引言：在工業(yè)大數(shù)據(jù)的市場已經(jīng)快速增長的今天，工業(yè)數(shù)據(jù)是否真的很可靠?工業(yè)數(shù)據(jù)是否已經(jīng)欺騙了大量的工業(yè)生產(chǎn)?我國當(dāng)下人工智能發(fā)展的速度如此之快的今天，工業(yè)是否可以搭上人工智能的便車?又或許工業(yè)和人工智能早已實(shí)現(xiàn)融合?在大數(shù)據(jù)AI的加持下，工業(yè)4.0時(shí)代將展現(xiàn)什么樣的業(yè)態(tài)?我們對于未來有什么美好的展望?
下面這篇文章，小編帶大家一起了解。
在新一輪信息技術(shù)與制造業(yè)融合的趨勢下，新時(shí)代的“工業(yè)革命”正席卷全球。在大數(shù)據(jù)、人工智能、工業(yè)互聯(lián)網(wǎng)等新興技術(shù)快速發(fā)展的背景下，我們認(rèn)為工業(yè)數(shù)字化是制造強(qiáng)國的必經(jīng)之路，隨著工業(yè)數(shù)字化程度的不斷深化，將有助于我國加快建設(shè)成工業(yè)制造強(qiáng)國。
工控領(lǐng)域信息安全事件頻出，關(guān)鍵信息基礎(chǔ)設(shè)施被攻擊將對國計(jì)民生造成直觀的嚴(yán)重影響，因此政策以“工業(yè)互聯(lián)網(wǎng)+安全生產(chǎn)”為抓手進(jìn)行推動(dòng)。工業(yè)互聯(lián)網(wǎng)安全與生產(chǎn)系統(tǒng)緊密結(jié)合，基于大數(shù)據(jù)和 AI 的工業(yè)態(tài)勢感知成為更完整的安全方案，確保智能化的工業(yè)系統(tǒng)安全運(yùn)營。
一、大數(shù)據(jù)是工業(yè)數(shù)字化的入口
1、工業(yè)大數(shù)據(jù)市場規(guī)?？焖僭鲩L
數(shù)據(jù)成為工業(yè)領(lǐng)域新的“生產(chǎn)資料”。根據(jù) IDC 數(shù)據(jù)，2019 全球數(shù)據(jù)量達(dá)到 42ZB，預(yù)計(jì) 2022 年達(dá)到 163ZB，復(fù)合增速為 57%。大數(shù)據(jù)急速膨脹不斷在各個(gè)領(lǐng)域催生新的應(yīng)用生態(tài)，工業(yè)領(lǐng)域成為下一個(gè)藍(lán)海。隨著我國工業(yè)自動(dòng)化、信息化水平不斷提升，數(shù)據(jù)市場也在快速增長。根據(jù)賽迪顧問，2019 年我國工業(yè)大數(shù)據(jù)市場達(dá)到 146.9 億元，預(yù)計(jì)未來保持 30%以上的高增長。
工業(yè)數(shù)據(jù)涵蓋企業(yè)運(yùn)營、產(chǎn)品生產(chǎn)、工藝流程、市場銷售等多個(gè)環(huán)節(jié)的信息，深度挖掘?qū)⒋蠓嵘a(chǎn)效率、降低生產(chǎn)成本，已經(jīng)成為當(dāng)前智能制造新的“生產(chǎn)資料”。
制造過程數(shù)據(jù)的提取挖掘，是當(dāng)前智能制造邁上新臺階的關(guān)鍵。根據(jù)數(shù)據(jù)來源， 工業(yè)大數(shù)據(jù)可分為企業(yè)運(yùn)營相關(guān)的數(shù)據(jù)、企業(yè)外部數(shù)據(jù)、制造過程的數(shù)據(jù)。在經(jīng)過多年企業(yè)信息化發(fā)展后，企業(yè)管理 ERP、銷售 CRM 等內(nèi)部運(yùn)營類數(shù)據(jù)已經(jīng)有了一定的積累。
互聯(lián)網(wǎng)的快速發(fā)展，也為售后服務(wù)、產(chǎn)品跟蹤、市場運(yùn)營、行業(yè)發(fā)展提供了廣闊的數(shù)據(jù)支持。而當(dāng)前最重要的，則是生產(chǎn)制造環(huán)節(jié)的數(shù)據(jù)挖掘。工業(yè)制造已經(jīng)由 3.0 的自動(dòng)化，逐步邁向 4.0 的智能化。以智能制造設(shè)備、工業(yè)機(jī)器人、各類傳感器、智能儀器儀表為核心，通過構(gòu)建廣泛的物聯(lián)網(wǎng)生產(chǎn)系統(tǒng)，匯聚生產(chǎn)過程中的物料、加工、流程等多維度數(shù)據(jù)，實(shí)現(xiàn)生產(chǎn)過程的全面優(yōu)化。
從客戶需求到銷售、訂單、計(jì)劃、研發(fā)、設(shè)計(jì)、制造、采購、供應(yīng)、庫存、售后服務(wù)、運(yùn)維等整個(gè)企業(yè)和產(chǎn)品全生命周期各個(gè)環(huán)節(jié)，工業(yè)大數(shù)據(jù)打通后，利用人工智能技術(shù)，實(shí)現(xiàn)真正智能制造。
2、工業(yè)數(shù)據(jù)的可靠可用是數(shù)字化應(yīng)用的前提
工業(yè)數(shù)據(jù)是整體應(yīng)用框架的第一步，入口價(jià)值凸顯。根據(jù)中國電子技術(shù)標(biāo)準(zhǔn)化研究院的《工業(yè)大數(shù)據(jù)白皮書》，整個(gè)工業(yè)大數(shù)據(jù)的應(yīng)用分析框架分為 5 個(gè)部分， 分別為數(shù)據(jù)提供者、系統(tǒng)協(xié)調(diào)者、應(yīng)用提供者、大數(shù)據(jù)框架提供者以及數(shù)據(jù)消費(fèi)者：
1)數(shù)據(jù)提供者主要就是為后續(xù)系統(tǒng)的分析和演繹提供高質(zhì)量的數(shù)據(jù);
2) 系統(tǒng)協(xié)調(diào)者主要職責(zé)在于規(guī)范和集成各類所需的數(shù)據(jù)應(yīng)用活動(dòng);
3)大數(shù)據(jù)框架提供者主要是為數(shù)據(jù)消費(fèi)者提供各種處理方式和工具;
4)工業(yè)大數(shù)據(jù)應(yīng)用提供者，主要將原始數(shù)據(jù)進(jìn)行收集、預(yù)處理、分析、可視化等操作后給數(shù)據(jù)消費(fèi)者;
5)數(shù)據(jù)消費(fèi)者主要職責(zé)就是將數(shù)據(jù)高效利用到生產(chǎn)、設(shè)計(jì)、服務(wù)等各個(gè)環(huán)節(jié)。所以，從整個(gè)工業(yè)大數(shù)據(jù)應(yīng)用框架來看，工業(yè)數(shù)據(jù)作為整個(gè)應(yīng)用框架的入口有非常重要的作用，提供數(shù)據(jù)的質(zhì)量高低、預(yù)處理數(shù)據(jù)的效果好壞都直接影響著最終工業(yè)數(shù)據(jù)的應(yīng)用效果。
工業(yè)數(shù)據(jù)的質(zhì)量問題可以通過預(yù)處理進(jìn)一步加強(qiáng)。目前，在工業(yè)大數(shù)據(jù)的應(yīng)用 中，工業(yè)數(shù)據(jù)還有數(shù)據(jù)分散、數(shù)據(jù)質(zhì)量差以及數(shù)據(jù)受背景影響較大等問題。具體來說：
1)數(shù)據(jù)分散是指工業(yè)數(shù)據(jù)零散地分布在各個(gè)系統(tǒng)中，比如 PLC、SCADA、DCS 系統(tǒng)從機(jī)器設(shè)備實(shí)時(shí)采集的數(shù)據(jù)，數(shù)據(jù)交換接口同步的數(shù)據(jù)，以及存放在公司數(shù)據(jù)庫的業(yè)務(wù)數(shù)據(jù)等，這些零散的數(shù)據(jù)采集回來之后需要進(jìn)一步的歸類和分析;
2)數(shù)據(jù)質(zhì)量差是指由于工廠復(fù)雜的應(yīng)用環(huán)境，通過傳感器采集的數(shù)據(jù)會包含很多的噪音數(shù)據(jù)，影響后期進(jìn)一步的分析和應(yīng)用;
3)數(shù)據(jù)受到設(shè)備參數(shù)設(shè)定、工況、環(huán)境等背景信息的影響，主要是因?yàn)楣S生產(chǎn)實(shí)踐較為復(fù)雜，影響數(shù)據(jù)的因素較多。
可以通過多種數(shù)據(jù)預(yù)處理方法有效提高數(shù)據(jù)質(zhì)量。針對前文所述的工業(yè)數(shù)據(jù)質(zhì)量問題，可以通過多種數(shù)據(jù)預(yù)處理方式對數(shù)據(jù)進(jìn)行處理，以提高其可靠性、可用性，目前來說，主要的處理方法有工況分割、數(shù)據(jù)清洗、數(shù)據(jù)質(zhì)量檢測、數(shù)據(jù)歸一化、數(shù)據(jù)樣本平衡、數(shù)據(jù)分割等。具體來說：
1)工況分割，主要是將設(shè)備在不同運(yùn)行狀態(tài)下的數(shù)據(jù)分割出來，做有針對性的信號處理與特征提取，常用的工況分割變量有速度參數(shù)、環(huán)境參數(shù)、負(fù)載信息等;
2)數(shù)據(jù)清洗，將數(shù)據(jù)中存在的異常點(diǎn)盡可能的剔除，降低對后續(xù)模型訓(xùn)練的干擾;
3)數(shù)據(jù)質(zhì)量檢測，通常關(guān)注數(shù)據(jù)特性本身、建模有效性、以及領(lǐng)域相關(guān)的質(zhì)量標(biāo)準(zhǔn)，針對不同的數(shù)據(jù)進(jìn)行不同的質(zhì)量檢測;
4)數(shù)據(jù)歸一化，將數(shù)據(jù)轉(zhuǎn)換到同樣的分布或者取值區(qū)間，來提升數(shù)據(jù)建模精度，加速參數(shù)優(yōu)化求解的過程;
5)數(shù)據(jù)樣本平衡，主要針對采集的數(shù)據(jù)標(biāo)簽不均的問題，比如，設(shè)備運(yùn)行 1 小時(shí)的數(shù)據(jù)中可能只有1 分鐘的數(shù)據(jù)是異常的，可以通過重采樣或者欠采樣等不同的采樣方法來改善數(shù)據(jù)不同類別之間的平衡性;
6)數(shù)據(jù)分割，主要是將數(shù)據(jù)集分割為多份，用作不同的目的，一般分為用于訓(xùn)練模型的訓(xùn)練集、對模型進(jìn)行參數(shù)優(yōu)化的驗(yàn)證集以及用來得到最終模型的測試集。
二、人工智能是工業(yè)數(shù)字化的大腦
1、我國人工智能產(chǎn)業(yè)發(fā)展位居全球前列
數(shù)據(jù)是人工智能的基礎(chǔ)，算力是人工智能的動(dòng)力，算法是人工智能的工具。從人工智能的發(fā)展歷史來看，經(jīng)歷了三起三落的發(fā)展過程，從達(dá)特茅斯會議首次提出人工智能，到霍普菲爾德神經(jīng)網(wǎng)絡(luò)被提出，再到 Hinton 提出深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)，目前的人工智能已經(jīng)具備了大發(fā)展的基礎(chǔ)：大數(shù)據(jù)時(shí)代的到來為人工智能提供了源源不斷的基礎(chǔ)材料;CPU、GPU、FPGA 的性能提升以及異構(gòu)計(jì)算的發(fā)展都為人工智能提供了強(qiáng)大的算力;以機(jī)器學(xué)習(xí)、深度學(xué)習(xí)等算法的發(fā)展也為人工智能的應(yīng)用提供了實(shí)現(xiàn)的。
人工智能戰(zhàn)略上升為國家戰(zhàn)略，國內(nèi) AI 產(chǎn)業(yè)迎來大發(fā)展。鑒于人工智能在社會各個(gè)領(lǐng)域內(nèi)的巨大潛在應(yīng)用市場，我國在政策上也為產(chǎn)業(yè)營造了較為友好的發(fā)展氛圍，2017 年我國發(fā)布了《新一代人工智能發(fā)展規(guī)劃》，將人工智能上升為國家戰(zhàn)略，確立了人工智能產(chǎn)業(yè)的三步走發(fā)展目標(biāo)。同時(shí)，不僅僅是我國，全球其他國家也都十分重視人工智能的發(fā)展，比如日本也提出了人工智能三階段發(fā)展戰(zhàn)略、韓國提出了人工智能五年規(guī)劃(投資 2.2 萬億韓元)、新加坡 2017 年發(fā)布了“AI Singapore”戰(zhàn)略、澳大利亞發(fā)布了人工智能四年投資計(jì)劃等。
國內(nèi) AI 發(fā)展水平已處于世界前列。由于我國的人口基數(shù)大、應(yīng)用場景多樣化，人工智能技術(shù)已經(jīng)在多個(gè)行業(yè)落地，根據(jù)艾瑞咨詢的數(shù)據(jù)，我國的人工智能核心產(chǎn)業(yè)規(guī)模在 2019 年大于 510 億元，發(fā)展到 2022 年有望超過 1 萬億元， 復(fù)合增長率約 170%。我國的 AI 發(fā)展水平從人工智能企業(yè)數(shù)量和全球范圍內(nèi)人工智能申請專利分布情況來看處于領(lǐng)先地位：
1)根據(jù)六和咨詢和清華大學(xué)的聯(lián)合數(shù)據(jù)，我國 2018 年人工智能企業(yè)數(shù)量為 1011 個(gè)，相比于美國 2028 個(gè)有一定的差距，但是和全球其他國家相比仍處于領(lǐng)先地位;
2)從艾瑞咨詢 2018 年統(tǒng)計(jì)的全球人工智能專利申請的分布情況來看，中國地區(qū)的專利數(shù)量占比達(dá)到37.1%位居第一，美國和日本緊隨其后，分別為 24.8%、13.1%，從專利的數(shù)量方面來看，我國的人工智能發(fā)展?fàn)顩r良好。
2、人工智能為工業(yè)生產(chǎn)帶來發(fā)展良機(jī)
人工智能的運(yùn)用為工業(yè)智能制造帶來了發(fā)展良機(jī)。在傳統(tǒng)的工業(yè)生產(chǎn)中，主要的品質(zhì)要素有三個(gè)：
1)素質(zhì)維度，主要涉及的是工業(yè)生產(chǎn)中的能力、組織文化和管理能力，這點(diǎn)在傳統(tǒng)生產(chǎn)過程中主要是靠人和人之間傳承進(jìn)行的，這方面做的比較好的是日本;
2)體質(zhì)維度，主要涉及設(shè)備、系統(tǒng)和流程，在以往是通過標(biāo)準(zhǔn)化的工藝流程和優(yōu)秀的裝備設(shè)計(jì)制造能力實(shí)現(xiàn)的，德國在這方面做的比較好;
3)本質(zhì)維度，主要涉及的是創(chuàng)造價(jià)值，這個(gè)以往是以授權(quán)技術(shù)的方式為基礎(chǔ)不斷進(jìn)行協(xié)同創(chuàng)新完成的。在人工智能時(shí)代，上述的三個(gè)維度將發(fā)生較大的不同，也為每個(gè)使用人工智能的工業(yè)企業(yè)或者國家?guī)砹藦澋莱嚨臋C(jī)會。
人工智能對于上述工業(yè)三個(gè)維度的改變，具體來說：
1)在素質(zhì)維度上，可以通過數(shù)據(jù)化的方式將人的工作流程標(biāo)準(zhǔn)化，以達(dá)到后續(xù)穩(wěn)定傳承的效果;
2)在體質(zhì)問題上，通過數(shù)據(jù)將問題進(jìn)行顯性化，將設(shè)備的健康狀態(tài)進(jìn)行透明化管理， 保證設(shè)備的健康狀態(tài)以及整個(gè)工藝流程的穩(wěn)定性，提升產(chǎn)品質(zhì)量的穩(wěn)定性;
3)在本質(zhì)維度上，利用綜合數(shù)據(jù)以及人工智能算法工具，發(fā)揮數(shù)據(jù)的價(jià)值，降低運(yùn)營成本、提升運(yùn)營效率，達(dá)到協(xié)同創(chuàng)新的目的。
人工智能在工業(yè)領(lǐng)域的運(yùn)用和在其他行業(yè)中的應(yīng)用有所區(qū)別，具體來說體現(xiàn)在以下幾個(gè)方面：
1)兩者定義不同，通用的人工智能可以應(yīng)用的方向較為廣泛，是一種具有試錯(cuò)調(diào)整導(dǎo)向性的認(rèn)知科學(xué)，但是工業(yè)領(lǐng)域的人工智能是一種在工程應(yīng)用中的系統(tǒng)訓(xùn)練及方法，具有快速性、系統(tǒng)性、可傳承性等特征，這點(diǎn)的區(qū)別主要源自工業(yè)領(lǐng)域需要系統(tǒng)性的運(yùn)行方式;
2)在功能方面，通用人工智能主要是發(fā)散性的機(jī)會導(dǎo)向，比如自動(dòng)價(jià)值、分享經(jīng)濟(jì)、人臉識別等，而工業(yè)領(lǐng)域的人工智能則面對的問題是有限的，不需要通用性很強(qiáng)，但是要有針對性的解決現(xiàn)存的問題，所以功能是收斂性的;
3)在應(yīng)用領(lǐng)域，工業(yè)人工智能主要是幫助工業(yè)企業(yè)提高生產(chǎn)效率、增強(qiáng)產(chǎn)品品質(zhì)、降低生產(chǎn)成本和減少非必要庫存， 通用人工智能則可以應(yīng)用在如社交網(wǎng)絡(luò)、醫(yī)療、金融等多個(gè)領(lǐng)域;
4)在算法工具上，工業(yè)領(lǐng)域的人工智能也和通用人工智能一樣需要機(jī)器學(xué)習(xí)、深度學(xué)習(xí)等工具，但也對寬度學(xué)習(xí)、模糊學(xué)習(xí)等工具有需求。
工業(yè)人工智能相比通用人工智能有特殊的工業(yè)要素。正如上文所述，由于工業(yè)企業(yè)的產(chǎn)生過程牽扯的變量較多，一般著眼于具體問題的解決，所以人工智能在工業(yè)系統(tǒng)中落地需要系統(tǒng)性考慮，要考慮的因素相較通用人工智能而言多了領(lǐng)域知識、事實(shí)依據(jù)以及反饋閉環(huán)等特有因素。具體來說，在計(jì)算機(jī)平臺以及大數(shù)據(jù)的基礎(chǔ)上進(jìn)行建模分析是通用人工智能都需要的因素，但是在工業(yè)應(yīng)用中還需要：
1)領(lǐng)域知識，需要對工業(yè)模型中的設(shè)備或者機(jī)理理解清楚，一般來說工業(yè)領(lǐng)域知識相比如語音識別、語音合成、圖像識別等通用人工智能而言較為復(fù)雜;
2)事實(shí)依據(jù)，在工業(yè)控制系統(tǒng)中，需要掌握能夠反應(yīng)目前系統(tǒng)狀態(tài)的依據(jù)，以方便系統(tǒng)的臨時(shí)決策;
3)反饋閉環(huán)，這點(diǎn)很重要，因?yàn)楣I(yè)系統(tǒng)一般都是為了解決某個(gè)收斂性問題而存在的，如果沒有反饋閉環(huán)則系統(tǒng)無法判斷實(shí)際輸出的結(jié)果和理想結(jié)果之間的差異，這點(diǎn)和比如人工智能在人臉識別方面的應(yīng)用不同(人臉識別應(yīng)用不需要對輸出結(jié)果判斷是否正確)。
3、工業(yè)人工智能應(yīng)用眾多前景廣闊
目前， 人工智能正在從消費(fèi)、互聯(lián)網(wǎng)等領(lǐng)域逐步向工業(yè)領(lǐng)域滲透。人工智能對制造業(yè)的賦能正在全球范圍內(nèi)進(jìn)行，一方面由于工業(yè)制造業(yè)在全球 GDP 的占比中較高，人工智能應(yīng)用的空間較大，另一方面由于目前全球的制造業(yè)確實(shí)遇到了比如生產(chǎn)成本上升、生產(chǎn)線設(shè)計(jì)缺乏靈活性、產(chǎn)品質(zhì)量不穩(wěn)定等問題。根據(jù)德勤的統(tǒng)計(jì)調(diào)查與預(yù)測，人工智能在中國制造業(yè)的應(yīng)用前景廣闊，預(yù)計(jì) 2020年應(yīng)用規(guī)模在 252.2 億元左右，到 2025 年將達(dá)到 2057.6 億元，復(fù)合增速維持在 40%以上。
人工智能在工業(yè)領(lǐng)域應(yīng)用的場景很多。根據(jù)德勤的調(diào)查報(bào)告，目前工業(yè)企業(yè)對于人工智能應(yīng)有需求的領(lǐng)域主要包括：
1)智能生產(chǎn)應(yīng)用場景，比如工業(yè)視覺、為自動(dòng)化生產(chǎn)工廠、訂單管理和自動(dòng)化生產(chǎn)排產(chǎn)、產(chǎn)品質(zhì)量監(jiān)控和缺陷管理等、虛擬量測與過程質(zhì)量控制等;
2) 產(chǎn)品與服務(wù)應(yīng)用場景，比如縮短產(chǎn)品設(shè)計(jì)周期、個(gè)性化客戶體驗(yàn)、識別新的商業(yè)機(jī)會、提升營銷效率、客戶需求洞察等;
3)企業(yè)運(yùn)營管理應(yīng)用場景，比如在財(cái)務(wù)、能源、人力資源和投資方面的管理;
4)供應(yīng)鏈管理應(yīng)用場景，比如設(shè)備預(yù)測性維護(hù)、配送管理、需求管理與預(yù)測、緊急時(shí)間相應(yīng)、物流服務(wù)、資產(chǎn)與設(shè)備管理以及運(yùn)輸與網(wǎng)絡(luò)設(shè)計(jì)等。
應(yīng)用 1：人工智能在工業(yè)視覺領(lǐng)域的應(yīng)用
AI 軟件及算法是工業(yè)視覺的核心環(huán)節(jié)。在整個(gè)人工智能和工業(yè)應(yīng)用結(jié)合的眾多領(lǐng)域里，工業(yè)視覺是結(jié)合的較為緊密的一種。在工業(yè)視覺的整體解決方案中，主要分為核心零部件、AI 軟件及算法以及整體解決方案等幾個(gè)環(huán)節(jié)：
1)核心零部件，主要是指光、工業(yè)鏡頭、工業(yè)相機(jī)、圖像采集卡等上游的零部件，這些部件將拍攝出來的圖像交給 AI 軟件及算法去判別產(chǎn)品是否達(dá)標(biāo)，之所以有很多的不同部件，是由于不同的場景對于采集圖像部件的要求不同，比如檢測物體在快速移動(dòng)時(shí)對部件的動(dòng)態(tài)捕捉能力較高，比如檢測產(chǎn)品的精度很高，那對部件的高清捕獲能力要求較高;
2)AI 軟件及算法是整個(gè)工業(yè)視覺解決方案里的核心，在沒有成熟的解決方案之前，一般都是通過人工或者其他設(shè)備間接檢測為主，AI 的算法需要通過學(xué)習(xí)符合要求的圖像后提取出判別的關(guān)鍵點(diǎn)，將以前依靠人經(jīng)驗(yàn)判斷的方式通過數(shù)字化的方式保存下來;
3)工業(yè)視覺解決方案， 需要將核心零部件以及 AI 算法整合到一起，為工業(yè)制造客戶輸出完整的解決方案。
工業(yè)視覺已在下游多個(gè)制造業(yè)領(lǐng)域使用。工業(yè)視覺目前已經(jīng)在電子行業(yè)、汽車行業(yè)、半導(dǎo)體及平板顯示行業(yè)、物流包裝行業(yè)進(jìn)行了大規(guī)模應(yīng)用，具體來說：
1) 在電子行業(yè)，比如電子產(chǎn)品表面的缺陷檢測，由于目前 3C 行業(yè)的產(chǎn)品缺陷種類多且復(fù)雜，產(chǎn)品表面構(gòu)成復(fù)雜，所以對于工業(yè)視覺的需求較高，目前行業(yè)內(nèi)已經(jīng)有針對 MIM 工藝的表面缺陷在線檢測設(shè)備，能夠進(jìn)行 360°外觀檢測，同時(shí) 18 余種缺陷識別模型，能夠在 500ms 內(nèi)實(shí)現(xiàn)對模型并發(fā)處理。
2)在汽車行業(yè)，比如涂裝線標(biāo)簽檢查，業(yè)內(nèi)通過 OCR 技術(shù)對相機(jī)采集滑撬號圖像，對滑撬上鏤空字符進(jìn)行讀取并處理，通過 PLC 上傳給車間生產(chǎn)過程監(jiān)控系統(tǒng)輸出滑撬號信息，以達(dá)到檢查的目的;
3)在半導(dǎo)體級平板顯示行業(yè)，業(yè)內(nèi)可以利用機(jī)器視覺實(shí)現(xiàn)制造工藝外觀缺陷 3D、2D 檢測，同時(shí)還可以通過工業(yè)視覺實(shí)現(xiàn)封裝工藝、晶片不良、膠水不良、焊線不良、焊球不良等方面的檢測;
4)在物流、包裝行業(yè)，業(yè)內(nèi)可以通過工業(yè)視覺在高速生產(chǎn)線中對包裝安全條進(jìn)行快速有無的判斷，以確保安全包裝條無缺失。
工業(yè)視覺可以大幅降低生產(chǎn)成本。在工業(yè)生產(chǎn)中，3C 電子產(chǎn)品產(chǎn)業(yè)的外觀檢測人員的用工成本較高，國內(nèi)企業(yè)僅在玻璃蓋板、觸摸屏以及顯示屏這個(gè)三個(gè)行業(yè)的外觀檢查員可能就達(dá)到數(shù)十萬之多。
以手機(jī)蓋板玻璃檢測為例，長期以來都是依靠人眼，效率低且誤檢漏檢率較高，隨著工業(yè)視覺解決方案的成熟，自動(dòng)化檢測成為發(fā)展的方向。目前，業(yè)內(nèi)已經(jīng)采用靈活、可擴(kuò)展、低延時(shí)的解決方案，搭配超高分辨率光學(xué)系統(tǒng)形成了統(tǒng)一的管理平臺，能夠?qū)崿F(xiàn)至少 30 種缺陷的一站式全檢，可替代 30 名質(zhì)檢人員。
從玻璃蓋板的檢測可以看出，工業(yè)視覺解決方案將為工業(yè)客戶帶來成本的大幅降低，假設(shè)玻璃蓋板檢測行業(yè)從業(yè)人數(shù)在 20-40 萬，每個(gè)員工的月薪在 4500-6000 元/月不等，那么整個(gè)行業(yè)在檢測領(lǐng)域的總成本為 108-288 億元，這也給工業(yè)視覺的發(fā)展帶來了長足的空間。
應(yīng)用 2：人工智能在設(shè)備預(yù)測性維護(hù)的應(yīng)用
設(shè)備預(yù)測性維護(hù)是人工智能在工業(yè)領(lǐng)域的又一大應(yīng)用。在以往的應(yīng)用場景中， 一臺機(jī)器或者設(shè)備的磨損情況是否達(dá)到報(bào)廢的條件，一般都是依賴人的經(jīng)驗(yàn)去判斷，對于工業(yè)企業(yè)來說，是決定設(shè)備進(jìn)入更新流程還是繼續(xù)使用是一個(gè)較難的決策。企業(yè)如果決定設(shè)備進(jìn)行更新，那么面臨的是更換成本，如果決定繼續(xù)使用，則可能影響后續(xù)產(chǎn)品的質(zhì)量，導(dǎo)致?lián)p失成本。對于企業(yè)來說，如何將設(shè)備價(jià)值最大化、如何將機(jī)會成本降到最低，是一個(gè)急需解決的問題。人工智能的應(yīng)用使得這個(gè)問題有了客觀的數(shù)據(jù)衡量標(biāo)準(zhǔn)，為企業(yè)決策帶來依據(jù)。
以機(jī)床刀具的預(yù)測性維護(hù)為例。機(jī)床刀具是機(jī)械加工的核心部件，刀具的損壞程度直接影響著加工工件的質(zhì)量。由于刀具隨著切削工件的數(shù)量增加會使得自身的磨損加大，繼續(xù)加工會導(dǎo)致后續(xù)的產(chǎn)品質(zhì)量下降，所以及時(shí)了解刀具的狀態(tài)并進(jìn)行及時(shí)更換很重要。傳統(tǒng)的方式中，刀具的健康狀態(tài)是通過人員針對切屑的顏色、加工時(shí)長以及加工中所產(chǎn)生的噪聲與線下測量等方式判斷的，費(fèi)時(shí)費(fèi)力且準(zhǔn)確度不高。人工智能可以利用建模分析的方式，一方面抽取出準(zhǔn)確的判斷模型，另一方面可以避免龐雜數(shù)據(jù)的繁雜計(jì)算，為刀具的健康狀況提供便捷的判斷。
首先，將通過傳感器和控制器采集的高頻數(shù)據(jù)以及通過PLC 采集的低頻數(shù)據(jù)(包含振動(dòng)信號、電流信號、加工單節(jié)、加工時(shí)間等)進(jìn)行數(shù)據(jù)處理，通過信號處理和特征提取后，提取能夠表征刀具衰退狀態(tài)的數(shù)十甚至數(shù)百個(gè)關(guān)鍵特征。其次，基于提取出來的關(guān)鍵特征，建立刀具的磨損量評估模型，并基于刀具磨損量的評價(jià)結(jié)果建立刀具剩余壽命預(yù)測模型。最后，將該模型部署到服務(wù)平臺上， 及時(shí)為刀具的維護(hù)、管理人員提供實(shí)時(shí)信息。
三、工業(yè)互聯(lián)網(wǎng)集大數(shù)據(jù) AI 之大成，開啟工業(yè) 4.0 之路
1、工業(yè)數(shù)字浪潮掀起，多重政策大力推動(dòng)
AI 和大數(shù)據(jù)技術(shù)驅(qū)動(dòng)，制造業(yè)邁入工業(yè) 4.0 時(shí)代。制造業(yè)仍是全球經(jīng)濟(jì)發(fā)展的核心支柱，信息技術(shù)的發(fā)展也在不斷為制造業(yè)賦能。早期工業(yè) 1.0 時(shí)期，以蒸汽機(jī)為代表，掀起了第一次工業(yè)革命;隨后電力的發(fā)展和應(yīng)用，推動(dòng)工業(yè) 2.0 的第二次工業(yè)革命。從 20 世紀(jì) 70 年代至今，電子和 IT 技術(shù)融合下的自動(dòng)化， 成為了當(dāng)前工業(yè)體系的基礎(chǔ)，大幅提升生產(chǎn)效率和安全性。隨著軟件技術(shù)，尤其是大數(shù)據(jù)、AI、物聯(lián)網(wǎng)等持續(xù)發(fā)展，智能化生產(chǎn)必將成為制造業(yè)下一個(gè)高峰。以工業(yè)軟件為核心的工業(yè)互聯(lián)網(wǎng)平臺將驅(qū)動(dòng)工業(yè) 4.0 的新革命。
我國制造業(yè)升級迫在眉睫，工業(yè)互聯(lián)網(wǎng)成智能制造方向。中國作為“世界工廠”，全球制造龍頭的地位正受到挑戰(zhàn)。尤其當(dāng)今國內(nèi)人口老齡化嚴(yán)重，年輕勞動(dòng)力供給不足;而互聯(lián)網(wǎng)企業(yè)的高薪招人背景下，制造業(yè)用工成本逐漸上升，且招人困難。制造業(yè)是我國的經(jīng)濟(jì)基石，為了保證制造業(yè)在國內(nèi)穩(wěn)步發(fā)展和轉(zhuǎn)型， 通過工業(yè)互聯(lián)網(wǎng)，打造智能工廠，盡量減少用工需求，成為制造業(yè)務(wù)發(fā)展的必然方向。自 2015 年“中國制造 2025”提出后，我國在智能制造和工業(yè)互聯(lián)網(wǎng)領(lǐng)域持續(xù)推出新政。在 2015-2020 期間，智能制造的轉(zhuǎn)型，更多的是在以云為基礎(chǔ)設(shè)施的建設(shè)，以及標(biāo)準(zhǔn)梳理、示范項(xiàng)目為主。
工業(yè)機(jī)器人、增材制造等技術(shù)在生產(chǎn)過程中的應(yīng)用，推進(jìn)生產(chǎn)裝備智能化升級、工藝流程改造和基礎(chǔ)數(shù)據(jù)共享。
積極催化，各地方已開始進(jìn)入落地環(huán)節(jié)。在國家政策引導(dǎo)下，各地方也不斷推出具體補(bǔ)貼政策支持工業(yè)互聯(lián)網(wǎng)發(fā)展。對于制造業(yè)較強(qiáng)的地方政策支持更為積極，單就 2020 年，就有蘇州、佛山、青島、西安、廣州發(fā)布具體支持政策。
其中，尤其以制造業(yè)大省廣東省補(bǔ)貼范圍和強(qiáng)度最大。從各地補(bǔ)貼支持共性來看，對于工業(yè)互聯(lián)網(wǎng)應(yīng)用、平臺給予不同程度的補(bǔ)貼，尤其是跨行業(yè)、跨領(lǐng)域的工業(yè)互聯(lián)網(wǎng)平臺，支持力度最大。從 2021 年開始，工業(yè)互聯(lián)網(wǎng)平臺有望進(jìn)入密集落地環(huán)節(jié)。
2、MES 為生產(chǎn)環(huán)節(jié)核心，智能制造價(jià)值凸顯
MES 是制造業(yè)信息化的核心。企業(yè)生產(chǎn)運(yùn)營管理流程一般分為計(jì)劃層、執(zhí)行層和控制層：計(jì)劃層以 ERP 為代表，根據(jù)企業(yè)資源安排生產(chǎn)計(jì)劃;執(zhí)行層以 MES為代表，根據(jù)計(jì)劃安排控制層的任務(wù);控制層以 PCS 為代表，直接對生產(chǎn)進(jìn)行操作控制。MES 構(gòu)筑了上層計(jì)劃與底層控制之間的橋梁，是生產(chǎn)的核心環(huán)節(jié)。具體來看，MES 是一套面向制造企業(yè)車間執(zhí)行層的生產(chǎn)信息化管理系統(tǒng)，包括制造數(shù)據(jù)管理、計(jì)劃排程管理、生產(chǎn)調(diào)度管理、庫存管理、質(zhì)量管理等多種功能模塊。在當(dāng)前智能制造的發(fā)展中，MES 作為整個(gè)生產(chǎn)環(huán)節(jié)知識的凝結(jié)，在云和大數(shù)據(jù)的發(fā)展下，成為智能制造的基石。
MES 市場增長有望加快，下游應(yīng)用領(lǐng)域廣泛。在我國制造業(yè)升級的過程中，MES 是制造企業(yè)通往智能制造的必經(jīng)之路。根據(jù)第三方測算，我國 MES 軟件市場規(guī)模在 50 億左右，整體仍然較小。隨著政策不斷催化，以及產(chǎn)業(yè)內(nèi)部壓力下降本增效的持續(xù)需求，MES 市場整體增速有望向上。從下游來看，MES 已經(jīng)廣泛應(yīng)用于鋼鐵、機(jī)械、汽車、輕工、化工等行業(yè)。隨著工業(yè)互聯(lián)網(wǎng)在各個(gè)行業(yè)逐步落地，MES 的升級和改造也會帶動(dòng)市場的高速成長。
智能制造優(yōu)勢已經(jīng)顯現(xiàn)。根據(jù)數(shù)字化智慧工廠 SaaS+解決方案提供商云棲智造的案例，其通過核心“數(shù)據(jù)中臺”和“業(yè)務(wù)中臺”雙中臺技術(shù)架構(gòu)驅(qū)動(dòng)，結(jié)合工業(yè)物聯(lián)網(wǎng)、機(jī)器視覺、AI、5G 等新興技術(shù)幫助制造業(yè)企業(yè)打造數(shù)字化智慧工廠。以年產(chǎn)值 3 千萬的 200 人離散型工廠為例，云棲智造的方案可以減少 75% 的管理人員、提高 75%的生產(chǎn)效率、縮短 53%的交貨周期、提高 10%的良品率、減少 73%的物料滯留、提高 16%的設(shè)備利用率。智能制造價(jià)值顯著，工業(yè)4.0 升級已經(jīng)成為眾望所歸。
3、工業(yè)互聯(lián)網(wǎng)平臺集 AI 和大數(shù)據(jù)之大成，助力智能制造再升級
工業(yè)互聯(lián)網(wǎng)平臺匯聚 AI 和大數(shù)據(jù)能力，是 MES 的新升級。隨著 MES 等生產(chǎn)制造信息化的普及，面向制造業(yè)數(shù)字化、網(wǎng)絡(luò)化、智能化的浪潮下，工業(yè)互聯(lián)網(wǎng)平臺應(yīng)運(yùn)而生。
工業(yè)互聯(lián)網(wǎng)構(gòu)建了基于海量數(shù)據(jù)采集、匯聚、分析的服務(wù)體系，支撐制造資源泛在連接、彈性供給、高效配置。其主要包括以數(shù)據(jù)采集為核心的邊緣層;以大數(shù)據(jù)處理、人工智能分析為代表的平臺層，也是工業(yè)互聯(lián)網(wǎng)的核心操作系統(tǒng);以不同行業(yè)和場景的工業(yè) SaaS 和 APP 應(yīng)用未代表的應(yīng)用層。在傳統(tǒng)企業(yè)管理和生產(chǎn)系統(tǒng)中，主要由企業(yè)層 ERP、車間層 MES、單元層 PCS、設(shè)備層構(gòu)成，其中傳統(tǒng) MES 與工業(yè)互聯(lián)網(wǎng)平臺的界限逐步模糊，海量的生產(chǎn)設(shè)備成為 IOT 節(jié)點(diǎn)，上傳數(shù)據(jù)至工業(yè)互聯(lián)網(wǎng)平臺，通過大數(shù)據(jù)和 AI分析不斷提升生產(chǎn)效率。
工業(yè)互聯(lián)網(wǎng)平臺由信息化到智能化，共有三個(gè)層次：
層次一：基于平臺的信息化應(yīng)用，實(shí)現(xiàn)“連接+數(shù)據(jù)可視化”。傳統(tǒng)的泛生產(chǎn)制造和企業(yè)管理類軟件，如 MES、ERP、CRM 等在上云過程中廣泛應(yīng)用，其中以 MES 為代表的生產(chǎn)監(jiān)控分析領(lǐng)域是重點(diǎn)。這類應(yīng)用實(shí)現(xiàn)數(shù)據(jù)匯聚和可視化， 方便管理者了解企業(yè)經(jīng)營狀態(tài)。
層次二：基于平臺大數(shù)據(jù)能力的深度優(yōu)化，實(shí)現(xiàn)“模型+深度數(shù)據(jù)分析”。在設(shè)備運(yùn)維、產(chǎn)品后服務(wù)、能耗管理、質(zhì)量管控、工藝調(diào)優(yōu)等場景獲得大量應(yīng)用， 并取得較為顯著的經(jīng)濟(jì)效益。如青島紡織機(jī)械廠依托海爾 COSMOPlat 平臺， 通過數(shù)據(jù)分析實(shí)現(xiàn)設(shè)備遠(yuǎn)程運(yùn)維，每年可節(jié)省 96 萬元，宕機(jī)時(shí)長從每次的三天縮短為一天，可降低直接損失 64 萬/次。
層次三：基于平臺協(xié)同能力的資源調(diào)配和模式創(chuàng)新，實(shí)現(xiàn)產(chǎn)業(yè)鏈資源整合和生產(chǎn)能力交易。如智能云科依托 iSESOL 平臺開放共享自身生產(chǎn)力，提高閑置設(shè)備的利用率，目前已對 24000 臺機(jī)床提供超過 533 萬小時(shí)的交易共享服務(wù)。
各層次平臺應(yīng)用的開發(fā)復(fù)雜性，及優(yōu)化成效與收益回報(bào)，造成了當(dāng)前工業(yè)互聯(lián)網(wǎng)應(yīng)用的主要結(jié)構(gòu)。數(shù)據(jù)是平臺的核心資產(chǎn)，也是價(jià)值創(chuàng)造的源泉，大數(shù)據(jù)的AI 分析能直觀提升生產(chǎn)效率、降低能耗成本等，因此資產(chǎn)管理服務(wù)和生產(chǎn)過程管控占比共達(dá)到 60%-70%，是工業(yè)場景的熱門方向。另一方面，工業(yè)機(jī)理最復(fù)雜的數(shù)字化仿真、工藝設(shè)計(jì)等，應(yīng)用案例較少。
工業(yè)互聯(lián)網(wǎng)平臺應(yīng)用豐富。憑借海量的數(shù)據(jù)積累，以及智能分析，工業(yè)互聯(lián)網(wǎng)平臺可以提升生產(chǎn)設(shè)備的健康程度、優(yōu)化生產(chǎn)過程的各個(gè)環(huán)節(jié)等。根據(jù)對國內(nèi)外 366 個(gè)平臺應(yīng)用案例的分析，當(dāng)前工業(yè)互聯(lián)網(wǎng)平臺應(yīng)用主要集中于設(shè)備管理服務(wù)、生產(chǎn)過程管控與企業(yè)運(yùn)營管理三大類場景，占比分別達(dá)到 38%、28%和18%。相比國外平臺，其依托大數(shù)據(jù)開展重點(diǎn)應(yīng)用已較為普遍，如設(shè)備健康管理、產(chǎn)品遠(yuǎn)程運(yùn)維已可達(dá)到預(yù)測水平。因此我國工業(yè)互聯(lián)網(wǎng)平臺的應(yīng)用仍待進(jìn)一步升級，未來空間廣闊。
綜上所述，終極智能制造是一個(gè)從 IOT、大數(shù)據(jù)、AI、工業(yè)互聯(lián)網(wǎng)平臺逐步上臺階的過程，不同階段均需要相應(yīng)平臺來實(shí)現(xiàn)，人工智能即是終極目標(biāo)，也是各個(gè)環(huán)節(jié)必要的支撐技術(shù)。
IOT 平臺階段：對接生產(chǎn)環(huán)節(jié)海量的 IOT 設(shè)備，并獲取數(shù)據(jù)，進(jìn)行初步分析。在邊緣側(cè)，AI 在語音、機(jī)器視覺等多個(gè)領(lǐng)域獲取數(shù)據(jù)，提升人機(jī)交互效率。同時(shí)，邊緣設(shè)備進(jìn)一步向智能升級。例如，航天云網(wǎng)基于 INDICS 工業(yè)互聯(lián)網(wǎng)平臺打造口罩生產(chǎn)邊緣智能一體機(jī)，實(shí)現(xiàn)車間級的生產(chǎn)閉環(huán)，口罩日產(chǎn)能達(dá)到 10 萬只，幫助企業(yè)快速組織生產(chǎn)。
大數(shù)據(jù)平臺階段：實(shí)現(xiàn)生產(chǎn)環(huán)節(jié)的數(shù)據(jù)可視化，對數(shù)據(jù)進(jìn)行模型建立，并進(jìn)行分析和預(yù)測。AI 在數(shù)據(jù)清洗和訓(xùn)練上展現(xiàn)價(jià)值，尋找最優(yōu)的生產(chǎn)工藝、參數(shù)等。例如 TCL 格創(chuàng)東智針對液晶面板的成膜工序，通過機(jī)器學(xué)習(xí)算法實(shí)現(xiàn)了關(guān)鍵指標(biāo)的預(yù)測與品質(zhì)優(yōu)化，年收益達(dá)到近千萬元。
AI 工業(yè)應(yīng)用智能平臺：形成對生產(chǎn)的預(yù)測，并自適應(yīng)調(diào)整生產(chǎn)系統(tǒng)。通過工業(yè)大數(shù)據(jù)分析，AI 能夠預(yù)測生產(chǎn)中的問題，并根據(jù)外部變化自適應(yīng)調(diào)整生產(chǎn)系統(tǒng)，真正實(shí)現(xiàn)無人化的智能制造。例如， AI 在制造上的靈活性幫助企業(yè)構(gòu)建知識圖譜和專家系統(tǒng)，為企業(yè)提供戰(zhàn)略方案選擇，西門子、IBM、華為等公司通過構(gòu)建供應(yīng)鏈知識圖譜，提高供應(yīng)鏈風(fēng)險(xiǎn)管理效率。自適應(yīng)的 AI 生產(chǎn)是制造業(yè)終極目標(biāo)，大數(shù)據(jù)軟件打造鋼鐵行業(yè)“燈塔工廠”
寶信是鋼鐵行業(yè) MES 龍頭。寶信軟件始于 1978 年寶鋼股份的自動(dòng)化部，以鋼鐵行業(yè)信息化和自動(dòng)化業(yè)務(wù)起家，其中 MES 系統(tǒng)在鋼鐵市場占有率超過 50%， 并逐步擴(kuò)展到化工、醫(yī)藥等領(lǐng)域。公司憑借以 MES 為核心的產(chǎn)品戰(zhàn)略，成功躍升為工業(yè)互聯(lián)網(wǎng)第一梯隊(duì)。
寶信正式推出 xIn3Plat 工業(yè)互聯(lián)網(wǎng)平臺。2020 年 12 月，中國寶武及寶信軟件工業(yè)互聯(lián)網(wǎng)基礎(chǔ)設(shè)施的核心——xIn3Plat 平臺正式推出。寶信軟件早在 2015 年就成立了工業(yè) 4.0 項(xiàng)目部，xIn3Plat 平臺標(biāo)志著我國鋼鐵行業(yè)數(shù)智化體系變革邁出重要一步。目前 xIn3Plat 工業(yè)互聯(lián)網(wǎng)平臺擁有注冊企業(yè)用戶 14 萬家、已連接352 萬臺設(shè)備、開發(fā) 3895 個(gè)云化軟件和工業(yè) APP、創(chuàng)造經(jīng)濟(jì)效益累計(jì)達(dá)到 26.08 億元。xIn3Plat 平臺一經(jīng)發(fā)布，立刻入選國家工信部公示 2020 年跨領(lǐng)域跨行業(yè)工業(yè)互聯(lián)網(wǎng)平臺，成為 2020 年新增 5 家之一。
xIn3Plat 平臺依托于大數(shù)據(jù)、人工智能、智能裝備、集控、工業(yè)網(wǎng)絡(luò)安全、移動(dòng)物聯(lián)、虛擬制造等七大核心技術(shù)，通過打造滿足智慧制造應(yīng)用場景的 iPlat 和滿足智慧服務(wù)應(yīng)用場景的 ePlat 兩大平臺，幫助企業(yè)實(shí)現(xiàn)能力服務(wù)化、業(yè)務(wù)數(shù)字化、企業(yè)平臺化、管理智能化的企業(yè)智數(shù)化時(shí)代“新四化”轉(zhuǎn)型。
ePlat 定位智慧服務(wù)。ePlat 平臺具備平臺化、中臺化、生態(tài)化的特點(diǎn)，是產(chǎn)業(yè)生態(tài)圈的信息基礎(chǔ)設(shè)施。其強(qiáng)化業(yè)務(wù)微服務(wù)化、應(yīng)用和數(shù)據(jù)中臺化的能力復(fù)用設(shè)計(jì)思想，打通業(yè)務(wù)煙囪和數(shù)據(jù)豎井，實(shí)現(xiàn)互聯(lián)互通、業(yè)務(wù)敏捷、數(shù)據(jù)智能。
iPlat 定位智慧制造。iPlat 平臺具備數(shù)字化、網(wǎng)絡(luò)化、智能化的特點(diǎn)，圍繞“數(shù)據(jù)”核心要素，構(gòu)建工廠邊緣級的數(shù)字化中心，實(shí)現(xiàn)泛在連接、互聯(lián)互通和數(shù)據(jù)融合。
寶鋼股份上?；毓S成為唯一入選“燈塔工廠”的中國鋼鐵行業(yè)代表。寶信xIn3Plat 工業(yè)互聯(lián)網(wǎng)平臺雖然推出并未很久，但是其在體系內(nèi)打磨和應(yīng)用已經(jīng)多年，且取得了較好的成績，如寶鋼股份生產(chǎn)運(yùn)行中心、鄂城鋼鐵操業(yè)集控中心、中國寶武高爐互聯(lián)智控平臺等。其中，寶鋼股份在上海寶山基地的冷軋熱鍍鋅智能車間，成功入選世界經(jīng)濟(jì)論壇發(fā)布的“燈塔工廠”名單。
“燈塔工廠”網(wǎng)絡(luò)是全球先進(jìn)制造領(lǐng)域最具影響力的評選之一，此次評選中，寶鋼股份上?；氐奈鍌€(gè)智慧制造項(xiàng)目獲評“燈塔工廠”最佳實(shí)踐案例，覆蓋智慧計(jì)劃、智慧生產(chǎn)、智慧設(shè)備管理、智慧質(zhì)量管理和智慧物流五大模塊。該廠房引入多項(xiàng)技術(shù)， 為生產(chǎn)帶來了大量積極影響。寶信打造智能工廠，有望率先在鋼鐵行業(yè)廣泛復(fù)制。
WAIC寄語：可見，工業(yè)數(shù)據(jù)可以依靠工況分割、數(shù)據(jù)清洗等方法來提高數(shù)據(jù)的可靠性和可用性。并且在我國當(dāng)下，人工智能的高速發(fā)展已經(jīng)成功在素質(zhì)維度、體制維度、本質(zhì)維度進(jìn)行了有效改變，工業(yè)視覺領(lǐng)域已經(jīng)其、在大數(shù)據(jù)的加持下實(shí)現(xiàn)了大規(guī)模的應(yīng)用。以工業(yè)軟件為核心的工業(yè)互聯(lián)網(wǎng)平臺將驅(qū)動(dòng)工業(yè) 4.0 的新革命。人工智能+大數(shù)據(jù)越來越成為工業(yè)生產(chǎn)的不可或缺的因素。
（轉(zhuǎn)載）
