AI成工业4.0更佳化阶段的关键

制造业的新挑战

制造业向智能制造的升级改造已经成为目前大多数行业的共识。许多行业也开始为现有生产线或新规划的生产线设置传感器，并从事数字化和网络化的更新和建设。然而，随着越来越多的数据被机器和设备所收集，如何将大量的数据转化为具有实际效益的信息，成为行业向智能制造转变的新挑战。

根据全行业4.0的5C成熟度模型，行业4.0根据成熟度大致可以分为从低到高的五个阶段，即通过物联网的机器对机器(M2M)连接和协作，以及检索数据的设备连接；过搭建大数据平台和边缘计算，对前一阶段提取的数据进行分析和转换。此外，还提供了用于生产数据可视化和预测模拟的模拟和预测(Cyber)。之后，引入了人工智能学习平台，使工厂成为一个能够自我诊断、自我修复、自动调度的认知智能工厂。最终达到可从事小批量定制制造和软件定义并可自动配置的动态定制价值链平台。

目前从事的数字化和网络化与前两个阶段相对相关。第一时期包括达美电子、中国R&D、韩信等行业。他们开始与思爱普、创新、东杰等行业开展跨行业合作，希望将信息技术(IT)和运营技术(OT)中的信息整合起来，从而步入第三阶段，执行数据可视化、预测和模拟等功能。

因为简单地收集和显示从操作机器上收集的数据对智能制造的贡献有限，因为简单的数据只有在不被分类、管理和随后分析的情况下才会变成数据垃圾。通过信息技术和作业技术的结合，可以检索到合适的现场生产数据，并与作业端的信息进行整合，从而为操作人员提供有效的决策信息。

然而，为了真正达到工业4.0的最终状态，也就是说，直接为小批量定制产品并自动配置上游和下游的动态价值链，仅仅可视化数据或预测和模拟是不够的。目前，虽然它像富士康的灯塔工厂，但它已经可以允许自己的一些制造过程自主运行，处于第四阶段的雏形。然而，要实现动态配置还有很长的路要走，因为这涉及到人工智能学习平台的建立以及供应链、物流和市场更复杂的数据收集、分析、预测和管理。

关键在于AI部分

行业认为，要达到完全成熟的工业4.0优化阶段，最重要的关键在于人工智能，尽管目前有许多人工智能相关工具。然而，不同的行业或需求需要建立不同的模型，建模过程不可能一夜之间完成。不仅必须有足够和可靠的数据，而且模型本身必须不断地训练和修改。对于许多刚刚进入数字和网络阶段的运营商来说，还有很长的路要走。

目前，制造业已经就向智能制造过渡达成共识，行业4.0正逐步进入导入期。虽然在我们进入人工智能进口和少量定制生产的成熟阶段之前还有很长的路要走。然而，在有希望一步步向前迈进之前，该行业愿意迈出第一步。做好数字化和网络化的扎实工作，收集正确的数据也是以后导入人工智能应用时提供大量有效数据的基础。