編者按:今年的政府工作報告提出,持續(xù)推進“人工智能+”行動,將數(shù)字技術(shù)與制造優(yōu)勢、市場優(yōu)勢更好結(jié)合起來,支持大規(guī)模廣泛應用。這是“人工智能+”第二次被寫入政府工作報告,與去年側(cè)重于技術(shù)研發(fā)和產(chǎn)業(yè)集群建設不同,今年的提法更側(cè)重于技術(shù)的落地應用,將人工智能的應用重點指向了制造業(yè)?!吨袊娮訄蟆诽亻_設“AI+制造”深度調(diào)研行欄目,深入基層、走進一線展開實地調(diào)研,報道各地方、各企業(yè)優(yōu)秀案例,探討新一代AI技術(shù)落地帶來的機遇與挑戰(zhàn),推廣“AI+制造”中國方案。
借助大模型讓汽車產(chǎn)品設計代碼化繁為簡,開啟“造車”新模式;依托“AI質(zhì)檢員”,實現(xiàn)邊生產(chǎn)邊質(zhì)檢,瑕疵識別準確率遠高于人工檢測水平;越來越多的人形機器人開始在工廠“上崗”,承擔物料搬運、零件組裝等多種工作……
隨著以大模型、機器人為代表的新一代人工智能(AI)技術(shù)迅猛發(fā)展,我國制造業(yè)正從基礎級智能化向著更高階的智能化邁進。依托工廠數(shù)字化、自動化轉(zhuǎn)型基礎,一批由AI技術(shù)驅(qū)動的AI超級工廠正在全國各地加速落地,推動制造業(yè)全面邁向更高效、更智能、更綠色的“智造時代”。
AI賦能智能工廠再升級
走進位于廣州市番禺區(qū)的廣汽埃安智能生態(tài)工廠總裝車間,AI元素“無處不在”。600余臺機器人不停揮舞手臂,精準地定位、抓取并拼裝各個模塊,僅用數(shù)秒就能完成玻璃、座椅、輪胎等零部件安裝;隨處可見的無人化智能移動機器人往來穿梭,實現(xiàn)10公斤以上零部件100%全自動搭載;3D視覺跟蹤技術(shù)代替人工肉眼,實現(xiàn)納米級精準控制。
“過去,一條總裝線只能生產(chǎn)一個批次、一種型號、單一顏色的汽車,如今在AI技術(shù)的賦能下,我們已實現(xiàn)不同型號、不同配置、不同顏色新能源汽車的柔性化‘混線生產(chǎn)’?!睆V汽埃安第一智造中心總裝車間工程師張自初介紹道。
具體而言,消費者可根據(jù)個人偏好,在線定制車身顏色、內(nèi)飾風格、座椅材質(zhì)等。隨后,依托大數(shù)據(jù)云平臺、數(shù)字化生產(chǎn)指示的智能制造執(zhí)行系統(tǒng)支持,這些“定制化”的購車信息會被迅速分解為2000多個零部件信息,在指定的時間按秩序進入總裝環(huán)節(jié)。通過模塊化設計和智能調(diào)度系統(tǒng),生產(chǎn)線可以在短時間內(nèi)完成從一種車型到另一種車型的切換,切換過程零損耗。據(jù)介紹,通過持續(xù)的工藝優(yōu)化和技術(shù)創(chuàng)新,該工廠單車下線周期由過去的60秒縮短至現(xiàn)在的53秒。
在寶武鋼鐵集團熱軋生產(chǎn)線,一塊鋼坯制成鋼板需要經(jīng)過20道工序、涉及300多個參數(shù)。過去,工程師調(diào)整生產(chǎn)鋼板的種類和尺寸需要耗費5天時間,如今,大模型能對最優(yōu)參數(shù)進行預測,顯著降低調(diào)整時間,提高預測精度和鋼板成材率。
在福建東龍針紡有限公司紡織車間,“AI質(zhì)檢員”已逐漸代替人工質(zhì)檢。5G+經(jīng)編花邊瑕疵AI視覺識別檢測系統(tǒng)應用以來,織機面料實現(xiàn)了在線100%全檢,平均檢出率達95%以上,遠高于人工檢測水平,整體效率提升2~3倍,企業(yè)人工成本每年節(jié)約200多萬元。
在施耐德電氣無錫工廠,基于AI技術(shù)的熱處理數(shù)字仿真系統(tǒng),能夠通過算法優(yōu)化,使單臺設備能耗降低25%,氮氣消耗減少36%;同時,利用暖通空調(diào)的AI動態(tài)調(diào)控系統(tǒng)結(jié)合數(shù)字孿生技術(shù),實現(xiàn)單位產(chǎn)品組用水量下降56%。
如今,像這樣的AI超級工廠已在全國各地“遍地開花”。可以看到,“AI+制造”正在重塑制造業(yè)的生產(chǎn)模式,其影響不僅體現(xiàn)在生產(chǎn)效率的提升,更推動著制造業(yè)加速向智能化、柔性化和綠色化方向轉(zhuǎn)型。
工業(yè)和信息化部發(fā)布的數(shù)據(jù)顯示,當前我國智能工廠梯度培育提質(zhì)增效,全國已建成3萬余家基礎級智能工廠、1200余家先進級智能工廠、230余家卓越級智能工廠。這些類型的智能工廠覆蓋超過80%的制造業(yè)行業(yè)大類,工廠產(chǎn)品研發(fā)周期平均縮短28.4%,生產(chǎn)效率平均提升22.3%。
三大核心技術(shù)驅(qū)動數(shù)智躍遷
從“標準化生產(chǎn)”到“個性化定制”,從“勞動密集”到“算法密集”,AI超級工廠的背后是制造業(yè)底層邏輯的變革。相較于一般的自動化產(chǎn)線,在這里,工業(yè)機械臂進化為更靈活、更智慧的具身智能,傳統(tǒng)語言模型升級為可自主分析、輔助決策的大模型,仿真技術(shù)融合物聯(lián)網(wǎng)、大數(shù)據(jù)和5G-A等技術(shù),形成實時交互的數(shù)字孿生系統(tǒng)……這些技術(shù)的協(xié)同創(chuàng)新,持續(xù)推動制造業(yè)向更高階的智能化躍遷。
“智能工廠需要洞察一些復雜和高階的關聯(lián),其核心在于智能機器人、數(shù)字孿生、AI大模型等關鍵技術(shù)在工業(yè)場景中的深層次滲透與應用。”中國工程院院士李培根指出,智能機器人可全面感知周圍環(huán)境,并擁有智能決策的能力,實現(xiàn)生產(chǎn)環(huán)境中靈活、自主的避讓,適用于更多復雜、動態(tài)的生產(chǎn)場景;數(shù)字孿生集成了物聯(lián)網(wǎng)、大數(shù)據(jù)、AI等技術(shù),不僅能實現(xiàn)全產(chǎn)業(yè)鏈信息貫通,還能基于所采集的實時數(shù)據(jù)反向優(yōu)化車間運營和供應鏈競爭,確保工廠運行在最佳狀態(tài);而AI大模型對世界高階相關性的認識已經(jīng)遠遠超越人類,可以幫助智能工廠洞察更復雜的高階關聯(lián)。
記者觀察到,在汽車制造、電子制造等行業(yè),工業(yè)機器人增加了感知、理解任務等功能,正從傳統(tǒng)的自動化機械裝置向具身智能加速進階,特別是越來越多的人形機器人開始走進工廠承擔物料搬運、零件組裝等多種工作。
“制造業(yè)將成為人形機器人最早一批大規(guī)模應用的領域?!毙救A創(chuàng)新中心首席技術(shù)官董馳宇表示,傳統(tǒng)的工業(yè)機器人像一個專才,如焊接機器人、裝配機器人、搬運機器人,它們都是為特定任務設計的,擅長執(zhí)行重復性、單一任務和流程化的操作;而人形機器人更像是一個通才,具有更靈活的運動能力和適應性,感知能力也較強,更適合一些高協(xié)作、多復雜任務的場景。
“大模型出現(xiàn)后,讓人形機器人增長了智慧,擁有類人的3個層次,即肢體運動能力、多模態(tài)感知能力和決策控制能力,可以開展多場景、多任務的協(xié)同實訓,能更好地解決工業(yè)需求?!倍Y宇說道。
而數(shù)字孿生不僅僅是是產(chǎn)品、設備的數(shù)字孿生,還包括車間、工廠,以及供應鏈的數(shù)字孿生。以華中數(shù)控為例,該公司將數(shù)字孿生、大數(shù)據(jù)、融合建模等技術(shù)用在數(shù)控機床上,不僅實現(xiàn)裝備實時控制,還賦予機床自我感知、自主學習和深度交互能力。
“自主學習是數(shù)控機床智能化的靈魂?!比A中數(shù)控相關負責人介紹道,機床數(shù)字主線記錄機床全生命周期的數(shù)據(jù),提供數(shù)據(jù)和知識支撐。系統(tǒng)憑借自我分析、自主學習能力,圍繞工藝優(yōu)化、精度提升、健康保障三大子系統(tǒng),形成人機交互、工藝參數(shù)優(yōu)化、故障診斷等應用場景。通過深度學習虛擬仿真加工形成的指令域數(shù)據(jù),可實時比對實測數(shù)據(jù),使加工效率提高20%。
落地工程仍存在“一頭熱一頭冷”現(xiàn)象
盡管“AI超級工廠”的建設如火如荼,但其在落地工程中,仍面臨諸多挑戰(zhàn)。比如,以大模型為代表的生成式AI技術(shù)在工業(yè)場景中的應用停留在表面。權(quán)威市場機構(gòu)調(diào)研顯示,行業(yè)大模型應用場景呈現(xiàn)“微笑曲線”特征。在產(chǎn)業(yè)鏈高附加價值的兩端(研發(fā)、設計和營銷、服務),大模型應用落地較快,而在生產(chǎn)制造端,大模型應用較慢。
TCL實業(yè)副總裁、格創(chuàng)東智CEO何軍分析指出,AI技術(shù)在工業(yè)領域的應用與6~8年前工業(yè)互聯(lián)網(wǎng)平臺在制造業(yè)中的推廣和應用情況類似,還存在“一頭熱一頭冷”等情況,供給側(cè)比較熱,需求側(cè)沒有完全應用起來。同時應用也存在深淺不一的問題,在先進制造業(yè)落地場景多、應用豐富,而在一般制造業(yè)推進比較難,頭部企業(yè)從AI頂層架構(gòu)規(guī)劃到實際場景落地推進較好,而很多中小制造企業(yè)受制于資金、技術(shù)能力應用比較難。
數(shù)據(jù)處理能力不足也是制約工廠智能化轉(zhuǎn)型的一大瓶頸。一方面,多數(shù)企業(yè)對數(shù)據(jù)的利用剛剛起步,數(shù)據(jù)資源散落在各業(yè)務系統(tǒng)中,互聯(lián)互通難度大,形成“數(shù)據(jù)孤島”,很難匯聚形成高質(zhì)量的數(shù)據(jù)集。另一方面,工業(yè)數(shù)據(jù)和模型的安全性也急需解決。
“有場景但是沒數(shù)據(jù)。”比亞迪集團副總裁、弗迪科技董事長羅忠良坦言,工業(yè)場景的數(shù)據(jù)難以直接用于AI,必須按照實際需求重新采集。而要獲取高質(zhì)量數(shù)據(jù),企業(yè)首先須完成信息化和數(shù)字化轉(zhuǎn)型。
中國聯(lián)合網(wǎng)絡通信有限公司佛山市分公司副總經(jīng)理鄧安民向記者表示,工業(yè)場景中的大模型應用對精確性和穩(wěn)定性的需求較高,在數(shù)據(jù)的獲取時也通常需要更專業(yè)的設備和人員。目前大模型的應用還處于發(fā)展階段,缺乏統(tǒng)一的行業(yè)標準和規(guī)范,工業(yè)生產(chǎn)場景復雜多變,也導致大模型的應用存在風險和不確定性。
“正確定位AI是關鍵?!焙诬姀娬{(diào)。他指出,工業(yè)AI不是簡單的技術(shù)疊加,而是工業(yè)知識與AI技術(shù)的深度融合,須由工業(yè)領域主導推進。工業(yè)AI的落地實施需要企業(yè)具備駕馭AI技術(shù)的能力,這不僅包括研發(fā)能力,還涉及企業(yè)各個層面的能力,例如業(yè)務層面和一線工程師的能力。工廠要培養(yǎng)自己的數(shù)據(jù)科學家,這些科學家能夠理解生產(chǎn)和制程,能夠掌握AI技術(shù)的基礎方法論,并將其應用到實際場景中。同時,企業(yè)還須要從上到下思考如何利用AI技術(shù)改善運營效率和提升工廠智能化水平,而不僅是采取傳統(tǒng)的小步快跑快速迭代方法。
關注中國電子報關注本文作者
作者丨張維佳編輯丨邱江勇美編丨馬利亞監(jiān)制丨趙晨