行业互联网迈向智能制造 当AI应用为制造而生( 二 )


当然 , 制造业离我们日常生活较远 , 并不是所有人都需要关注关心 。 我这里主要想强调:智能制造的成功 , 与其他行业一样 , 需要大量成功的、独特的人工智能技术应用 。 在此我定义为ManuTech(Manufacturing Technology的缩写 , 代表AI Technology For Manufacturing)的兴盛 。 这些技术并不是照搬照套消费领域的应用 , 而是为制造而生 。
其三 , 务实的企业实施(Implementation) 。 制造企业真正采纳人工智能技术 , 并不是单纯依靠技术的先进性 , 而是需要和企业战略、制度、流程和人相结合 , 将人工智能融于工作流程、并与企业管理人员的合作共事 。 这中间涉及不少挑战 。 比如当人工智能给出的建议与人的判断不一致时 , 应该如何取舍?人工智能的决策思路 , 可否更好地让决策者理解?问题的答案涉及到混合智能、算法可解释性、算法偏见等一系列前沿科研 , 尚有待科研工作者与企业实践人员共同解决 。 而人工智能技术的复杂性导致目前制造业很少有成功的落地经验 , 也加剧了企业实施的挑战性 。
此外 , 人工智能的算法是一种通用技术 , 它与企业实践结合的方式方法 , 才决定了它的具体价值 。 制造业涉及新产品研发、生产效率、质量控制、安全监控、智能调度、设备维护等应用场景各自不一 , 不同企业的人工智能落地方式也各有不同 。 尽管人工智能具有边际成本较低的特性 , 但在探索初期的成本相对较高(包括软件、硬件和人力等投入) , 更要注意有效的成本收益控制 , 最好采用小步快走 , 重点突破的实施路径 , 选取关键节点突破 , 以点带面形成效益后再逐步扩大规模 , 而不要一开始就全面投入 。 须知 , ManuTech也需要时间和经验的积累 。
其四 , 清晰的战略导引(Strategy) 。 将人工智能融入智能制造的战略放在最后 , 并非说它不重要 , 而恰恰它是最重要的一环 。 企业转型是牵一发动全局的过程 , 尤其是涉及到大量投资、流程调整和劳动力结构调整 , 过程会非常复杂和有挑战性 。 ManuTech也不例外 。 相应的企业战略和技术一样复杂 , 战略设计和执行过程涉及到数据整合、组织结构设计、人力资源配置、项目顺序等等诸多因素 。 而且 , 企业不仅需要增加精通人工智能和制造的人才和技术储备 , 还需要让企业上下形成共识合力 。
现状是 , 好的人工智能战略专家比好的技术专家更加稀缺 , 他们需要对人工智能技术和企业管理都有丰富的经验和深邃的理解 , 才能全面理解技术与管理的结合 , 把握技术转化为生产力、利益 , 甚至竞争优势的途径和步骤 , 最后从全局出发 , 创造性地规划和执行企业智能制造战略 。 如果企业没有这样的高端综合人才 , 则需要有计划地培养传统管理者和算法科学家的相互理解和部分转型 , 通过团队的有效合作来弥补 。
总的来说 , 企业需要明确自身的业务需求和目标 , 然后据此形成人工智能项目的计划 , 这样可以避免被各种人工智能技术弄得眼花缭乱、迷失方向、过度投资 。 计划里包含多个潜在的项目 , 企业还需要决定它们的优先顺序 , 之后可以考虑具体实施的问题 , 比如供应商的选择、是否先在小范围实施、是否要重新设计工作流、如何确保员工采纳等 。


推荐阅读