從預測性維護到數字雙胞胎
，人工智能正在引領下一次製造業革命——但是還缺乏技能、數據和標準。

人工智能和機器學習正在推動製造業變革。據世界經濟論壇去年年底發布的一份報告：人工智能
、先進機器人、增材製造（也稱為3D打印）和物聯網（IoT）的結合將迎來第四次工業革命。

大部分製造企業（80%）認為人工智能項目會產生積極影響，預計收入將增長22.6%
，而成本降低17.6%。

事(shi)實(shi)上(shang)，製(zhi)造(zao)商(shang)已(yi)經(jing)在(zai)使(shi)用(yong)人(ren)工(gong)智(zhi)能(neng)和(he)機(ji)器(qi)學(xue)習(xi)技(ji)術(shu)來(lai)減(jian)少(shao)設(she)備(bei)停(ting)機(ji)時(shi)間(jian)，發(fa)現(xian)生(sheng)產(chan)缺(que)陷(xian)，改(gai)善(shan)供(gong)應(ying)鏈(lian)

，縮(suo)短(duan)設(she)計(ji)時(shi)間(jian)。然(ran)而(er)
，缺(que)乏(fa)技(ji)術(shu)員(yuan)工(gong)
、數據和標準，使得很多企業裹足不前。

通用電氣引領潮頭

通用電氣公司站在了這一波產業轉型浪潮的最前沿，由於公司所在領域生產率不斷下降
，該公司一直在積極探索怎樣應用人工智能。

該公司軟件研究副總裁Colin Parris評論說：“2010年之前，生產率增幅都在4%至5%之間。”然後，行業發生了變化。經驗豐富的工程師麵臨退休，而通用電氣公司所處的新地區（包括印度和中國），以年輕員工為主。

Parris說shuo
，同tong時shi，客ke戶hu需xu求qiu很hen快kuai變bian得de更geng加jia複fu雜za。有you些xie目mu的de地di的de新xin航hang線xian出chu現xian了le極ji端duan天tian氣qi條tiao件jian和he空kong氣qi汙wu染ran，這zhe也ye影ying響xiang了le通tong用yong電dian氣qi公gong司si製zhi造zao的de噴pen氣qi式shi發fa動dong機ji。社she交jiao媒mei體ti放fang大da了le停ting運yun的de影ying響xiang
，客ke戶hu受shou其qi影ying響xiang也ye會hui要yao求qiu提ti高gao可ke靠kao性xing，縮suo短duan停ting機ji時shi間jian。

與此同時，客戶還希望價格仍會繼續降低。

Parris說：“人們說，你無法預測未來。其實，你當然可以。人們想要更便宜的東西。”

yaojiejuezhegewenti。tongyongdianqigongsizhuanercaiyongrengongzhinenghejiqixuexi，congxiangkehutigongdefuwukaishi
，liru，penqifadongjihewolunjiweihu。tongyongdianqigongsijiangrengongzhinengyingyongyuneibuzhizao，suihoushisheji，ranhoushineibuliucheng，lirushujuzhongxinyunyingherenliziyuan。

Parris說：“至少在過去的10到15年裏，我們在服務中一直使用分析模型和表格。”5nianqian，tongyongdianqigongsikaishishiyongjiqixuexiheshuzishuangbaotai，tamenduiyixiejixieshebeijinxinglexunihuabiaoshi，lirufengliwolunjihuozhefengdianchangdengjizu。shuzishuangbaotaiyekeyiyonglaibiaozhengzhuangpeixian、整個工廠或者采購過程。

在通用電氣公司
，數字雙胞胎被用來性能建模、故障預測，並支持對有潛力的改進進行快速測試。

Parris說：“womennenggouyucenaxieshiqinghuishibai
，suoyiwomenhuipeizhiheshidegongchengshi，kucunyehuiyouheshidelingjian。womentigaoleranyouxiaolv，feijifeixingshijiangengchang，erqietigongfuwushibubixiedaiyixiebubiyaodelingbujian。womenyijingweigukejieshengleshubaiwanmeiyuan。”

每一設備、係統和工藝都有數字雙胞胎的另一個好處是，通用電氣公司可以利用增材製造（3D打印）來開發定製部件，而不必依賴於必須在傳統生產線上大批量生產的替換零件。

他說：“隨著時間的推移，機械設備的性能會劣化。現在我可以說，‘我能設計專門的零件嗎，因為以這種方式使用這台機器時
，我們看到邊緣會出現損傷
，或者刀片更容易出現裂紋。’”erliyongzengcaizhizao，woyicizhizhizaoyigelingjian，jiunenggoujiejuezhetaijiqizaizhezhonghuanjingxiateyoudewenti，erbuyongjianzaozhexielingjiandedaxinggongchang，bingshengchanchushubaigezheyangdelingjian。yiqian，wobudebuhuafeishuyimeiyuanlaijianzaogongchang。xianzai，wokeyiyicidayinyigelingjian，bingqiekeyibuduanditiaozhengjiqijishenhejiqidechengxu。xianzaiwomendejiqinengbuduandijinxingziwotiaozheng，shengchanxiaolvbiandeyuelaiyuegao
，womenchengzhiweibuxiudejiqi。”

他補充道：“我認為通用電氣公司未來在這方麵會非常有趣。”

預測性維護的前景

其他製造公司也在考慮使用人工智能和機器學習來降低成本，提高性能。

總部位於佛羅裏達的捷孚（Jabil）公司是一家財富500強企業，為全球很多大品牌提供代工服務，幾個月前，開始推動使用人工智能來發現製造缺陷，開展預測性維護工作。

例如，在中國的一家工廠，自動光學檢查機上有幾個攝像頭
，用於查找該公司製造的電路板上的缺陷。

雖然已經采用了基本圖像識別技術來查找缺陷，但是係統標記有缺陷的電路板被發送給人類操作員進行檢查後
，發現35%到40%的電路板實際上沒有任何問題。

公司的高級經理Ryan Litvak說：“操cao作zuo員yuan有you兩liang秒miao鍾zhong的de時shi間jian查zha看kan每mei一yi圖tu像xiang，其qi中zhong一yi些xie電dian路lu板ban可ke能neng非fei常chang大da，上shang邊bian會hui有you數shu百bai個ge組zu件jian。難nan點dian在zai於yu把ba握wo好hao操cao作zuo員yuan的de直zhi覺jiao，能neng夠gou非fei常chang準zhun確que的de判pan斷duan‘是’，這實際上是一個缺陷
，或者‘不是’，這不是一個缺陷。”

通(tong)過(guo)減(jian)少(shao)被(bei)標(biao)記(ji)的(de)電(dian)路(lu)板(ban)的(de)數(shu)量(liang)，在(zai)不(bu)犧(xi)牲(sheng)準(zhun)確(que)性(xing)的(de)前(qian)提(ti)下(xia)
，捷(jie)孚(fu)公(gong)司(si)使(shi)得(de)操(cao)作(zuo)員(yuan)能(neng)夠(gou)把(ba)更(geng)多(duo)的(de)時(shi)間(jian)花(hua)在(zai)有(you)問(wen)題(ti)的(de)電(dian)路(lu)板(ban)上(shang)，或(huo)者(zhe)把(ba)時(shi)間(jian)重(zhong)新(xin)分(fen)配(pei)到(dao)其(qi)他(ta)更(geng)有(you)價(jia)值(zhi)的(de)任(ren)務(wu)中(zhong)。

他說：“我們已經看到了非常好的效果。被標記的電路板中有93%到98%是真正有缺陷的
，這一比例相當高，沒有缺陷的電路板中，70%以上都能夠通過檢查。”

tashuo
，gainianyanzhengshejidaoliangtiaoshengchanxian，zhexieshengchanxianyoufeichangxiangsideshebeihegongyi。xianzai，jiefugongsizhengzhiliyujiangqituiguangdaoqitashengchanxianshang，yongyuchulidaliangshuju，zaigongzuoliuchengzhongzhijiejichengxindejueceguocheng。

公司關注的另一個領域是預測性維護，其中麵臨的挑戰是怎樣獲得所需的數據。

Litvak說：“youhenduobutongdexitongzaiyong，erqieyouhenduobutongdeshebei。youxieyouzijideweihuxitong
，youxiezemeiyou。yixiegongyingshangtongguodianzibiaogelaigenzongweihu，youxiezeshiyongzijikaifadexitong。”

他說，捷孚公司的數據科學家正在努力規範這些數據，並與微軟的專家一起合作建立預測設備故障所需的深度學習模型。

據麥肯錫的研究，采用了人工智能預測性維護的工業設備的年度維護成本降低了10%，停機時間減少20%，而檢查成本則降低了25%。

麥肯錫慕尼黑辦公室的合夥人Matthias K?sser說道
，最近幾個月，人們對人工智能具體應用的試驗項目產生了濃厚的興趣。

最大的影響是在質量檢查和預測性維護中使用計算機視覺和傳感器數據。

他說：“我(wo)們(men)目(mu)前(qian)在(zai)多(duo)家(jia)公(gong)司(si)實(shi)施(shi)了(le)這(zhe)種(zhong)基(ji)於(yu)視(shi)覺(jiao)的(de)人(ren)工(gong)智(zhi)能(neng)應(ying)用(yong)，非(fei)常(chang)有(you)潛(qian)力(li)。然(ran)而(er)，為(wei)了(le)充(chong)分(fen)發(fa)揮(hui)這(zhe)些(xie)潛(qian)力(li)
，企(qi)業(ye)應(ying)迅(xun)速(su)把(ba)從(cong)這(zhe)些(xie)試(shi)驗(yan)項(xiang)目(mu)上(shang)學(xue)到(dao)的(de)東(dong)西(xi)應(ying)用(yong)到(dao)各(ge)種(zhong)功(gong)能(neng)和(he)流(liu)程(cheng)的(de)人(ren)工(gong)智(zhi)能(neng)整(zheng)體(ti)轉(zhuan)型(xing)中(zhong)。這(zhe)就(jiu)是(shi)真(zhen)正(zheng)開(kai)始(shi)工(gong)作(zuo)的(de)地(di)方(fang)。”

有關準確性的問題

另一剛剛開始使用圖像識別來發現製造問題的製造公司是Lennox國際——一家總部位於達拉斯的暖通空調係統製造商。

公司的IT、先進和新興技術主管Sunil Bondalapati說：“準確度比人類高得多。現在
，我們的準確率大約是20%。我們不把它看成是一個數量問題，我們把它看成是一個準確性問題。”

Lennox還向企業客戶租用設備，和通用電氣公司一樣，改進維護是其核心需求。

目前，暖通空調設備向雲端傳送其性能信息，每小時大約有800萬條新記錄。

增強了智能化水平後
，公司能夠實時預測設備故障
，這在以前是不可能的。

Bondalapati說：“這才是人工智能所擅長的。它能夠保存兩年前某一設備所處的環境和內存——當濕度處於這一水平時
，它在105度溫度下是怎樣工作的
，當時它是怎樣工作的，現在又是怎樣工作的。”

Lennox四個月前開始了這個項目
，結果很有意義，該公司決定未來四個月開始全麵推廣應用這項技術。

Bondalapati說，很難計算維護方麵的投資回報。“當設備沒有故障時，怎樣計算投資回報？我們明年將不得不為此收集一些數據。”

但Lennox的存儲和計算成本已經下降了一半，因為它能夠使用DataBrick的技術來整合數據。

他說：“我們從20個內核降到了4個內核。”

人工智能在企業中的另一應用是在財務方麵。例如，計算公司應該為履行保修責任留出多少備付金。

Bondalapati介紹說：“以前，我們隻是批準了一定的金額——2千萬美元或者3千(qian)萬(wan)美(mei)元(yuan)，沒(mei)有(you)科(ke)學(xue)的(de)方(fang)法(fa)知(zhi)道(dao)應(ying)該(gai)為(wei)那(na)些(xie)想(xiang)退(tui)貨(huo)的(de)客(ke)戶(hu)預(yu)留(liu)多(duo)少(shao)資(zi)金(jin)。現(xian)在(zai)，使(shi)用(yong)人(ren)工(gong)智(zhi)能(neng)後(hou)，我(wo)們(men)能(neng)夠(gou)預(yu)測(ce)每(mei)個(ge)部(bu)件(jian)的(de)故(gu)障(zhang)率(lv)，告(gao)訴(su)保(bao)修(xiu)部(bu)門(men)要(yao)留(liu)出(chu)多(duo)少(shao)資(zi)金(jin)，當(dang)我(wo)們(men)獲(huo)得(de)了(le)更(geng)多(duo)的(de)數(shu)據(ju)後(hou)，我(wo)們(men)每(mei)天(tian)都(dou)能(neng)夠(gou)隨(sui)之(zhi)進(jin)行(xing)調(tiao)整(zheng)。”

他預計所需的備付金將減少10%。

人工智能的力量越來越強

Lennox還利用人工智能來查找會計問題。

Bondalapati說：“我們有數以百萬計的總帳。如果是人的話，不可能每天都把這些賬本看一遍。”

他說他的部門一直在尋找利用人工智能來幫助業務發展的機會。

“womenjiuxiangyigeneibuzixunjigou。womenyizhizaituiguangzhexie。womenmeizhoudouyuyewubumenheqitaxiangguanbumenjinxingjiaoliu，bingtigongqitayingyonganligongtamenchangshi。”他說。

Lennox涉足人工智能有些早了。“對於像我們這樣的行業來說，人工智能是一條艱難的道路，需要不斷的給心存疑慮的客戶們進行推銷。”

人工智能目前的主要局限：技能和數據

機器學習和高級分析在預測性維護和製造過程的其他方麵也起著非常重要的作用。

據普華永道最近的一項研究
，78%的製造企業已經部署或者計劃部署預測性維護技術，而已經部署或者計劃部署製造執行係統、數字雙胞胎和機器人過程自動化的製造企業的比例分別是73%
、60%和59%。

隻有29%的製造企業使用或者計劃使用人工智能，普華永道將人工智能定義為超越了機器學習和高級分析，能夠做出獨立的認知決策。

普華永道的IT戰略負責人Kumar Krishnamurthy評論說
，如今，製造企業之所以關注嵌入式人工智能和機器學習技術，為的是降低成本。“但我的預測是

，其中某些技術將幫助企業擴大規模，提高生產力水平。”

他(ta)說(shuo)
，客(ke)戶(hu)需(xu)求(qiu)和(he)來(lai)自(zi)行(xing)業(ye)顛(dian)覆(fu)者(zhe)的(de)壓(ya)力(li)將(jiang)迫(po)使(shi)製(zhi)造(zao)企(qi)業(ye)進(jin)行(xing)變(bian)革(ge)。然(ran)而(er)，這(zhe)項(xiang)技(ji)術(shu)還(hai)沒(mei)有(you)人(ren)們(men)想(xiang)象(xiang)的(de)那(na)麼(me)成(cheng)熟(shu)。此(ci)外(wai)，缺(que)乏(fa)人(ren)工(gong)智(zhi)能(neng)技(ji)能(neng)和(he)缺(que)少(shao)可(ke)用(yong)的(de)數(shu)據(ju)，也(ye)阻(zu)礙(ai)了(le)其(qi)走(zou)向(xiang)成(cheng)熟(shu)。

據普華永道的調查，52%實施人工智能的製造企業表示
，缺乏技術人員是很大的難題，42%的製造企業則認為數據的可靠性存在問題。

將人工智能融入到設計過程中

Palo Alto研(yan)究(jiu)中(zhong)心(xin)想(xiang)克(ke)服(fu)製(zhi)造(zao)過(guo)程(cheng)中(zhong)非(fei)常(chang)困(kun)難(nan)而(er)且(qie)耗(hao)時(shi)的(de)設(she)計(ji)階(jie)段(duan)中(zhong)存(cun)在(zai)的(de)技(ji)能(neng)和(he)數(shu)據(ju)問(wen)題(ti)
，施(shi)樂(le)公(gong)司(si)的(de)很(hen)多(duo)創(chuang)新(xin)都(dou)是(shi)源(yuan)於(yu)該(gai)中(zhong)心(xin)，例(li)如(ru)
，激(ji)光(guang)打(da)印(yin)、麵向對象編程、圖形用戶界麵、光存儲和很多其他基礎技術等。

Palo Alto研究中心實驗室經理兼研發副總裁Ersin Uzun評論說，人工智能能夠承擔功能需求、成本、監管和製造約束等工作，並提出人類想不到的設計。

他說：“如果我讓你設計一種能讓我拿著液體的東西，你可能會首先想到一個杯子
，但不一定能馬上想到駱駝背設計。”

一旦設計好了，Palo Alto研究中心還致力於開發某種技術
，使用增材和減材製造方法來實現設計，並考慮由不同的設計和製造選擇所引入的缺陷。

他說：“rujin，nishejihaoyijiandongxi
，batasonggeizhizaozhuanjia，tamenzhidaozenyangzhizaota，ranhougongchenghefenxirenyuankankanzhizaochulaidedongxishifounengmanzucaozuoyaoqiu。zhexuyaojigeyuedeshijian。”

Uzun說，製造業是一個罕見的領域——其物理能力遠遠領先於軟件的處理能力。

他說：“womenyoulingrenfeichangxingfendexincailiao
，xindezengcaizhizaojishuyijihunhezhizaojiqi。dandangnizhuyiyixiarenmenzhengzaishiyongderuanjianshi，tayuanyuanfahuibuchunisuoyongyoudecailiaohegongjudeshijinengli。womenxianzaiyouzhexiekeyitongshijinxingzengcaizhizaohejiancaizhizaodejiqi
，danzaishejishangwufazhenzhengfahuichuzhizaonengli。suoyiyiqiedoushishoudongjinxingde，duiyuwomenmuqiandedabufenfuzazhizaoxuqiu，zhejibenshangchaochulerenherenleiderenzhinengli。”

Palo Alto研究中心的區域經理Sai Nelaturi說，為了使設計工具能夠跟上材料科學和製造技術的快速發展
，應該在工具中置入人工智能。

Palo Alto研究中心還致力於建立標準和協議
，支持製造工廠中的所有不同係統彼此通信
，開發人工智能算法來優化能源的使用、吞吐量、效率和安全。

Uzun說，Palo Alto研究中心本身並不產生技術。“我們是創新合作夥伴和技術提供商。我們一起創造這些技術
，使其進入原型階段
，並找到合適的合作夥伴將其推向市場。”

今天，Palo Alto研究中心正在與大型和小型製造企業合作，測試這些技術並將其推向市場。

他說，人工智能技術將幫助中小型製造商提高競爭力
，而且有助於讓製造業工作崗位回歸美國。“如果是這樣，將在生態係統中創造出其他類型的工作。”

作者：Maria Korolov 過去20年一直涉足新興技術和新興市場。

編譯：Charles