人工智能只是智能制造舞台上的“小配角”＃智能制造错题本

作者：物女王（彭昭）

物联网智库 原创

转载请注明来源和出处

------【导读】------

本文与你分享了我的#智能制造错题本#中的五大错题。错题1.智能制造是人工智能在制造业的应用；错题2.制造业的绝大多数场景可以用人工智能解决;错题3.制造业应该追求使用最先进的技术；错题4.制造业的创新要想前人想不到的东西;错题5.工业物联网应该首先让生产底层数据被工厂管理层看到。

|物女心经专栏|写的第059篇文章。

从学校走向社会，很多人会将所学的“知识”一股脑全然抛去，不信你问问自己，工作之后你还继续记笔记，整理自己或者别人出现的“错题”吗？我一直坚持着这个习惯，目的当然不是只为了记录，而是为了绕开可能的陷阱，降低试错成本。

这里与你分享的就是我在“智能制造”领域的“错题本”，每次查阅都能通过别人的提醒持续为自己的思维纠偏，里面的观点来自于我收藏的精品文章，以及我与多位好友的深度交流。

我的这些好友，共性非常明显，他们泡过一线、编过程序、调过设备，直面过各种工业现场的疑难杂症，是坚守阵地超过10年的工业现场工作狂，他们比大多数智能制造的专家更加懂得工业实际，可贵（qi）的是他们同时还具备国际视野，总能第一时间关注和掌握各种最新技术。

错题一：智能制造是人工智能在制造业的应用

此话出自中国工程院院士之口，他还说，人工智能对于制造工业的影响甚至上升至国家战略层面，中国制造2025的提出，深刻说明了人工智能在助推制造业发展方面能够起到的作用和将要达到的高度。

以下观点源自林雪萍，如果将人工智能在制造业的地位提升到如此高度，恐怕是中国制造2025最大的歧途。与之相应的还诞生了一个新词，“人工智能制造”，智能正在日益成为人们讨论的焦点，最具有含金量的“制造”明明是“主角”，却被放在了最后。

现实情况是，中国绝大部分企业还没有认可数字化制造的价值，如果奢谈智能制造，将“智能”作为中国制造2025的核心目标，难免有过于乐观和操之过急之嫌。

中国制造需要崛起，的确要依靠人工智能等技术手段，但是推动事物重大变革的关键，从来都源于自身。外力可借，还需要自身强大，对于从事工业领域的所有人，更应该的是关注制造本身，回归本我去思考，而不是跟着趋势，一味追着人工智能的风口跑，甚至被人工智能某些边缘泡沫带跑偏。

错题二：制造业的绝大多数场景可以用人工智能解决

有专家在会议中谈到：人工智能以知识库、知识工程为核心，通过感知、交互、实时，最后达到自学习、自决策。因此，在和中国制造结合时，人工智能可以解决制造业的加工、装配以及服务等问题。

现实情况是否如此呢？有必要围绕制造业本质这个命题。郭朝晖曾经举过一个很直白的例子来说明制造业的本质。他以炒股为例，说明了两种模式，一种是巴菲特模式，阅读大量的企业和行业信息，通过复杂推理进行投资决策，也就是“模糊信息+复杂推理”的模式；另一种是陈水扁的夫人吴淑珍模式，掌握来自上市公司董事长的内部确定消息，通过简单推理进行投资决策，也就是“准确信息+简单推理”模式。那么哪种模式更接近制造业的本质呢？真相只有一个——第二种。

而大数据和人工智能产生的核心背景是由于多维度和多变量导致的很大不确定性，简单的因果关系不能表达事物的内在逻辑，只能通过“模糊信息+复杂推理”的模式，从足够多的大量数据中提取相关性，这也就是数据密集型科学产生的基础。

制造业与人工智能的推理模式从本质上来讲有很大差异，制造业中的数据尽管“大量”，但很难称得上是“大数据”。由于制造业现场面临着机械、光学、热学、电磁、材料、流体等多种复杂学科的相互影响，工业数据的分析要困难的多。在智慧城市和智能生活等领域广泛采用的大数据和人工智能，进行人脸识别和语音对话，很难照搬到工业领域。

因此人工智能在工业领域只能是“小配角”的定位，强行夸大“药效”，势必陷入喧宾夺主之误。

错题三：制造业应该追求使用最先进的技术

很多公司正在尝试将虚拟现实、增强现实、深度学习等最新技术应用于制造业现场，前一阵子的“机器换人”大潮也开展得如火如荼。

用麦总的话说，热门的技术名词越来越多，经常让我们颠倒了刚需和技术的因果关系主次地位，忘记自己到底想要什么了。这些高大上的技术是否马上就能够为我们所用，并创造价值呢？是否就能够帮助企业解决各种在生产、运营过程中所面临的现实问题呢？

先进的技术往往不实用，实用的技术可能不先进。所有的技术问题都需要同时考虑经济性和适用性问题。因为制造业必须考虑经济性，不能阶跃，只能进化，否则无法进行有效的成本控制。

以前我曾经提到过一个例子，一家工厂中由于电机的磁铁心很重，搬运工人都是90后不堪重负，尽管提高工资也是留不住人，买KUKA机器人又买不起，结果当班主任自己设计了一个助力搬运机械手，虽然没有多么高大上，自动化程度也不高，但却在减轻人力的同时提升了搬运效率。

目前制造业暴露的主要矛盾是过去几十年制造业的“简单粗暴式”发展，很多技术照搬国外，使得在基础技术层面并不扎实，大量空白有待弥补。同时劳动力问题激发了工厂改造的动力，劳动力短缺的时候，不仅找不到人、工资高，还会出现员工流动性强、敬业度低、管理难度大等问题。如果技术应用得当，不仅可以减少用工，还可以降低劳动强度、改变劳动环境。

但是解决这些矛盾和问题，为什么一定要用工业物联网或者人工智能？好像不扯点IoT和AI就不好意思谈制造业转型似的。这些最新技术到底治的是什么病？是不是还有成本更低更加实用的“良药”？在这点上，中小制造企业中的工段长、车间主任、生产经理这些位于最前线的工程师们最有发言权。

错题四：制造业的创新要想前人想不到的东西

真的存在前人没有想到的东西吗？制造业是一个历史悠久的领域，作为“后人”的我们，要用充满敬意的眼光来看待。郭朝晖有句话说得很实在，他说如今任何一个研究，前人一定是研究过的，而且前人的先进程度往往远出乎你的预料。

德国上个世纪早期就有由数字控制的印花机，设备的故障诊断也已经被研究了好几十年，通用型工业网关从始至终都有很多公司在做…

因此当你诞生一个新想法时，一定要查查“史料”，有没有前人曾经想到过这个问题？如果他想到了，他当时为什么没有解决？而现在我拥有的条件发生了什么变化，使得这个想法有了重见天日的新机？

很多最新技术其实是解锁了前人没法运用的“笨办法”，而并不是什么“新手段”。比如以前的故障诊断，一些致命的故障发生的情况非常罕见，也许几百台机器才有可能重复发生同一种故障，好不容易分析出一种故障模式，到了机器报废也没有再次发生，故障模式提炼出来也派不上用场。因此为了进行故障诊断，对于机器运行状态的持续监控投入太大，经济上并不值得。

GE在工业物联网平台上提出的“新方法”其实是同时监控成千上万台设备的操作数据，由于IT成本的下降让采集和存储大量历史数据进行分析的“笨办法”在经济上变得可行，这样当一台设备出现故障时，成千上万台设备中有很大概率复现过类似情况，别人处理相同故障的经验可以被复用，及时解决故障问题，因此创造了新的价值。

错题五：工业物联网应该首先让生产底层数据被工厂管理层看到

很多公司在推广工业物联网应用时，首要的卖点是通过加装数据采集模块和工业网关，实现数据上传，让工厂经理使用智能手机就能看到生产的实时情况。

现实情况是，底层数据并不是用来“看”的，而是拿来“用”的。工业物联网首先需要解决的问题，应该是消费端快速变化和急剧爆发的个性化定制需求，和制造端的机械设备因为受到巨大惯性周期的限制，无法快速响应和迭代之间的灵活性落差问题。

宋华振说，个性化制造的批量太小，产品质量无法迭代，开机浪费无法避免，如何让小批量生产的产品成本可控甚至更低？这件事情的难度超高，如果不懂精益生产的三个核心话题：质量、成本和交付，是没法搞懂智能制造的，也没法搞懂工业物联网的价值。

从产品设计开始，直到产品制造、包装和出库，从头到尾都不能出错，没有试生产的机会，产品质量迭代周期很小，一次性就要生产好，最极端的情况，可能一个产品只有一件，没有第二次机会生产第二个产品，那么质量迭代怎么完成？

高速生产的情况下，各种设备之间无缝衔接，通过机械手、传送带、AGV完成零件的传输，如果某台注塑机突然停机，那整个生产线的节拍怎么调整？一台设备工作失效或者生产的产品有问题，不良品如何避开？万一某个零部件没有到位，生产节拍怎么调整变化？

一台生产线好几亿投资，每延误1秒钟都意味着很大的经济损失，以上这些排产问题在个性化制造中会变得非常复杂，不再是基于单机生产的思路解决这些问题，而是要基于整体性的互联工厂做全局思考，工业物联网在这个层面落地才能发挥最大价值。

以上，与你分享了我的一些整理笔记，暂且把它叫做#智能制造错题本#。千人千面，相信你也曾发现并困惑于专家们看到的现实和现场工程师们看到的现实有很大差异，甚至会互相矛盾。其实，矛盾的不是现实，而是我们看待问题的角度，以及这个角度所呈现的现实情况的映射，或叫“幻境”。人和人的差距主要在脖子以上，有时候换个角度看看你就会豁然开朗，谁看到的“幻境”最接近现实，谁就掌握先机。