工業(yè)人工智能的未來會(huì)怎樣？
2018-07-26 來源：raincent
幾年前，我參加了富士康 CTO 的一次演講。當(dāng)他提到富士康是當(dāng)時(shí)第三大機(jī)器人制造商時(shí)，我有些驚訝。「事實(shí)上，」他補(bǔ)充道，「我們已經(jīng)建造了一個(gè)全自動(dòng)化的工廠」。他向我們展示了一個(gè)視頻片段：工廠中，移動(dòng)機(jī)器人四處奔走，機(jī)械臂在各個(gè)組件上忙得熱火朝天，傳送帶流暢運(yùn)行。工廠里一個(gè)人都沒有。我被震驚到了。時(shí)至今日，富士康擁有 6 家全自動(dòng)化工廠、超過 50000 臺(tái)機(jī)器人。
為什么像富士康這樣以龐大工人群體而聞名的制造商(富士康擁有超過 100 萬名員工)，會(huì)尋求自動(dòng)化呢?此舉背后有很多原因。
大多數(shù)公眾認(rèn)為制造商傾向于使用廉價(jià)勞動(dòng)力，但事實(shí)卻恰恰相反，它們更傾向于在無需人力的情況下完成工作。這不僅僅是為了降低成本。在制造業(yè)中，人類的效率要遠(yuǎn)低于機(jī)器。在機(jī)器取代人力的每一步過程中，工人疲勞、錯(cuò)誤和身體傷害造成的影響逐漸減少。此外，生產(chǎn)精度也在上升，生產(chǎn)過程可以得到標(biāo)準(zhǔn)化。
批量生產(chǎn)需要標(biāo)準(zhǔn)化。生產(chǎn)循環(huán)中的工人越少，就可以實(shí)現(xiàn)越多的質(zhì)量控制。生產(chǎn)標(biāo)準(zhǔn)電子產(chǎn)品的公司則需要高精度和質(zhì)量控制。這是機(jī)器優(yōu)于人類的地方。此外，機(jī)器流程是可重復(fù)的。一旦完成編程，就不需要對(duì)機(jī)器進(jìn)行重復(fù)訓(xùn)練，而對(duì)新工人或忘記流程的工人還需要進(jìn)行重復(fù)培訓(xùn)。換句話說，對(duì)于簡(jiǎn)單的制造過程，機(jī)器擁有的知識(shí)是終身的。此外，假設(shè)機(jī)器成本相對(duì)較低，那么我們可以輕松復(fù)制編程機(jī)器，并擴(kuò)展其使用范圍。
更低的機(jī)器成本和機(jī)器人成本進(jìn)一步推動(dòng)了自動(dòng)化的發(fā)展。當(dāng)所有因素聚集在一起時(shí)，我們將看到不可逆轉(zhuǎn)的工業(yè)自動(dòng)化浪潮。
但是這一過程存在挑戰(zhàn)。一旦我們?cè)诠S安裝機(jī)器來承擔(dān)過去由人類完成的工作，那么新的問題將會(huì)出現(xiàn)：機(jī)器可能會(huì)出錯(cuò)，因此機(jī)器需要人力進(jìn)行監(jiān)控(雖然你無需擔(dān)心機(jī)器會(huì)缺乏工作動(dòng)力)。此外，機(jī)器也會(huì)感到疲倦(零件磨損)，甚至?xí)l(fā)生故障。這時(shí)候就需要使用監(jiān)控、異常檢測(cè)和維護(hù)等手段了。
過去一直是人類扮演著監(jiān)視和控制的角色：用肉眼進(jìn)行檢測(cè)、審查數(shù)據(jù)或決定何時(shí)進(jìn)行維護(hù)。但是，當(dāng)數(shù)據(jù)量顯著增加時(shí)，人類無法勝任這項(xiàng)任務(wù)。在機(jī)器上安裝數(shù)以千計(jì)的傳感器，發(fā)送實(shí)時(shí)溫度、壓力和振動(dòng)測(cè)量等數(shù)據(jù)，計(jì)算服務(wù)器上充斥著數(shù)據(jù)。事實(shí)上，對(duì)于一個(gè)擁有 1000 個(gè)傳感器(傳感器每 10 秒發(fā)送一次信號(hào))的工廠來說，每小時(shí)就有超過 360,000 條數(shù)據(jù)流入。1 天內(nèi)就有超過 100 萬條數(shù)據(jù)。制造商已進(jìn)入大數(shù)據(jù)時(shí)代。
對(duì)于從事互聯(lián)網(wǎng)和移動(dòng)業(yè)務(wù)的人來說，大數(shù)據(jù)已經(jīng)成為日常。我在 eBay 工作時(shí)，我們每天要處理數(shù)以 TB 計(jì)的數(shù)據(jù)。但對(duì)于制造商來說，大數(shù)據(jù)是一種新現(xiàn)象，也是他們剛開始掌握的東西。首先，構(gòu)建一個(gè)收集、存儲(chǔ)和處理數(shù)據(jù)的數(shù)據(jù)基礎(chǔ)架構(gòu)至關(guān)重要。
在數(shù)據(jù)收集方面，我們擁有和互聯(lián)網(wǎng)(或局域網(wǎng))互聯(lián)的傳感器和機(jī)器。這些設(shè)備將向服務(wù)器發(fā)送溫度、濕度、壓力、機(jī)器狀況、運(yùn)行時(shí)間、振動(dòng)等測(cè)量值信息。該系統(tǒng)還收集半成品的數(shù)據(jù)，并在處理結(jié)束時(shí)收集產(chǎn)品缺陷數(shù)據(jù)。
在數(shù)據(jù)存儲(chǔ)方面，首先，公司必須決定數(shù)據(jù)存儲(chǔ)的位置：云端還是本地?這一決定與公司擁有的存儲(chǔ)空間以及數(shù)據(jù)需求的計(jì)算能力有關(guān)。其次，公司必須決定數(shù)據(jù)存儲(chǔ)的方式：將數(shù)據(jù)放在數(shù)據(jù)庫(kù)(什么樣的數(shù)據(jù)庫(kù))還是非數(shù)據(jù)庫(kù)中，比如高度分布式文件系統(tǒng)(比如 Hadoop)?這種考量涉及到處理數(shù)據(jù)的頻率以及響應(yīng)的速度。
在數(shù)據(jù)處理方面，應(yīng)該將更多的數(shù)據(jù)發(fā)送到服務(wù)器中還是保存在本地?這一決定直接影響計(jì)算的發(fā)生地。有些人提倡邊緣計(jì)算。這究竟是一時(shí)的風(fēng)潮還是大勢(shì)所趨?將數(shù)據(jù)發(fā)送到服務(wù)器后，我們需要數(shù)據(jù)工程師清理數(shù)據(jù)并進(jìn)行聚合。
一旦完成數(shù)據(jù)基礎(chǔ)架構(gòu)的構(gòu)建之后，我們需要進(jìn)行下一步：理解數(shù)據(jù)。人工智能在這一步將大展拳腳。人工智能的核心是機(jī)器學(xué)習(xí)，智能系統(tǒng)從數(shù)據(jù)中學(xué)習(xí)并從更新的數(shù)據(jù)中獲取新模式。雖然人類也可以讀取數(shù)據(jù)，但卻無法在一秒鐘內(nèi)處理數(shù)百萬個(gè)數(shù)據(jù)點(diǎn)。機(jī)器學(xué)習(xí)可以做到這一點(diǎn)，并且可以重復(fù)進(jìn)行。
因此，人工智能可實(shí)現(xiàn)快速響應(yīng)、實(shí)時(shí)監(jiān)控和預(yù)測(cè)性維護(hù)等功能。例如，異常檢測(cè)有助于快速檢測(cè)問題并進(jìn)行持續(xù)監(jiān)測(cè)，從而減少浪費(fèi)和系統(tǒng)中斷。自適應(yīng)系統(tǒng)可以更早地檢測(cè)到問題(比如某個(gè)玻璃瓶存在裂縫)，并及時(shí)調(diào)整步驟。它減少了停工時(shí)間，為制造商省了一大筆錢。
另一個(gè)重要的方面是預(yù)測(cè)性維護(hù)。通過分析數(shù)據(jù)，我們知道機(jī)器何時(shí)以及如何發(fā)生故障。西門子已經(jīng)部署了一個(gè)名為 MindSphere 的系統(tǒng)，該系統(tǒng)收集運(yùn)行數(shù)據(jù)和傳感器測(cè)量值，以進(jìn)行預(yù)測(cè)性維護(hù)。
通過了解在哪個(gè)階段或在什么條件下會(huì)造成產(chǎn)品缺陷，人工智能可以幫助改進(jìn)生產(chǎn)過程。機(jī)器學(xué)習(xí)模型可以幫助我們檢測(cè)這種模式。
人工智能有助于自適應(yīng)控制：在出現(xiàn)問題或情況發(fā)生變化時(shí)采取行動(dòng)。這意味著分析數(shù)據(jù)、檢測(cè)導(dǎo)致缺陷或生產(chǎn)減緩的原因，以及使用數(shù)據(jù)來提高效率。
憑借強(qiáng)大的能力，人工智能可以減少機(jī)器故障、生產(chǎn)時(shí)間損失以及延期交付等問題的出現(xiàn)，從而幫助制造商節(jié)省數(shù)百萬美元。
另一個(gè)需要人工智能的領(lǐng)域是生產(chǎn)規(guī)劃。人工智能的一個(gè)研究領(lǐng)域是規(guī)劃和調(diào)度：如何使智能體遵循一系列步驟并最終實(shí)現(xiàn)目標(biāo)。人工智能調(diào)度被用于 Kiva 機(jī)器人中，這些機(jī)器人在亞馬遜的倉(cāng)庫(kù)中四處移動(dòng)，需要協(xié)調(diào)任務(wù)。工廠在生產(chǎn)許多零件并需要協(xié)調(diào)生產(chǎn)時(shí)，智能規(guī)劃就非常有用了。規(guī)劃系統(tǒng)可以調(diào)度每個(gè)組件并使其可用于下一個(gè)生產(chǎn)階段。
最終，人工智能是機(jī)器人不可或缺的一部分。除了抓取和移動(dòng)能力之外，機(jī)器人還需要計(jì)算機(jī)視覺、推理、規(guī)劃、學(xué)習(xí)等能力。自動(dòng)化工廠需要的是能夠處理復(fù)雜任務(wù)、像人類一樣靈巧的機(jī)器人或機(jī)械臂。
因此，完整的工業(yè)人工智能系統(tǒng)包括：傳感器網(wǎng)絡(luò)、大數(shù)據(jù)、機(jī)器學(xué)習(xí)、規(guī)劃和調(diào)度，以及機(jī)器人。
現(xiàn)在，很多制造商離這些完整能力還很遙遠(yuǎn)。安裝傳感器、使機(jī)器發(fā)送數(shù)據(jù)是第一步。這也是 IoT(物聯(lián)網(wǎng))現(xiàn)在變得流行的原因。自適應(yīng)系統(tǒng)的集成——基于組件情況調(diào)整生產(chǎn)過程的系統(tǒng)仍然是新玩意。
機(jī)器人并不像我們希望的那樣萬能。機(jī)械臂遠(yuǎn)不如人手靈活。在出現(xiàn)復(fù)雜圖案的情況下，計(jì)算機(jī)視覺可能會(huì)失敗。
公司之間的人才爭(zhēng)奪戰(zhàn)也進(jìn)行的如火如荼。鑒于人工智能工程師和科學(xué)家的短缺，大型互聯(lián)網(wǎng)和服務(wù)公司正在大量引入所有他們能夠獲得的候選人�；旧蠜]給制造商留下多少可用之才，與設(shè)計(jì) app、增加點(diǎn)擊量或通過更好的定位來提高廣告收入相比，制造商這里的相關(guān)工作并不是那么有吸引力。制造商如何吸引人才是一個(gè)大問題。
工業(yè)人工智能的未來是什么?隨著大數(shù)據(jù)基礎(chǔ)設(shè)施和機(jī)器學(xué)習(xí)逐漸趨于成熟，工廠將會(huì)對(duì)這些「新事物」敞開大門，以幫助提高工廠效率、降低成本。每一個(gè)工廠都將采用大數(shù)據(jù)和機(jī)器學(xué)習(xí)方法來收集、處理和分析所有數(shù)據(jù)。我們將看到物聯(lián)網(wǎng)在工廠中的普及，以及機(jī)器人、無人機(jī)甚至是機(jī)器語(yǔ)音接口等技術(shù)日益廣泛的使用。人工智能已成為制造過程中不可或缺的一部分。
最后一個(gè)問題：制造工人將何去何從?人類并非為重復(fù)性的工作而生。長(zhǎng)時(shí)間的重復(fù)勞動(dòng)會(huì)使工人喪失注意力、感到疲倦、需要休息。重復(fù)性的流水線工作不利于工人的身心健康。人工智能將把人們從這種束縛中解放出來，讓他們有機(jī)會(huì)從事服務(wù)、創(chuàng)意藝術(shù)和計(jì)算機(jī)工程方面的工作。工業(yè)崗位的流失只是技術(shù)遷移的另一波浪潮。類似于從土地遷移到工廠的農(nóng)場(chǎng)工人，我們將看到一波制造業(yè)工人的遷徙浪潮——從工廠遷進(jìn)辦公室。制造業(yè)崗位的逐漸消失預(yù)示著服務(wù)業(yè)的崛起，這完成了 Tofler 曾經(jīng)觀察到的第三次浪潮。生活在這樣一個(gè)時(shí)代著實(shí)令人興奮!
原文鏈接：https://www.linkedin.com/pulse/ai-manufacturing-industrial-junling-hu/?from=timeline&isappinstalled=0
標(biāo)簽： 大數(shù)據(jù) 大數(shù)據(jù)基礎(chǔ) 大數(shù)據(jù)時(shí)代 服務(wù)器 互聯(lián)網(wǎng) 數(shù)據(jù)庫(kù) 網(wǎng)絡(luò)
版權(quán)申明：本站文章部分自網(wǎng)絡(luò)，如有侵權(quán)，請(qǐng)聯(lián)系：west999com@outlook.com
特別注意：本站所有轉(zhuǎn)載文章言論不代表本站觀點(diǎn)！
本站所提供的圖片等素材，版權(quán)歸原作者所有，如需使用，請(qǐng)與原作者聯(lián)系。
