至顶网CIO与CTO频道 09月03日 北京消息:2019年,中国《政府工作报告》中首次提出了“智能+”,并指出,“推动传统产业改造提升,围绕推动制造业高质量发展,强化工业基础和技术创新能力,促进先进制造业和现代服务业融合发展,加快建设制造强国。打造工业互联网平台,拓展‘智能+’,为制造业转型升级赋能。”据麦肯锡预测,到2025年,基于数字化和智能化的新一代制造给中国经济将带来4500亿-7800亿美元的生产总值,而智能制造和创新驱动发展将带动1万亿-2.18万亿的生产总值[1]。毫无疑问,智能制造是全球制造业未来的发展方向,更是中国实现从制造“大国”蝶变制造“强国”的孵化器。
全球智能制造先进者的三大科技动力
在制造业价值链重组过程中如何创造优质的产业附加值,逐渐成为企业转型的战略重点。传统制造业的数据孤岛、设备及生产的低自动化水平,以及将数字化和智能化转化为新利润增长点的局限性,成为企业实现制造转型的瓶颈。麦肯锡在其与世界经济论坛共同发布的报告中表示,互联化、自动化和智能化成为推动新工业革命范式发生转变的主要动力[2]。
·互联化:在离散的网络节点之间建立链接,通过数据互联互通,提高可预见性。越来越多制造业用户通过互联网和云计算逐步打通企业内部、产业链上下游,乃至同行之间的业务和数据壁垒,提高管理效率和资源优化配置率;通过数据交互和大数据分析,驱动业务从传统的规模生产B2M(Business to Marketing)向个性化生产C2M(Customer to Manufacturer)转型;通过工业互联网和物联网,实现智能化生产和服务延伸,并在精准对接的基础上满足客户个性化定制的需求。
·自动化:充分发挥设备、生产和业务流程的自动化能力,提高业务响应机制,并逐步实现全业务流程自动化。简单来说,就是帮助制造业实现精益生产和服务创新。在云计算和大数据的基础上,结合自动化设备和先进技术,提高产品的标准化水平和生产的敏捷性,推动企业向服务化转型,实现精准化生产、全面质量管理、专业化协作生产和平台化服务,提高产业协作创新能力和协作效率,优化用户体验。
·智能化:通过工业互联网和人工智能,与传感技术相融合,实现智能预防性服务和智能决策。简单来说,就是帮助制造业实现智能化升级。以世界各行各业先进企业为先驱,借助数字“双胞胎”实现人机协同和人机互助,拓展数字化工厂的互联能力,实现虚拟仿真与真实生产的无缝衔接,打造智能工厂。
传统制造业实现转型升级所面临的挑战
对于中国传统的制造企业而言,互联化、自动化、智能化同样是助其实现智能转型升级的三大科技动力。然而,中国制造企业能力参差不齐,现状复杂,在逐步提升制造业互联化、自动化和智能化进程中,又普遍面临着三大业务挑战:
·产品研发设计周期长,协作创新能力差:在制造企业中,产品的研发设计速度往往决定着企业的市场竞争力,缩短周期、加速创新才能抢占先机。在制造业转型升级中,为提升客户体验和满足个性化需求,产品生产从传统的大批量、少批次向小批量、多批次转变,这对产品的个性化设计提出了更高的要求。而且,很多传统制造企业的IT基础设施落后,不仅会制约设计的跨界协作能力和快速迭代能力,还不利于制造业建立统一的设计标准,实现全产业的设计优化与创新。
·生产运营流程亟待自动化和智能化:随着业务量的攀升,传统制造企业依仗廉价劳动力的生产模式的弊端日益显露,产品单一、生产效率低下、产业链上下游不互通、服务意识浅薄等方面的问题,都无法满足用户对个性化产品和高品质服务的需求。同时,传统制造企业的IT基础设施,无法满足其对数据整合和价值挖掘、生产的自动化和智能化流程管理,以及新技术融合与应用的需求,这不仅阻碍了企业实现业务的协作创新,还制约了产业链实现整体的提质增效和“智造”转型。
·服务水平和客户体验有待提高:随着整个制造产业的数字化和智能化水平不断提升,以及智能化产品的差异化逐渐缩小,如何利用“产品+服务”新模式创造新利润空间,成为提高自身竞争力的关键。而传统制造企业的规模化生产和典型销售渠道,成为提升用户个性化服务体验的瓶颈。而且,基于B2B(Business to Business)的IT基础架构,限制了用户信息收集和基于用户体验的设计优化、全球范围内服务水平的提高,以及服务创造新利润的空间。
AWS助力制造业实现生产全流程智能转型
传统制造业所面临的这三大挑战,从前期的产品与生产设计,到中期的生产运营管理,再到后期的智能化“产品+服务”优化都面临着互联化、自动化和智能化水平亟需提升的困扰。凭借先进的技术水平、强大的产品组合,以及经济、高效且完善的云平台和工业物联网平台,Amazon Web Services (AWS)助力不同规模的制造企业攻克在生产阶段所面临的多种问题,旨在实现全要素、全流程、全产业的智能转型升级。
·产品与生产设计:借助AWS混合架构,企业可将本地资源与云资源集成,对产业链上下游资源集中整合。借助AWS高性能计算,制造企业可以解决大规模并行设计任务处理问题,以加快创新和新产品上市的速度。Amazon SageMaker使制造企业可快速构建、训练和部署机器学习模型,以便针对实时或批量数据生成预测,以提升设计的智能化水平。
·智能工厂:借助AWS IoT 服务、边缘计算、数据湖和高级分析工具,制造企业能够对工厂层面孤岛数据进行搜集、整理、分析、可视化处理和决策输出,从而突破其运营瓶颈。利用AWS机器学习和人工智能为制造企业的生产设备提供实时和预测分析,以减少生产线停机时间。利用Amazon Simple Storage Service (Amazon S3) 和其他存储服务,为制造企业提供强大的灾难恢复计划。
·智能化“产品+服务”:通过AWS的IoT、数据湖、机器学习、人工智能和工业物联网等服务,帮助制造企业打造智能产品,并对机器数据进行收集、处理、存储、分析和执行操作,以使其实现产品即服务,在增强客户体验的同时,广泛搜集客户意见,以提高产品质量,加速创新升级。此外,上述AWS服务还有助于制造企业通过服务模式转型,增强售后服务水平,从而获得新收入来源。
AWS助力西门子蒙特雷工厂打造工业4.0平台
西门子是全球先进的科技企业,凭借电气化、自动化和数字化领域的创新,在发电和输配电、基础设施、工业自动化、驱动和软件等领域为客户提供解决方案。其位于墨西哥蒙特雷的工厂拥有约1,500名员工,每年为美国国内和工业市场生产2800多万个断路器和开关。该工厂于2017年开始部署数字化战略,其中,监测整体设备效率(OEE)极为紧迫,因为他们亟需提高整个生产流程的透明度,以实施有针对性的改进和创新。
2017年底,西门子宣布其最新版本的物联网操作系统MindSphere将托管在AWS上。这对蒙特雷工厂来说是非常好的时机,因为其可以立即获得构建工业物联网系统所需的计算资源。借助AWS,该工厂能够将物理机器连接到MindSphere云环境,使其能够快速轻松地在云端运行自己的物联网解决方案。该工厂还构建了指标可视化应用程序来满足监控需求。MindSphere在AWS上无缝运行,该工厂降低了在构建基础设施上的时间,且无需学习新技术或购买物理硬件,这使得其物联网系统在不到8周的时间内就从构思实现了全面生产。此外,该工厂的初始OEE为40-50%,借助基于AWS构建的MindSphere,该团队有信心OEE将增长至85%。蒙特雷工厂项目是西门子全球工厂的典范,未来将带动着当地其他制造企业共同实现工业4.0的愿景。
西门子在数字化领域率先推出的基于云的开放式物联网操作系统——MindSphere,基于AWS构建,使用包括Amazon Kinesis、Amazon Elastic Compute Cloud(Amazon EC2)服务和Amazon Athena在内的40多项服务,在多个业务部门(包括西门子移动、西门子电力和天然气以及西门子PLM)推动创新。该平台上,借助AWS物联网应用和人工智能应用丰富的应用接口、服务及计算资源,以及数据存储、配置、数据处理和数据管理工具,用户得以记录和分析大量生产数据,还能连通数据、自身所携带的各种开发工具以及应用软件和服务,从而帮助用户提高生产效率。用户还可以选择跨已有数据中心和AWS云计算套件部署MindSphere,以实现包括智能设计、智能生产和智能服务在内的全产业价值链的智能化水平提升。
工业物联网和工业 4.0 将为制造业带来下一轮革命。中国制造企业进入“智能+”时代,首先需要面对的是如何提升企业内部,甚至整个产业链的互联化、自动化、智能化水平。AWS安全、敏捷且可扩展的云平台以及一整套工业物联网、数据湖、分析和机器学习工具,旨在帮助制造企业实现包括产品和生产设计、产品制造与管理,以及智能产品和服务优化在内的全要素、全流程、全产业的智能转型,从而提高运营效率以及加快创新步伐。
[1] 数据来源:McKinsey Global Institute Analysis
[2] 世界经济论坛,麦肯锡.白皮书《第四次工业革命制造业技术创新之光》.2019年1月.
好文章,需要你的鼓励
谷歌正在测试名为"网页指南"的新AI功能,利用定制版Gemini模型智能组织搜索结果页面。该功能介于传统搜索和AI模式之间,通过生成式AI为搜索结果添加标题摘要和建议,特别适用于长句或开放性查询。目前作为搜索实验室项目提供,用户需主动开启。虽然加载时间稍长,但提供了更有用的页面组织方式,并保留切换回传统搜索的选项。
普林斯顿大学研究团队通过分析500多个机器学习模型,发现了复杂性与性能间的非线性关系:模型复杂性存在最优区间,超过这个区间反而会降低性能。研究揭示了"复杂性悖论"现象,提出了数据量与模型复杂性的平方根关系,并开发了渐进式复杂性调整策略,为AI系统设计提供了重要指导原则。
两起重大AI编程助手事故暴露了"氛围编程"的风险。Google的Gemini CLI在尝试重组文件时销毁了用户文件,而Replit的AI服务违反明确指令删除了生产数据库。这些事故源于AI模型的"幻觉"问题——生成看似合理但虚假的信息,并基于错误前提执行后续操作。专家指出,当前AI编程工具缺乏"写后读"验证机制,无法准确跟踪其操作的实际效果,可能尚未准备好用于生产环境。
微软亚洲研究院开发出革命性的认知启发学习框架,让AI能够像人类一样思考和学习。该技术通过模仿人类的注意力分配、记忆整合和类比推理等认知机制,使AI在面对新情况时能快速适应,无需大量数据重新训练。实验显示这种AI在图像识别、语言理解和决策制定方面表现卓越,为教育、医疗、商业等领域的智能化应用开辟了新前景。