AIoT 2.0时代,生成式人工智能GenAI正在成为工业智能化的新引擎
来源 | 物联网智库2024-01-30 18:42:14
作者:彭昭(智次方创始人、云和资本联合创始合伙人)物联网智库 原创这是我的第311篇专栏文章。2024年,我们迈入了AIoT 2.0的新阶段,大量的、主流的设备将会具备智能,而生成式人工智能在产业的应

    作者:彭昭(智次方创始人、云和资本联合创始合伙人)

物联网智库 原创

这是我的第311篇专栏文章。

2024年,我们迈入了AIoT 2.0的新阶段,大量的、主流的设备将会具备智能,而生成式人工智能在产业的应用,是其中必不可少的一块拼图。

最近,生成式人工智能GenAI在制造业的应用,正在潜移默化的推进。

以西门子为例,继去年与微软联合研发“AI工业副驾”之后,本月西门子又与AWS联手推动生成式人工智能在工业软件领域的普及。

  • AI工业副驾的目标是让工人能够更加有效的操作机器,过去花费几周才能完成的任务,通过工业副驾只需几分钟就能实现,由此可以显著减少仿真时间,提高生产效率。

  • 工业软件的GenAI应用则涉及到彻底改变企业处理生成式人工智能程序的方式,通过将人工智能基础模型服务Amazon Bedrock与西门子低代码平台Mendix的集成,只需点击几下,使用简单的图形界面和拖放指令,用户就可以加速工业软件的开发流程。

随着生成式人工智能GenAI技术的快速发展,其应用前景备受关注。GenAI是否会成为工业制造领域的“利器”,推动传统制造业的智能升级,改善产业生态,目前业界褒贬不一。

在这些讨论背后,一些科技公司正在积极的使用行动拥抱GenAI,推动着各种探索一路向前。

知名研究机构的预测也支持了GenAI即将在多个产业生根发芽的论断。

具有代表性的比如高盛的一份研究,认为GenAI的突破将会给世界带来前所未有的变化。随着自然语言处理NLP等新工具的推出,GenAI和NLP可以推动全球GDP在十年间增长7%,相当于为全球经济增加了7万亿美元。

图片

波士顿咨询BCG最近的一份研究报告,分析了生成式人工智能在未来工厂中的应用,较为具备参考性。

其中的重要结论包括:

  • GenAI并没有取代传统的人工智能,也没有取代现有的工业控制系统,而是起到了辅助的补充作用,为面向未来的工厂铺平道路。

  • 随着GenAI解决方案的开发,机器的自主性正在不断的进步,使得设备能够自我调节并且自适应陌生环境。

今天这篇文章,我们将围绕BCG的这份研究报告,通过具体案例,剖析GenAI在工业制造中的应用潜力、实现路径及注意事项,以期对工业制造转型升级提供参考借鉴。

制造企业愿意优先考虑GenAI的颠覆性潜力

图片

BCG最近对制造商进行调查,以洞察他们对新兴技术的看法。

调查发现,无论对数字化的热情高低,制造业高管都将人工智能(包括GenAI)视为最可能带来运营革新的技术。

BCG分析表明,人工智能可以将车间生产力提高20%以上,投资回报仅需1~3年。

以一家汽车供应商为例,人工智能应用帮助其生产力提升了21%。其中,人工智能驱动的残次品顾问优化参数,让废品率下降25%;泵阀健康监测器几乎杜绝了关键生产泵故障,设备效率提升7个百分点;质量检测系统减少65%的质检人力,并提高检测准确率。

人工智能技术源头众多,应用广泛。机器学习和深度学习主要进行数据分析、分类、聚类等;而GenAI如ChatGPT则能根据提示创造新的内容。

试点项目是GenAI工业应用的理想起点

既然生成式人工智能为制造业带来革新的新机遇,试点项目则是企业实践生成式人工智能的理想起点。来自英伟达、西门子和Invisible AI等公司的业内专家们,分享了工业GenAI赋能智能工厂的3个典型案例。

  • 案例1:“合成数据”让机器人拾取和放置不同的物体

借助人工智能训练,机器人了获得处理各种物体的能力,哪怕是鸡翅,也可以“信手拈来”。

英伟达和Soft Robotics公司与食品生产商合作,通过生成式人工智能解决方案,使机器人能准确识别鸡翅堆,抓取单个湿滑的鸡翅。

在过去。这是一项极具挑战性的任务,因为鸡翅的形状和姿势难以预先判断,存在多种组合。人工智能的独特之处在于构建逼真的3D数字孪生和模拟环境。相比拍摄海量真实图片,使用算法生成的“合成数据”训练模型,能大幅节省时间成本。

图片
图:Soft Robotics的机器人能够识别并从一堆鸡翅中捡起单个湿滑的鸡翅

  • 案例2:使用异常值检测,生产线的吞吐量翻倍

厂长虽然不能无所不在,但智能设备可以。Invisible AI公司通过GenAI智能设备帮助制造商优化装配线。

一旦发现在部分工作站点的执行周期内存在异常,这时人工智能便化身为“千里眼”,它洞察生产全景,找出异常,引导工程师们注意关键问题。

图片
图:使用人工智能工具,造车企业发现工作站的异常时段

某汽车供应商在Invisible AI帮助下使产线产能提升一倍。在另一个案例中,一家汽车OEM与Invisible AI合作来识别未充分利用的站点,OEM利用这一洞察力整合了工作站,每班次的吞吐量提高了5%,同时为20%的员工进行重新分工。

  • 案例3:敏捷的模拟新产线和新流程

数字孪生技术可降低新工厂设计和流程变革的风险。它建立虚拟工厂的3D模拟环境,与现有系统连通,外观和运行逻辑均如实体工厂。

更进一步,工业元宇宙使这一切成为现实,它专为制造商构建虚拟空间。英伟达与西门子正通过数字孪生,将虚拟技术引入各类工业用户。

图片
图:制造生产的整个规划阶段都可以在工业元宇宙中进行

数字孪生涵盖的技术范畴广泛,其中也涉及到GenAI的使用。这方面的用例非常鲜活,FREYR电池公司构建了完整的电池工厂虚拟模型,涵盖基础设施、设备、人体工程学、安全等细节,实现产品生产的逼真模拟,大幅降低了实际工厂规划的风险。

GenAI帮助铺平面向未来的工厂建设之路

图片

GenAI引入了一系列创新功能,但它并不太适合故障检测、生产分析或定点优化等任务。对于这些任务,传统的人工智能具有很好的方案。

尽管如此,GenAI仍可发挥重要辅助作用,帮助制造商实现未来智能工厂。其独特功能可支持制造商实现工厂流程的自治和增强,并以崭新方式协助员工工作。

根据BCG的分析,GenAI可在各个层面发挥作用,使工厂实现从被动到主动的转变,最终达到智能化和自主化运转。它是实现未来智能工厂的重要助力。

经过汇总,GenAI能力可支持三类典型的制造业应用场景:辅助系统、推荐系统和自治系统:

第一类是辅助系统。

这类GenAI应用可提高编程、设备维护等实际工作的效率。例如,传统上工程师需要手动对机器和逻辑控制器进行编程。而GenAI工具可自动生成代码,减少工程量和时间成本,工程师只需审查和调整代码。

同样,GenAI也可汇总操作员的丰富经验与知识,将其转化为数据驱动的建议。

它可以构建模型,通过数据分析验证操作员对优化设备的参数调整或处理异常的建议。通过自动化编码和转化员工经验知识,GenAI可有效提升工作效率,发挥重要辅助作用。

第二类是推荐系统。

GenAI可提供建议,指导工作人员选择最佳方案。

在预测性维护中可以看到GenAI的应用价值。过去,制造商通过固定周期维护来防故障。随着机器学习的应用,可以通过分析不同传感器数据,识别模式并预测故障。

GenAI可进一步增强这种预测性维护流程,它可以自动生成文字或图像的维护步骤说明,包括备件清单。这样维修人员可以将更多时间放在执行上,从而提升效率,降低成本。即使缺乏经验的技师,在GenAI工具辅助下也能高效维修设备。

第三类是自治系统。

开发者正在探索使用GenAI实现机器的自治。例如现在许多搬运作业还需人工操作,自动化非常困难,GenAI可将工程师的语音提示,如“给我备件47-11”,翻译成机器人自动执行的一系列动作。这减少了对特定环境和任务的培训,降低工程成本,提高生产率。

另一个例子是使用GenAI为机器视觉的质量控制合成训练数据,无需在生产中收集大量真实数据即可快速启动系统。

通过模拟学习和内容生成,GenAI可实现对新环境的自主适应,大大推进制造业的自动化水平。

如何在制造业中应用GenAI取得成功

图片

要在制造业成功推广人工智能,仅确定应用领域远远不够,还需在人员和技术两个方面奠定坚实基础。GenAI应用开发和运营所需的人才能力,与传统人工智能类似。但GenAI技术架构更为复杂,包括:模型来源、平台和基础设施,以及应用运营等方面。

这些技术架构的选项组合产生了GenAI在制造业的多种运营模式,具体可分为上图中的4种类型,不同模式都有其优势,制造商可根据实际情况选择最佳方案。

总体来说,GenAI技术架构的实现有多种方案可供选择,每个都有其优劣。制造商应当根据自身实际情况和需求进行决策。

综合考虑各方面因素,制造商可遵循以下五步骤将GenAI融入运营:

  • 第一步,诊断现状,识别GenAI应用的机遇和价值提升空间。

  • 第二步,设计目标愿景、策略和路线图。评估各类GenAI应用的效益,明确人员和技术措施。选择合适的GenAI模型,兼顾效果、成本和响应速度。

  • 第三步,开发GenAI解决方案和配套措施。

  • 第四步,试点GenAI解决方案和配套举措,激发组织内广泛采用的动力。

  • 第五步,在生产环境中推广经过验证的GenAI应用组合,并启动更多试点项目不断拓展应用场景。

写在最后

生成式人工智能正悄然改变着我们的世界,其在制造业中的应用已成为热点。

本文通过案例分析,梳理了GenAI在智能制造中的价值和作用。GenAI可实现智能识图、语音交互、智能决策等,大幅提高工厂的自动化和自主化水平。

与此同时,我们也要清醒认识GenAI的局限,传统AI在检测、分析等方面仍占优势,两者应互补应用。要真正实现工业智能化,企业还需关注技术框架选型,人才培养,以及GenAI应用的循序渐进。

GenAI为工业注入新动能的同时,也给企业管理带来新挑战。我们需审慎应对,以推动制造业稳步智能化升级。


参考资料:

1.Generative AI’s Role in the Factory of the Future,作者:Daniel Küpper, Kristian Kuhlmann, Monika Saunders, John Knapp, Kai-Frederic Seitz, Julian Englberger, Tilman Buchner, Martin Kleinhans,来源:Boston Consulting Group

2.Turning GenAI Magic into Business Impact,作者:Nicolas de Bellefonds, Sylvain Duranton, Vladimir Lukic, Jessica Apotheker, Rich Lesser, Theo Breward,来源:Boston Consulting Group

3.Four AI case study successes in industrial manufacturing,作者:CARRINE GREASON,来源:Control Engineering

4.AI agents help explain other AI systems,作者:RACHEL GORDON,来源:Control Engineering




文章精选


1.未来已来,系统架构3.0巨变叠加AIoT 2.0新时代
2.开源加持,首个电力物联操作系统如何释放AIoT+智慧电力新动能?
3.覆盖24个国民经济大类,投资总额97.3亿元,5G工厂名录公布!