“2019大湾区机器人与人工智能大会”再次汇聚全球机器人与人工智能领域顶尖科学家、企业家、创新创业领袖和相关政府领导人,于11月深圳,向世界传递超前新思维,为产业激发空前新动能。

    在本次大会上,中国工程院院士、流体传动与控制领域专家、国家杰出青年基金获得者、长江学者杨华勇表示,数据智能不应该取代人,也不是机器取代人,而是机器的智能解放人工智慧。数据从制造业中来,也应该回到制造业中去。

y.jpg

    以下为中国工程院院士、流体传动与控制领域专家、国家杰出青年基金获得者、长江学者杨华勇在2019大湾区机器人与人工智能大会上的精彩演讲实录,由云现场整理。


    现在中国制作主要在推进6个工程,目前最热的是智能制造,最难的是创新工程,包括还有高端装备以及制造业工程,从智能制造而言,我们做制造的人说智能制造,做IT的说工业物联网,应该是不同的角度说同一个事,智能制造的内涵来看,我们认为有5个方面的内容,一个是工业互联网的网络制造,还有一个是新一代智能制造的技术,一个是3D打印,还有一个是机器人的会议主题,包括还有智能装备以及基础技术,尤其在广东、浙江等沿海地区非常热门,各级政府和企业都在做“机器换人”。
    智能化的角度是生产过程的智能化,另外一个层次还应该包括产品的智能化和整个使用过程的智能化。目前我们都知道过去的10年中国的经济主要是IT业推动,主要研究的投入也是在IT,所以IT就很热门。工业互联网的角度,中国的GDP制造占了40%,一半是流程工业。另外一方面我们从事制造是离散工业,所以我们感觉到现在IT技术和云计算以及VR、AR通过互联网把全球的消费者联系起来。产品的制造者和开发者以及销售还有仓储、储运金融等等,也就是我们打造的新零售、新制造、新生活,我们感觉到现在的消费者升级和互联网的关系推动了服务的升级。服务的升级推动了制造的升级,整个的工业互联网把消费互联网和产品装备的互联网还有产线的智能全部联系在了一起。
    所以从供给侧以及人工智能的技术和产品的落地以及应用通过工业互联网的应用降低成本提高效率,我们看到需求侧的人工智能和互联网很大的主战场其实还是制造业。数据上看现在全球都是在增长,主要是美洲、欧洲、亚洲,主要也是美国、德国以及中国。我们再看分类,包括工业互联网的白皮书,现在的需求上最大的一块还是设备的管理服务,占38%。生产过程的数据管理占28%,企业的管理占18%。资源的配置13%,以及产品的研发2%,工艺的管理1%。另外一个维度来看,根据场景价值分析的深度以及工业机理的复杂度,我们看真正的需求和设备的监控管理还有能耗的管理以及全生命周期的管理还有生产过程的优化都需要建模和深度的数据分析。
    还有一个是客服关系管理还有生产的监控安全以及财务人力的管理,占了22%,以及全流程的系统的优化和金融服务占了13%,我们做研发和研究的人非常关注的设计、制造、仿真真正的数据沉淀下来只有3%。
    具体来看,工业的数据种类很多,比较杂,数据量多,各个企业的数据化也在不同的阶段。有些企业刚刚开始做,好的企业已经做了很多,数据都是资源,资源要管理和土地资源一样规划和加工好,让它产生效益。开发的角度算法和模型以及组件都非常多,边缘计算的成本非常高。软件和硬件的升级压力非常大,而企业内部永远存在算法和算力不够,以及现场的业务如何深度融合,都有相关的这些瓶颈。
    不管哪个行业,大量的数据我们分三大类,一个是工业数据的开发与管理,一个是工业数据的智能应用和开发,还有一个是工业复杂开发赋能的平台。还有一个是工业工程的运筹以及工业的边缘计算打造一个操作平台,和各行各业一起提升企业的竞争力。具体的企业来看供应商的管理和视频以及人、财、物以及装备的工艺如何导入和进入一个核心的平台,尤其是现在5G上来之后,今年开始落地。
    首先是多元数据的交互和规划以及分析,这些都需要大数据的融合和计算还有可视化以及智能化。应用的场景可以实时可控,以及如何真正地用起来。企业的内部还有各种开发的工程师,所以开发的环境要好,面向一线的员工打造这个平台,把数据统一规范应用。现有的数据没有清洗,大量的数据没有真正用起来。好的企业的数据大概用了4%都是不错的,很多都是用了1%。所以需要这些平台来支撑,具体来看,理念都差不多,关键还是用起来。
    我们最近一年多做了80多个工业的案例,这里给大家分享一下。一个是在杭州我们的实验室,距离浙大不远,是做摩托车。摩托车我们可以想到的应该就是重庆,包括嘉陵这些品牌都是比较单一的企业,销售额每年不到50个亿。一个例子就是国宾的负责的摩托车车队全球招标,这个和传统的摩托车比它有100多项新的个性化的要求,而且量不大,政府采购价格又不高,企业又不愿意亏钱,其实还是主要两个方面入手,一个是设计数据化,可共享,将设计放在平台上。这个企业比较传统,现在就是做数据化。第一步就是减人,现在30台加工中心,任何的生产时段只有4—5个,工人和维修工差不多了,我们都知道减人增效。
    第一期到现在我们合作做第二期的改造,我们都知道摩托车行业很关键的一点是发动机的装配问题,目前都是巡检,永远存在漏检的问题。产线不大规模的改造如何提高产品的竞争力,比如一个螺丝钉没有拧好,后续会影响品牌的价值。现在就是视频的信息转化为数据,建数据的模型。根据它的动作马上可以现场的反馈来改正,这样的监控也设计不到公众的隐私,就是一个动作。他们列了一大排改为来做,还有一个行业就是盾构。我和这个行业有很多的关系,前面10年我是消化学习,当初也在深圳和广州引进德国的装备,最近10多年中国的两个企业一个在郑州一个是长沙。现在都是世界的老大,中国也是盾构强国。如何引领这个产业,我们知道大陆现在的施工量非常大,最新的川藏线也投入很大,有很多的挑战。现在各类的隧道也有各种各样的事故,不管现在多大的隧道,比如6—16米,只有12个工程师在下面,最关键的一个岗位是司机,所以它有各类的问题,包括我们如何建平台以及“工业大脑”,把这些信息感知和用起来,我们做了很多的探索。我们说深圳地下也有很多的岩石,把它破碎了之后用皮带机传输,这个石块太大,要损坏后面的传输能量,太小也不行,所以传统的采矿业也有这个问题。现在用分类法把视频的信息转化为数据,之后设置之后做一个装置,很简单。它有任何信息都可以马上传给司机,司机可以做实时的调整。
    还有一个行业是杭州的萧山,是做轴承的。一个上市公司,就做智能改造发生了很大的变化。它原来也是做了ERP等等,但是数据都是孤岛,都是独立的,不能连在一起。现在做顶层设计其实就是要顶层设计好了让他快速迭代,让他做工厂和企业的大脑,基础也是先做机器换人,各个工艺的关键点上用机械手慢慢的替代人,还有一个现在产生的数据真正的用起来。
    这个行业也很关注节拍,它花的最大的力气是在轴承这里,产品的种类很多,如何控制节奏?以前就是靠工艺员的经验,大概20秒就是极限了,到下面提高一秒都很困难。现在有大量的数据,就把这个工艺打开可以看。可以知道哪些地方可以改进,磨削和上下料的时间都可以设置,他们做了“工厂大脑”,做了不到半年把数据用起来了之后,交货期减少了7天,产品的质量提升了5%,能耗降低了7%,最主要的是大幅度的车间减人,所以人均产出也从85万提高到280万。所以它现在也在拓展产线的范围和产品的质量,包括还有一个例子是我们最新的和商飞厂一起做的,航空里面的波音和空客也有数字化的问题。我们团队也和三十几个工程师合作,交了飞机的装配线,我们和他们目前的合作就是数字化。怎么打造飞机公司装配的工业大脑,AI今年开始量产。C919还在大量的试飞,数据也要马上上来。具体到飞机企业也是数据很多,非常的杂乱。各个部门都是在管理,都是各自为镇。我们说我们有基加工车间,航空车间大量做复合材料,我们怎么用起来打造数字车间和数字产品,包括还有VR、AR能耗管理等等。
    所以现在把整个企业都做了虚拟工厂和虚拟空间,在车间上了华为的5G。5G现在也在试用,其中有很大一个问题,航空企业中飞机的装配我们介入了之后才知道它有6000个节点,每一个节点有30多道工序。实际上这些加工是互相牵制的,关系非常的复杂,一个产品在一个关键工位上做得不好就会影响整个的流程。
    因此以前很难做全局的优化,现在数据的平台打造之后就可以把各个工业产品和各个部位的关系弄清楚。之后重点的进行监控,让他及时的返工,而不是到后端做。前后工位的关系涉及到人财物,并且加一些约束条件,有的数据就是做AI和算法。这需要几个方面的人的融合,需要生产、研发、懂产品。所以我们现在数据实时可查,24个小时内外都可以。我们和人工排班的对比原来计划执行的准确率是60%,现在是80%,还要继续提高。所以人工智能做的业务层和计算曾格格行业和企业情况都不一样,大企业是先做顶层设计迭代。中小企业是局部的工位开始做,我们遇到一个问题就是现在的5G很好,大家很期待,实际上5G在工业上有一个瓶颈。因为现在的下载速度很快,上传怎么样?复合材料需要检测缺陷,这个传输还是来不及。如果要压缩数据压缩不好,这些缺陷就漏检了。现在也是和华为的工程师我们一起考虑压缩,不能漏检这些缺陷。包括复合材料制造过程当中可能吃显得各种各样缺陷,下一步是整个数字以及飞机全生命周期的监控和培训,大量的数据需要来做。做下去会到前面的三个层次都做,一旦建起来就可以做到高效管控,问题的追溯和实时的报警都可以实现全生命周期的管理。
    原来局部的优化,现在是做全局的优化,发现规律,把数据沉淀下来变成知识,之后自动的监控。企业也把用户的供应链整个的管起来,需要互联互通带动,从生产制造物流到采购和研发,场内外和整个区域的资源数数据全部要放在一起,尤其是要关注用户的体验和订单的信息以及工业数据和财务数据都要融合在一起。
    下一步是能源管理以及用电的优化,很多地方都可以做。企业做数据化的改造,我认为有四个阶段。第一个是云化,还有一个是中间件,还有一个是数据通,以及全局的智能化。包括到工厂的大脑,我们也都知道,现在全球化地缘政治的挑战发达国家再工业化都提出了很多的挑战,还有短板和芯片以及产学研深度融合的问题,实际上都可以数据打通,创新来看,大企业应该就是顶层创新,中国的人口红利已经用尽,但是工程师红利还有。人脑的智能和机器的智能应该混合,数据的治理会成为主流。刚才说的数字经济会带动消费传导到服务再到制造,会有一个全链路的升级。
    所以数据智能不应该取代人,也不是机器取代人,而是机器的智能解放人工智慧。数据从制造业中来,也应该回到制造业中去。