工业4.0 概述
过去人们在憧憬2020年的时候,总是会加入很多科幻的智能设备,比如家里提供服务的机器人,道路上甚至天空中的自动驾驶汽车和飞机,视听的虚拟现实等。娱乐。人们沉浸其中等等。尽管在COVID-19疫情的影响下,这样的生活在2020年不会到来,但怀揣着这一愿景的工业4.0并没有停止。
早在2013年,随着互联网和计算机技术的成熟以及相关基础设施的逐步完善,德国率先提出了工业4.0的概念,即利用信息物理系统全面改善人们生活的新一代工业4.0。革命。这一理念立即被写入许多国家的发展规划,旨在利用工业化和信息化相结合的方式,在传统工业技术和服务业的基础上创造新的增长点。
工业4.0相关技术的开发和普及也在紧锣密鼓地进行。在软件方面,增强现实技术可以带来全新的视听体验,并已应用于特殊职业(如警察、医生)的培训;物联网技术调用传感器集群,实现对电器的全方位监控;可以及时监控工业网络安全技术的进展,避免黑客对企业网络的攻击。在硬件方面,3D打印技术可以让普通人快速制造出任何设计;工业机器人的普及将使产品制造更加规范、高效。
工业4.0典型场景
数据以及与数据紧密结合的机器学习技术是工业4.0的核心。从传感器获取数据,通过互联网传输到云计算服务器,然后使用机器学习和人工智能算法进行分析。结果返回到服务终端或工业机器人,完成整个工作流程。工业4.0的典型场景包括用户了解、产品制造、产品质量监控、产品配送物流、用户反馈等。每个部分都有数据和机器学习的广泛参与。
用户画像
如今,许多手机和电脑软件已经存储和分析用户数据。一些实体店还利用射频识别芯片(RFID)记录用户偏好,并利用推荐算法等方法分析用户数据,实现产品和内容的推荐和更新。在工业4.0中,用户的使用频率、偏好、方式、时间段等各个方面都会记录用户数据。记录介质的范围从移动应用程序到家用电器,从办公用品到医疗设备。这些数据通过机器学习算法进行分析,可以预测多维分类标签。每个用户都会被多个标签描述,从而实现越来越精准的用户画像。
制造流程
用户画像带来了非常直接的好处,那就是生产个性化的提升。类似于如今用户在互联网上浏览内容的个性化,在工业4.0时代,这些详细的用户画像将直接应用到产品制造过程中,企业将更容易生产出满足用户需求的个性化产品。一些个性化产品可以根据用户数据进行预测,无形中为用户提供了更多的可能性。
不仅对生产决策的影响,而且制造过程中不同步骤的控制都将在工业4.0的万物互联和工业机器人的帮助下实现完全自动化。生产过程中的每一步都会综合分析前一步的状况和产品要求,并及时做出调整。在这样的智能工厂中,生产线的可控性和鲁棒性得到提高,工人的参与从重复劳动转变为机器人的监督。电动汽车公司特斯拉自成立以来一直致力于打造智能工厂。不仅生产线的装配是由工业机器人完成的,仓储、物料管理、订购和销售环节都高度智能化,这使得这家车企的技术含量和销量在整个行业中都是出类拔萃的。
质量控制
除了过程数据的分析和控制之外,机器学习和机器视觉技术的结合可以自动完成大规模、高精度的产品检测,这对于人眼难以区分的复杂缺陷尤其有效。由著名人工智能科学家吴恩达教授领导的人工智能算法公司Landing.AI最近推出了一款基于人工智能和机器视觉的气泡检测装置,用于检测设备中的气体泄漏。通过机器视觉系统,计算机可以非常准确地捕获微小气泡,进而确定气体泄漏的位置。其识别错误率远低于工人肉眼识别平均30%的错误率。结合整个生产流程的数据,不仅可以快速定位问题位置和生产线,而且可以大大降低人工成本和识别错误率。
物流快捷
在生产过程结束时,为物流做好准备。工业机器人可以自动包装产品,并在包装上打印包括产品信息、邮寄地址和其他二维码在内的特定标识,为产品配送做好准备。自动驾驶系统将在配送过程中发挥重要作用。预计未来十到十五年,基于计算机视觉、机器学习、控制技术等的自动驾驶技术将全面商业化,将使物流配送更加简单高效,并能大幅降低劳动力成本。电商巨头阿里巴巴首批智能机器人仓库已于2017年投入使用,旗下菜鸟物流也逐步落地刷脸取货、无人机配送等技术。 2019年底,菜鸟物流估值达到2000亿元。未来在物联网和自动驾驶技术的支持下,“包裹找人”取代“人找包裹”的未来指日可待。
服务与反馈
在用户端,产品传感系统上传的数据可以通过云端的机器学习算法进行分析,判断使用数据是否存在异常,从而实现对产品性能的实时监管。当用户遇到使用问题时,训练有素的人工智能系统可以高效处理文字聊天、接听电话、视频连接等任务,使问题得到快速反馈并及时解决。 2018年发布的BERT模型在聊天机器人领域已经超越了人类,相关应用已经应用于互联网巨头(如微软小冰、阿里巴巴小米、IBM Watson等)和新兴AI公司(如4Paradigm、科大讯飞等)占据了一席之地。
工业4.0的特点
从上述应用可以看出工业4.0的特点,可以概括为:
集成互联
在工业3.0下,通过互联网这一媒介,世界各地的人们快速相连。在工业4.0 中,传感设备被集成到每个硬件中,以便机器可以相互通信。例如,在印染行业,管理系统作为生产系统的中心,协调整条流水线上的母液配置、染料定位、自动滴水、自动供水、打样系统等,实现智能染色,大大提高生产效率和产品质量。稳定。再加上信息物理系统和云计算提供的机器学习引擎,才能真正实现万物互联,即人与人、人与机器、机器与机器、服务与服务的无缝连接。当“互联”成为常态,从生产到服务的各个环节,即设备、生产线、工厂、服务等,都可以紧密相连。
数据和数字化
工业4.0中,信息技术的引入使数据成为工业生产的血液。这些数据包括生产和服务的各个环节,包括产品数据、设备数据、研发数据、供应链数据、运营数据、用户数据等。一方面,数据对于训练和优化机器学习算法具有决定性意义。另一方面,部署机器学习算法后,算法还需要通过处理新生成的数据来控制生产过程。这意味着生活和生产过程的各个方面都必须尽可能地数字化,即一切都可以用合理的指标进行量化,否则无法嵌入到自动化系统中。这就需要数据科学家在设计流程时充分考虑现有的数据状况,有意识地引导系统收集合适的数据,设计合理的指标。
精细化和个性化
在工业4.0中,由于对数据流的要求会相对细化,因此生产中的各个模块也会相应变得越来越精细。生产线的各个部分越来越模块化、细化,这使得个性化生产成为可能,能够更好地反映和预测用户需求,使产品的“生产-销售-反馈”循环进入良性发展。
工业4.0的机遇与挑战
工业4.0带来了许多新机遇。虽然整个生产流程可以合而为一,但数据流程中的工作量可能分散在多个部门甚至多个公司。因此,小公司在整个过程中的单点突破将变得越来越有价值。同一智能设备可以拆分为多个分类、细分、趋势预测等模型,以及数据传输系统、数据采集设备、数据反馈系统等多个模块。每个模块可以嵌入到其他生产流程中,例如数据采集设备可以与其他精密仪器生产流程共享生产线。由此看来,不同的小企业可以依托工业4.0,利用自己的优势,嵌入不同维度的市场。
根据目前预测,基础设施建设将是未来几年的热门行业。无论是去年到今年中美围绕5G技术的摩擦,还是近年来各家互联网公司陆续建立自己的云计算平台,都说明了基础设施在工业4.0中的重要性。确保企业利润和国家安全。此外,数据是另一种形式的基础设施。拥有大量数据的互联网巨头将占据更多机会,但小公司也可以致力于寻找生产线和生活中尚未数字化的部分。这样的机会在数据没有完全数字化的行业(比如传统重工业)和数据没有得到很好利用的行业(比如医疗)尤其如此。
工业4.0对数据和机器学习技术的需求也是传统大企业面临的挑战。现阶段,大企业主要依靠大规模工业生产,因此在生产线上添加传感系统和物联网系统需要相对较高的成本。大企业还需要将机器学习技术引入到生产线和产品设计中,这需要人才的投入和管理方法的创新。近年来机器学习技术的普及,让企业在决策时迷恋“智能”,这也对决策者的分析能力提出了新的挑战。
随着工业4.0逐渐走进人们的生活,许多尚不为人所知的新应用将逐渐成长。当物联网真正能够走进千家万户,当自动驾驶大规模部署的时候,人类就会从现在大量的重复性工作中解放出来。那么在工业4.0的影响下,未来的职业会集中在计算机行业还是数据分析行业呢?人们是否有更多的空闲时间等待被填补?人与人、人与机器的关系将如何发展?我们即将进入21世纪的第三个十年。尽管这些问题对于人类来说仍然难以回答,但可以肯定的是,工业4.0将是未来发展的一大主题。
审稿编辑:郭婷