質(zhì)檢：工業(yè)AI的第一站

作為AI相關(guān)的內(nèi)容報(bào)道者，今年最直觀的感受是與制造業(yè)代表的傳統(tǒng)行業(yè)管理者聊AI，其專業(yè)程度和了解深度已經(jīng)遠(yuǎn)遠(yuǎn)超過(guò)2017年AI剛剛興起的時(shí)候?；蛟S換個(gè)角度看，這與如今工業(yè)領(lǐng)域遭遇的外部壓力有直接相關(guān)。勞動(dòng)力的成本提升、大量工業(yè)訂單向東南亞轉(zhuǎn)移，以及經(jīng)濟(jì)下行壓力下的成本與效率焦慮，構(gòu)成了今天工業(yè)企業(yè)的主要情緒。而這種情緒的促使下，企業(yè)主和管理者開始積極尋找外部的技術(shù)推動(dòng)力，這與AI希望走進(jìn)產(chǎn)業(yè)的愿望不謀而合。但是周瑜打黃蓋，還需要蔣干當(dāng)引子，工業(yè)遇上AI的契機(jī)又在哪里？這個(gè)答案已經(jīng)比較明顯。

2017年，工業(yè)AI命題更多還處在討論當(dāng)中；2018年，AI質(zhì)檢就已經(jīng)提上了云計(jì)算、企業(yè)網(wǎng)和AI公司的服務(wù)列表。對(duì)于工業(yè)場(chǎng)景來(lái)說(shuō)，融合AI最大的挑戰(zhàn)在于AI的釋放需要設(shè)備、網(wǎng)絡(luò)和算力作為基礎(chǔ)條件，而工廠顯然不能拆掉流水線去為AI尋找容身之所。所以工業(yè)最開始嘗試的，只能是外部的、淺層的、不傷筋動(dòng)骨的工業(yè)智能化能力。于是，質(zhì)檢作為一個(gè)特殊場(chǎng)景躍然而出。

在今天絕大部分工業(yè)體系中，質(zhì)檢都是依靠人工來(lái)完成的。憑借的是人力的大量重復(fù)勞動(dòng)以及相關(guān)經(jīng)驗(yàn)，而使用智能攝像頭和機(jī)器視覺算法，來(lái)學(xué)習(xí)和理解質(zhì)檢員需要找到的瑕疵與問(wèn)題，可以令很多行業(yè)的質(zhì)檢工作快速被AI所替代。于是從2018年開始，大量AI+質(zhì)檢項(xiàng)目快速上馬，很多工廠也找到相關(guān)供應(yīng)商嘗試搭建自己的智能質(zhì)檢體系。但是這個(gè)領(lǐng)域的初始瓶頸也很明顯，一個(gè)是智能攝像頭的精度不夠，微小瑕疵識(shí)別成為了AI的難題；另一方面AI識(shí)別的算力和處理速度不足，也導(dǎo)致AI質(zhì)檢速度不如工人質(zhì)檢，更多時(shí)候只能作為人工識(shí)別的復(fù)檢補(bǔ)充。還有一個(gè)問(wèn)題，是AI攝像頭很難識(shí)別立體的東西，尤其是球狀物。所以，在2018年中到2019年初，行業(yè)內(nèi)更多能看到的是AI對(duì)板狀原材料進(jìn)行質(zhì)檢，比如鋼鐵板坯、光伏面板等。一方面是因?yàn)樵牧腺|(zhì)檢的容錯(cuò)率高，一般漏檢錯(cuò)檢率低于10%就可以應(yīng)用；另一方面就是這些材料只用AI識(shí)別單一平面，相對(duì)具有可行性。

為了解決這些問(wèn)題，讓AI質(zhì)檢這個(gè)“工業(yè)AI”第一站能夠走得更通順。2019年相關(guān)產(chǎn)業(yè)發(fā)生了系列變化，比較顯著的變化，是邊緣計(jì)算解決方案，開始通過(guò)云服務(wù)廠商走進(jìn)工廠。這就讓AI質(zhì)檢的算力和傳輸問(wèn)題得到了極大解決，如今很多AI質(zhì)檢項(xiàng)目已經(jīng)可以用高于人工效率的方式來(lái)完成。與此同時(shí)，市面上的智能攝像頭也在增多，工業(yè)級(jí)別的高精AI攝像頭和相關(guān)質(zhì)檢算法不再“有價(jià)無(wú)市”。另一方面，云服務(wù)廠商提供的工業(yè)AI質(zhì)檢解決方案更加多元。除非垂直需求獨(dú)特的工業(yè)類別，鋼鐵、煤炭、電力、防治等工業(yè)主要行業(yè)，已經(jīng)可以在云服務(wù)廠商中直接選購(gòu)比較成熟的行業(yè)定制化AI質(zhì)檢解決方案。

與此同時(shí)，雖然工廠里的工業(yè)攝像頭不夠高清和缺乏立體視角，依然是AI質(zhì)檢的主要難題。但是，AI+工業(yè)檢測(cè)這件事卻得到了眾多新的發(fā)展機(jī)會(huì)，比如設(shè)備故障識(shí)別、電路巡檢、儀表巡檢、施工現(xiàn)場(chǎng)檢測(cè)等，在2019年都可以找到成功的智能化案例。質(zhì)檢作為工業(yè)AI的第一站，已經(jīng)完成了從單點(diǎn)到多元化的價(jià)值釋放，尤其在危險(xiǎn)作業(yè)環(huán)境和偏遠(yuǎn)地區(qū)的AI質(zhì)檢，其價(jià)值遠(yuǎn)遠(yuǎn)大于產(chǎn)業(yè)價(jià)值本身。

工業(yè)模型預(yù)測(cè)：2019年的最大收獲

當(dāng)一些聲音開始嘲笑所謂的“工業(yè)AI”只會(huì)質(zhì)檢，這條產(chǎn)業(yè)鏈卻在悄然開始新的進(jìn)化。如果說(shuō)，2019年中國(guó)市場(chǎng)上的工業(yè)AI必須選擇一個(gè)主要進(jìn)展，那工業(yè)模型預(yù)測(cè)應(yīng)該得票最多。所謂AI工業(yè)模型預(yù)測(cè)，一般是指利用工業(yè)大數(shù)據(jù)，通過(guò)AI對(duì)原料、產(chǎn)出、生產(chǎn)時(shí)間、廢料排放等數(shù)據(jù)進(jìn)行智能調(diào)配，最終得到高于粗放式生產(chǎn)的智能生產(chǎn)模型。當(dāng)然，這只是工業(yè)AI預(yù)測(cè)的一個(gè)基本模式。廣義的工業(yè)AI預(yù)測(cè)，還包括將專家經(jīng)驗(yàn)轉(zhuǎn)化成AI模型，再反向投入生產(chǎn)解決工人經(jīng)驗(yàn)不足的問(wèn)題；還有將維修與設(shè)備管理經(jīng)驗(yàn)轉(zhuǎn)化為AI模型，來(lái)預(yù)測(cè)設(shè)備故障，智能管理檢修體系等等。

工業(yè)AI預(yù)測(cè)，本質(zhì)上是將人工經(jīng)驗(yàn)與智能數(shù)據(jù)運(yùn)算能力，抽象化成可復(fù)用的AI模型，來(lái)解決工業(yè)領(lǐng)域無(wú)處不在的數(shù)據(jù)關(guān)系問(wèn)題。比如配料的比例、不同原料采購(gòu)的數(shù)量和時(shí)間、設(shè)備維修周期等等，這些數(shù)據(jù)原本都是需要人工長(zhǎng)時(shí)間摸索并進(jìn)行經(jīng)驗(yàn)總結(jié)的，也可能始終處在不合理的數(shù)據(jù)區(qū)間。AI的加入，可以讓小師傅變老師傅，粗放經(jīng)營(yíng)變成智能經(jīng)營(yíng)。當(dāng)然，這只是理想中的情況，真實(shí)場(chǎng)景中的工業(yè)體系極度復(fù)雜，AI不可能也不會(huì)一上來(lái)就“算盡天下”。但從2019年眾多工業(yè)AI預(yù)測(cè)的成功案例來(lái)看，這個(gè)領(lǐng)域即將進(jìn)入蓬勃發(fā)展周期。

如果說(shuō)AI質(zhì)檢，更多價(jià)值是在單一場(chǎng)景中，解決人工重復(fù)勞動(dòng)的問(wèn)題。那么當(dāng)AI開始在工廠里玩數(shù)據(jù)、玩模型，AI預(yù)測(cè)正式讓工業(yè)AI走向了“腦力勞動(dòng)”的崗位。

這一年中，已經(jīng)有很多行業(yè)案例成功融合了工業(yè)AI預(yù)測(cè)技術(shù)。一家軸承廠可以利用大數(shù)據(jù)檢測(cè)和機(jī)器學(xué)習(xí)系統(tǒng)，對(duì)工廠設(shè)備的歷史維修周期與故障率進(jìn)行分析測(cè)算，從而結(jié)合機(jī)器視覺系統(tǒng)對(duì)設(shè)備進(jìn)行監(jiān)控，預(yù)測(cè)何時(shí)需要進(jìn)行設(shè)備清洗、何時(shí)可能需要更換部件，讓檢修人員進(jìn)行提前規(guī)劃。此舉最大程度降低工廠因設(shè)備故障導(dǎo)致的停工情況，使得設(shè)備中斷工作時(shí)間降低了50%。再比如一些制造業(yè)企業(yè)和工業(yè)園區(qū)，已經(jīng)開始利用AI技術(shù)構(gòu)建電力系統(tǒng)的智能監(jiān)控與運(yùn)維，預(yù)測(cè)企業(yè)的電力負(fù)荷情況，從而實(shí)行針對(duì)性供電，普遍可以達(dá)到企業(yè)整體購(gòu)電成本下降30-40%的效果。

河南一家煤炭焦化企業(yè)，利用AI算法來(lái)進(jìn)行焦炭質(zhì)量預(yù)測(cè)和配煤比例優(yōu)化，從而實(shí)現(xiàn)再不降低產(chǎn)品質(zhì)量的前提下，達(dá)到解決成本每噸20-70元，一年可以節(jié)省數(shù)千萬(wàn)元成本。更重要的是，AI調(diào)參之后的配煤比例，可以讓原材料出煤更加充分，極大降低了污染排放量，其社會(huì)價(jià)值遠(yuǎn)大于企業(yè)價(jià)值本身。

工業(yè)AI模型預(yù)測(cè)的產(chǎn)業(yè)特征，是每個(gè)行業(yè)都有非常高的特殊性。作為一種新技術(shù)，AI想要真正成為工廠的“大腦”，需要與具體行業(yè)充分接觸、溝通，反復(fù)試錯(cuò)，最終走向產(chǎn)業(yè)融合。所以說(shuō)，工業(yè)AI預(yù)測(cè)是很難具備大面積重復(fù)推廣性的，與互聯(lián)網(wǎng)產(chǎn)業(yè)傳統(tǒng)的認(rèn)知截然不同。但換個(gè)角度看，一家工廠很容易就因?yàn)锳I的加入節(jié)省上千萬(wàn)的成本，一個(gè)看似不大的行業(yè)，就可以基于工業(yè)AI預(yù)測(cè)帶來(lái)數(shù)十億級(jí)別的價(jià)值增長(zhǎng)。

這是一個(gè)需要慢下來(lái)、扎實(shí)下來(lái)的工程，也是“非火即涼”論者需要適應(yīng)的新現(xiàn)實(shí)。

工業(yè)AI，依舊路漫漫

如果算報(bào)償比率，工業(yè)AI絕對(duì)是所有“智能+產(chǎn)業(yè)”中的魁首。同時(shí)，從產(chǎn)業(yè)周期上看，工業(yè)也毫無(wú)疑問(wèn)是最后一個(gè)徹底完成智能化升級(jí)的產(chǎn)業(yè)。無(wú)數(shù)細(xì)節(jié)和流程、漫長(zhǎng)的產(chǎn)業(yè)鏈、上百年巋然不動(dòng)的重型機(jī)械、與勞動(dòng)者之間復(fù)雜難言的關(guān)系，種種因素限制著工業(yè)AI的發(fā)展速度。如果為工業(yè)AI畫一條增長(zhǎng)曲線，那么在這條曲線的盡頭，工業(yè)AI無(wú)非是要做兩件事：徹底代替工人的工作，實(shí)現(xiàn)工廠的完全自動(dòng)化，機(jī)械臂、工業(yè)機(jī)器人就是向這個(gè)目標(biāo)前進(jìn)；另一種是讓AI的感知、推理與決策能力，發(fā)生在工業(yè)生產(chǎn)的核心部類當(dāng)中，也就是讓工業(yè)設(shè)備、生產(chǎn)線、工業(yè)產(chǎn)品獲得智能能力，工業(yè)AI預(yù)測(cè)、大規(guī)模工業(yè)數(shù)據(jù)處理、工業(yè)BI，都是這個(gè)目標(biāo)的初級(jí)階段。

但在這兩個(gè)終極目標(biāo)之前，今天依舊能看到工業(yè)AI的阻力依舊非常清晰。比如說(shuō)，工業(yè)AI改造的核心，必須經(jīng)歷對(duì)工業(yè)生產(chǎn)核心設(shè)備進(jìn)行改造。這一方面意味著巨大的成本壓力，甚至是根本天方夜譚的成本。另一方面，AI走進(jìn)工業(yè)需要一系列配套技術(shù)與解決方案的支持，這些基礎(chǔ)條件今天并不成熟。所以說(shuō)，一方面工廠不會(huì)讓AI改，另一方面AI也改不起。所以無(wú)論是質(zhì)檢還是預(yù)測(cè)，AI依舊在工業(yè)核心的外圍轉(zhuǎn)悠來(lái)轉(zhuǎn)悠去。比技術(shù)和成本困境更先遇到的，是工業(yè)和AI的相互不理解。我們經(jīng)常會(huì)遇到這樣的情況，一家AI公司到工廠走訪后，能給出100多項(xiàng)自己可以做的智能化升級(jí)。而工廠專家和領(lǐng)導(dǎo)審核之后，可能最多留下兩三項(xiàng)，甚至可能看著令人眩暈的技術(shù)列表，決定把AI拉黑。

這種情況，一方面是AI技術(shù)從業(yè)者并不了解工業(yè)，尤其對(duì)工業(yè)所需的安全、效率、成本周期缺乏常識(shí)；另一方面工業(yè)專家也并不了解AI，經(jīng)常將這門技術(shù)與機(jī)器人、數(shù)據(jù)可視化等技術(shù)劃等號(hào)。經(jīng)常聽到這種情況，工廠主見到AI公司負(fù)責(zé)人后有兩種情況，一種是想讓AI做一切事，另一種是拿AI當(dāng)又一個(gè)騙人的“風(fēng)口”。

可能相對(duì)幸運(yùn)的是，如今的工業(yè)發(fā)展壓力，正在倒逼著產(chǎn)業(yè)智能化升級(jí)發(fā)生，工業(yè)專家和工廠主也在持續(xù)提升對(duì)AI的認(rèn)識(shí)。對(duì)于溝通層面的抱怨，在2019年已經(jīng)少聽到了很多。但是雙方的代溝還遠(yuǎn)未消弭。

舉個(gè)例子：

很多工廠在探索使用AI時(shí)，都會(huì)強(qiáng)調(diào)一定要AI公司附加非常多的數(shù)據(jù)可視化功能與系統(tǒng)建設(shè)。往往AI專家會(huì)很詫異，一方面數(shù)據(jù)可視化很可能不是AI公司或者AI部門的業(yè)務(wù)，另一方面他們認(rèn)為這種大量浪費(fèi)成本在視覺系統(tǒng)上的項(xiàng)目意義不大。但是，工廠主普遍認(rèn)為，能看到自己的數(shù)據(jù)流動(dòng)、智能決策是如何一步步做出的，這件事十分有必要——哪怕這些可視化數(shù)據(jù)是人工一點(diǎn)點(diǎn)畫出來(lái)的。八竿子打不著的兩伙人要坐在一起圖謀大事，這事確實(shí)很煩心。但是能做好的人和公司一定會(huì)得到未來(lái)的獎(jiǎng)賞，無(wú)論他來(lái)自AI還是工業(yè)，亦或其他。

2020，變化何處而生？

說(shuō)千道萬(wàn)，工業(yè)AI的重點(diǎn)還是要往前走。

在2020，我們最可能看到哪些來(lái)自AI與工業(yè)的進(jìn)一步碰撞呢？

回到剛才那個(gè)判斷，今天眾多來(lái)自工業(yè)的聲音，都是希望AI技術(shù)與云服務(wù)、企業(yè)解決方案提供商，能夠進(jìn)一步深入自己的行業(yè)，去主動(dòng)洞察產(chǎn)業(yè)機(jī)會(huì)。就像以上我們提到的幾個(gè)案例，可能對(duì)于大部分互聯(lián)網(wǎng)和技術(shù)從業(yè)者來(lái)說(shuō)，都沒有想過(guò)原來(lái)還可以這么干。這種“原來(lái)還可以”今天依舊分布于工業(yè)體系的無(wú)數(shù)個(gè)細(xì)節(jié)，在技術(shù)內(nèi)核發(fā)展之先，產(chǎn)業(yè)洞察是決定AI深入工業(yè)的主要推動(dòng)力。有很多乍一聽老掉牙，或者根本不明白的工業(yè)領(lǐng)域，都是AI大顯身手的富礦。另一方面，我認(rèn)為最有可能繼續(xù)推動(dòng)工業(yè)AI發(fā)展的技術(shù)，是多模態(tài)融合的感知與交互。能對(duì)話，能利用智能攝像頭與傳感器進(jìn)行主動(dòng)觀察，并且能進(jìn)行數(shù)據(jù)分析的多模態(tài)交互IoT設(shè)備，已經(jīng)極大限度接近了眾多崗位上的人工價(jià)值。多模態(tài)技術(shù)和IoT技術(shù)已經(jīng)達(dá)到了一個(gè)新的成熟期，與工業(yè)的結(jié)合值得期待。

而這就引出另外一個(gè)問(wèn)題，適配工業(yè)場(chǎng)景大規(guī)模部署AI能力，需要在計(jì)算、數(shù)據(jù)、部署場(chǎng)景、硬件解決方案上具備一系列“工業(yè)級(jí)”的基礎(chǔ)。從極客的心頭好，變成工廠的“老師傅”，AI還需要一系列產(chǎn)業(yè)基礎(chǔ)設(shè)施的進(jìn)化和升級(jí)，而這很有可能引發(fā)公有云與混合云市場(chǎng)的進(jìn)一步競(jìng)爭(zhēng)。

同時(shí)，5G帶來(lái)的低時(shí)延、大帶寬特性，以及網(wǎng)絡(luò)切片技術(shù)和企業(yè)專網(wǎng)服務(wù)，也為融合5G+AI帶來(lái)了契機(jī)。5G和AI，在工業(yè)領(lǐng)域正在期待成為彼此的新爆發(fā)點(diǎn)。

總而言之，工業(yè)AI還大有可為，而且必然在2020年產(chǎn)生非常大的變化，雖然變化程度也絕對(duì)達(dá)不到很多“風(fēng)口期待者”的愿望。

工業(yè)AI很可能是AI技術(shù)的最后一張王牌，是第四次工業(yè)革命的關(guān)鍵。但是今天它還是AI的許多張牌里最稚嫩的一張，需要更多變化組合，也需要等待更好的時(shí)機(jī)。

好在“工廠+AI”這幅畫面，不用聽到山呼海嘯的贊美聲，也能足夠精彩。

文章來(lái)源： @腦極體 原創(chuàng)發(fā)布于人人都是產(chǎn)品經(jīng)理，作者：腦極體，微信公眾號(hào)：腦極體

網(wǎng)址：http://www.woshipm.com/it/3260476.html