深入制造業腹地 AI推動產業智能升級
http://m.sharifulalam.com 2020-12-11 17:35 來源：南方日報 郜小平
在廣州博創智能裝備公司靠墻的一面，一排可容納3000多個庫位的立體倉引人注目。每一個“寄存”在立體倉的原料背面都貼有一個二維碼，從入庫到出庫，全程都可追溯。
博創智能制造首席工程師黃土榮對此還不是很滿意，“如果換做是今天，我們可能連這個立體倉都不會建了。所有原料的抵達都精準到2個小時內，就直接進入生產線。如果新建工廠還有很大的倉庫，這意味著庫存占用了很大的資金成本”。
今年年初，賽迪顧問數據表示，互聯網金融、安防、交通貢獻了超過50%的AI市場份額，緊跟其后的是與消費者息息相關的消費電子、教育、醫療等，而制造業的AI市場份額只有5%。但這種局面正得到改變，人工智能逐步向產業互聯網的深水區尤其是傳統制造業進發。
普華永道一份分析報告顯示，到2030年全球得益于人工智能推動的經濟增長高達15.7萬億美元，而中國就有7萬億美元，增長動力主要來自于人工智能在企業流程自動化帶來的生產力提高，增強智能提升產品和服務的消費，機器輔助智能提高企業勞動力水平。
AI深入產線助力“降本增效”
注塑，聽起來非常傳統的一門行業，但它與日常生活息息相關，手機、相機、礦泉水、筆等都是注塑加工出來的。
面對龐大的生產線，利用人工智能技術成為制造企業走向智能化、信息化升級的關鍵驅動力。黃土榮掏出手機，指著手機殼說，對很多用戶來說，幾乎都有過這樣的體驗：白色塑料手機殼剛用時都是透明的，但用著用著就發黃變色。
“以前要做一個手機殼多是憑經驗，其中要用到不同的PP材料，都需要依賴經驗摸索，不同的配方和注塑工藝，組合起來有將近上萬種方案，哪一種是最佳組合，經驗也不可靠，而通過智能分析，對注塑工藝過程進行控制研發，才可能找到最佳組合。”黃土榮說。
人工智能不僅可以提升效率，還能降低成本。浙江一家專業頻率組件與感測組件供貨商車間，女工們穿著厚厚的工服坐在玻璃房，對著顯微鏡下用游標卡尺進行檢測，精度要求在微米級，面對近千種的錯誤狀況，女工們幾乎每天疲于應對，而且過去依賴人工放片、人工測量、人工錄入數據到MES系統，出了問題后很難查找。
廣州賽意信息借助機器視覺的自動檢測，這些不知疲倦的“火眼金睛”，很快將檢測精度提升一個臺階。盡管部署這樣一套高清攝像系統需要幾百萬元，但相比人工成本仍有非常大的優勢：工廠需要40名工人兩班倒，算上工人培訓的成本，這套系統兩年內就能回本。
“比如醫藥行業，生產的藥丸往往是花花綠綠的；在食品企業，餅干也是五花八門的形狀。現在可以通過機器視覺幫助客戶完成分揀。”廣州數控設備有限公司智能制造工程中心負責人宋健介紹。
過去，以人臉識別為代表的機器視覺應用，逐步滲透到傳統制造行業，推動企業降本增效。
數據為智能制造提供“養分”
事實上，智能制造并不是一個新鮮事物。不同的是，廣州賽意信息董事長張成康說，轉變在于生產環節有了海量的數據，尤其是伴隨著AI和5G傳輸等技術的提升，使數據采集、清洗等更加高效。“以前系統跑一個MRP（物資需求計劃），都是結構化數據，需要很長時間，現在工業互聯網上，大量非結構化數據，例如，溫度、震動、語音、圖像等，對數據運算的能力都很不一樣，傳輸速度不僅要快，圖像清晰度還要高，數據量非常大。”張成康說。
有了大量的數據，通過機器自學習，可以不斷在工藝上調優。賽意信息推出的“工業手環”，采集工業設備的噪音、震動、溫度等振動頻率，實時監測設備的運行狀況，優化生產運營效率。“如果生產線錯誤率突然升高，這可能是前端更換了新材料或新模具、新工藝，往前追溯查找問題。”張成康說。
過去，制造企業守著數據的金礦卻無從下手，而現在越來越重視在數據中淘金。黃土榮說，以前可能是20年的老師傅才能做好，但通過人工智能工藝系統，也可以在短時間獲取相當于20年老師傅的經驗。
對數據的分析，也催生了生產型服務業新的增長引擎。黃土榮介紹，未來公司除了堅定做注塑裝備這個主業外，也將繼續做強注塑過程的數據分析，盡管后者目前年營收只有3000萬元，約占總營收的3%，但利潤占比則達到了20%。未來5年，這部分營收占比有望突破3億元，利潤可能會超過單純的銷售設備。
借助數據，廣東企業找到了升級的“鑰匙”。根據廣東省政府近日印發的《廣東省建設國家數字經濟創新發展試驗區工作方案》，其中提及，通過3年左右的探索實踐，廣東將強化智能制造高端供給，推動制造業數字化轉型，推動5萬家以上工業企業運用工業互聯網實施軟硬一體的數字化改造。
自主可控催生國產替代新機遇
借助新技術，制造業整體水平不斷邁向產業鏈價值鏈高端，也催生了新的國產替代機遇。
在一次看報紙時，富士康工業互聯網董事長李軍旗偶然發現，截至2018年，中國高鐵養護技術被一家奧地利的外國企業壟斷，李軍旗當時就想，能否利用本企業已掌握的技術解決該難題？
依托近十年在精密工具領域布局的材料、涂層、高端裝備、精密智能制造加工等核心技術及團隊研發能力，只經過數個月的攻關，就成功研發出“智能鋼軌銑刀”，解決了“卡脖子”技術。
企業研發出自主核心零部件后，還需在應用中不斷迭代，如何幫其進入更多應用場景去沉淀技術？在這個過程中，國內企業對國產品質也有了充足的信心。
賽特智能董事長李睿也感覺，此前，國產雷達穩定性、可靠性都非常差，國內機器人廠商幾乎不敢碰，但如今國產雷達技術水平也有了顯著提升，賽特智能也加強了與國產雷達的深入合作。
制造業升級的需求強烈，也催生制造企業在IT系統等方面的投入，與此同時，企業對國產自主可控的重要性也日益重視，張成康認為，中國的產業鏈更完整，商業模式也不乏創新，本土工業軟件企業更多的是“草根”，有著與身俱來深入企業一線的優勢，熟知企業痛點和發展需求，未來極有可能跑出一些有行業影響力的企業。
張成康注意到，無論是國內大量新建工廠，還是越南、印度等地推進的自動化，其設備的運營與維護都少不了后續的服務，這為中國軟件企業創造了新的機會。
■延伸
智能制造還有幾道坎？
“很多企業在遭遇經濟下行壓力時，往往首先砍的預算就是信息化投入，不愿構建自己的‘心臟’和‘大腦’。”在廣州舉行的工業軟件國產化高層論壇，一位行業人士的演講引發了不少參會者的共鳴。
近幾年來，AI的應用場景逐漸從視頻、電商擴大到智能安防、自動駕駛等領域，應用廣度和深度不斷擴大。然而，在制造等傳統行業，依然有不少企業被區隔在數字經濟之外。究其原因，還在于生產運輸環境惡劣、產業鏈復雜、場景不標準等因素導致。
痛點一：如何獲取數據？
打消疑慮就要幫客戶提升數據價值
傳統企業與科技企業相比，數字化基因不足，包括原有信息系統老化、“煙囪化”嚴重，數據積累不足且類型單一，大數據分析能力不足，數據模型缺失以及數據對決策支持理念與流程不到位。
“數據采集是一個漫長的過程，如何給數據貼標簽也是難點，涉及復雜的工業機理和數學模型。”廣州博創智能制造首席工程師黃土榮說。
在博創看來，重點要打消客戶對數據的顧慮。“我們構建了行業的知識庫，企業雖然關注數據的安全，但也同時會關注，如何更好活下去，讓數據產生更好的經濟效益。”黃土榮說，工業數據和用戶數據剝離，經過脫敏，博創收到的是機器的數據，用于自動診斷和排查，這對企業來說是安全的。
黃土榮打個比方：“數據就好比客戶的水稻，我們將水稻加工成面包給到客戶，他們自然就愿意交換我的面包了。而我還希望數據的價值繼續提升，將水稻加工成酒，可以賣出更高的價格。”
痛點二：擔心投入風險？
人工成本將高過信息化投入
傳統制造企業一邊擁抱AI機遇，但也一邊防范AI對自身優勢的沖擊，而非利用AI技術建立新的競爭壁壘。
“制造企業那么多設備，是幾十年持續投入下來的，老舊設備怎么辦，不是說想改變就能改變、說扔就扔的。”黃土榮說。
害怕失敗的風險，加上前期資金投入太大，讓很多企業對信息化改造踟躕不前。
廣州賽意信息董事長張成康用“剪刀差”打個比方：如果把時間作為一個橫軸，把成本作為縱軸，可以看到，隨著時間的延展，人工成本一定會越來越高，但自動化、智能化的成本越來越少。實際上，信息技術發展太快，相應成本逐漸降低，當場景的交叉點來臨，自動化和智能化就會全部取代人工。
他舉了一個例子，一家山東從事水管鑄造件客戶，他們積極嘗試做無人化工廠，從成本上來說，其投入其實是更高的。但作為頭部企業，必須要有引領的標桿和技術，才能持續領先于競爭對手，同時，信息化成本在不斷降低，雖然當下效益未必是最好的，但只要在不斷應用就能不斷降低成本。
痛點三：技術陷入同質化？
對場景理解重要性凸顯
在智能制造領域，互聯網、科技、ICT與制造企業的切入角度不同，但無論從哪個角度，AI算法已經不再構成“壁壘”，隨著大量算法和通用平臺已被開放出來，中小企業的選擇非常多。
這意味著，依托算法和數據等建立的優勢，也將很快被趕超。與此同時，有技術但沒有好的場景，就好比“拿著錘子找釘子”，這樣的情況并不少見。
張成康認為，企業最終比拼的依然是對場景的理解，即能否提供一套咨詢和解決方案的能力。
張成康提到一個筷子篩選中的案例：筷子有長有短，視覺AI在嘗試中發現并不是非常精細化，最后的解決方案非常簡單：兩塊夾板一夾，長筷子留下，短筷子往下掉；這樣的步驟重復幾次，筷子分類就做好了。
“明明有些場景投入幾萬元就輕松解決，關鍵看你對場景的理解是不是到位。”張成康說，對于智能制造理解，也并非一味強調各種新技術的整合應用。
■相關
智造企業如何培養“接班人”？
從中專畢業，17歲進入富士康，朱偉一待就是14年，從用砂輪打磨的模具學員開始，跳到了技術部接觸了自動化技術，成功轉型為一名熟練技術工人，并在2019年晉升為模具工程師。
在“機器換人”的自動化浪潮中，有人離開，有人留了下來，朱偉成為留下來的一員。過去，朱偉只是富士康每臺機器前面都有一個站著的那位，現在，朱偉隱身于機器之后，通過屏幕同時操控十幾臺機器。
曾經忙碌在工廠層層流水線上的“打工人”，創造了中國持續高速增長的經濟奇跡；而在當下，越來越多的簡單勞動正被機器人替代，同時，新生代年輕人第一份工作寧可去送外賣快遞，也不愿意進入制造工廠。
制造業人才又極度稀缺。日前，在2020中國5G+工業互聯網大會上，國家工業信息安全發展研究中心發布了《2020人工智能與制造業融合發展白皮書》提及，我國人工智能人才缺口達30萬。一方面，人工智能與制造業融合存在的諸多難點，另一方面，發展至今，再談機器人，已經不能局限在“機器換人”的簡單邏輯。制造業如何才能吸引年輕人？
“機器換人”紅利接近瓶頸
每當提及企業大規模機器換人的潮流，將搶奪工人飯碗時，便會引起較大范圍的社會爭議。部分機械工人必將被機器所取代，這也是全球工業自動化的發展趨勢。但這是否意味著工人變得不再重要？
“企業發展是循序漸進的，除了土地廠房，企業設備投入是大頭，沒法快速更新，10年前都還在用，現在也不算太落后，對很多中小企業來說，可能就只選擇自動化工序中的一部分，即便是廣汽集團這樣最先進的制造業企業，沖壓工位也用了比較多的工人。”廣州數控設備有限公司智能制造工程中心負責人宋健說。
他認為，即便是在快速變化的手機行業，也有很多工位并沒有實現自動化，恰恰是因為更新換代太快，很多企業也難有足夠的利潤來支撐快速自動化。
但過度自動化也產生了新的問題。日前，央行課題組在題為《疫情沖擊下全球經濟面臨變革》文章中認為，過度自動化造成失業增加，但生產率卻未得到提高。
在業界看來，自動化并不一定等于創新，自動化主要是在生產和服務流程上以機器取代人工，“創造性破壞”是以新的技術和產業取代舊的體系，而自動化并不會創造更多足以覆蓋因其形成的失業的崗位，甚至也沒有引發生產效率的提高，僅僅是降低了人工成本。
美國學者近年的研究發現，在過去的三十年里，由于過度自動化，涌現出一些所謂的“平庸技術”，如自動檢查站、自動化客戶服務，或是過度自動化的生產車間。這些自動化沒有引發生產效率的提高，但卻造成了大量的替代人工現象，從生產效率和勞動力兩方面給經濟帶來雙重打擊。
“事實上，10年前開始盛行的‘機器換人’那一波浪潮，已經接近尾聲了，該換的機器也換了，自動化程度也差不多了。”一位制造業內部人士表示，一些精密制造企業的營收也已趨緩。
人的成長與產業的提升交替上升
面對人才短缺成為制約人工智能與制造業融合的短板，多位受訪專家不約而同提到，要為未來的新增崗位培養人才，也要有豐富的渠道接納現有人才的再教育、再培訓，為現有的人才補充新的能力來適應新時代的需要。
在珠三角的一家制造業工廠，工廠也在想方設法提升員工的技能。該公司負責人告訴南方日報記者，實際上，設備越先進、自動化程度越高，人的深度認知也在不斷提升，雙方形成了一種交替性的提升。
在車間，所有的崗位都進行了分級，根據操作難度、對客戶的影響程度分成了幾個等級，1-1、1-2、2-1、2-3等等。針對不同的等級，有不同的招聘策略和培養策略，比如普通崗位培訓7天就可以上崗，而關鍵的檢驗崗，通常要培訓一個月才能上崗。同時針對不同的崗位，給予不同的薪資，以此激發員工的積極性，主動去挑戰一些更難的崗位。
一些高端的產品生產前，工廠會對員工提前了解，比如對崗位是否具備了相應的經驗、技能、知識等等，甚至一些大客戶也會反過來要求，生產線必須具備較高素質的工人。
當產品上出現了一些新工藝、新知識、新設備、新事物時，專門的研究團隊提前研究——所用的功率、工藝、工序要求是什么樣的，在這個團隊中，有10年生產經驗的員工占到了75%，老師傅依然非常吃香。
上述負責人說，一方面，原本依賴人的檢驗，比如只是去看哪里貼錯了標簽、哪里有瑕疵，這些重復勞動可以通過智能化解放人。另一方面，人在與機器的交互中，在思考更復雜、更需要經驗的環節，“過去我們討論，人工智能會降低勞動力的需求，實際上，這也是促成了人的成長與產業的提升”。
制造環節中引入工業互聯網后，華星光電高級副總裁陳盛中也經常被問及，如何平衡投入與產出。他認為，從中長期來看，工人薪資水平都是往上漲的，同時用工結構也在發生變化，工程師水平不能停留在過去，也需要熟練掌握AI、大數據等技術，“實際上，用人來判別圖片，這樣的簡單重復勞動，對個人并沒有實現增值”。
提升培育環境，培養更多“數字工匠”
如果把視野放寬，德國是一個工業與農業自動化程度很高的經濟體，但并沒有引發失業問題。
這得益于德國企業的全球競爭力不依靠成本而是技術，技術優勢的獲取是靠政府在產業升級轉型過程中，對勞動力知識結構再調整和新技能匹配的持續投入。
這對中國的啟示在于，中國應該重點轉向技術創新，并制定對勞動者進行大規模培訓的計劃，同時避免由資本主導的過度自動化產生失業與貧富分化問題。
工業富聯董事長李軍旗表示，人才是智能制造的關鍵，但就目前來看，既缺“對的人”，也缺“對的培育環境”。目前，富士康就創辦了工業互聯網學院，同時與高校共建機器人創新創業實踐教學基地、舉辦“未來智造大講堂”等舉措，以教育培訓和訓練實習的方式，培養更多“數字工匠”。
在工業富聯技能教育事業部總經理李光輝看來，制造工廠成為枯燥乏味的流水線上的代名詞，很大程度上是上一代人進廠的記憶。轉變這種觀念非常關鍵的一步是靠引導。工業富聯設想，如果將“燈塔工廠”的樣板設在小朋友經常去的科學館、展館等地，把智能制造工廠搬出來，讓大家知道未來的制造業原來是各種先進技術的集成，與機器人互動交流，這有助于改善小朋友對制造業的印象。
博創智能制造首席工程師黃土榮則注意到，過去，傳統制造業很難吸引高端人才，而借助人工智能、大數據、工業互聯網等技術，企業招聘也更有吸引力，2020年新招聘了一批名校畢業的研究生。
相關新聞
編輯精選
