12月28日，在Create 2021百度AI開發(fā)者大會的智能產(chǎn)業(yè)專題論壇上，廣域銘島數(shù)字科技有限公司C2M事業(yè)部總經(jīng)理張卓文發(fā)表了題為《人工智能與工業(yè)機(jī)理在制造領(lǐng)域的應(yīng)用》的主題演講，他結(jié)合廣域銘島Geega工業(yè)互聯(lián)網(wǎng)平臺的實(shí)踐案例，深度闡釋了人工智能如何與工業(yè)機(jī)理相結(jié)合作用于數(shù)字化轉(zhuǎn)型的不同場景，而這正在重構(gòu)著制造業(yè)的未來。

以下為演講全文：

過去的兩年，是讓人難忘的兩年。當(dāng)我們還沉浸在2019年底，2020年初面臨疫情緊張的心情中時，時間已經(jīng)到了2021年的年末。這一年，大家仿佛已經(jīng)適應(yīng)了“新冠”的日常騷擾，但我們的企業(yè)卻變得更加的“難”。

2021年的制造行業(yè)，特別是汽車行業(yè)面臨疫情封控、缺芯少件、拉閘限電等重重困難，企業(yè)在夾縫中艱難的前行著。在這樣的時代機(jī)遇下，企業(yè)如何尋求轉(zhuǎn)型突破，顯得異常重要。數(shù)字化轉(zhuǎn)型成為了企業(yè)避“難”轉(zhuǎn)型的熱門話題。

吉利在2020年底，涉足工業(yè)互聯(lián)網(wǎng)領(lǐng)域，通過一年的發(fā)展，廣域銘島已經(jīng)建立起以技術(shù)+數(shù)據(jù)+業(yè)務(wù)能力為一體的工業(yè)互聯(lián)網(wǎng)平臺基座，沉淀并匯集了吉利汽車幾十年造車的生產(chǎn)和管理經(jīng)驗(yàn)，把工業(yè)現(xiàn)場的實(shí)踐know-how，通過工業(yè)機(jī)理的模式，在平臺上不斷迭代演進(jìn)，從而來驅(qū)動自身的數(shù)字化轉(zhuǎn)型戰(zhàn)略，同時也向社會提供各類數(shù)字化的服務(wù)。

簡單來講，廣域銘島工業(yè)互聯(lián)網(wǎng)將工業(yè)機(jī)理歸納為四個環(huán)節(jié)：連接，孿生，融合和協(xié)同。

因?yàn)楣I(yè)機(jī)理模型是建立在大量的工業(yè)數(shù)據(jù)之上，必須通過各種技術(shù)手段，連接獲取到各工業(yè)場景中的數(shù)據(jù)。而孿生，則是如何應(yīng)用這些數(shù)據(jù)的必要有效手段，通過數(shù)字孿生將實(shí)際的生產(chǎn)場景轉(zhuǎn)換成虛擬場景，這為各類場景的模擬和運(yùn)算提供了基礎(chǔ)。而融合和協(xié)同，則正是通過工業(yè)機(jī)理模型的迭代，充分的挖掘原先靜態(tài)的生產(chǎn)要素數(shù)據(jù)，讓這些數(shù)據(jù)說話，更好的驅(qū)動生產(chǎn)要素的優(yōu)化。

另外，廣域銘島將工業(yè)機(jī)理模型的應(yīng)用分成了三層結(jié)構(gòu)，由下向上分為控制層、管理層、決策層。

在控制層，我們主要圍繞工藝優(yōu)化、執(zhí)行控制來輸出工業(yè)機(jī)理，通過一線老工匠們的經(jīng)驗(yàn)沉淀，輸出了一批很有價值的工業(yè)APP。例如在焊接車間，之前依賴人工檢測，通過三坐標(biāo)手段進(jìn)行測量，獲取數(shù)據(jù)，再調(diào)整焊點(diǎn)夾具的工藝改進(jìn)方式非常的低效。很多的尺寸問題，都需要在最后的總裝環(huán)節(jié)才能被發(fā)現(xiàn)公差過大，而此時，缺陷零部件已經(jīng)流出焊裝車間，增加了翻修的成本，同時也大大降低了生產(chǎn)的效率。

今年，我們通過人工智能技術(shù)，通過實(shí)時獲取尺寸數(shù)據(jù)，建立整車尺寸模型，通過孿生的方式還原整個車身尺寸的公差偏離情況，再利用機(jī)器學(xué)習(xí)的方式將尺寸的缺陷趨勢，實(shí)時的目視化出來，并且驅(qū)動機(jī)器人自動調(diào)整焊接工藝，實(shí)時的糾偏，保證當(dāng)工位的缺陷能實(shí)時被預(yù)防。這大大提升了焊接的效率，缺陷率降低了20%以上，有效提升了焊接質(zhì)量。

在涂裝車間，車輛表面油漆缺陷根因分析在以前是非常困難的，因?yàn)橛推岬娜毕萃憩F(xiàn)的非常滯后，每當(dāng)發(fā)現(xiàn)表面有凹坑、雜質(zhì)污染的時候，車輛都已經(jīng)出了油漆車間，在此背景下，我們采用計算機(jī)視覺識別和聯(lián)邦學(xué)習(xí)的診斷優(yōu)化技術(shù)，將油漆的缺陷分析知識圖譜建立了起來。算法可以通過機(jī)器學(xué)習(xí)的方式，不斷的演進(jìn)迭代，從而快速定位缺陷的根因，提醒作業(yè)人員盡早介入糾偏，防止更多的缺陷車輛流出。

在管理層，人工智能技術(shù)被應(yīng)用到管理優(yōu)化，質(zhì)量改進(jìn)等方面。例如之前在總裝的物流管理領(lǐng)域，倉儲、AGV機(jī)器人配送都是獨(dú)立的，數(shù)據(jù)呈現(xiàn)為煙囪式管理，AGV的配送也呈現(xiàn)傻瓜式的管理。我們在此基礎(chǔ)上推出的倉流一體化，將AGV的控制平臺與倉儲平臺原生的整合到了一起，基于算法的路徑最優(yōu)實(shí)時運(yùn)算，保證了AGV與產(chǎn)線節(jié)拍進(jìn)行匹配，無誤的配送到準(zhǔn)確的地點(diǎn)。

同樣，在碳管理方面，涂裝的烘房是能耗大戶，之前的管理通過人工管理，粗放而又粗暴，經(jīng)常發(fā)生無料加溫，車未到，體溫浪費(fèi)。我們在此基礎(chǔ)上，利用全方位的傳感器數(shù)據(jù)，通過機(jī)器學(xué)習(xí)的方式，預(yù)測烘房的加溫開關(guān)時間，大大提升了能耗使用效率，降低能耗費(fèi)一年達(dá)百萬以上。

在決策層，主要圍繞管理決策分析和優(yōu)化。和傳統(tǒng)的BI不一樣，傳統(tǒng)的企業(yè)決策都依賴BI的目視化展現(xiàn)，且不說數(shù)據(jù)不準(zhǔn)確，一方面數(shù)據(jù)滯后、決策滯后。我們采用DI替換了原先的BI，即采用數(shù)據(jù)智能決策的方式，更突出數(shù)據(jù)的自預(yù)測，自反饋，在企業(yè)的營銷預(yù)測，供應(yīng)鏈保供預(yù)測等環(huán)節(jié)，DI能做到自動設(shè)立質(zhì)量罰，針對零部件質(zhì)量發(fā)生批量問題前，即可預(yù)測出質(zhì)量缺陷趨勢，并自動控制ERP訂單的下達(dá)、采購流程的執(zhí)行，杜絕了人為操作的滯后，防止庫存的增加。

此類的工業(yè)機(jī)理都是通過工業(yè)互聯(lián)網(wǎng)的IT專家和現(xiàn)場的OT專家一起共創(chuàng)，一起迭代而成，每一個工業(yè)機(jī)理APP都是面向具體場景，解決的都是一個個實(shí)際的問題，從而切實(shí)讓人工智能技術(shù)與工業(yè)技術(shù)碰撞出了火花。

未來已至，AI已來，工業(yè)互聯(lián)網(wǎng)正在重構(gòu)企業(yè)的運(yùn)營模式，我們預(yù)判未來的制造模式將向柔性制造、個性化定制方向不斷的演進(jìn)。在未來的工廠中，每一臺機(jī)器、每一個物料都不再是單一的個體，他們都將以人為中心，通過人工智能有效的鏈接在一起，并且通過工廠的人工智能大腦，有效的得到配置。基于這個判斷，廣域銘島正基于自身的工業(yè)機(jī)理分析能力，重構(gòu)著未來的數(shù)字化制造。

這條路上不孤單，我們希望廣域銘島未來能和更多的像百度智能云這樣的科技企業(yè)展開合作，讓人工智能深入智能制造，共同賦能中國制造業(yè)的轉(zhuǎn)型，感謝！