目录
2017年第4期(发布时间: Nov 21, 2017 发布者:icad)  下载: 2017年第4期.doc       全选  导出
1   2017-11-21 17:11:58.503 当制造“牵手”互联网:工业互联网到底长啥样? (点击量:2)

日前召开的国务院常务会议审议通过《深化“互联网+先进制造业”发展工业互联网的指导意见》,为深化制造业与互联网融合发展提供实现路径。

工业互联网是张什么“网”?又是如何将“制造”和“互联网”深度融合的?

到2025年,实现覆盖各地区、各行业的工业互联网网络基础设施基本建成,标识解析体系不断健全并规模推广,形成若干家具有国际竞争力的工业互联网平台等;到2035年,我国工业互联网重点领域实现国际领先;到本世纪中叶,工业互联网综合实力进入世界前列……据工业和信息化部副部长陈肇雄介绍,我国将分2025年、2035年和本世纪中叶“三步走”,构建与我国经济社会发展相适应的工业互联网生态体系。

而早在2009年,中国工程院院士李伯虎即率先提出了“云制造”的概念,真实反映了“工业互联网”的互联网特性。李伯虎认为,在云制造应用模式下,企业在制造过程中的协作配套关系是“因需要而随时协作”,通过互联网找到适合当前任务的配套企业,任务完成配套关系随时解除。云制造模式是智能制造和协同制造模式的升级,目前已在部分企业内部工业互联网上试运行。

正如互联网可以便捷人们的生活一样,互联网也可以为工业企业提供供需对接、信息共享以及产业链配套服务。以更公开透明的方式为企业寻求到适合的供应商,提供包括创意、设计、制造、投资等全产业链的服务。

浙江黄岩素有“中国模具之乡”的美誉,在当地精诚时代集团新厂区,8台来自欧洲的一流设备一字排开,车间四周布满空调和监测仪器,保持车间的恒温恒湿。而这些先进装备的生产数据、用电量都在通过创新的管理模式,被当地供电公司源源不断地记录、分析、再利用,为智能制造和互联网间搭建起一座“无形的桥梁”,为工业互联网的中国实践提供了基层范本。

长期以来,为进一步提高服务水平,黄岩供电公司采取多种措施,把强化优质服务工作作为一项重要内容,通过微信互动、上门等多种方式,广泛征询客户意见。同时不断深化服务内容,转变服务方式,将服务送上门,有针对性地到企业走访工作,深入了解大客户的用电详细情况,建立大客户的用电服务、设备信息档案,为客户“量身”定制服务方案。

据悉,工信部将积极推动工业互联网平台建设,推动企业加速向互联网化转型,在建设国家级工业互联网平台和一批行业互联网平台的同时,鼓励企业开展数字化改造,制定支持企业上云的政策措施和操作指南,加快信息系统向云平台迁移的步伐。

“未来有两种企业,一种是新生代企业,还有一种是数字化转型实现重生的企业。”用友网络董事长兼CEO王文京认为,通过互联网实现企业的业务创新、管理变革,并将金融服务嵌入其中,这是未来工业互联网发展的重要方向之一。

2   2017-11-21 17:12:37.02 8大工业大数据应用场景,带你看物联网时代的工业生产 (点击量:2)

工业大数据是一个新的概念,从字面上理解,工业大数据是指在工业领域信息化应用中所产生的大数据。

随着信息化与工业化的深度融合,信息技术渗透到了工业企业产业链的各个环节,条形码、二维码、RFID、工业传感器、工业自动控制系统、工业物联网、ERP、CAD/CAM/CAE/CAI等技术在工业企业中得到广泛应用,尤其是互联网、移动互联网、物联网等新一代信息技术在工业领域的应用,工业企业也进入了互联网工业的新的发展阶段,工业企业所拥有的数据也日益丰富。工业企业中生产线处于高速运转,由工业设备所产生、采集和处理的数据量远大于企业中计算机和人工产生的数据,从数据类型看也多是非结构化数据,生产线的高速运转则对数据的实时性要求也更高。因此,工业大数据应用所面临的问题和挑战并不比互联网行业的大数据应用少,某些情况下甚至更为复杂。

工业大数据应用将带来工业企业创新和变革的新时代。通过互联网、移动物联网等带来的低成本感知、高速移动连接、分布式计算和高级分析,信息技术和全球工业系统正在深入融合,给全球工业带来深刻的变革,创新企业的研发、生产、运营、营销和管理方式。这些创新不同行业的工业企业带来了更快的速度、更高的效率和更高的洞察力。工业大数据的典型应用包括产品创新、产品故障诊断与预测、工业生产线物联网分析、工业企业供应链优化和产品精准营销等诸多方面。本文将对工业大数据在制造企业的应用场景进行逐一梳理。

1.加速产品创新

客户与工业企业之间的交互和交易行为将产生大量数据,挖掘和分析这些客户动态数据,能够帮助客户参与到产品的需求分析和产品设计等创新活动中,为产品创新作出贡献。

福特公司是这方面的表率,他们将大数据技术应用到了福特福克斯电动车的产品创新和优化中,这款车成为了一款名副其实的“大数据电动车”。第一代福特福克斯电动车在驾驶和停车时产生大量数据。在行驶中,司机持续地更新车辆的加速度、刹车、电池充电和位置信息。这对于司机很有用,但数据也传回福特工程师那里,以了解客户的驾驶习惯,包括如何、何时以及何处充电。即使车辆处于静止状态,它也会持续将车辆胎压和电池系统的数据传送给最近的智能电话。

这种以客户为中心的大数据应用场景具有多方面的好处,因为大数据实现了宝贵的新型产品创新和协作方式。司机获得有用的最新信息,而位于底特律的工程师汇总关于驾驶行为的信息,以了解客户,制订产品改进计划,并实施新产品创新。而且,电力公司和其他第三方供应商也可以分析数百万英里的驾驶数据,以决定在何处建立新的充电站,以及如何防止脆弱的电网超负荷运转。

2.产品故障诊断与预测

这可以被用于产品售后服务与产品改进。无所不在的传感器、互联网技术的引入使得产品故障实时诊断变为现实,大数据应用、建模与仿真技术则使得预测动态性成为可能。

在马航MH370失联客机搜寻过程中,波音公司获取的发动机运转数据对于确定飞机的失联路径起到了关键作用。我们就拿波音公司飞机系统作为案例,看看大数据应用在产品故障诊断中如何发挥作用。在波音的飞机上,发动机、燃油系统、液压和电力系统等数以百计的变量组成了在航状态,这些数据不到几微秒就被测量和发送一次。以波音737为例,发动机在飞行中每30分钟就能产生10TB数据。

这些数据不仅仅是未来某个时间点能够分析的工程遥测数据,而且还促进了实时自适应控制、燃油使用、零件故障预测和飞行员通报,能有效实现故障诊断和预测。再看一个通用电气(GE)的例子,位于美国亚特兰大的GE能源监测和诊断(M&D)中心,收集全球50多个国家上千台GE燃气轮机的数据,每天就能为客户收集10G的数据,通过分析来自系统内的传感器振动和温度信号的恒定大数据流,这些大数据分析将为GE公司对燃气轮机故障诊断和预警提供支撑。风力涡轮机制造商Vestas也通过对天气数据及其涡轮仪表数据进行交叉分析,从而对风力涡轮机布局进行改善,由此增加了风力涡轮机的电力输出水平并延长了服务寿命。

3.工业物联网生产线的大数据应用

现代化工业制造生产线安装有数以千计的小型传感器,来探测温度、压力、热能、振动和噪声。因为每隔几秒就收集一次数据,利用这些数据可以实现很多形式的分析,包括设备诊断、用电量分析、能耗分析、质量事故分析(包括违反生产规定、零部件故障)等。首先,在生产工艺改进方面,在生产过程中使用这些大数据,就能分析整个生产流程,了解每个环节是如何执行的。一旦有某个流程偏离了标准工艺,就会产生一个报警信号,能更快速地发现错误或者瓶颈所在,也就能更容易解决问题。利用大数据技术,还可以对工业产品的生产过程建立虚拟模型,仿真并优化生产流程,当所有流程和绩效数据都能在系统中重建时,这种透明度将有助于制造商改进其生产流程。再如,在能耗分析方面,在设备生产过程中利用传感器集中监控所有的生产流程,能够发现能耗的异常或峰值情形,由此便可在生产过程中优化能源的消耗,对所有流程进行分析将会大大降低能耗。

4.工业供应链的分析和优化

当前,大数据分析已经是很多电子商务企业提升供应链竞争力的重要手段。例如,电子商务企业京东商城,通过大数据提前分析和预测各地商品需求量,从而提高配送和仓储的效能,保证了次日货到的客户体验。RFID等产品电子标识技术、物联网技术以及移动互联网技术能帮助工业企业获得完整的产品供应链的大数据,利用这些数据进行分析,将带来仓储、配送、销售效率的大幅提升和成本的大幅下降。

以海尔公司为例,海尔公司供应链体系很完善,它以市场链为纽带,以订单信息流为中心,带动物流和资金流的运动,整合全球供应链资源和全球用户资源。在海尔供应链的各个环节,客户数据、企业内部数据、供应商数据被汇总到供应链体系中,通过供应链上的大数据采集和分析,海尔公司能够持续进行供应链改进和优化,保证了海尔对客户的敏捷响应。

美国较大的OEM供应商超过千家,为制造企业提供超过1万种不同的产品,每家厂商都依靠市场预测和其他不同的变量,如销售数据、市场信息、展会、新闻、竞争对手的数据,甚至天气预报等来销售自己的产品。

利用销售数据、产品的传感器数据和出自供应商数据库的数据,工业制造企业便可准确地预测全球不同区域的需求。由于可以跟踪库存和销售价格,可以在价格下跌时买进,所以制造企业便可节约大量的成本。如果再利用产品中传感器所产生的数据,知道产品出了什么故障,哪里需要配件,他们还可以预测何处以及何时需要零件。这将会极大地减少库存,优化供应链。

5.产品销售预测与需求管理

通过大数据来分析当前需求变化和组合形式。大数据是一个很好的销售分析工具,通过历史数据的多维度组合,可以看出区域性需求占比和变化、产品品类的市场受欢迎程度以及最常见的组合形式、消费者的层次等,以此来调整产品策略和铺货策略。在某些分析中我们可以发现,在开学季高校较多的城市对文具的需求会高很多,这样我们可以加大对这些城市经销商的促销,吸引他们在开学季多订货,同时在开学季之前一两个月开始产能规划,以满足促销需求。对产品开发方面,通过消费人群的关注点进行产品功能、性能的调整,如几年前大家喜欢用音乐手机,而现在大家更倾向于用手机上网、拍照分享等,手机的拍照功能提升就是一个趋势,4G手机也占据更大的市场份额。通过大数据对一些市场细节的分析,可以找到更多的潜在销售机会。

6.生产计划与排程

制造业面对多品种小批量的生产模式,数据的精细化自动及时方便的采集(MES/DCS)及多变性导致数据剧烈增大,再加上十几年的信息化的历史数据,对于需要快速响应的APS来说,是一个巨大的挑战。大数据可以给予我们更详细的数据信息,发现历史预测与实际的偏差概率,考虑产能约束、人员技能约束、物料可用约束、工装模具约束,通过智能的优化算法,制定预计划排产,并监控计划与现场实际的偏差,动态的调整计划排产。帮我们规避“画像”的缺陷,直接将群体特征直接强加给个体(工作中心数据直接改变为具体一个设备、人员、模具等数据)。通过数据的关联分析并监控它,我们就能计划未来。虽然,大数据略有瑕疵,只要得到合理的应用,大数据会变成我们强大的武器。当年,福特问大数据的客户需求是什么?而回答是“一匹更快的马”,而不是现在已经普及的汽车。所以,在大数据的世界里,创意、直觉、冒险精神和知识野心尤为重要。

7.产品质量管理与分析

传统的制造业正面临着大数据的冲击,在产品研发、工艺设计、质量管理、生产运营等各方面都迫切期待着有创新方法的诞生,来应对工业背景下的大数据挑战。例如在半导体行业,芯片在生产过程中会经历许多次掺杂、增层、光刻和热处理等复杂的工艺制程,每一步都必须达到极其苛刻的物理特性要求,高度自动化的设备在加工产品的同时,也同步生成了庞大的检测结果。这些海量数据究竟是企业的包袱,还是企业的金矿呢?如果说是后者的话,那么又该如何快速地拨云见日,从“金矿”中准确地发现产品良率波动的关键原因呢?这是一个已经困扰半导体工程师们多年的技术难题。

某半导体科技公司生产的晶圆在经过测试环节后,每天都会产生包含一百多个测试项目、长度达几百万行测试记录的数据集。按照质量管理的基本要求,一个必不可少的工作就是需要针对这些技术规格要求各异的一百多个测试项目分别进行一次过程能力分析。如果按照传统的工作模式,我们需要按部就班地分别计算一百多个过程能力指数,对各项质量特性一一考核。这里暂且不论工作量的庞大与繁琐,哪怕有人能够解决了计算量的问题,但也很难从这一百多个过程能力指数中看出它们之间的关联性,更难对产品的总体质量性能有一个全面的认识与总结。然而,如果我们利用大数据质量管理分析平台,除了可以快速地得到一个长长的传统单一指标的过程能力分析报表之外,更重要的是,还可以从同样的大数据集中得到很多崭新的分析结果。

8.工业污染与环保检测

《穹顶之下》令人印象深刻的一点是通过可视化报表,柴静团队向观众传递雾霾问题的严峻性、雾霾的成因等等。

这给我们带来的一个启示,即大数据对环保具有巨大价值。《穹顶之下》图表的原生数据哪里来的呢?其实并非都是凭借高层关系获取,不少数据都是公开可查,在中国政府网、各部委网站、中石油中石化官网、环保组织官网以及一些特殊机构,可查询的公益环保数据越来越多,包括全国空气、水文等数据,气象数据,工厂分布及污染排放达标情况等数据等等。只不过这些数据太分散、太专业、缺少分析、没有可视化,普通人看不懂。如果能够看懂并保持关注,大数据将成为社会监督环保的重要手段。百度上线《全国污染监测地图》就是一个很好的方式,结合开放的环保大数据,百度地图加入了污染检测图层,任何人都可以通过它查看全国及自己所在区域省市,所有的在环保局监控之下的排放机构(包括各类火电厂、国控工业企业和污水处理厂等)的位置信息、机构名称、排放污染源的种类,最近一次环保局公布的污染排放达标情况等。可查看距离自己最近的污染源,出现提醒,该监测点检测项目,哪些超标,超标多少倍。这些信息可以实时分享到社交媒体平台,告知好友,提醒大家一同注意污染源情况及个人安全健康。

工业大数据应用的价值潜力巨大。但是,实现这些价值还有很多工作要做。一个是大数据意识建立的问题。过去,也有这些大数据,但由于没有大数据的意识,数据分析手段也不足,很多实时数据被丢弃或束之高阁,大量数据的潜在价值被埋没。还有一个重要问题是数据孤岛的问题。很多工业企业的数据分布于企业中的各个孤岛中,特别是在大型跨国公司内,要想在整个企业内提取这些数据相当困难。因此,工业大数据应用一个重要议题是集成应用。.

3   2017-11-21 17:13:13.057 抢占先机 推进信息与制造技术深度融合 (点击量:1)

制造业与互联网融合是新一轮科技革命和产业变革的核心,是《中国制造2025》的主线,是实现我国制造业转型升级和跨越式发展的关键。全球范围内,德国“工业4.0”、美国工业互联网等战略都积极推进信息技术与制造技术的深度融合,以抢占竞争先机。

目前,从全球制造业与互联网融合的情况来看,呈现出新要素、新动力、新模式、新链条、新格局的“五新”特征。因此,对制造业与互联网融合特征进行分析总结,对提高我国制造业竞争力,加快推进《中国制造2025》有重要意义。

信息独立为新的生产要素

信息独立为新的生产要素,并正在成为最活跃的生产力。从人类社会发展历史来看,劳动力是农业社会最重要的生产要素;伴随着工业革命的到来,科学技术成为经济社会发展的关键;而到了互联网时代,信息在人类社会中的作用逐渐凸显,随着信息技术不断创新突破,由生活工具扩展应用到生产制造领域,信息成为独立于资本、土地、劳动力、技术等要素的新增生产要素。

信息要素已经成为一种重要的战略资源存在,并随着互联网应用领域向广度和深度扩展,正在逐渐成为最为活跃的生产力。据《G20国家互联网发展研究报告》预测,2016年英国、韩国、中国、欧盟、印度和美国的互联网经济占GDP比重将分别为12.4%、8%、6.9%、5.7%、5.6%和5.4%。信息要素正在为经济注入新动能,撬动经济发展。美国麦肯锡预计,到2020年美国大数据应用带来的增加值将占2020年GDP的2%~4%。数据、信息、网络正在成为产业发展不可或缺的因素,信息经济带来的新兴产业,以及将信息技术应用到制造业中,带来价值倍增,正在成为新的经济增长点。

新动力与新模式形成

智能制造变革生产方式,大幅提升制造业的效率和水平,成为新的动力。智能制造是制造业与互联网融合变革生产方式的最直接体现,是互联网时代的必然选择。智能制造使得原有的大批量、标准化的流水线生产向小批量、多种类、高品质、个性化、差异化转变,有效提高制造业供给水平和能力,是实现供给侧结构性改革的重要途径。通过智能化生产方式,大幅提高生产效率和水平,比如工信部在全国开展了109个智能制造试点示范项目,通过对示范项目实施前后效果统计显示,其生产效率平均提高32.9%,能源利用率提高11.3%,运营成本降低19.3%,产品研制周期缩短30.8%,产品不良品率降低26.3%。同时,智能制造能够缓解当前我国人工成本上升带来的压力,在加快制造业转型、提升质量效率等方面具有极大的推动作用,已经成为制造业时代的需要和主流发展趋势。

同时,互联网催生企业组织结构创新,衍生出一大批新业态新模式,正在成为制造业转型升级的新引擎。在生产环节,企业通过数字化管控中心实现对人、财、物的精准化管理,实现最优生产组合。在组织结构上,层级式的组织结构逐步向扁平化、合作性演变。流通环节,信息沟通更加便利,部分中间环节被取代,产品的供需对接更加直接。围绕资金、人才等要素,出现互联网金融、众筹、猪八戒网等新的业态,不断优化资源配置。基于数字化技术重新定义生产,衍生出3D打印、协同制造、远程运维、个性化定制等新模式。依托互联网平台、大数据、云计算等,加快运营模式创新,信息经济、分享经济等成为经济发展新亮点。

新链条与新格局初现

产业链向复合型转变,制造业价值逐步向中高端延伸,逐渐形成了新的产业链条。互联网技术与制造业融合,引发产业链变革,由传统“研发-制造-销售”线性产业链向复合型产业链转变。基于互联网,设计研发、生产制造、品牌服务三个环节之间的信息可以快速互通,产业链上下游分工界限逐步打破,实现设计、生产、服务各环节协同推进。随着产业链向复合型转变,制造业价值链产生的内在运作机理随之变化。在制造业价值链中,制造业环节逐步向两端延伸,由低附加值向高附加值转变。

制造业全球竞争格局重构,制造业与互联网融合成关键,新的产业格局初现。越来越多的国家意识到单纯依靠研发设计、品牌服务不足以掌控行业话语权,特别是在互联网条件下,产品的研发、服务与生产制造高度契合,甚至是一体化的。在互联网时代,抢占制造业全球竞争的制高点,关键在于实现制造业与互联网高度融合。美国实施“再工业化”战略,以信息优势吸引高端制造业回流。德国推进“工业4.0”,以德国强大的制造业基础来向智能化、信息化发力。我国,在互联网新业态、新模式应用上高度活跃,但我们并不是互联网强国,与美国、德国等国家还有差距。加快布局工业互联网,不断推动两化深度融合,才能抢抓时代机遇,抢占竞争先机。

四方面推进融合发展

一是转变理念,加快制定和完善行业标准。互联网与制造业融合产生很多新领域新业态新模式,而相应的标准尚不完善,甚至处于空白阶段。德国在推进“工业4.0”中是格外重视标准,以标准先行,标准对产业的贡献率仅次于资本。在推进互联网与制造业融合中,要转变对标准的认识,超前布局,特别是在一些规范和协议尚处于空白的领域,要及早抢占先机,真正做到以标准为引领,以标准促发展。

二是强化基础,建设信息和网络基础设施。推进制造业与互联网融合,发展智能制造,特别是网络化协同制造,网络基础是关键。而目前,园区、企业等地的网络基础尚不能满足负载要求,网络载荷、网络性能、安全保障等有待提升。加强服务于工业领域的信息技术,加快工业互联网建设,支持工业互联网试验验证平台、关键资源管理平台、商用流转数据管理平台的建设。同时,保障信息安全,加快建设工业互联网监测、工控网络安全防御、工业控制系统仿真测试与验证等平台建设。

三是定期总结,及时推广先进经验和做法。将典型企业和项目的先进经验和做法进行总结梳理,形成具有地区、行业特点的经验和做法,进行针对性的推广应用。充分利用行业协会,加强行业企业在信息化改造中的交流,加快形成行业规模效应。地方政府可采用政府购买服务的形式,组织行业专家为企业进行智能诊断,制定适合企业的智能化改造方案。

四是注重应用,加快普及应用数字化技术。数字化技术是大型设备、产品的全生命周期管理和数字化设备广泛应用的基础。而很多企业处于数字化、智能化转型升级的起步阶段,缺乏必要的技术基础。为此,要积极鼓励企业应用数字化产业和技术,实现生产的数字化管理、数字化信息,对于相对条件不具备的企业,可以有选择的对部分厂房和车间进行数字技术的配置和应用,打造自己的数字车间、智能工厂的样本车间,再逐步有序推进。

4   2017-11-21 17:15:46.48 助力先进制造业 加快设计与智能共融 (点击量:0)

习近平总书记在“十九大”会议上提出,中国特色社会主义进入新时代。新时代,中国经济将由大变强。而先进制造业是大国强盛的利器,在发展先进制造业过程中,智能制造是关键。
    10月29日,“中国企联–德稻智能制造领航班”在青岛启幕。中国企业联合会、中国企业家协会常务副会长兼理事长朱宏任,在题为《践行中国特色新型工业化道路,加快推进智能制造,抢占未来制造业发展制高点》的讲座中指出,中国制造业占世界制造业的比重,在十九世纪之前,曾长期居于世界首位。自十九世纪中叶之后,英国、美国相继登上第一的位置。经过艰苦卓绝的奋斗,直到2010年中国重返世界第一制造大国地位。但是中国工业还面临“大而不强”的问题,比如自主创新能力不强,包括芯片在内的部分关键核心技术缺失、高端装备不足等。另外,部分行业产能过剩形势严峻、资源利用效率低、环境污染以及产业结构不尽合理、体制机制束缚等问题也比较突出。
    构建智能化体系
    当前,世界主要经济体都在纷纷重构各自的竞争优势。
    美国,2008年,奥巴马政府出台《重振美国制造业政策框架》、《先进制造业国家战略计划》,把“再工业化”视为走出经济困境的重要路径,大力推动GE公司提出的工业互联网以及支持创新中心的建设。2017年,特朗普政府进一步实施“再工业化”战略,并强调制造业回归。回归的企业大多数集中在信息、自动化、软件、传感和网络等先进制造领域。
    德国,继提出《高技术战略2020》后,又提出德国“工业4.0”战略,在一个“智能、网络化的世界”里,物联网和服务网(the Internet of Things and Services)将渗透到所有的关键领域,通过构建与智能生产密切相关的信息物理系统(CPS),推动德国的工业生产制造进一步由自动化向智能化和网络化升级。
    法国,2013年奥朗德启动“新工业法国”计划,力图依靠技术创新推动工业全面复苏。梳理出34个优先发展的工业领域,计划用10年时间让法国重振工业。2015年总统马克隆宣布“新工业法国”进入第二期,将智能制造作为重中之重,并要和德国工业4.0平台自然对接。
    日本,2008年以来安倍提出实施重振制造业计划。2015年日本经济产业省公布《2015年版制造白皮书》指出:与德美的动态相比,日本很多企业都对进一步发展数字化持消极态度。若错过德国和美国引领的“制造业模式”变革,日本制造业难保不会丧失竞争力。
    在这种背景下,我国积极发展先进制造业,发布《中国制造2025》,将重构以互联网支撑的先进制造业优势作为国家战略,加速构建智能化体系;推动全领域创新,围绕产品设计、制造、流通、消费的各个环节不断融入增值服务,创造新的价值;同时,强化绿色低碳生产,利用智能分析实现资源最大程度利用和能源最小消耗,确立绿色制造、智能制造的领先地位。
    何为智能制造
    为全面落实《中国制造2025》和推进供给侧结构性改革部署,我国将发展智能制造作为长期坚持的战略任务。那么,究竟什么是智能制造,具有怎样的内涵特征呢?
    工信部中国电子信息产业发展研究院装备工业研究所所长左世全认为,智能制造是面向用户个性化需求,在新一代信息和通信技术基础上,与先进制造技术融合发展形成的新型生产方式。
    智能制造具有实时响应工厂、供应链网络和客户不断变化的需求和条件的特征。智能产品由物理部件、智能部件和联接部件构成。智能部件能加强物理部件的功能和价值,而联接部件则进一步强化智能部件的功能和价值,使信息可以在产品、运行系统、制造商和用户之间联通,并让部分价值和功能脱离物理产品本身存在。
    智能产品具有监测、控制、优化、自主等功能。每一类功能都以前一类功能为基础,例如一个产品要拥有控制能力,首先要具备监测能力。典型智能产品:智能手机、智能汽车、智能家电、智能机器人、无人机、无人船等。
    智能产品能够扩展行业本身的范围,除了产品自身,还将包含一系列相关产品。将这些产品组合到一起,就能满足更广泛的潜在需求。而单一产品的功能也会通过相关产品得到优化。例如,将智能农业设备联接到一起,包括拖拉机、旋耕机和播种机,这些设备的整体性能就会提升。约翰迪尔公司(JohnDeere)和爱科公司(AGCO)合作,不仅将农机设备互联,更连接了灌溉、土壤和施肥系统,公司可随时获取气候、作物价格和期货价格的相关信息,从而优化农业生产的整体效益。
    加快深化融合
    工信部产业司司长许科敏指出,中国是世界上最大的消费市场,随着居民追求美好生活带动消费水平的提升,工业转型升级将进一步提速,对智能制造发展需求巨大。因此,企业应该加快与信息化、智能制造的深度融合。
    在智能制造过程中,企业应该把技术创新和管理创新放在同等重要的位置。因为技术创新能否给企业带来预期效果,很大程度上取决于是否拥有相应的管理体系与之协同。很难想象管理落后的企业会持续开发出先进的技术。加强管理和管理创新,是提升产业竞争力的重要内容,也是新时期新形式的必然要求。作为拥有工信部认定的“国家级工业设计中心”的海尔,提出“人单合一”管理模式,在培育竞争新优势方面成效显著,值得学习借鉴:
    一是海尔“人单合一”管理模式适应了在数字化、网络化对全球生产方式带来颠覆性变化的时代背景。互联网改变了用户消费习惯,使经济发展步入以体验、共享和社群为特征的新阶段。过去那种整体面向市场,内部指令性地计划生产、供应市场的做法,已无法适应互联网时代用户个性化的需要。海尔以市场需求和用户体验为出发点,将个性化需求与大规模定制结合,实现生产的柔性化、高效率,将用户从被动购买者转变为全流程参与的体验者。
    二是海尔管理经验的实质是顺应互联网时代零距离、去中心化、分布式的发展趋势。从战略层面看,海尔重新定义了用户、员工和企业三者的关系。在用户与企业之间,真正把选择权交给用户,实现用户的个性化;在用户与员工之间,努力使用户的价值与员工的价值统一,实现员工的创客化;在企业与员工之间,鼓励员工积极主动创造最大的价值,实现企业的平台化。从实践层面看,海尔充分利用互联网信息平台,在用户需求、设计研发、供应链、生产制造、物流配送等全流程,实现消费者、供应者、各类技术人员互动参与,由封闭式企业组织变为开放的共生创新系统。从管理工具层面看,海尔在组织结构变革的基础上,创造性地开发了战略损益表、共赢增值表、二维点阵图等工具,引入了对赌契约机制,全面激发人的积极性,全面衡量人的价值。
    左世全认为,当前,我国制造业总体仍处于电气自动化(2.0)、数字化(3.0)并存的阶段,大部分企业尚未完全实现数字化(3.0),而德国已经基本完成数字化(3.0),正迈向智能化(4.0)。因此,我国推行智能制造不可能一步到位,必须从国情出发,走电气自动化(工业2.0)补课、数字化(工业3.0)普及、智能化(工业4.0)示范的“并联式”发展道路。
    制造业企业要依托市场规模应用,强化支撑能力,确立“双轮驱动”发展模式,即硬件进化(+补课)和软件革命(+人工智能),依托现有产业,推动智能转型。
    此外,企业应根据行业特点,着眼于降低运营成本、提高产品一致性,满足个性化定制要求或谋求服务增值,不要盲目进行;要力争成为客户服务的系统解决方案提供商,确立产品即服务思维;加强IT部门与工业设计研发部门的协作,将IT团队融入研发设计部门,或者建立IT代表的跨部门研发设计团队,创新设计产品,并管理产品的升级和修补以及产品离开工厂之后的性能管理与优化。
    在德国工业设计大师、宝马7系等概念汽车的设计者贺迈(MathisHeller)看来,工业设计不仅要与智能制造融合,更要发挥源头创新引领的作用。
    他说,工业设计目的是让科技更加人性化。工业设计要不断保持创新力,并且要始终考虑到人的因素。例如,人机交互系统,可能不仅是人和电脑之间的沟通,也是人跟一个产品或者人跟一个服务之间的交流。也就是说,无论科技如何发展,都要通过设计这个环节,使得人类参与其中。
    那么,对于设计师来说,应该采用更多智能的手段来实现设计效果。例如,过去设计师并没有很好地利用大数据,他们不知道在工业设计过程中怎样利用数据提供支持。事实上,在智能制造时代,他们可以通过开发一个设计软件来实现大数据模拟,从而更加快速高效地完成设计过程。.

5   2017-11-21 17:17:48.457 中国工业智造的现状及未来发展趋势 (点击量:1)

世界上下潜深度最大的作业型载人潜水器“蛟龙号”模型,中国自主研制的首台400马力无级变速拖拉机,强军征程扬帆远航武器装备模型……一件件反映我国制造业成就的实物模型亮相展厅。

5年来,一件件“大国重器”横空出世,作为七大战略性新兴产业之一的高端装备制造业拿出了耀眼的成绩单:

采用国际最高安全标准的百万千瓦级自主三代核电装备“华龙一号”,亮出了中国制造的又一张“名片”;

国产航空发动机突破瓶颈,运20、歼20服役,国产大飞机C919首飞成功,我国航空工业取得历史性突破;

世界最大水泥运输船圆满交船,全球最大集装箱船将在上海开建,第一艘国产航母和新型万吨级驱逐舰相继下水,世界第一造船大国正向造船强国大踏步迈进……

成绩的背后,是党的十八大以来,众多高技术、高附加值、顺应转型升级趋势的新产业,已成长为推动我国制造业发展的新引擎,有力拉动着经济增长。

2013年至2016年,我国高技术制造业和装备制造业增加值年均增速分别高于规模以上工业增加值增速3.8个和1.4个百分点。今年1—7月,这一优势更是扩大为5.3个和4.1个百分点。

新产业快速成长,关键在于党中央、国务院的高瞻远瞩和战略谋划。

2015年,我国出台了《中国制造2025》,明确提出分“三步走”建设制造强国的战略目标、主要任务和重大举措,为制造强国建设第一个十年描绘了蓝图。

5年来,中国制造业规模全球领先,增加值和产品出口占全球的比重均居世界第一,目前已经建成了门类齐全、独立完整的体系。

我国无疑已经成为制造业大国。“大国”之后,制造业“强国”成为新的目标。那么,从“大国”到“强国”,路径是什么?

信息化与工业化深度融合是“牛鼻子”。《中国制造2025》中明确提出,“以加快新一代信息技术与制造业深度融合为主线”。

为做好“两化”深度融合这篇大文章,我国制定并组织实施了50个规划及专项行动计划,形成推动“两化”深度融合的顶层设计、政策体系、组织保障和工作机制。

在“两化”融合这一“主线”之下,我国以智能制造为主攻方向,实施智能制造专项和智能制造试点示范专项行动,建立了国家智能制造标准体系,打造了一批数字化车间,初步形成了若干可复制可推广模式。5年来,智能工厂在许多企业落地生根。

其中,在民用领域,颇具代表性的便是已建成8个互联工厂的海尔。目前,在海尔的一家智能工厂生产线上,每15秒钟就会诞生一台洗衣机。互联工厂中,工人人数减少一半,而产能增加2倍。在柔性生产线上,可以安排50多个型号的产品,是以前的5倍。互联工厂生产效率提升60%,用户定制占比达10%以上,其中,中央空调互联工厂已实现100%的产品由用户远程定制并监控。

2016年10月9日,中共中央政治局就实施网络强国战略进行第三十六次集体学习。习近平总书记在主持学习时强调,世界经济加速向以网络信息技术产业为重要内容的经济活动转变。我们要把握这一历史契机,以信息化培育新动能,用新动能推动新发展。要加大投入,加强信息基础设施建设,推动互联网和实体经济深度融合,加快传统产业数字化、智能化,做大做强数字经济,拓展经济发展新空间。

在全国人大常委会原副委员长、中科院原院长路甬祥看来,21 世纪前半叶,工业制造文明将进化为网络协同智造文明。“中国制造业发展转型正迎来与新科技革命和全球制造服务转型交汇的新机遇、新挑战。”

什么是智能制造?目前学界的主流观点是:智能制造(Intelligent Manufacturing,IM)是一种由智能机器和人类专家共同组成的人机一体化智能系统,它在制造过程中能进行智能活动,诸如分析、推理、判断、构思和决策等。通过人与智能机器的合作共事,去扩大、延伸和部分地取代人类专家在制造过程中的脑力劳动。

多位受访人士向《中国经济周刊》记者表示:将制造自动化的概念更新,扩展到柔性化、智能化和高度集成化,是智能制造区别于“流水线、机器化生产”的主要特征。

而在工信部部长苗圩看来,智能制造更明确、更直接,就是要研发出一批智能化的产品。比如现有的工业机器人只是程序控制的装备,下一代机器人应该是具有一定“人工智能”的机器人。他举例说,“比如说有一个人如果误操作了,很可能被机器人伤到。如果将来在机器人身上实现人工智能,那么它发现附近安全距离内有人的话就不会去操作,这就是智能化产品的标志。”

西北大学经济管理学院院长任保平分析认为,作为《中国制造2025》核心的智能制造,主要包括三个方面内容:一是研发出一批智能化产品;二是将信息技术应用于制造业生产经营管理的全过程,使生产和管理过程实现智能化;三是在微观的企业层面,实现信息的充分交流和共享,建立工业互联网或物联网。

“中国智造”背后的国家意志与现实需求

2015年5月8日,国务院发布《中国制造2025》,也正是从2015年开始,“中国制造2025”连续3年出现在政府工作报告中。2015年政府工作报告首次提出“中国制造2025”,2016年则是进入到“启动实施”阶段,2017年则提出“深入实施”。

《中国制造2025》包括“1+X”的规划体系,截至目前已全部发布,其中“1”指《中国制造2025》,“X”指11个配套文件,11个配套文件中,有一份专门针对智能制造,即《智能制造工程实施指南(2016—2020)》。

中国工程院院长周济认为,制造业数字化网络化智能化是新一轮工业革命的核心技术,应该作为“中国制造2025”的制高点、突破口和主攻方向。工业和信息化部消费品工业司司长高延敏说,“加快推进智能制造是贯彻落实《中国制造2025》的主攻方向。”

《中国制造2025》明确提出,着力发展智能装备和智能产品,推进生产过程智能化,培育新型生产方式,全面提升企业研发、生产、管理和服务的智能化水平。

“顶层设计”之下,各地陆续出台相关行动计划,全面对接《中国制造2025》。江苏、广东、福建、四川、安徽等省份分别出台《<中国制造2025>江苏行动纲要》《广东省智能制造发展规划(2015—2025)》《福建省实施<中国制造2025>行动计划》《<中国制造2025>四川行动计划》《中国制造2025安徽篇》等文件,以加快制造强省的建设步伐。

河北提出,未来5年要建成1500个智能工厂、车间;江苏的目标则是到2025年,建成1000个智能工厂,研制并应用1000个首台(套)重大装备,其中50%以上填补国内空白;浙江计划到2020年全省在役工业机器人数量超过10万台。

今年2月,《成都市建设“中国制造2025”试点示范城市实施方案》获批,成都继宁波市、苏南城市群和珠江西岸城市群之后,成为全国第三批、西部第一批“中国制造2025”试点示范城市。

各地智能制造的专业园区建设也如火如荼,“全国已建成和拟建的3D打印、机器人、无人机、数控机床、智能装备等智能制造产业园区,总量预计已有百家。”中国电子学会副理事长兼秘书长徐晓兰介绍说。

国家意志下的“中国智造”前景广阔。《2016中国制造业竞争力调研报告》预测,到2025年,我国智能制造能够完成超过50%的进程;2035年,能完成70%的进程;2045年,能够完成90%的进程。在2049年时,智能制造水平与发达国家并驾齐驱,甚至在若干领域引领发展。

“风口”之上的智能制造产业想象空间巨大,正受到各路资本的青睐。中投顾问发布的《2016—2020年中国智能制造行业深度调研及投资前景预测报告》认为,2015年我国智能制造产值在1万亿元左右,2020年有望超过3万亿元,年复合增长率约20%。

苗圩部长表示,通过智能化或者说信息化的生产过程,可以实现全流程的优化,各个环节被监控,可以大大降低不良产品率,顺应中国劳动力成本不断上升的趋势,大大提高效率和效益。

路甬祥则认为,智能制造可实现复杂零件的高品质制造;可促进绿色制造;可适应客户个性化、定制需求;可促进向智能服务型制造转型;是提升我国制造业劳动生产率的必由之路。

以航空航天、船舶车辆等精细工业为例,许多结构复杂、加工质量要求高的零部件,采用在线监测、工况实时智能控制,显著提升制造品质和效率。而智能手机、超极本、智能电视、机器人等产品也正是由于智能生产线对精密化部件的高品质、大批量制造,得以工业化生产。

从“制造”到“智造”,中国的“并联式”发展道路

中国已是名副其实的“制造大国”,220多种工业品产量居世界第一位,制造业净出口居世界第一位,制造业增加值在世界占比达到20.8%。

然而数据显示,智能制造仍是现阶段我国制造业的短板之一。国务院发展研究中心携手德国著名工业企业博世,在今年3月发布的一份研究报告称:中国制造业整体尚处于由工业2.0向工业3.0过渡的阶段。

《2016—2020年中国智能制造行业深度调研及投资前景预测报告》称,大部分中国企业处于研发阶段,仅16%的企业进入智能制造应用阶段;从智能制造的经济效益来看,52%的企业智能制造收入贡献率低于10%,60%的企业智能制造利润贡献率低于10%。

据《世界经理人》“2015中国制造业信息化现状调研”结果显示:我国近九成制造企业信息化处于初、中级水平,信息化覆盖业务较窄,而且各系统信息处于割裂状态,集成度低。2015年,我国制造业关键工序的数控化率仅三分之一,大中型制造企业也刚超过50%。而美德日等国制造业数控化率已达80%~90%。

此外,工业软件也是我国智能制造的制约之一。以智能制造的核心环节——嵌入式软件为例,2016年中国软件业务收入4.9万亿元,其中嵌入式系统软件为7997亿元,仅占六分之一。.

6   2017-11-21 17:17:16.167 “智造单元”让智能制造落地生根 (点击量:2)

工业4.0概念的光环正在减弱,而更多工厂转型升级的真知灼见正在不断地涌现出来。智能制造作为中国制造2025的主攻方向,其中的数字化、网络化和智能化提出了一个可以探索的路径。对于中国的制造企业迎来了不可避免的制造模式的范式转型,即智能制造,对于企业而言,则面临的是一条一条具体的生产线。如何从生产线出发,找到智能制造的发展路线,是一个非常迫切的问题。

智造单元,正是智能制造最为落地的抓手。它像一根红线,在一个复杂的局面中,牵引着智能制造走向破局之点。它是一个最小的数字化工厂,提供了一个完整的多品种小批量的解决方案。

智造单元,把复杂系统变简洁

智能制造是一个复杂的系统,这决定了它需要从一个整体论来考量。它在企业内部是一个混合状态,企业局部也可以有智能制造,而不必一定要等到整体上全部实现——这是一个交互渗透的过程。而在局部实现智能制造,如果从企业内部生产实践来看,最为可行的基础上是,需要从最小的智能制造单元开始,拓展到一条条数字化产线,再到局部相互连接的系统,最后构建出巨系统。

来源:工信部安筱鹏博士《软件视野下的未来工业》

这里的最小智能制造单元,就是需要构建的“智造单元”。智造单元是从工厂车间的基本运营出发,从资源轴、 管理轴和执行轴这三个角度,把一组能力相近的加工设备和辅助设备进行模块组合,并通过软件连接,实现多功能模块的集成化,链接企业资源管理与研发等管理软件形成企业的一体化系统,具备多品种少批量产品的生产能力输出的组织模块。作为智能制造实现的最小单元,可以实现数字工厂所需要的设备自动化、管理信息化、人员高效化。因此制造单元的基本特征,可以总结为“软硬一体,三轴三化”,也就是“设备模块成一体,三轴视角车间挂;软件连接数据通,数字工厂靠三化”。

三轴视角,扎根车间

智造单元是扎根于工厂尤其是车间级而自然生长的希望之花。智能制造最为重要的问题,都需要回到现场去解决。而智造单元的“三轴”,就是围绕现场要素,从三个方向进行管理:资源轴向,内向管理轴向和工作执行轴向,见图2。

资源轴上,主要是对人员、流程、产品、设备的管理。资源可以是任何活动的对象,也可以是执行这些活动的前瞻主题。特别值得注意的是,员工是宝贵的资产。工厂工人在物理世界生产产品,不管职务是不是管理者,都会做决定并给其他人下达指示。

而管理轴则是质量、成本、交期、安全,是生产过程中核心输出的要素管控与运维。

而在执行轴PDCA,则是标准的戴明环,也就是计划(Plan)、执行(Do)、检查(Check)、纠正(Action)。

这三个视图,综合地表达了智能制造的价值创造,其实是人类和各种设备活动的过程与结果的综合表达。

这种方式与日本旨在解决智能制造的工业价值链促进会IVI的理念完全一致。日本IVI在 2016年12月提出了“工业价值链参考架构”,旨在推动“数字工厂”的实现,见图3。

这个三维图,把智造单元的三个轴向定义诠释得很清楚,真实地反映了工厂的现场活动,完全是从车间的视角,考虑企业的实际运营。只不过IVRA强调环境的管理,而智造单元则采用了安全的方向。

在明确了工厂现场的三大主轴之后,智能制造的建设路径就浮出水面。通过智造单元的组合,整个数字工厂的建设,就可以通过模块化、分区化的方式,进行自由的升级组合,从而大大提高数字工厂的建设效率。

7   2017-11-21 17:16:02.22 发那科2017上半年营收大增,逼近历史新高 (点击量:0)

近日,发那科公布了2017年度上半年(2017年4~9月)财报,由于作用在智能手机加工的高速钻孔机(Robodrill)等产品的热销,加上机器人销售大增,合并营收较去年同期增幅35.2%,增至3,476.12亿日元,逼近历史最高记录。据悉,发那科营收最高纪录为2015年4~9月期间的3,499亿日元。
发那科工业机器人
    发那科表示,4~9月期间机器人机械部门营收较去年同期增幅89.9%,营收达900.54亿日元。媒体分析认为,发那科机器人机械部门营收暴增主要得益于苹果iPhone新机开卖以及台湾的EMS厂商的强劲需求。
    另外,4~9月期间发那科机器人部门营收较去年同期增幅24.4%,营收达1,097.15亿日圆,主要由美洲、欧洲以及中国的需求带动,其中以中国需求为主;包含“NC装置”等产品的工厂自动化部门(Factory Automation,FA)营收较去年同期增幅25.6%,总营收达1,053.51亿日元。

8   2017-11-21 17:13:58.763 GE增强Predix平台:AI能力+边缘分析 (点击量:1)

为了巩固物联网行业的核心地位,通用电气试图为其工业物联网产品Predix增加一些新功能,帮助企业分析数据和预测可能发生的事情,不管数据是来自泵、阀门、换热器还是移动的机器设备。

通用电气希望为Predix平台增加边缘计算,使数据分析获得更多优质的网络流量和实时分析效果,从而降低系统运行的成本。在本周人工智能+机器的会议上通用软件部门表示提供一系列新的边缘计算应用和功能,以帮助企业更有效预测机器设备故障和计划服务时间。

新的应用程序意味着连接信息和操作技术(IT和OT)系统从而更好的管理公司资产,例如将数据从工厂和库存设备纳入ERP与供应链系统,再到企业数据中心或云端。

工业物联网平台即服务

当企业想要掌握物联网设备所产生的大量数据,那就自然会用到云计算。为了满足物联网数据储存和处理的需求,一些科技公司开始提供各种云服务和应用程序。目前云计算产品主要有IaaS和PaaS类型,其中IaaS指的是基础设施即服务,供应商包括亚马逊的AWS、微软的Azure和谷歌的云计算物联网。而PaaS是指平台即服务,主要产品有PTC公司的ThingWorx和西门子公司的mindsphere等。

通用电气推出的Predix平台也是PaaS类型的产品,是目前最全面工业物联网应用程序开发工具。通用电气凭借着124年在工业设备领域建设和运行的经验,通过PaaS为工业设备运营商提供效率优化解决方案,成为工业物联网平台的主要供应商。

GE图片样例

大多数软件公司也许可以从历史数据分析出未来可能发生什么事,或者接入虚拟电路显示设备的流量和压力发生了什么。通用电气拥有很多从设计和制造过程失败案例的经验知识,同时为用户提供了一个360度视觉的独特的设备分析和洞察。

通用已经与亚马逊合作,将其它Predix运行在AWS上,以后还将可能运行在微软的Azure上。Predix是一个平台服务软件,可以依托在像AWS和Azure这样的基础服务平台,未来客户将能自由选择在哪个平台上运行软件。

数据分析业务走向边缘

在本地对设备数据进行处理分析,将能达到更多的数据量和更高的效率。这种设想可以通过边缘计算实现,数据先在本地进行优化,而不是直接传送到数据中心或者云端,只有当企业需要时才通过网络上传。

物联网边缘化是一种重要的趋势,世界著名咨询公司Gartner分析认为,到2022年将有75%的数据在数据中心或云以外的地方进行分析和处理。在边缘和云中处理和管理数据的能力对于企业优化业务将是至关重要的。

为了帮助企业在边缘更好地处理数据,通用电气提供了一些边缘增强功能,包括运行在服务器硬件上的Predix边缘能力。过去只作为云服务,现在Predix允许企业能够支持多达200000个连接的设备。

GE图片样例

通用电气还推出了一个Predix Machine软件,这是一个为微型服务器市场而设计的产品,可以在客户的虚拟化数据中心基础设施上或服务器类硬件上运行。边缘管理和机器将在明年第一季生效,而另一个功能Predix复杂事件处理(CEP)会在今年年底可用,CEP将保证数据在极低的延迟下允许更快更有效的事件处理

运营绩效与AI服务管理

提升运营绩效是企业管理的关键,OPM(运营绩效考核)是指出应从运营的角度,评估和监控企业的业务流程,分析并提高企业运营效益的理念。通用电气OPM软件是在资产性能管理(APM)系统基础上扩展的产品,目前可以用于采矿业。通用表示,明年OPM将扩展到其它行业,OPM主要是利用实时和历史数据以及分析帮助客户做出更好的业务决策。

例如,如果工业过程与计划偏离时给运营商发一个预警,让企业有时间去解决的业务问题和采取预防措施,这样将能大大降低因错误安排而造成的巨大损失。

去年,通用电气花了9.15亿收购ServiceMax,然后一直致力于整合公司现场服务管理(FSM)与GE产品和第三方工具软件。例如,将人工智能预测分析整合到Apache Spark AI引擎以提高服务时间。

此外,新的应用程序允许服务提供商在同一设备上安装第三方移动应用程序,共享FSM数据。新的程序功能允许多个工作订单链接,以提高首次固定费率和减少服务访问次数。

新应用程序开发工具

通用数字化的APM套件增加包括Predix工作台将在明年第一季度发布。应用程序设计成一个拖放图形界面形式,让非专家开发人员使用GE软件。这种设计可以让很多人参与设计,并不一定是计算专业的研究生才能使用,在一个安全的环境下建立和扩展应用程序。利用APM套件和工具可以扩展更多的应用,添加更多的数据源,甚至超出GE提供的范围。

在即将发布的工程领域数字双胞胎的分析平台mid-2018采用了算法和模板库,帮助GE客户更快更容易建立所谓的数字双胞胎-虚拟模型设计,让企业轻松了解到航空发动机等有形资产的性能和运作。

数字双胞胎软件贯穿了产生的整个生命周期,通过数据分析和ERP系统来衡量,如对实物资产管理和性能退化的监控。分析工作台也将帮助用户实现机器学习的能力,让这些模型来提长工作的效率和节省时间。

9   2017-11-21 17:19:10.123 中国人工智能产业链“显山露水” (点击量:0)

近日,中国人工智能产业发展联盟组建成立。据介绍,联盟将快速推动人工智能技术在生产制造、健康医疗、生活服务、城市治理等场景的应用,提升产业发展能力与水平。同时,将整合全产业链资源,促进人工智能科技成果和资源的积累与转化。
    业内比较一致的看法是,人工智能产业链可分为基础层、技术层和应用层。对此,全球巨头立足自身核心技术进行扩散,积极进行布局。与此同时,中国人工智能产业链也已“显山露水”,20余家A股公司正在“抢滩”产业链。
    基础层:中国芯片尝试“弯道超车”
    基础层主要包括计算芯片、大数据、存储。微软的最新研究报告称,在人工智能领域,传统的芯片计算架构已无法支撑深度学习等大规模并行计算的需求,这就需要新的底层硬件来更好地储备数据、加速计算过程。基础层主要以硬件为核心,其中包括GPU/FPGA等用于性能加速的硬件、神经网络芯片、传感器与中间件,这些是支撑人工智能应用的前提。这些硬件为整个人工智能的运算提供算力,目前多以传统的国际IT巨头为主。
    目前,在GPU领域,英伟达主打工业级超大规模深度网络加速,并推出了基于Volta、首款速度超越100TFlops的处理器Tesla;英特尔主要围绕FPGA构建产业,推出了模仿人脑的人工智能芯片。谷歌也推出了第二代TPU芯片,为自己的开源TensorFlow框架提供芯片支撑。此外,在这一领域还有众多的初创公司,如中星微、寒武纪以及西井科技等,但在产业布局能力和研发实力方面,还不能与上述巨头匹敌。
    记者注意到,中国在类人脑芯片上的探索起步并不晚。2015年,由浙江大学计算机学院牵头,浙江大学与杭州电子科技大学的学者合作研制出了国内首款基于硅材料(CMOS)的支持脉冲神经网络(SNN)的类脑芯片——“达尔文”芯片。该课题组认为,“达尔文”虽是国内首款支持脉冲神经网络的类脑芯片,但与国际先进水平的IBM TrueNorth芯片比较,还有一定距离。
    中国在类人脑计算上的探索目前比较受关注的是中国科学院计算技术研究所陈云霁、陈天石主导的“寒武纪”课题组。计算所的有关专家告诉记者,寒武纪深度学习处理器的能效比主流CPU和GPU有两个数量级的提升,具有较强的市场竞争优势。从2017年起,“寒武纪”课题组获得了中科院为期18个月共计1000万元的专项资金支持,用于项目研发及产业化。据中国科学院计算技术研究所智能处理器研究中心介绍,这1000万元专项资金一方面用于人工智能芯片的基础性研究,探索下一代人工智能芯片的架构、算法以及在一些新型场景(如AR/VR)中的应用开发方法。这将为我国参与智能时代国际芯片市场角逐打下科学和技术基础。专项资金另一方面用于寒武纪芯片在各种智能云服务器、智能终端和智能机器人市场中的推广,力争在18个月内初步奠定寒武纪芯片在智能芯片市场上的地位。
    中科院计算所有关负责人表示,“‘龙芯’是一条路,寒武纪是一条路,而与IBM、英特尔、AMD合作是另一条路。‘龙芯’走的是‘人有我有’之路,寒武纪走的是‘弯道超车’之路。”
    技术层:国产语音识别算法取得突破
    技术层包括算法平台、图像识别、自然语言识别处理和智能机器人。当前,国内的人工智能技术平台主要聚焦于计算机视觉、语音识别和语言技术处理领域,国内技术层公司发展势头也随之迅猛,其中有代表性的企业包括科大讯飞、格灵深瞳、捷通华声(灵云)、地平线、SenseTime、永洪科技、旷视科技、云知声等。
    麦肯锡的一份研究报告对中国人工智能发展状态进行了全面而细致的梳理。麦肯锡认为,中国在算法开发方面与其他国家相当。中国的研究者在开发用于语音识别和定向广告的算法方面已经取得突破。得益于全球的开源平台,中国企业能够快速复制其他地方开发的最先进的算法。
    中国科技战略研究院有关专家对记者表示,“人工智能产业的发展离不开海量数据的支撑,数据训练量的大小影响着算法实现的成熟度。”阿里云iDST总监初敏表示,算法、数据、计算平台、用户、商业模式,用互联网的思维把这五个因素串起来,人工智能迭代才能非常快。以更快的速度使用反馈数据来更新模型,形成这样的正循环周期后,效果就会越来越好。哪怕就是算法不变,只要能不断地反馈数据并不断优化,过一两个月之后,它的能力也会好很多。
    国内的曙光公司联合众多企业成立了航天星图、中科三清、曙光易通,锁定数据。航天星图专注于地理空间大数据处理、可视化应用,中科三清由曙光与中科院物理所合资,专注于大气、水以及土壤污染的预报、预警,治理评估和应急提供可行性的解决方案。除了传统IT企业在抢数据资源之外,事实上,中国也涌现了很多运营和经营数据的公司,比如数据堂、星图数据、百分点等,并涌现了更多公共数据开放平台。
    数据显示,2016年中国数据总量占全球数据总量的14%。据预测,到2020年,中国的数据总量将占全球数据总量的20%,届时中国将成为世界第一数据资源大国和全球的数据中心。
    创新工场人工智能战略白皮书显示,数据隐私、数据安全对人工智能技术建立跨行业、跨领域的大数据模型提出了政策、法规与监管方面的要求。各垂直领域的从业者从商业利益出发,也为数据的共享和流转限定了基本的规则和边界。此外,许多传统行业的数据积累在规范程度和流转效率上还远未达到可充分发挥人工智能技术潜能的程度。
    麦肯锡表示,中国的大技术公司通过它们专有的平台收集数据,但中国在创建数据友好的生态系统方面落后于美国,缺少统一的标准和跨平台的共享。从世界有关国家看,开放政府数据有助于私营部门的创新,但中国公共部门开放的数据相对较少。
    应用层:驾驶、医疗等成热点领域
    应用层包括无人驾驶、智能安防和智慧医疗等。从全球看,IBM最早布局人工智能应用,“万能Watson”推动多行业变革。百度推出“百度大脑”计划,重点布局无人驾驶汽车。而谷歌的人工智能业务则较为繁杂,多领域遍地开花,包括AlphaGo、无人驾驶汽车、智能手术机器人等。微软则在语言语义识别、计算机视觉等领域保持领先。
    科大讯飞董事长刘庆峰表示,2017年是中国人工智能应用的落地年,成为人工智能产业发展的分水岭。他认为,应用才是人工智能发展的硬道理,只有技术不断地应用在各个领域,才能得到发展。
    腾讯集团董事长马化腾表示,没有场景支持的人工智能研究是空中楼阁。这些年,人工智能技术的快速发展,让人工智能在个人助理、汽车领域、医疗健康、安防、电商零售、金融、教育等方面的应用覆盖了生活的各个方面。
    百度公司总裁张亚勤表示,百度要做人工智能时代的操作系统,需要建立一个生态,没有场景的人工智能是没有用的。百度未来10至20年的战略都押注在人工智能领域,公司所有的资源和技术都向其倾斜。
    人工智能在汽车领域的应用前景十分广阔,其中自动驾驶最受人关注。在自动驾驶领域,很多厂商已经深耕数年,这让2016年成为自动驾驶充分竞争的一年。今年百度智能汽车正式亮相,向全球展示了百度在高精地图生产制造、自动驾驶环境感知等领域的领先技术,并发布自动驾驶开放平台。通过应用人工智能技术,能够提高公共交通系统的安全性和效率,自动驾驶车辆也可以减少交通事故、缓解交通压力,为实现指挥交通发挥重要作用。
    阿里巴巴与杭州市政府合作,通过整合人工智能技术的交通信号灯,使城市交通更加智能化,减少了拥堵,在特定区域提升了11%的交通流量。吉利汽车搭建新一代核心业务系统整体上云,实现了传统业务的在线化和数据化运营,助力吉利汽车引领汽车行业的“互联网+”潮流。
    最近,国防科技大学相关团队研发的医疗机器人对外公布。该机器人通过运用超级计算机的大数据运算以及人工智能技术,可以提供挂号、诊疗、体检等一体化智能医疗服务,包括智能挂号、智能诊疗、智能健康体检三大功能系统。百度在医疗O2O智能分诊、人工智能参与的智能问诊、基因分析和精准医疗、基于大数据的新药研发等四方面进行研发,期望把几十万台服务器的运算能力和最先进的算法,运用到医疗和健康领域。
    近两年来,长虹、美的、格力、格兰仕等家电公司都在向智能制造转型,在机器人生产及应用领域进行布局。同时,几乎所有的家电厂商都立足“Smart Home”,将人工智能和智慧家庭更紧密地结合在一起。
    不过,接受采访的专家表示,大多数传统行业的业务需求与人工智能的前沿科技成果之间尚存在不小距离。面向普通消费者的移动互联网应用与人工智能技术之间的结合尚处在探索阶段。

10   2017-11-21 17:20:08.327 论智能制造的经济性 (点击量:1)

1、 人的经济性

人是价值的定义者。谈经济性就离不开人。人的需求决定了社会和企业追求的目标,本质上都是围绕着如何让人类更加幸福地生活展开的。政府的作用是调整人与人的利益关系,而企业的作用是创造人所定义的价值;本质上都是为人服务、为人所定义的价值服务的。

一个好的企业、好的政府,就是对人的徐需求把握得好。但是,把握需求并不容易。我们知道,自由是人类最高的追求。但人类对自由的追求受到各种外部条件的约束。比如,我想长生不老,却找不到办法,这就丧失了一部分自由;再如,我想每天在海滩度假,但缺少资金,也会丧失一部分自由。所以,人类只能追求“现实的自由”,企业和政府也只能满足现实需求。而价值定义,决定于现实需求。

现实中的价值目标不是“常数”,而是会随着外部条件和场景的变化而变化。优秀的企业和政府,要认识并顺应价值变化的趋势。

这些制约人类价值的环境中,制度、经济和技术条件是非常重要的方面。其中,经济是或许是最基本的约束:经济基础决定了你能买什么、做什么、选择什么工作、有多少闲暇时间等。改革开放之前物质资源匮乏,很多东西有钱买不到;改革开出初期东西多了钱少,智能买廉价的产品。这些都是对自由的约束。这些年,我国经济不断发展、社会价值观日趋多元,人们基本的物质生活已经基本得到了保障。这时,人类的需求就发生了重大的改变。

人们对价格低廉的追求已经放缓,转而追求高质量的产品和服务、追求更多的闲暇、追求劳动环境的人性化、追求令人快乐的工作等等。其中,智能制造常讲的“个性化需求”,本质上也是对质量的追求。我们利用ICT技术推动技术的进本,就是要追随这些价值观的变化。在这些价值观的背后,有新的市场增长点。

从某种意义上说,微信就是这样典型的增长点。其经济基础是:买得起智能手机、有一定闲暇时间、新技术提供的可能等等。

2、组织经济性

组织经济性就是涉及到国家、企业、产业链等由众多利益个体组成的经济性。我们生活在同一个世界中,众多个体之间的利益不是孤立的、而是相互关联的。组织的经济性要关心的是:利益的分配原则,要减少互相损害、鼓励互相增强。

为了个体的利益而损害整体利益,会导致全社会经济性的下降。典型的情况有:不遵守交通规则,造成交通拥挤;假冒伪劣、浮夸欺诈导致社会信用成本上升;乱丢垃圾导致环卫工人劳动增加;产品偷工减料导致使用和维修成本上升;污染排放导致治理成本上升;犯罪导致治安成本上升等。

还有一些活动,是典型的零和游戏,如降价或提价。在竞争的环境下,价格变动是难免的,但却不能创造价值。然而,价格偏离过大,会对市场产生不利的影响:比如恶化企业的正常生存环境、抑制消费等。特别地,低价竞争容易引发质量欺诈,进而导致企业和消费者的双输。在“产能过剩”的背景下,这种事情是要尽量防止的。另外,在互联网的背景下,容易造成企业恶性竞争——这个事实很少有人点破,现实就是这样。因为消费者和生产者的信息对称关系发生了改变。这一点,政府真的应该引起重视。

组织应该追求“1+1>2”的系统性效果。中国的高速发展很大程度上就是系统效益产生的。比如,修一条铁路或地铁,就会导致一个地方的经济高速发展。再如,无欺诈的交易几乎都是对双方有利的、可以降低交易成本。所以,促进诚信、优化市场环境、保护知识产权等等,都有利于追求社会利益的增长。

在我看来,在我国制造企业普遍面临产能过剩的背景下,只能通过提高质量、加强服务、提高诚信(进而加强协同、降低交易成本)的办法,在国家层面促进经济的发展了。

随着社会的进步,人类已经走入了“知识经济”的时代。很多产品消耗的物质总量接近,价格却相差很远。造成这种差异的原因,往往就是“知识含量”不同。“知识经济”的一个重要特点,是传播复制过程的零边际成本:只要知识产生出来,复制和传播的过程几乎是不需要钱的。但是,“知识生产”的过程是要付出大量成本和风险的。如果“知识生产者”不能有效地获利,从事“知识生产”的积极性就会受到挫伤。所以,针对“知识”全社会的协同、协调是摆在人们面前的重大课题。

3、技术经济性

技术经济性追求的是:用更低的成本,获得更好的产品或技术。在我看来,智能制造推进的困难,很大程度上就是难以找到技术经济性好的方案。

智能制造的发展是有规律的。比如,沿着机械化、自动化、数字化的轨迹向上走,经济性往往比较好:因为后面一步容易借助前面一步的条件。比如,在自动化产线上收集数据就会比较容易、甚至不需要多少额外的投资。但是,我国工业体系相对落后,推进“智能化”的时候可能需要“跳跃式”发展,投入很大、风险也很大,经济性就比较差。中国搞只能能制造难就难在这个地方。这就好比:同样上大学的课程,我们只读过初中,而西方发达国家的而企业则是高中毕业。虽然学的是同样的东西,但难度却相差很大。

面对风险大、投入大的难题,唯一的解决方法就是系统策划。该花的钱要花、不该花的钱不要花;要通过智能化的改造,获得多重的收益;要通过各种方式降低成本。在我看来,很多搞得好的企业、尤其是小型民营企业,其策划堪称“艺术品”。例如,河南登封昊南环保材料厂,利用互联网使用外国的智力资源;红领制衣在信息和物流上实现自动化,而制造环节仍然是人工操作。

现在看来,所谓系统性考虑问题,就是要把智能制造与企业的转型升级结合在一起,要有点大的动作,而不是小的修修补补。其中,转型升级包括:提高自动化的水平、体高产品设计能力、面向高端市场等等。在这个过程中,让智能制造提高制造能力;再通过市场地位的改变,让这种制造能力能够创造更多的价值。而单纯提高一个方面的能力,很可能早成能力的“富裕”,并不产生价值。

现在,很多人谈起智能制造,总是把眼光局限于某个设备、模型、方法、局部。这样做,很可能是“捡了芝麻,漏了西瓜”,把智能制造最重要的精髓给忘记了。要看到“西瓜”,就要看到“协同、共享、重用”,看到组织、流程和商业模式的深入改革;要看到提高质量和效率,还要看到寻找新的高端市场。这些基本条件的建立,体现的是“深度融合”的思想,需要企业家来决断。

但是,在我看来,很少有企业能够做到这一点。其背后的原因或许是:企业的技术组织不适合新时代的需求。过去,很多企业的技术团队面对的是些点上的问题,很少考虑全局性的问题。企业缺少面对全局、面对未来的人力投入,只看到了眼前小改小革带来的短期利益。没有人全局地考虑技术问题,企业家的注意力在市场和人事上,全局的策划能力自然会成为普遍性的短板。即便是中国最大的一些企业,往往也都是这样。

最后给大家讲一个段子:猴子为什么没有进化成人这样的高智能动物?原因是:经济上不合算。

人的大脑聪明,但却是付出代价的——人的20%的能量用于大脑消耗;与其他动物相比,人类刚出生的宝宝是“最无能的”“早产儿”。这种为了智慧而进行的付出,对人是合适的:因为人能把大脑的聪明,转化成手的劳动,从而创造更多的财富。而猴子的手只从事简单活动,太聪明的大脑也发挥不了作用。所以,人类的进化,得益于我们的祖先“动脑又动手”,从而让聪明的大脑更具备经济性。同样,企业搞智能制造,也需要让“智慧”创造出价值,技术才能健康地成长。.