在知乎上，這是一個瀏覽量高達(dá)663,505次，被2,665人關(guān)注的問題。在眾多答案里，西門子軟件工程師與大家探討了人工智能在工業(yè)場景中的影響。接下來，就將這篇干貨滿滿的科普文章分享給你。也歡迎大家在評論區(qū)內(nèi)留下你的看法和理解，共同探討。本文非常硬核，不要走開，結(jié)尾有互動彩蛋哦~

　　如今，如果要去一個不熟悉的地方，很多人都會習(xí)以為常地打開地圖，輸入出發(fā)點(diǎn)和目的地，然后等著智能手機(jī)給出路線規(guī)劃。甚至有些上班族會每天打開導(dǎo)航，通過實(shí)施路況信息，避免擁堵和臨時施工，以此來保證通勤的通暢無阻。人工智能賦予了地圖以靈活性，影響了我們的出行方式。

　　有些影響顯而易見，有些影響卻潤物無聲。工業(yè)場景或許就是那個看似有點(diǎn)遙遠(yuǎn)，或者不起眼，但正經(jīng)歷人工智能變革，并產(chǎn)生著巨大影響的地方。不如，容我拋磚引玉，探討一下人工智能在工業(yè)場景的影響。

關(guān)于錯誤

　　既然智能地圖受到青睞，那么自動駕駛呢？大概還有許多人仍持有小心審慎的觀望態(tài)度。這樣的情況不僅僅是取決于技術(shù)的成熟程度與否，更重要的問題在于發(fā)生錯誤的代價。如果智能地圖給出了錯誤的路線，那么，我們可能會在途中有所耽誤。再不濟(jì)，重新規(guī)劃以糾正路線。但如果是自動駕駛造成的交通事故，特別嚴(yán)重的話，就不一定有糾正錯誤的機(jī)會了。

　　相比消費(fèi)場景，人工智能在工業(yè)場景中的應(yīng)用也是如此，錯誤的代價更高。一顆未擰緊的螺母有可能會導(dǎo)致一架飛機(jī)的墜毀。錯誤可能避無可避，那么避免代價高的錯誤則會是一種不錯的選擇。

　　在這里，先羅列一組數(shù)據(jù)：

　　- 單層全連接神經(jīng)網(wǎng)絡(luò)對手寫數(shù)字（MNIST數(shù)據(jù)集）的識別率在98%左右。

　　- 2012年，ImageNet競賽中，冠軍的Top-5識別正確率為84%。

　　- 2017年，奪冠正確率上升至了94%。

　　神經(jīng)網(wǎng)絡(luò)是人工智能的一個重要分支，尤其在視覺檢測方面有非常良好的應(yīng)用。單層全連接神經(jīng)網(wǎng)絡(luò)識別MNIST數(shù)據(jù)集是視覺識別的入門案例。ImageNet競賽曾一度是視覺識別的頂級賽事，代表了最先進(jìn)的視覺識別水平。但僅從上述數(shù)據(jù)的正確率來看，該項(xiàng)技術(shù)似乎遠(yuǎn)遠(yuǎn)達(dá)不到應(yīng)用于工業(yè)場景的要求。

　　然而，視覺自動檢測已幾乎成為了自動化生產(chǎn)線的標(biāo)配。不同于通常的視覺識別，產(chǎn)品的視覺檢測不是多分類，而是僅分為兩類，合格和不合格。除了正確分類外，不正確的分類又可以分為兩類。一類是將合格品誤判為不合格，稱為誤檢。另一類則是將不合格品判為合格，稱為漏檢。由于測量誤差，合格與不合格的產(chǎn)品在臨界值附近易相互摻雜。因此，誤檢與漏檢如同蹺蹺板的兩端，通常有此消彼長的趨勢。

　　顯然，在工業(yè)應(yīng)用場景中，漏檢比誤檢對最終交付客戶的產(chǎn)品質(zhì)量影響更為嚴(yán)重。即使出現(xiàn)了較高的誤檢率，也可以通過人工復(fù)檢的方法，從而降低報廢品，降低生產(chǎn)成本。

　　又由于自動檢測能提高檢測效率，從而匹配自動生產(chǎn)線的生產(chǎn)節(jié)拍；還能將原來的人工抽檢轉(zhuǎn)變成更高質(zhì)量的全檢；因此得到了廣泛的應(yīng)用。另外，通過增加檢測項(xiàng)，改進(jìn)檢測方法等措施，自動檢測的正確率正在不斷提高。

合格/不合格產(chǎn)品的分類示意圖

　　從自動檢測的應(yīng)用實(shí)例中，我們或許可以思考如何接受人工智能帶來的錯誤。我認(rèn)為，錯誤是必然存在的。即使對質(zhì)量要求十分苛刻的精益制造，也給出了百萬分之一的容錯率，并認(rèn)為達(dá)到該標(biāo)準(zhǔn)的生產(chǎn)堪稱完美。幫助人工智能避免嚴(yán)重的、不能被接受的錯誤，則離應(yīng)用就又近了一步。

　　西門子就運(yùn)用生成式對抗神經(jīng)網(wǎng)絡(luò)，幫助耐世特優(yōu)化某核心產(chǎn)品部件的生產(chǎn)質(zhì)量，顯著提升良品率，使用效果也是顯而易見的，不僅提高了生產(chǎn)效率，還降低了人員的勞動強(qiáng)度，將人力分配到更有價值的地方上。

關(guān)于預(yù)測

　　零售業(yè)巨頭沃爾瑪曾將啤酒和紙尿褲放在毗鄰的貨架上。而且，兩類貨品的銷售量雙雙上漲。這并不是沃爾瑪?shù)纳駚碇P，而是沃爾瑪用人工智能分析歷史銷售數(shù)據(jù)后得到的結(jié)果：

　　試想一下，手忙腳亂的新手老爸前往超市為寶寶買紙尿褲，如果正好還能帶上幾罐啤酒犒勞一下自己，何樂而不為呢？當(dāng)然，如果預(yù)測錯誤，是新手媽媽來買尿布，旁邊貨架上的啤酒也無傷大雅。

　　與消費(fèi)場景相比，工業(yè)場景里能產(chǎn)生更海量的數(shù)據(jù)。例如，波音飛機(jī)上有發(fā)動機(jī)、燃油系統(tǒng)、液壓和電力系統(tǒng)等數(shù)以百計(jì)的變量組成了在航狀態(tài)，這些數(shù)據(jù)通常幾微秒就被測量和發(fā)送一次。在飛行狀態(tài)下，僅發(fā)動機(jī)就能在30分鐘產(chǎn)生10TB的數(shù)據(jù)量。很難想象依靠人力歸納數(shù)據(jù)之間的規(guī)律，更何況，可能是類似于啤酒和紙尿褲這樣的隱含聯(lián)系。

　　普華永道曾在2018年對全球1155家制造企業(yè)進(jìn)行調(diào)研，并總結(jié)出人工智能在數(shù)據(jù)方面的難點(diǎn)，工業(yè)場景數(shù)據(jù)量巨大且難以標(biāo)注，對垂直行業(yè)的知識專業(yè)度要求高。

　　所幸，我們并不缺乏既具備人工智能技術(shù)和垂直行業(yè)專業(yè)知識的團(tuán)隊(duì)，并將其成功地應(yīng)用于過程行業(yè)的預(yù)測性維護(hù)。

　　通過使用西門子SIMATIC PCS 7過程控制系統(tǒng)、一體化軟件平臺COMOS和虛擬仿真平臺SIMIT，青島煉化不僅搜集了設(shè)備傳感器地數(shù)據(jù)，還搜集了設(shè)備所處的生產(chǎn)環(huán)境信息，包括上下游工藝情況和整個工廠的運(yùn)轉(zhuǎn)負(fù)荷等。在此基礎(chǔ)上，西門子人工智能技術(shù)幫助工廠進(jìn)一步整合多種數(shù)據(jù)來源，綜合分析成百上千個傳感器之間的關(guān)聯(lián)關(guān)系，借助機(jī)器學(xué)習(xí)算法克服人類難以完全窮舉判斷規(guī)則的難題。通過對工廠的歷史數(shù)據(jù)進(jìn)行模型訓(xùn)練，智能軟件系統(tǒng)可以在實(shí)時數(shù)據(jù)出現(xiàn)異常變化時，實(shí)現(xiàn)比傳統(tǒng)方式提前數(shù)小時甚至數(shù)天的預(yù)警，從而有效避免非計(jì)劃性停車可能造成的數(shù)千萬損失。

西門子助力青島煉化打造智能標(biāo)桿工廠

晝夜不停的煉化廠

　　另一個應(yīng)用實(shí)例來自華潤電力?；贛indSphere的集中監(jiān)視與分析專家系統(tǒng)，華潤電力通過機(jī)器學(xué)習(xí)算法來深度分析傳感器數(shù)據(jù)，對設(shè)備運(yùn)行的當(dāng)前數(shù)據(jù)與歷史數(shù)據(jù)進(jìn)行量化的特征學(xué)習(xí)和模式識別。又運(yùn)用基于知識圖譜的自然語言處理技術(shù)，將機(jī)組當(dāng)前的運(yùn)行狀態(tài)與根據(jù)歷史維護(hù)記錄、專家經(jīng)驗(yàn)等建立的知識庫中的故障描述和分析進(jìn)行語意關(guān)聯(lián)，推斷出可能的故障原因和解決方案。從而實(shí)現(xiàn)對分布在全國各地的電廠實(shí)現(xiàn)遠(yuǎn)程預(yù)警、分析、診斷、優(yōu)化和調(diào)度。

西門子助力華潤電力建立中國電力行業(yè)首個全面集中監(jiān)測與分析專家系統(tǒng)

　　人工智能不僅能代替人類部分的重復(fù)性工作，還能完成人類所不能完成的海量枚舉，從而發(fā)現(xiàn)某種細(xì)枝末節(jié)的聯(lián)系，并應(yīng)用于預(yù)測性場景。
　　關(guān)于創(chuàng)造

　　一直以來，人類智慧與人工智能之間總存在著一條界限，那就是創(chuàng)造力。但隨著九歌寫下了“賴有佳人意，依然似故年”的靜夜之思，少女小冰在中央美校舉辦畫展，創(chuàng)造力的評判標(biāo)準(zhǔn)也逐漸模糊了。

　　從九歌和少女小冰的創(chuàng)作過程來看，藝術(shù)領(lǐng)域的創(chuàng)造力從激發(fā)源作為起點(diǎn)，以接受者的直觀感受作為最終評價。相比之下，工業(yè)場景中的設(shè)計(jì)環(huán)節(jié)則存在更多功能性的約束，比如裝配、加工方法等。此外，工業(yè)設(shè)計(jì)還需要經(jīng)歷漫長的改進(jìn)迭代過程，以實(shí)現(xiàn)各方面的優(yōu)良性能。

　　猜猜看，人工智能的工業(yè)創(chuàng)造力如何？

　　或許可以從西門子的設(shè)計(jì)輔助軟件NX中窺探一二。

NX的輕量化設(shè)計(jì)

　　產(chǎn)品輕量化是近幾年來汽車行業(yè)的必然發(fā)展趨勢和重要課題。有實(shí)驗(yàn)數(shù)據(jù)表明，汽車質(zhì)量降低一半，燃料消耗也會降低將近一半。但降低汽車的整備質(zhì)量必須以保證汽車的強(qiáng)度和安全性能的作為前提。

　　目前，應(yīng)用人工智能的CAE (Computer Aided Engineering）軟件能對現(xiàn)有產(chǎn)品進(jìn)行智能化的拓?fù)鋬?yōu)化，從而實(shí)現(xiàn)產(chǎn)品輕量化。在最新版本的NX軟件中，西門子還推出了融合建模（convergent modeling）。融合建模能在單一的集成環(huán)境下同時處理網(wǎng)格化小面片（facet）、復(fù)雜連續(xù)曲面（surface）和實(shí)體（solid）模型，而不需要額外的數(shù)據(jù)轉(zhuǎn)換。融合模型使輕量化優(yōu)化迭代中CAD （Computer Aided Design）數(shù)據(jù)和CAE數(shù)據(jù)交換更順暢，有利于輕量化的反復(fù)迭代。而人工智能的優(yōu)化結(jié)果往往也不會令我們失望，不僅堅(jiān)固輕巧，還會有意外的美觀。

　　仍然是汽車應(yīng)用場景。最近的疫情中，很多汽車行業(yè)能紛紛迅速地投入口罩生產(chǎn)中，有文章硬核科普談到“一輛汽車所有零部件總和超過2萬個，造點(diǎn)口罩算什么！”?？梢娖嚿a(chǎn)的復(fù)雜性。

　　雖然以前沒有人工智能，厲害的工程師也設(shè)計(jì)出了相當(dāng)厲害的汽車。那么，有了人工智能的幫助，造汽車能簡單點(diǎn)嗎？至少替工程師們保住些頭發(fā)。當(dāng)然可以。

　　最新的NX軟件提供了自適應(yīng)用戶界面。自適應(yīng)用戶界面可以針對組織下的每一個人員來進(jìn)行適合用戶習(xí)慣的工作流程優(yōu)化。自適應(yīng)用戶界面可根據(jù)用戶當(dāng)前的使用情景來預(yù)測用戶下一步最有可能使用的命令并把它推送給用戶。系統(tǒng)將把這些推薦的命令放在一個簡潔的面板上以加速用戶的設(shè)計(jì)流程。系統(tǒng)會根據(jù)不同用戶使用NX的不同的習(xí)慣來進(jìn)行推送，以保證用戶的個性化需求。有經(jīng)驗(yàn)的工程師甚至可以在團(tuán)隊(duì)中分享他們的工作流程給其他用戶，使得其他用戶可以更有效率的使用NX，并提升企業(yè)的NX應(yīng)用最佳實(shí)踐。通過企業(yè)最佳實(shí)踐的建立來提升整個團(tuán)隊(duì)的生產(chǎn)力。

　　自適應(yīng)用戶界面還集成了3D搜索引擎，通過相似度，為工程師們找到歷史數(shù)據(jù)庫中的相似零件，并提供逆向工程學(xué)習(xí)，使無論來自于其他軟件或是舊版NX軟件的現(xiàn)有設(shè)計(jì)都能順利地遷移至當(dāng)前NX軟件中。

　　CAM (Computer Aided Manufacturing）則是與生產(chǎn)結(jié)合最為緊密的設(shè)計(jì)環(huán)節(jié)，CAM直接作用于數(shù)控機(jī)床，其優(yōu)良的加工參數(shù)設(shè)定需要平衡生產(chǎn)效率和產(chǎn)品表面光潔度，也需要平衡刀具壽命和機(jī)床負(fù)載，還能平衡制造企業(yè)的成本與質(zhì)量的關(guān)鍵問題。西門子專家團(tuán)隊(duì)通過機(jī)器學(xué)習(xí)算法，自主學(xué)習(xí)不同切削參數(shù)下刀具壽命的模式，預(yù)測在實(shí)際生產(chǎn)狀態(tài)下的刀具壽命最優(yōu)值，避免了頻繁更換刀具導(dǎo)致的生產(chǎn)效率降低和成本上升，也避免了刀具過度使用而影響產(chǎn)品質(zhì)量或增加機(jī)床負(fù)載，甚至造成機(jī)床損壞的情況。目前已成功應(yīng)用于一汽解放發(fā)動機(jī)事業(yè)部（錫柴），涉及其精加工工藝的數(shù)十種刀具。此外，NX軟件的CAM模塊還提供了基于特征的自動加工策略，為相同特征引用相同的加工策略。

　　西門子從CAD、CAM到CAE都在積極的嵌入人工智能技術(shù)，以助力工程師們更靈活地進(jìn)行設(shè)計(jì)。即使在工業(yè)行業(yè)，人工智能的創(chuàng)造力也在協(xié)助人類智慧發(fā)揮著積極的作用。

　　在工業(yè)場景下，人工智能的實(shí)踐將人們從重復(fù)性勞動中解放出來，投入更有價值的勞動中去。并在海量數(shù)據(jù)的基礎(chǔ)上，為人們提供有價值的參考，為更多創(chuàng)造性的勞動，提供了有益的幫助。

　　“有一種形式的人工智能，我們所有人都可以從中受益，就是將人工智能集成到工業(yè)過程中，在工業(yè)規(guī)模上創(chuàng)造價值?！?/P>

——博樂仁博士（Dr. Roland Busch）

（轉(zhuǎn)載）