在工業(yè)互聯(lián)網理念迅速發(fā)酵，平臺及方案迭出，并逐漸形成工業(yè)產業(yè)跨界融合，以及企業(yè)數(shù)字化、智能化新模式新生態(tài)的過程中，仍有為數(shù)不少的企業(yè)對其的認知依然是投資大、建設周期長、定制化，且是適用于行業(yè)領先乃至龍頭企業(yè)的高配，而不會將其納入智能轉型的計劃。

但這又與工業(yè)互聯(lián)網作為“世界各國新一輪產業(yè)競爭制高點和經濟新增長點”而被政府及產業(yè)高度重視的方向明顯不符。這種認知的落差，導致一些企業(yè)在政策引導的創(chuàng)新技術應用中，只部署不應用，或者效能極低，貽誤了大好的發(fā)展契機。

因此，對于身處智能轉型路上的中國制造業(yè)來講，正確理解工業(yè)互聯(lián)網與智能轉型的關系，利用其承載的新一代信息技術助力企業(yè)提質增效、提供發(fā)展新動能，已是當務之急。

在這樣的背景下，CSAM兩化融合服務聯(lián)盟與微軟于近日共同推出《解耦工業(yè)互聯(lián) 賦能轉型升級——工業(yè)互聯(lián)網人工智能應用白皮書》，提出推動工業(yè)互聯(lián)網應用的新方法論：新耦合。即在統(tǒng)一的耦合框架下，以數(shù)據(jù)為基礎、以目標為導向解耦工業(yè)互聯(lián)。其核心思想就是把大系統(tǒng)拆分成小系統(tǒng)、降低系統(tǒng)的復雜性，從而讓各個系統(tǒng)各司其職，實現(xiàn)快速更新迭代。

微軟全渠道事業(yè)部資深創(chuàng)新技術架構師周聞鈞在“‘大微’論智造”行業(yè)直播講堂中，將解耦新方法論形象地描述為：打造小而美的獨立應用場景。

“制造+AI”成就小而美

作為人工智能專家，同時擁有跨行業(yè)人工智能應用經驗的洪樸信息創(chuàng)始人，CEO許劍鋒博士在“‘大微’論智造”行業(yè)直播講堂演講的開篇，便對“智能+制造”涉及到的相關理念進行了普及：人工智能和大數(shù)據(jù)是兩個不同維度的表述，交集部分是數(shù)據(jù)分析，這也是洪樸擅長的技術領域；機器學習和深度學習最明顯的區(qū)別是一個要建立特征，一個不需要建立特征。這個介紹起來非常簡單的理念和技術，一旦跟制造業(yè)的應用場景相融，便會發(fā)生不簡單的化學反應。

在《解耦工業(yè)互聯(lián) 賦能轉型升級——工業(yè)互聯(lián)網人工智能應用白皮書》中，總結介紹了工業(yè)互聯(lián)網應用場景案例及成效，其中包括設備/產品管理、業(yè)務與運營優(yōu)化、社會化資源協(xié)作三大應用場景，對于企業(yè)產生的效益則包括降本提效、提升產品和服務品質，創(chuàng)造新價值。

人工智能技術作為工業(yè)互聯(lián)網所承載的核心新一代信息技術，對于以上三大應用場景案例的形成，起到了非常重要的作用。

應用場景之一：產品外觀檢測

在消費電子行業(yè)，自三星電池爆炸事故發(fā)生之后，對電池電芯的全檢取代了以往的抽檢。對于外觀缺陷的檢查包含凹點，凸點，劃痕，掉漆等等。在很多自動化程度很高的電子企業(yè)，這個流程需要七八個甚至更多的員工來做。

為此，洪樸提供了雙機手臂的智能解決方案，即第一個機械手臂在產品經過時，將產品放置到不同光源區(qū)，通過不同角度進行拍攝，并將是良品還是劣品的信息傳遞給第二個機器手臂。第二個機械手臂結合傳遞過來的信息，將良品和劣品分別放置不同的區(qū)域。

這個看似簡單的應用背后，集合了機器學習、深度學習以及其他算法，以及制造業(yè)深耕多年的經驗積累。同時，對于一些不規(guī)則的產品外觀檢測，以及缺陷識別等場景，深度學習不需要建立特征的優(yōu)勢與機器學習等結合會發(fā)揮更大的價值。

比如，涉及到一些芯片的劃痕、鋰電池的外觀缺陷，有些是真實的缺陷，有一些可能是毛發(fā)等其他因素導致。而對于這樣的場景，洪樸深度學習和機器學習技術相結合的解決方案識別精度可以達到99.99%，可節(jié)省百分之八九十的檢測人員。而在光伏EL質量檢測方面，洪樸利用人工智能技術使得識別精度達到了99.5%，識別時間由之前的20秒以上減少到一兩秒，完全滿足了生產的要求。

應用場景之二：良品率的提升

良品率對于任何一家制造業(yè)來講都是一個非常關鍵的指標。傳統(tǒng)提升良品率的方法主要是依賴老師傅的經驗，這種方式無論是對于產品質量管理的穩(wěn)定性，還是傳承擴展都有很大的局限性。而通過人工智能的技術可以找出保證產品質量的關鍵因子，利用對系統(tǒng)及設備結構化數(shù)據(jù)的分析實現(xiàn)良品率提升的同時，降低人力成本。

洪樸曾經有一個半導體行業(yè)的客戶，其良品率非常地不穩(wěn)定。有的產線良品率高達100%，而有的產線良品率近乎零。洪樸通過對企業(yè)MES等信息系統(tǒng)產出數(shù)據(jù)的分析，通過機器學習的方式提升了各個產線的良品率，降低了生產成本。

事實上，除了產品質量管理，在制造業(yè)“人、工、法、料、環(huán)”的其他環(huán)節(jié)，人工智能還創(chuàng)造著人臉識別、安全管理、設備預測性維護、原料投放優(yōu)化等一系列價值。

那么覆蓋了制造業(yè)這么多應用場景的AI是否就是智能制造？答案是智能制造遠遠超過了制造業(yè)的AI。要讓算法等技術為制造業(yè)提供真正的效益，還需要與機械手臂、光電設備等硬件設備，云平臺、傳感器等技術相融，為企業(yè)提供完整的智能制造能力。同時，《解耦工業(yè)互聯(lián) 賦能轉型升級——工業(yè)互聯(lián)網人工智能應用白皮書》中提到的，將一系列小而美場景融合在一起的統(tǒng)一耦合框架也是必要前提。

晉能光伏是如何將AI應用延伸至智能制造的

晉能集團是一家國有綜合能源公司，年營收超過千億。在產業(yè)格局方面分為清潔能源為主業(yè)，煤炭、電力、房地產為副業(yè)，同時包含現(xiàn)代服務及金融等新興產業(yè)。

晉能清潔能源科技股份公司IT總監(jiān)楊正宇分享的智能制造經驗，正是基于其所在的晉能集團主要板塊即光伏制造業(yè)的轉型實踐。晉能清潔能源的主要工藝流程包括硅片投入后的自溶、擴散、刻蝕、PEC、印刷、測試、分選，其后形成電池的小硅，再投入到組裝車間進行串焊接、排版、層壓等工序，最后包裝成大的組件送往光伏發(fā)電企業(yè)。

智能制造背景及規(guī)劃

身處智能轉型的排頭兵產業(yè)，如何將智能技術融入到工藝流程中去，一直是晉能清潔能源管理者們思考的問題。經歷了十幾年的信息化建設歷程，晉能的IT成果，滿足了企業(yè)在技術、業(yè)務處理、降本提效方面的基本要求，同時也積累了大量的數(shù)據(jù)。但是如何將生產過程可視化，如何讓大量的數(shù)據(jù)產生價值，成為企業(yè)智能轉型的方向和目標。

在這樣的背景下，晉能光伏產業(yè)從2016年起，挑選了預測分析、智能工廠和數(shù)字化設計仿真技術作為智能制造的落地點，并據(jù)此開始構建三大平臺。其規(guī)劃的中心思想是：將所有可以被數(shù)據(jù)化的業(yè)務進行系統(tǒng)化，以獲取足夠的數(shù)據(jù)來提供企業(yè)的數(shù)據(jù)儲備；用互聯(lián)網化實現(xiàn)業(yè)務的平臺化運營，對銷售端和供應鏈端進行整合；在這個過程中通過AI賦能提升企業(yè)技術和營運水平在行業(yè)中的差異化競爭力，實現(xiàn)智能轉型。

基于此，晉能光伏設計智能制造路線圖，包括：機器設備智能化、設備維護的移動化應用，加以虛擬仿真，融入AI技術，使得人與機器實現(xiàn)動態(tài)的合作。此外還有供應鏈、業(yè)務流程、數(shù)字化以及人員與環(huán)境6條實踐路線。其中，前兩條路線是智能轉型的重點。

從數(shù)據(jù)收集到數(shù)據(jù)分析

在智能制造規(guī)劃的指引下，與洪樸信息攜手，晉能清潔能源通過兩年的時間將自動化產線覆蓋率提升到了百分之九十以上，對所有產線的數(shù)據(jù)設備進行了數(shù)字化，數(shù)據(jù)獲取能力提升量以及每年數(shù)據(jù)增加量是之前的數(shù)百倍。并實現(xiàn)了設備監(jiān)控、預警等方面的功能。

有了數(shù)據(jù)，如何應用成為下一步的方向。晉能清潔能源通過統(tǒng)計及AI學習技術探索數(shù)據(jù)之間的關聯(lián)關系，取得了顯著的成果：通過數(shù)據(jù)挖掘，自溶工藝流程的良率及生產效率均有了顯著的提升，形成了行業(yè)差異化的競爭優(yōu)勢。此外，擴散工藝流程及PEC良率也實現(xiàn)了預期的提升目標。

數(shù)據(jù)挖掘+AI技術實現(xiàn)的連帶效益

在進行各個場景數(shù)據(jù)分析和挖掘的過程中，楊正宇和同事們意外地發(fā)現(xiàn)在數(shù)據(jù)調配的過程中，原料的投入也進行了相應的高配，每一片產品可節(jié)省銀漿1毫克，在每天十幾萬片的產能背景下，節(jié)省的資金量是非常可觀的。

供應鏈方面的連帶效益，出自庫存周轉率在數(shù)據(jù)挖掘引入AI技術之后，實現(xiàn)了20%以上的提升，而庫存周轉期的縮短帶動了原材料備貨周期、采購周期、付款周期的縮短。

此外，通過引入虛擬仿真和AI技術，晉能清潔能源實現(xiàn)了設備檢測精度達99%，檢測速度縮短為1秒，提升了檢測結果的穩(wěn)定性，節(jié)省了人力成本。同時通過對結構化數(shù)據(jù)的數(shù)字化，可以反向去追溯，為設備參數(shù)的調整提供參考。以算法和算力取代了以往人的思維。

機器學習與制造業(yè)Know-How的互相促進

在對于晉能清潔能源的智能制造應用的分析點評中，許劍鋒博士特意提到，在制造業(yè)，老師傅的經驗或企業(yè)特有的個性化的東西，是很難用人工智能完全替代的。因此需要用機器學習建立特征，將制造業(yè)Know-How的內容形成知識庫固化下來，與深度學習和其他算法相結合，實現(xiàn)相關環(huán)節(jié)的智能化。

而機器學習也會反過來推動Know-How內容的豐富與提升。

微軟Azure平臺：解耦的支撐，耦合的框架

正如《解耦工業(yè)互聯(lián) 賦能轉型升級——工業(yè)互聯(lián)網人工智能應用白皮書》中提到的，以數(shù)據(jù)為基礎、以目標為導向進行解耦的前提，是有一個可以將諸多智能應用場景整合在一起的耦合框架，這樣才能使得企業(yè)將諸多大數(shù)據(jù)、人工智能的場景應用進行整合、貫通，實現(xiàn)智能制造。

解耦的方法論，催生了工業(yè)互聯(lián)網生態(tài)的新運作方式。通過與微軟Azure平臺的連接，象洪樸這樣的生態(tài)合作伙伴可以充分發(fā)揮專業(yè)優(yōu)勢，在擅長的領域深耕細作，將場景的顆粒度降到最低，加速解決方案的快速復制。

而微軟Azure一方面為合作伙伴人工智能方案提供平臺技術支撐，另一方面以數(shù)據(jù)驅動的應用幫助制造業(yè)客戶完成不同場景的數(shù)據(jù)整合、分析和挖掘，通過AI賦能，助力制造業(yè)實現(xiàn)業(yè)務流程和商業(yè)模式的創(chuàng)新。

來源：微軟科技