此次疫情的肆虐，在很多制造商眼中反而成了“重置現(xiàn)有業(yè)務(wù)體系”的好機(jī)會(huì)，他們希望借此拓展并增強(qiáng)生產(chǎn)流程的適應(yīng)性與智能化水平，而分析與AI技術(shù)的驅(qū)動(dòng)自然成為轉(zhuǎn)型過(guò)程中不可或缺的一環(huán)。

將人類(lèi)經(jīng)驗(yàn)、見(jiàn)解與AI技術(shù)相結(jié)合，制造業(yè)企業(yè)發(fā)現(xiàn)了新的差異化方法，得以在降低成本的同時(shí)維持正常利潤(rùn)。面對(duì)艱難的經(jīng)濟(jì)環(huán)境，各制造商都必須正視保持業(yè)務(wù)增長(zhǎng)所需要克服的挑戰(zhàn)。但他們并不孤單——波士頓咨詢(xún)一項(xiàng)最新研究《后危機(jī)時(shí)代下，以AI為驅(qū)動(dòng)力的企業(yè)將全面崛起（The Rise of the AI-Powered Company in the Postcrisis World）》就發(fā)現(xiàn)，在前四輪全球經(jīng)濟(jì)衰退當(dāng)中，有14%的公司反而能夠逆勢(shì)提高銷(xiāo)售額與利潤(rùn)率，如下圖所示：

▲ 圖片來(lái)源/波士頓咨詢(xún)《后危機(jī)時(shí)代下，以AI為驅(qū)動(dòng)力的企業(yè)將全面崛起》，2020年4月2日。

AI，構(gòu)建實(shí)時(shí)制造業(yè)的未來(lái)「核心」

實(shí)時(shí)監(jiān)控具有諸多優(yōu)勢(shì)，包括解決生產(chǎn)瓶頸、跟蹤廢品率、控制交貨日期等等。實(shí)時(shí)監(jiān)控指標(biāo)也是上下文數(shù)據(jù)的理想來(lái)源，可用于訓(xùn)練機(jī)器學(xué)習(xí)模型。有監(jiān)督與無(wú)監(jiān)督機(jī)器學(xué)習(xí)算法，能夠在幾秒鐘之內(nèi)，解釋多個(gè)生產(chǎn)班次的實(shí)時(shí)數(shù)據(jù)，并據(jù)此探索出前所未有的流程、產(chǎn)品與生產(chǎn)運(yùn)作模式。

凱捷近期發(fā)布了《在制造運(yùn)營(yíng)中擴(kuò)展AI技術(shù)（Scaling AI in Manufacturing Operations: A Practitioners Perspective ）》研究報(bào)告。我們結(jié)合報(bào)告內(nèi)容，同時(shí)參考過(guò)去幾個(gè)月來(lái)對(duì)多家制造商的訪談結(jié)論，整理出以下十條AI技術(shù)在2020年增強(qiáng)制造行業(yè)的重要見(jiàn)解：

• 制造企業(yè)中，29%的AI實(shí)施方案面向機(jī)械維護(hù)與生產(chǎn)性資產(chǎn)。凱捷研究團(tuán)隊(duì)發(fā)現(xiàn)，利用AI技術(shù)預(yù)測(cè)機(jī)器/設(shè)備何時(shí)可能發(fā)生故障并制定最佳維護(hù)時(shí)間（基于條件型維護(hù)）已經(jīng)成為當(dāng)今制造業(yè)中的主流。通用汽車(chē)就在技術(shù)供應(yīng)商的幫助下，對(duì)安裝在組裝機(jī)器人上的拍攝圖像執(zhí)行分析，借此尋找機(jī)器人部件發(fā)生故障的跡象與征兆。在對(duì)該系統(tǒng)進(jìn)行的一項(xiàng)先導(dǎo)測(cè)試中，通用方面檢測(cè)了7000臺(tái)機(jī)器人上的72個(gè)組件故障實(shí)例，并成功在可能導(dǎo)致計(jì)劃外停機(jī)之前發(fā)現(xiàn)了問(wèn)題。下圖來(lái)自研究報(bào)告，說(shuō)明了AI技術(shù)如何支撐起制造業(yè)中的智能維護(hù)方案：

▲ 圖片來(lái)源/凱捷制造業(yè)AI運(yùn)營(yíng)擴(kuò)展報(bào)告：從業(yè)者視角。

• 通用汽車(chē)聯(lián)手Autodesk，依托于機(jī)器學(xué)習(xí)技術(shù)，在產(chǎn)品設(shè)計(jì)的約束與優(yōu)化領(lǐng)域建立起生成性設(shè)計(jì)算法。在CAD設(shè)計(jì)環(huán)境中建立起這樣一種約束優(yōu)化邏輯，幫助通用汽車(chē)顯著加快原型設(shè)計(jì)速度。設(shè)計(jì)師負(fù)責(zé)向算法中輸入功能需求、材料、制造工藝以及其他約束性定義，算法則快速給出設(shè)計(jì)結(jié)果。2018年5月，通用汽車(chē)開(kāi)始采用Autodesk生成設(shè)計(jì)軟件，以?xún)?yōu)化零部件重量等核心產(chǎn)品標(biāo)準(zhǔn)，并希望以此為基礎(chǔ)實(shí)現(xiàn)零件的增材制造能力。這套解決方案最近已經(jīng)開(kāi)始在安全帶支架零件原型中進(jìn)行測(cè)試，最終使單件設(shè)計(jì)較原始方案減重達(dá)40%、強(qiáng)度增長(zhǎng)20%。——來(lái)自于哈佛商學(xué)院《捕夢(mèng)網(wǎng)計(jì)劃：生成式設(shè)計(jì)如何加速增材制造（Project Dreamcatcher: Can Generative Design Accelerate Additive Manufacturing for additional information）》。

▲ 圖片來(lái)源/哈佛商學(xué)院案例分析，《捕夢(mèng)網(wǎng)計(jì)劃：生成式設(shè)計(jì)如何加速增材制造》

• 諾基亞推出視頻應(yīng)用程序，利用機(jī)器學(xué)習(xí)技術(shù)，為流水線裝配中的不一致問(wèn)題發(fā)布警報(bào)。諾基亞公司在芬蘭奧盧的一家工廠中推出了利用機(jī)器學(xué)習(xí)監(jiān)控裝配線流程的視頻應(yīng)用程序。它能夠及時(shí)發(fā)現(xiàn)操作員工作中的不一致，從而實(shí)時(shí)糾正問(wèn)題。——來(lái)自于《諾基亞聯(lián)手瑞典電信與英特爾，公布全球首個(gè)「實(shí)用型」5G智能工廠實(shí)驗(yàn)（Nokia claims first "real-world" 5G smart factory trial with Telia and Intel）》。

▲ 圖：諾基亞聯(lián)手瑞典電信與英特爾，公布全球首個(gè)「實(shí)用型」5G智能工廠實(shí)驗(yàn)

• 實(shí)時(shí)分析圖像，對(duì)汽車(chē)及消費(fèi)品制造業(yè)成品進(jìn)行質(zhì)量檢測(cè)，協(xié)助制造商遵循法規(guī)的嚴(yán)格要求。高分辨率攝像機(jī)成本在持續(xù)下降，基于AI的圖像識(shí)別軟件與技術(shù)，則在快速進(jìn)步。這兩項(xiàng)因素的結(jié)合，令實(shí)時(shí)在線檢查的效果與實(shí)現(xiàn)成本愈發(fā)親民。奧迪公司正是這一領(lǐng)域的領(lǐng)導(dǎo)者，奧迪公司在英戈?duì)柺┧貨_壓車(chē)間安裝了基于深度學(xué)習(xí)的圖像識(shí)別系統(tǒng)。下圖所示，為該實(shí)時(shí)產(chǎn)品質(zhì)量檢查工作流的具體運(yùn)作方式：

▲ 圖片來(lái)源/凱捷制造業(yè)AI運(yùn)營(yíng)擴(kuò)展報(bào)告：從業(yè)者視角

• 消費(fèi)級(jí)密封食品制造商對(duì)于預(yù)測(cè)準(zhǔn)確性的要求，向來(lái)遠(yuǎn)高于其他行業(yè)。達(dá)能集團(tuán)是一家法國(guó)跨國(guó)食品制造商，正在利用機(jī)器學(xué)習(xí)系統(tǒng)，改善營(yíng)銷(xiāo)、銷(xiāo)售、客戶(hù)管理、供應(yīng)鏈與財(cái)務(wù)等領(lǐng)域之間的規(guī)劃與協(xié)調(diào)能力，希望借此提升對(duì)市場(chǎng)需求預(yù)測(cè)的準(zhǔn)確性。其中的一大核心訴求，就是借助機(jī)器學(xué)習(xí)將渠道或店面的產(chǎn)品庫(kù)存控制在既定水平。這套系統(tǒng)使預(yù)測(cè)誤差減少了20%、銷(xiāo)售損失降低達(dá)30%、產(chǎn)品過(guò)期比例減少30%、規(guī)劃工作量降低達(dá)50%。

▲ 圖：基于機(jī)器學(xué)習(xí)的需求規(guī)劃與預(yù)測(cè)系統(tǒng)基本架構(gòu)。圖片來(lái)源/ 凱捷制造業(yè)AI運(yùn)營(yíng)擴(kuò)展報(bào)告：從業(yè)者視角。

• Thales SA是一家電子系統(tǒng)供應(yīng)商，正在利用機(jī)器學(xué)習(xí)，對(duì)歐洲的鐵路系統(tǒng)進(jìn)行預(yù)防性維護(hù)。該公司跨越整個(gè)歐洲，收集沿途部署的成千上萬(wàn)個(gè)傳感器、火車(chē)零件以及子系統(tǒng)，從中整理歷史運(yùn)行狀態(tài)與當(dāng)前數(shù)據(jù)。利用這些數(shù)據(jù)，該公司開(kāi)發(fā)出一種AI算法，能夠預(yù)測(cè)潛在問(wèn)題，并確定何時(shí)需要更換特定零件。事實(shí)證明，系統(tǒng)給出的預(yù)測(cè)結(jié)果相當(dāng)可靠。下圖所示為用于預(yù)測(cè)性維護(hù)的TIRIS大數(shù)據(jù)分析工具中的儀表板，可幫助鐵路行業(yè)實(shí)現(xiàn)零計(jì)劃外停機(jī)目標(biāo)。

▲ 圖：用于預(yù)測(cè)性維護(hù)的TIRIS大數(shù)據(jù)分析工具中的儀表板，可幫助鐵路行業(yè)實(shí)現(xiàn)零計(jì)劃外停機(jī)目標(biāo)，來(lái)自于Thales SA公司。

• 寶馬集團(tuán)利用AI技術(shù)，評(píng)估其生產(chǎn)線中的零部件圖像，借此實(shí)時(shí)發(fā)現(xiàn)與質(zhì)量標(biāo)準(zhǔn)不符的偏差問(wèn)題。在寶馬集團(tuán)丁格爾芬工廠的最終檢查區(qū)內(nèi)，一款A(yù)I應(yīng)用程序負(fù)責(zé)將車(chē)輛訂單數(shù)據(jù)與新生產(chǎn)汽車(chē)的實(shí)時(shí)圖像進(jìn)行比較。具體車(chē)型與其他標(biāo)識(shí)（例如用于標(biāo)識(shí)四驅(qū)車(chē)型的「xDrive」）將以固定組合的形式保存在圖像數(shù)據(jù)庫(kù)當(dāng)中。如果實(shí)時(shí)圖像與訂單數(shù)據(jù)不一致，例如缺少特定標(biāo)識(shí)，則最終檢查團(tuán)隊(duì)會(huì)立即收到通知。那么，寶馬如何利用AI技術(shù)進(jìn)行創(chuàng)新，請(qǐng)參閱《快速、高效、可靠：寶馬集團(tuán)生產(chǎn)體系中的人工智能（Fast, efficient, reliable: Artificial intelligence in BMW Group Production）》。寶馬集團(tuán)還在開(kāi)源平臺(tái)上共享其生產(chǎn)流程中使用的AI算法。

▲ 圖： 寶馬目前使用的AI圖像匹配技術(shù)示例。圖片來(lái)源/《快速、高效、可靠：寶馬集團(tuán)生產(chǎn)體系中的人工智能（Fast, efficient, reliable: Artificial intelligence in BMW Group Production）》

• 施耐德電氣以微軟Azure Machine Learning服務(wù)與Azure IoT Edge為基礎(chǔ)，創(chuàng)建預(yù)測(cè)性物聯(lián)網(wǎng)分析解決方案，借此改進(jìn)員工安全，削減成本，并實(shí)現(xiàn)可持續(xù)發(fā)展目標(biāo)。施耐德電氣的數(shù)據(jù)科學(xué)家們使用來(lái)自油田的數(shù)據(jù)構(gòu)建模型，并借此預(yù)測(cè)設(shè)施何時(shí)何地需要維護(hù)。數(shù)據(jù)科學(xué)家們使用自動(dòng)機(jī)器學(xué)習(xí)功能，高效選擇最佳機(jī)器學(xué)習(xí)模型，并自動(dòng)調(diào)整模型參數(shù)，以節(jié)約時(shí)間并提高效率。該公司在部署基于Azure Machine Learning服務(wù)的解決方案之后，短短兩天內(nèi)就幫助運(yùn)營(yíng)商將效率提高了10%至20%。——來(lái)自于《施耐德電氣通過(guò)Azure Machine Learning服務(wù)的預(yù)測(cè)性維護(hù)功能，將成本與員工風(fēng)險(xiǎn)控制在最低水平（Schneider Electric minimizes costs and worker risk with Azure Machine Learning service predictive maintenance for additional details）》。

圖：包含微軟Azure Machine Learning Service的微軟IoT Edge Analytics植入方案 。圖片來(lái)源/《施耐德電氣通過(guò)Azure Machine Learning服務(wù)的預(yù)測(cè)性維護(hù)功能，將成本與員工風(fēng)險(xiǎn)控制在最低水平（Schneider Electric minimizes costs and worker risk with Azure Machine Learning service predictive maintenance for additional details）》

• 日產(chǎn)公司嘗試?yán)肁I技術(shù)實(shí)時(shí)設(shè)計(jì)新車(chē)型，以期縮短下一代車(chē)型產(chǎn)品的上市周期。日產(chǎn)公司將這個(gè)已經(jīng)擁有四年發(fā)展歷史的項(xiàng)目，稱(chēng)為DriveSpark程序。目前，日產(chǎn)設(shè)計(jì)師們使用DriveSpark系統(tǒng)，創(chuàng)造出完全符合行業(yè)最新法規(guī)與合規(guī)性要求的全新車(chē)型。他們還利用AI技術(shù)延長(zhǎng)現(xiàn)有車(chē)型的生命周期。——來(lái)自于DriveSpark介紹文章《日產(chǎn)汽車(chē)的理念：讓人工智能設(shè)計(jì)我們的汽車(chē)（DriveSpark, "Nissan's Idea: Let An Artificial Intelligence Design Our Cars," September 2016）》，2016年9月。

• 佳能發(fā)明了資產(chǎn)缺陷識(shí)別系統(tǒng)，旨在將更高水平的質(zhì)量控制方案，引入現(xiàn)有制造中心。佳能將人類(lèi)專(zhuān)業(yè)知識(shí)、洞察能力與AI技術(shù)（包括機(jī)器學(xué)習(xí)、計(jì)算機(jī)視覺(jué)以及預(yù)測(cè)模型）相結(jié)合，希望借此提高對(duì)高精度機(jī)器零件的測(cè)試準(zhǔn)確性與效率。目前，汽車(chē)與運(yùn)輸、航空航天及國(guó)防、石油與天然氣以及建筑等行業(yè)中的精密零件制造商，往往需要執(zhí)行嚴(yán)格的組裝后檢查過(guò)程。佳能的制造組件將經(jīng)由工業(yè)級(jí)射線拍攝（X射線影像）與實(shí)拍圖像進(jìn)行細(xì)致檢查，以確保每個(gè)零件及其內(nèi)部結(jié)構(gòu)皆符合完整性要求。借助計(jì)算機(jī)視覺(jué)與機(jī)器學(xué)習(xí)功能，輔助缺陷識(shí)別技術(shù)系統(tǒng)，能夠智能分析被栓零件的圖像、自動(dòng)識(shí)別潛在缺陷，甚至包括人眼難以察覺(jué)的細(xì)小瑕疵。再配合人類(lèi)工程師的介入與引導(dǎo)，該系統(tǒng)即可不斷學(xué)習(xí)并提高自身判斷準(zhǔn)確性。