang)助其生產(chan)力提(ti)升(sheng)了21%。其中，人工智能驅動的(de)殘(can)次品顧問優化(hua)參(can)數，讓廢(fei)品率(lv)下(xia)降25%；泵閥健康監(jian)測(ce)器幾(ji)乎杜絕了關鍵生產(chan)泵故障，設備(bei)效率(lv)提(ti)升(sheng)7個百分點；質量(liang)檢(jian)測(ce)系統(tong)減少65%的(de)質檢(jian)人力，并(bing)提(ti)高檢(jian)測(ce)準(zhun)確率(lv)。
人工智能技術源(yuan)頭眾多，應(ying)用廣泛。機器學(xue)習(xi)和深度學(xue)習(xi)主要(yao)進行數(shu)據分(fen)析、分(fen)類、聚(ju)類等；而GenAI如(ru)ChatGPT則能根據提示創造新(xin)的(de)內容。
試點項目是GenAI工業應用的理想起點
既然生成(cheng)式人(ren)(ren)工(gong)智(zhi)能(neng)(neng)為(wei)制造業帶(dai)來革新的(de)(de)新機遇(yu)，試點項目則是(shi)企業實踐生成(cheng)式人(ren)(ren)工(gong)智(zhi)能(neng)(neng)的(de)(de)理想起點。來自英偉達、西門子和Invisible AI等公司(si)的(de)(de)業內專家們，分享了(le)工(gong)業GenAI賦能(neng)(neng)智(zhi)能(neng)(neng)工(gong)廠(chang)的(de)(de)3個典型案(an)例。
案例1：“合成數據”讓機器人拾取和放置不同的物體
借助人(ren)工智能(neng)訓練，機器人(ren)了獲得處理(li)各種物體的能(neng)力，哪怕是雞翅，也(ye)可(ke)以“信(xin)手拈來”。
英(ying)偉(wei)達(da)和Soft Robotics公司與(yu)食(shi)品生(sheng)(sheng)產商合作，通過生(sheng)(sheng)成式人工智能解(jie)決方(fang)案(an)，使機器人能準確(que)識別雞翅(chi)堆，抓取單(dan)個濕滑的雞翅(chi)。
在過去。這是一項極具挑戰性的任務，因為雞翅的形狀和姿勢難以預先判斷，存在多種組合。人工智能的獨特之處在于構建逼真的3D數字孿生和模擬環境。相比拍攝海(hai)量真(zhen)實圖片，使用算法生(sheng)成的“合成數(shu)據”訓練(lian)模型，能大幅節省(sheng)時間成本(ben)。
圖(tu)：Soft Robotics的機器人能夠識別并從一堆雞(ji)翅(chi)中撿起單(dan)個濕滑的雞(ji)翅(chi)
案例2：使用異常值檢測，生產線的吞吐量翻倍
廠(chang)長雖(sui)然(ran)不能無(wu)所不在，但智能設備(bei)可(ke)以。Invisible AI公司通過(guo)GenAI智能設備(bei)幫助制造商優化裝配線。
一旦(dan)發現在部(bu)分工(gong)作(zuo)站(zhan)點(dian)的執(zhi)行周(zhou)期(qi)內存在異(yi)常，這時人工(gong)智能便(bian)化身為“千里眼(yan)”，它洞察生產全景(jing)，找出異(yi)常，引導工(gong)程師們注意關(guan)鍵問題。
圖(tu)：使(shi)用人工(gong)智(zhi)能工(gong)具(ju)，造車企業發現工(gong)作站的異常時(shi)段
某(mou)汽車供應商在Invisible AI幫(bang)助下(xia)使產(chan)線(xian)產(chan)能提(ti)升一(yi)倍(bei)。在另一(yi)個(ge)案例中(zhong)，一(yi)家汽車OEM與Invisible AI合作來識別(bie)未充分(fen)利用的(de)(de)站點，OEM利用這一(yi)洞(dong)察力整(zheng)合了工作站，每班次的(de)(de)吞吐量(liang)提(ti)高了5%，同時為20%的(de)(de)員工進(jin)行(xing)重(zhong)新(xin)分(fen)工。
案例3：敏捷的模擬新產線和新流程
數字孿生技術可降低新工廠設計和(he)流程變革的風險(xian)。它建立虛擬工廠的3D模擬環境，與現有系統(tong)連通，外觀和(he)運行邏輯均(jun)如(ru)實體(ti)工廠。
更進一步，工業元宇宙使這一切成為(wei)現(xian)實，它(ta)專(zhuan)為(wei)制造商構建虛擬(ni)空間。英偉達與(yu)西門子正通過數字(zi)孿生，將虛擬(ni)技術引入各類工業用(yong)戶(hu)。
圖：制造(zao)生產(chan)的整個規(gui)劃階(jie)段都可以在工業元宇宙中進行
數字孿生涵蓋的(de)技術范疇(chou)廣(guang)泛(fan)，其中也(ye)涉及到GenAI的(de)使(shi)用。這(zhe)方面的(de)用例非常鮮活，FREYR電(dian)池公司構建了(le)完整的(de)電(dian)池工廠虛擬模型，涵蓋基礎設施、設備、人體工程學、安全等細節，實(shi)(shi)現產品生產的(de)逼(bi)真(zhen)模擬，大幅降低了(le)實(shi)(shi)際工廠規(gui)劃的(de)風險。
GenAI幫助鋪平面向未來的工廠建設之路
GenAI引入了(le)一系列創新功能(neng)，但它并(bing)不太適合故障(zhang)檢測、生(sheng)產分析(xi)或定點優(you)化等任務。對(dui)于這些任務，傳(chuan)統的(de)人工智(zhi)能(neng)具有很(hen)好的(de)方案。
盡管(guan)如此，GenAI仍可發揮(hui)重要輔助作用(yong)，幫助制(zhi)造(zao)商實現未來智能工(gong)廠。其(qi)獨特功能可支持制(zhi)造(zao)商實現工(gong)廠流程(cheng)的自治(zhi)和(he)增強(qiang)，并以嶄(zhan)新方式協助員工(gong)工(gong)作。
根(gen)據BCG的分(fen)析，GenAI可(ke)在各個(ge)層面發揮(hui)作用，使工廠(chang)實現從(cong)被動到主(zhu)動的轉變，最(zui)終達到智(zhi)(zhi)能化和(he)自主(zhu)化運(yun)轉。它(ta)是實現未來(lai)智(zhi)(zhi)能工廠(chang)的重(zhong)要助(zhu)力。
經過匯總，GenAI能力可支持三類典型的制造業應用場景：輔助系統、推薦系統和自治系統：
第一類是輔助系統。
這類GenAI應用可提高編程(cheng)、設備維護等實(shi)際(ji)工(gong)(gong)作的(de)效率。例如，傳統上工(gong)(gong)程(cheng)師需要手動對機器和邏輯控制器進行編程(cheng)。而GenAI工(gong)(gong)具可自(zi)動生(sheng)成代碼，減(jian)少(shao)工(gong)(gong)程(cheng)量(liang)和時(shi)間(jian)成本，工(gong)(gong)程(cheng)師只(zhi)需審查(cha)和調整代碼。
同樣，GenAI也可匯總操作員的豐富經驗與知識，將其轉化為數據驅動的建議。
它(ta)可以構建模型，通(tong)過(guo)數據分析驗證(zheng)操作(zuo)員(yuan)對優化(hua)設備的參數調(diao)整或處理異常的建議。通(tong)過(guo)自(zi)動(dong)化(hua)編碼和轉化(hua)員(yuan)工經(jing)驗知識，GenAI可有效提升工作(zuo)效率，發揮重要輔助作(zuo)用。
第二類是推薦系統。
GenAI可提供建議(yi)，指導工作(zuo)人員選(xuan)擇最佳方案(an)。
在(zai)預測性維護中可以看到GenAI的(de)應(ying)用價(jia)值。過去(qu)，制造(zao)商通(tong)過固定周(zhou)期維護來防故障。隨著機(ji)器(qi)學習的(de)應(ying)用，可以通(tong)過分析(xi)不同傳(chuan)感器(qi)數(shu)據，識別模式并(bing)預測故障。
GenAI可(ke)進一步增強(qiang)這種預(yu)測性維護流程，它可(ke)以(yi)自動生成文字或圖(tu)像的維護步驟說明，包括備(bei)件清單。這樣維修人員可(ke)以(yi)將(jiang)更多時(shi)間放在執行(xing)上，從而提(ti)升效率，降(jiang)低成本(ben)。即(ji)使缺(que)乏經(jing)驗的技師，在GenAI工具輔助下(xia)也能高效維修設備(bei)。
第三類是自治系統。
開(kai)發(fa)者正在探索使用GenAI實現機器的自(zi)治(zhi)。例如(ru)現在許多(duo)搬運(yun)作業還需人工操作，自(zi)動(dong)化非常困難，GenAI可將工程師的語音提示，如(ru)“給我備件47-11”，翻譯成機器人自(zi)動(dong)執行(xing)的一系列動(dong)作。這減少了對(dui)特定環境和任務的培訓，降低工程成本，提高生(sheng)產率(lv)。
另一個例子是使用GenAI為機(ji)器視(shi)覺(jue)的質量控制合(he)成訓(xun)練數據，無(wu)需在生產中收集大量真實數據即可快速啟動系統(tong)。
通過模擬學(xue)習和內容生(sheng)成，GenAI可實現(xian)對新環境的自主適應，大(da)大(da)推進制造業的自動化水平。
如何在制造業中應用GenAI取得成功
要在制造業成功(gong)推廣人(ren)(ren)工智(zhi)能(neng)，僅確定(ding)應用領域遠遠不(bu)夠，還需在人(ren)(ren)員和(he)技術兩個方面奠定(ding)堅(jian)實基礎(chu)。GenAI應用開發和(he)運(yun)營所需的(de)人(ren)(ren)才(cai)能(neng)力(li)，與(yu)傳統(tong)人(ren)(ren)工智(zhi)能(neng)類似。但GenAI技術架構(gou)更為復(fu)雜(za)，包括：模型來源、平臺(tai)和(he)基礎(chu)設(she)施，以及應用運(yun)營等方面。
這(zhe)些技術架構的選(xuan)項組合(he)產生了GenAI在制造業的多種(zhong)運營模(mo)式(shi)(shi)，具體可分(fen)為(wei)上圖中的4種(zhong)類型，不同模(mo)式(shi)(shi)都(dou)有其優勢，制造商可根據(ju)實際情況選(xuan)擇最佳(jia)方案。
總體來說，GenAI技術架構的實現(xian)有多(duo)種方案可供選擇(ze)，每個都有其優(you)劣(lie)。制造商應(ying)當根據自(zi)身實際情況(kuang)和需(xu)求進行決策。
綜合考慮各方面因素，制造商可遵循以下五步驟將GenAI融入運營：
第一步(bu)，診斷現狀(zhuang)，識別GenAI應(ying)用(yong)的機遇和價值提升空(kong)間。
第二步，設計目標愿景、策略和(he)路線圖。評(ping)估(gu)各(ge)類GenAI應用的(de)效益，明確(que)人員(yuan)和(he)技術(shu)措(cuo)施。選擇(ze)合適(shi)的(de)GenAI模型(xing)，兼顧效果、成(cheng)本和(he)響(xiang)應速(su)度。
第(di)三步，開發GenAI解(jie)決方案和配(pei)套措施。
第四步(bu)，試點GenAI解決方(fang)案和配(pei)套(tao)舉(ju)措，激(ji)發組織內廣泛采用的動力。
第(di)五(wu)步(bu)，在生(sheng)產(chan)環(huan)境中推廣經過驗(yan)證的GenAI應(ying)用(yong)組合，并(bing)啟動更多試(shi)點(dian)項目不斷拓展應(ying)用(yong)場(chang)景(jing)。
寫在最后
生成式人工(gong)智能正悄然(ran)改(gai)變(bian)著我們的(de)世界，其(qi)在(zai)制造業中的(de)應用(yong)已成為熱點。
本文通過(guo)案例分析，梳(shu)理了GenAI在(zai)智能(neng)制造中(zhong)的價值和作用。GenAI可實現智能(neng)識圖、語(yu)音交互、智能(neng)決策等，大幅提高工廠的自動化(hua)和自主化(hua)水平。
與此同時，我們也要清醒認識GenAI的局限，傳統AI在檢測、分析等方面仍占優勢，兩者應互補應用。要真正實現工業智能化，企業還需關注技術框架選型，人才培養，以及GenAI應用的循序漸進。
GenAI為(wei)工業注入新動(dong)能的同(tong)時(shi)，也給企(qi)業管理帶來新挑戰(zhan)。我們(men)需審慎應(ying)對，以推(tui)動(dong)制(zhi)造業穩步智能化升(sheng)級。
參考(kao)資料：
1.Generative AI’s Role in the Factory of the Future，作者(zhe)：Daniel Küpper， Kristian Kuhlmann， Monika Saunders， John Knapp， Kai-Frederic Seitz， Julian Englberger， Tilman Buchner， Martin Kleinhans，來(lai)源：Boston Consulting Group
2.Turning GenAI Magic into Business Impact，作者：Nicolas de Bellefonds， Sylvain Duranton， Vladimir Lukic， Jessica Apotheker， Rich Lesser， Theo Breward，來(lai)源：Boston Consulting Group
3.Four AI case study successes in industrial manufacturing，作者：CARRINE GREASON，來源(yuan)：Control Engineering
4.AI agents help explain other AI systems，作(zuo)者：RACHEL GORDON，來源：Control Engineering
文章精選
