在“未来工厂”中,生产速度按需求调控,生产流程则由产品决定。机器设备和机器人不断重新自主组合,自动化运输车辆运送零部件,精密的机器人系统负责对工件进行分拣,工人在辅助系统的支持下从事生产,而人工智能系统则接管质检部分。工业4.0软件能够随时对生产流程和机器状态实行可视化管理,不过仍由人来掌握最终控制权。博世对“未来工厂”的这些设想即将在汉诺威工业博览会中化为现实。2021年夏,一家示范性工厂将在博世力士乐位于乌尔姆全新落成的客户和创新中心内向参观者开放。
“未来工厂”:灵活多变的互联化生产
“未来工厂”是可以自由移动的。博世力士乐的智能地板可根据生产流程灵活调整,并以无接触方式传输电能。地板内的压力传感器能“识别”工人并测量车间和机器设备的重量。用于指示人行道和车道的LED照明灯带也可随时依据工厂环境变化。系统和机器设备之间的交互则以无线方式进行。作为博世在2019年汉诺威工业博览会上推出的一项研究性项目,智能地板目前已供试点客户使用。博世与多个合作伙伴携手,为智能地板开发了全新功能,如集成了安全开关的模块化地板能在发生非法进入时自动关闭机器设备。
借助模块化制造系统的使用,博世智能制造事业部展现出未来生产制造的多变灵活性。该系统搭载在具有标准化软硬件界面的平台上,点胶或测试等其它工艺模块都可按需灵活集成到系统内。无论是手动辅助作业台,或者与协作机器人配合作业,还是自动化操作及运输作业,模块化制造系统都能配置适应各种灵活的自动化程度。
博世力士乐的新自动化平台ctrlX AUTOMATION促进了软硬件的共同发展。ctrlX AUTOMATION作为市场上首个开放式自动化5G平台,支持用户使用博世力士乐或第三方供应商提供的应用程序,也可自主开源并通过平台向其它用户开放。ctrlX AUTOMATION能支持30多种通信接口和数据交换标准,并可兼容各种编程语言。
博世互联工业事业部推出的Nexeed工业互联网软件平台同样能为生产制造带来最大程度的灵活性。这一工业4.0软件解决方案包含了博世与其客户合作开发的各类应用。举例而言,由于使用了Nexeed的定制化解决方案,欧司朗位于柏林的一家工厂的工人目前只需通过应用程序就可以查看机器系统的状态报告。未来的维修工作或物料配送均可通过线上方式进行展示、安排和评估。
人工智能助力“未来工厂”自我学习
作为自我学习机器人系统,博世力士乐的智能分拣系统将在未来的内部物流中承担劳动密集型的分拣任务。该系统采用无模型技术,能识别并精确抓取物品。通过分析操作数据和使用最新的人工智能技术,智能分拣系统还能根据特定应用调整物品识别和抓取方法。软硬件模块组成的模块化系统还扩大了分拣单个物品的类别,可应用于将药店产品装入盒中或将零部件放入传送带。智能分拣系统每小时能分拣600多件物品,准确率高达99%。
协作机器人APAS助手为人机交互带来了革新。其在协助操作工人生产时不必在周围设置安全防护栏。与此同时,APAS检测机可应用于工件的自动化视觉检测。人工智能确保了APAS生产助手能随时自主学习,无需依靠大量编程技术也能不断提升检测能力。
物流追踪和溯源系统使产品从零售商到客户整个流程透明化。该系统利用传感器和网关定期传送产品位置和物流状态信息,对产品配送进行监测。通过物流追踪和溯源系统,物流专家可随时了解产品所在的地点,以及产品能否按时送达。该系统有助于确保供应链正常运转。
“未来工厂”:实现气候中和
全新成立的博世气候解决方案业务部将依托博世在实现气候中和目标过程中所积累的丰富经验,为生产企业减少碳排放提供咨询服务。博世专家们将在四周内完成二氧化碳排放评估和制定初步方案,并在随后三个月内帮助客户落实二氧化碳减排方案。博世提供的综合性二氧化碳减排方案包含了一系列旨在提高能效、扩大可再生能源在电力中的份额、采购绿色电力及碳抵消的措施。目前,博世已为工程制造公司科德宝(Freudenberg)、浦瑞德(Prettl)以及卫浴产品生产商汉斯格雅(Hansgrohe)等客户提供气候中和咨询服务。
博世能源管理平台集合了集团的专业知识和优势技术,利用智能软件管理博世120多个业务所在地设施的热能、电能和压缩空气消耗。此外,外部客户的80多个项目也使用了博世的能源管理平台。在今年的汉诺威工业博览会上,博世将带来扩容后的能源平台——平衡能源网络。平衡能源网络可分析能量流并进行预测,整合生产进度、排班、物流规划、气候等各类数据制定能源计划。基于人工智能的软件平台最初为生产设施开发,未来可帮助包括物流中心在内的所有大型建筑设施减少碳足迹。
好文章,需要你的鼓励
微软近年来频繁出现技术故障和服务中断,从Windows更新删除用户文件到Azure云服务因配置错误而崩溃,质量控制问题愈发突出。2014年公司大幅裁减测试团队后,采用敏捷开发模式替代传统测试方法,但结果并不理想。虽然Windows生态系统庞大复杂,某些问题在所难免,但Azure作为微软核心云服务,反复因配置变更导致客户服务中断,已不仅仅是质量控制问题,更是对公司技术能力的质疑。
Meta研究团队发现仅仅改变AI示例间的分隔符号就能导致模型性能产生高达45%的巨大差异,甚至可以操纵AI排行榜排名。这个看似微不足道的格式选择问题普遍存在于所有主流AI模型中,包括最先进的GPT-4o,揭示了当前AI评测体系的根本性缺陷。研究提出通过明确说明分隔符类型等方法可以部分缓解这一问题。
当团队准备部署大语言模型时,面临开源与闭源的选择。专家讨论显示,美国在开源AI领域相对落后,而中国有更多开源模型。开源系统建立在信任基础上,需要开放数据、模型架构和参数。然而,即使是被称为"开源"的DeepSeek也并非完全开源。企业客户往往倾向于闭源系统,但开源权重模型仍能提供基础设施选择自由。AI主权成为国家安全考量,各国希望控制本地化AI发展命运。
香港中文大学研究团队开发出CALM训练框架和STORM模型,通过轻量化干预方式让40亿参数小模型在优化建模任务上达到6710亿参数大模型的性能。该方法保护模型原生推理能力,仅修改2.6%内容就实现显著提升,为AI优化建模应用大幅降低了技术门槛和成本。