關(guān)于采用工業(yè)4.0技術(shù)實(shí)現(xiàn)制造業(yè)數(shù)字化轉(zhuǎn)型的緊迫性已不言而喻。可以肯定的是，這些技術(shù)中的許多解決方案為無數(shù)的先進(jìn)生產(chǎn)場景提供了獨(dú)立的可行性。

　　然而，工廠實(shí)施的任何新技術(shù)，只有在其對工廠生產(chǎn)線上的物料流動(dòng)產(chǎn)生相對積極的影響時(shí)，才是有效的。它應(yīng)該帶來可衡量的改進(jìn)，如質(zhì)量、產(chǎn)能、整體設(shè)備效率(OEE)或所有這些傳統(tǒng)指標(biāo)。這種實(shí)實(shí)在在的改進(jìn)是通往下一代生產(chǎn)的成功之旅的開始。

　　隨著企業(yè)信息技術(shù)(IT)和運(yùn)營技術(shù)(OT)系統(tǒng)的融合，制造商正在轉(zhuǎn)向?qū)崿F(xiàn)更多連接和具有高級(jí)分析功能的解決方案，以更好地實(shí)現(xiàn)這些關(guān)鍵績效指標(biāo)(KPI)，行業(yè)領(lǐng)導(dǎo)者也在嘗試人工智能。這有一個(gè)很好的理由：數(shù)據(jù)。

　　通過數(shù)字化成熟度適應(yīng)不斷變化的目標(biāo)

　　對于"最后一英里"的優(yōu)化，工業(yè)企業(yè)感到壓力，需要理解工業(yè)流程產(chǎn)生的TB級(jí)數(shù)據(jù)，而僅靠人類專家的能力是不夠的。半導(dǎo)體晶圓廠是這種技術(shù)挑戰(zhàn)的極端例子，但任何高級(jí)生產(chǎn)環(huán)境也是如此，從生產(chǎn)邊緣利用數(shù)據(jù)至關(guān)重要。

　　工廠建立足夠的數(shù)據(jù)過濾、預(yù)處理、可視化和可追溯性來完成這項(xiàng)工作。只有這樣，它才能在數(shù)字之旅上邁出下一步。第二步?jīng)Q定了上述對生產(chǎn)過程的改進(jìn)有一個(gè)關(guān)鍵維度：適應(yīng)性。為什么適應(yīng)性對于制造技術(shù)來說是不可或缺的?

　　首先，隨著工業(yè)產(chǎn)品(以及制造它們的機(jī)器)的材料和功能的進(jìn)步，限制生產(chǎn)的參數(shù)也在變化。其次，由于創(chuàng)新、科學(xué)發(fā)現(xiàn)、文化轉(zhuǎn)變和全球環(huán)境力量，舊產(chǎn)品不斷迭代，新產(chǎn)品也不斷被發(fā)明。衡量任何工業(yè)4.0技術(shù)集成價(jià)值的關(guān)鍵指標(biāo)是其對不斷發(fā)展的新生產(chǎn)或現(xiàn)有生產(chǎn)流程的整體貢獻(xiàn)。然而，盡管工業(yè)轉(zhuǎn)型的持續(xù)適應(yīng)性至關(guān)重要，但僅僅完成制造業(yè)的更大使命是不夠的。

　　數(shù)據(jù)驅(qū)動(dòng)的大規(guī)模創(chuàng)新

　　以數(shù)字為主導(dǎo)的擴(kuò)展是更廣泛的業(yè)務(wù)轉(zhuǎn)變的一部分。從本質(zhì)上講，它以數(shù)據(jù)智能改變游戲規(guī)則的可能性為指導(dǎo)--已經(jīng)在健康和金融等行業(yè)建立起來。例如，Gartner 的副總裁分析師Mike Rollings認(rèn)為所有當(dāng)代組織都必須進(jìn)行運(yùn)營轉(zhuǎn)型，并堅(jiān)稱他們只能在數(shù)據(jù)運(yùn)行顯示的范圍內(nèi)實(shí)現(xiàn)它：

　　"首席數(shù)據(jù)官(CDO)需要與業(yè)務(wù)主管合作，以確定數(shù)據(jù)源、數(shù)據(jù)質(zhì)量問題、分析類型和新的工作實(shí)踐。很多時(shí)候，這導(dǎo)致人們意識(shí)到數(shù)據(jù)驅(qū)動(dòng)的機(jī)會(huì)跨越了組織邊界，需要改變運(yùn)營模式才能實(shí)現(xiàn)預(yù)期的結(jié)果。"

　　在沒有CDO的情況下，Rollings 仍然強(qiáng)調(diào)利用專門的數(shù)據(jù)專業(yè)知識(shí)成功"采用優(yōu)先級(jí)或領(lǐng)導(dǎo)其數(shù)據(jù)和分析策略的任務(wù)"對組織轉(zhuǎn)型的重要性。

　　新范式中需要的新指標(biāo)

　　鑒于這些以數(shù)字為基礎(chǔ)的巨變，讓我們暫時(shí)想象一下智能制造的未來。它可能是一個(gè)泛運(yùn)營、自我優(yōu)化的生態(tài)系統(tǒng)。碳中和，并在循環(huán)經(jīng)濟(jì)的更廣泛背景下發(fā)揮作用。

　　人類將需要被授權(quán)在未來提升他們的數(shù)字技能。隨著制造專業(yè)人士與智能機(jī)器的交互，勞動(dòng)力的數(shù)字技能重新校準(zhǔn)將是必要的。負(fù)責(zé)質(zhì)量、生產(chǎn)和維護(hù)的控制器、操作員和團(tuán)隊(duì)將參與關(guān)鍵的自動(dòng)化任務(wù)、控制系統(tǒng)安裝和遷移、遠(yuǎn)程系統(tǒng)監(jiān)控以及其他不可預(yù)見的優(yōu)化項(xiàng)目。

　　根據(jù)這一愿景，未來的制造業(yè)還將通過不同的指標(biāo)來獲取價(jià)值，例如社會(huì)和環(huán)境效益以及數(shù)字能力的可擴(kuò)展性。根據(jù) 2022 年世界經(jīng)濟(jì)論壇白皮書《通過先進(jìn)制造解鎖商業(yè)模式創(chuàng)新》：

　　"公司需要利用其在先進(jìn)制造領(lǐng)域的投資，不僅要優(yōu)化運(yùn)營模式，還要開啟新的商業(yè)模式，為所有利益相關(guān)者創(chuàng)造和交付新價(jià)值，包括公司本身、工人、社會(huì)和環(huán)境。"

　　與所有偉大的工業(yè)變革一樣，我們當(dāng)前的時(shí)代超越了對孤立用例的持續(xù)改進(jìn)。公司范圍的調(diào)整必須超出離散生產(chǎn)事件甚至端到端操作的水平。對于制造商來說，這意味著對可用技術(shù)和與之交互的人有不同的思考。

　　工業(yè)4.0思維方式的轉(zhuǎn)變

　　我們所處的工業(yè)時(shí)代以跨學(xué)科協(xié)作方式為前提。部門孤島將被整合并嵌入到一個(gè)互連的網(wǎng)絡(luò)中。因此，接受更大的制造使命需要采用和利用新技術(shù)的戰(zhàn)略思維轉(zhuǎn)變。這種變化與上述不斷擴(kuò)大的復(fù)雜性和工業(yè)的快速技術(shù)進(jìn)步是相稱的。在實(shí)踐中，這種新的思維范式帶來了兩個(gè)轉(zhuǎn)變：

　　· 它讓制造業(yè)專業(yè)人士在OT和IT融合的前沿領(lǐng)域占據(jù)主導(dǎo)地位。

　　· 它使工業(yè)企業(yè)能夠重新定義如何在不斷變化的環(huán)境中靈活地獲取價(jià)值。

　　實(shí)施全新的商業(yè)模式聽起來像是一個(gè)雄心勃勃的理想。然而，正如世界經(jīng)濟(jì)論壇所建議的(以及制造燈塔所顯示的)，它已從生產(chǎn)層面開始。所以，正確的問題是：先進(jìn)制造業(yè)如何成為更全面工業(yè)變革的風(fēng)向標(biāo)?

　　它始于一個(gè)完全連接的智能生產(chǎn)環(huán)境。有四個(gè)連接構(gòu)件，它們必須為自適應(yīng)IIoT平臺(tái)奠定基礎(chǔ)，以實(shí)現(xiàn)價(jià)值。

　　首先，在數(shù)據(jù)感知層，工廠可以確保傳感器、機(jī)器、邊緣設(shè)備(具有實(shí)時(shí)AI和計(jì)算能力)和數(shù)據(jù)庫的靈活集成。感知層建立了一個(gè)基礎(chǔ)，IIoT平臺(tái)可以從中成功地聯(lián)網(wǎng)、收集和存儲(chǔ)其邊緣數(shù)據(jù)。

　　數(shù)據(jù)的收集方式多種多樣：通過可編程邏輯控制器(PLC)、監(jiān)控和數(shù)據(jù)采集(SCADA)系統(tǒng)，以及制造執(zhí)行系統(tǒng)/質(zhì)量管理系統(tǒng)(MES/QMS)。至于數(shù)據(jù)存儲(chǔ)，邊緣到云的整合為不斷發(fā)展的生產(chǎn)環(huán)境提供了安全、保障和遠(yuǎn)程訪問。在網(wǎng)絡(luò)層，專家可以確保通過眾多協(xié)議進(jìn)行無縫通信。

　　然而，一個(gè)連接解決方案在感知、網(wǎng)絡(luò)和存儲(chǔ)到位的情況下還不夠完整。完全連接發(fā)生在上層應(yīng)用程序。如果制造企業(yè)最重要的戰(zhàn)略目標(biāo)是充分嵌入技術(shù)創(chuàng)新以改變其運(yùn)營模式，那么全工廠的連通性是必要的，但還不夠。工業(yè)企業(yè)需要一種技術(shù)干預(yù)來準(zhǔn)備大規(guī)模執(zhí)行下一代生產(chǎn)。

　　AIaaS是如何工作的?

　　面對日益增加的IT/OT復(fù)雜性，內(nèi)部資源限制(如員工流失和數(shù)字技能差距)變得更加明顯。因此，必須注意的是，實(shí)現(xiàn)智能工廠目標(biāo)不僅僅是將適當(dāng)?shù)腎T和OT基礎(chǔ)設(shè)施組合在一起。工廠經(jīng)理和高管必須確保有足夠的專業(yè)知識(shí)來管理這些技術(shù)，并以最佳方式執(zhí)行新時(shí)代生產(chǎn)的數(shù)字化轉(zhuǎn)型。

　　AI 即服務(wù) (AIaaS)將支持AI的IIoT 平臺(tái)與自動(dòng)化深度學(xué)習(xí)智能相結(jié)合，以幫助加速實(shí)現(xiàn)更大的制造使命。它通過規(guī)范化靈活、敏捷和協(xié)作的制造，在生產(chǎn)層面實(shí)現(xiàn)這一目標(biāo)。AIaaS是如何工作的?

　　它從AI準(zhǔn)備情況評(píng)估(深入研究工廠的流程和質(zhì)量數(shù)據(jù)系統(tǒng))開始。這種探索產(chǎn)生了關(guān)于規(guī)范性AI成熟度的清晰報(bào)告。一旦建立了數(shù)字化成熟度，AI系統(tǒng)就可以被安裝并從邊緣到云再到網(wǎng)絡(luò)。調(diào)試測試展示了AI系統(tǒng)的影響并量化了其價(jià)值。

　　在整個(gè)過程中，網(wǎng)絡(luò)工程師、IT系統(tǒng)所有者、工廠運(yùn)營人員、生產(chǎn)操作員和控制工程師與外部數(shù)據(jù)科學(xué)家和軟件工程師進(jìn)行互動(dòng)。工廠團(tuán)隊(duì)首先根據(jù)商定的 KPI 基準(zhǔn)，為特定生產(chǎn)線協(xié)作部署數(shù)據(jù)衍生的 AI 解決方案。這個(gè)過程通常需要3到4個(gè)月。

　　在完成安裝和調(diào)試測試后，AIaaS 提供商確保持續(xù)訪問、報(bào)告、培訓(xùn)、支持、完整的模型維護(hù)和自適應(yīng)改造 AI 系統(tǒng)。

　　ROI 保障的制造智能自動(dòng)化

　　理想情況下，面向制造的AI部署是一種運(yùn)營支出(OpEx)解決方案，它通過從工廠已經(jīng)擁有的數(shù)據(jù)中提取可衡量的投資回報(bào)率來獲得其價(jià)值。對于制造環(huán)境而言，最具影響力的AI是作為規(guī)范性分析應(yīng)用的深度學(xué)習(xí)。

　　它解析來自學(xué)習(xí)的生產(chǎn)多方面的實(shí)時(shí)和歷史數(shù)據(jù)，以發(fā)現(xiàn)最佳操作制度。這些都是作為工廠運(yùn)營商的優(yōu)先處方提供的，以制定積極的設(shè)定點(diǎn)調(diào)整，以便在生產(chǎn)損失之前獲得最佳的生產(chǎn)結(jié)果。一切都在不阻止生產(chǎn)或?qū)⑵渲糜谖ｋU(xiǎn)之中的情況下實(shí)現(xiàn)。

　　善于利用深度學(xué)習(xí)的制造商可以不斷推動(dòng)即時(shí)和可衡量的流程和機(jī)器健康狀況的改善。他們之所以能夠做到這一點(diǎn)，是因?yàn)樽詈玫?AI 部署創(chuàng)建了一個(gè)生產(chǎn)反饋循環(huán)，系統(tǒng)通過流程的每次迭代來學(xué)習(xí)--自動(dòng)進(jìn)行根本原因分析并嵌入專家執(zhí)行，這成為系統(tǒng)動(dòng)態(tài)、不斷增長的智能的一部分。

　　圍繞可擴(kuò)展的 AI 協(xié)調(diào)團(tuán)隊(duì)

　　這些 AIaaS 部署還協(xié)調(diào)了以前孤立的團(tuán)隊(duì)。生產(chǎn)、質(zhì)量、維護(hù)、工廠操作員和工藝工程師每天都可以與集中式、自洽的系統(tǒng)進(jìn)行交互。

　　此外，還內(nèi)置了可擴(kuò)展性。深度學(xué)習(xí)本質(zhì)上與制造過程無關(guān)，其內(nèi)核是高質(zhì)量的工業(yè)數(shù)據(jù)。因此，一旦它在一條生產(chǎn)線或一件制造設(shè)備上證明了其有效性，就可以將其推廣到其他重復(fù)或類似的生產(chǎn)線。企業(yè)還可以將其應(yīng)用于新產(chǎn)品和產(chǎn)品變體，從而為快速提升至關(guān)重要的新建運(yùn)營提供面向未來的人工智能驅(qū)動(dòng)生產(chǎn)。

　　擴(kuò)展深度學(xué)習(xí)創(chuàng)新

　　為了利用這種規(guī)?；?、端到端的生產(chǎn)數(shù)字化轉(zhuǎn)型所捕獲的價(jià)值，下一級(jí)創(chuàng)新必須擴(kuò)展到整個(gè)價(jià)值鏈。端到端擴(kuò)展AI實(shí)施可以進(jìn)一步降低運(yùn)營成本，從而提高整個(gè)價(jià)值鏈的利潤率。此外，它可以通過正確的戰(zhàn)略部署不斷地做到這一點(diǎn)。

　　通過在工業(yè)現(xiàn)場級(jí)別進(jìn)行基于AI的數(shù)據(jù)分層和 AI 驅(qū)動(dòng)的優(yōu)化，數(shù)據(jù)驅(qū)動(dòng)的價(jià)值推動(dòng)因素在其他地方更容易實(shí)現(xiàn)。這些推動(dòng)因素包括產(chǎn)品需求預(yù)測和動(dòng)態(tài)生產(chǎn)計(jì)劃。經(jīng)驗(yàn)豐富的數(shù)據(jù)科學(xué)家可以使用前面提到的自我優(yōu)化自治循環(huán)，調(diào)整AI的自動(dòng)化智能，以便在供應(yīng)鏈波動(dòng)的情況下完成訂單。

　　至于采用新的指標(biāo)來衡量成功，深度學(xué)習(xí)作為規(guī)范性分析應(yīng)用是一種合適的技術(shù)。捕獲數(shù)據(jù)并維持自主反饋循環(huán)建立了一個(gè)工作模型，用于以不同的方式感知生產(chǎn)問題(以及擴(kuò)展的運(yùn)營問題)。

　　例如，可持續(xù)性與任何傳統(tǒng)的生產(chǎn)目標(biāo)相差不遠(yuǎn)--更高效地運(yùn)行，減少廢料或延長生產(chǎn)線的使用壽命等。深度學(xué)習(xí)擅長識(shí)別生產(chǎn)制度中的固有偏見。在這種情況下，AIaaS提供商可以與工廠人員合作，找到一種方法，可以在不影響質(zhì)量或吞吐量的情況下最大限度地提高OEE測量的準(zhǔn)確性。

　　AIaaS推動(dòng)了數(shù)字能力并促成了全系統(tǒng)范圍的協(xié)作。制造商需要重塑他們在不斷變化的環(huán)境中定義和獲取價(jià)值的方式。數(shù)字創(chuàng)新的影響需要在每個(gè)階段進(jìn)行衡量。建立數(shù)字化成熟度并維持 AIaaS 執(zhí)行的智能系統(tǒng)可確保持續(xù)的投資回報(bào)率。除此之外，它還使先進(jìn)的制造商能夠追求其更廣泛的目標(biāo)，并通過調(diào)整商業(yè)、社會(huì)、環(huán)境和客戶基準(zhǔn)并在業(yè)務(wù)發(fā)展過程中獲取滾動(dòng)價(jià)值來量化目標(biāo)。

　　一旦在生產(chǎn)環(huán)境中得到驗(yàn)證，隨著工業(yè)企業(yè)鞏固其戰(zhàn)術(shù)實(shí)施中積累的專業(yè)知識(shí)，人工智能的應(yīng)用將變得更加具有戰(zhàn)略性。為了使AI成為力量倍增器，制造商必須擴(kuò)展用例并將其擴(kuò)展到組織的其他領(lǐng)域，并衡量整個(gè)價(jià)值鏈的可行性和影響的最佳點(diǎn)。