真正的智能云,应该走到工厂一线

真正的智能云,应该走到工厂一线
2022年11月29日 09:36 新眸Xinmouls

作者|桑明强

“一个新员工上手做外观检测过去需要培训2个月,如今一天就可以熟悉操作。”在质检车间工作多年的胡师傅怎么也没想到,令人头疼的质检难题,如今被AI轻松解决。

位于苏州常熟,一家4万多平米的车间内,正进行一场不同寻常的“生产改革”:一块块指甲大小的PCB电路板,在装有人工智能算法模型的摄像头下,精准快速地完成了外观检测,包括那些头发丝大小的瑕疵。

胡平华是东南相互电子的一名IT经理,用他的话说,传统粗放式的生产经营模式已经到头了。这些年,东南相互电子一直在尝试通过多种办法解决质检难题,直到在常熟政府组织的一次“智改数转”活动上,东南相互电子与百度智能云建立了合作,情况才发生一些转变。

其实在工业制造需求最旺盛的长三角地区,有过类似境遇的企业不在少数。

问题是,虽然现在很多企业对云计算已经有了一定的认知,机器也都联网,甚至有的还搭建起自己的私有云,但把云服务的灵活性和配套性发挥出来的,让智能算法实现随取随用,真正做到 “深入产业”的,还是极少数,以至于云计算在很长一段时间处于舆论中心,实际进展却十分缓慢。

背后的根本症结在于,工业制造类企业的智能化转型升级,不像互联网来得那般剧烈,它是重服务属性的,前期的调研、后期的跟踪和中期的交付一样重要,任何一个环节出现一点缺陷或者短板,都可能导致项目中断、甚至流产,这也解释了“为什么国内很多传统云应用已经不再适应现在的环境,在PMF逐渐失效的情况下,玩家也就慢慢地掉队了”。

那么,智能制造的“中国样本”究竟需要什么样的云呢?

这篇文章来我们好好聊一聊。

01深入产业,智能制造该这么做了

我们先从地处长三角的另外一家公司开始谈起,它和东南相互电子有些类似,都是不露声色的黑马级玩家。成立于1993年的美欣达集团,是浙江当地有名的纺织类企业,类似优衣库、江南布衣这样的一线品牌,都是它旗下印染公司的客户。

“美欣达正在进行一项‘秘密实验’。”李师傅在美欣达工作多年,据他介绍,“集团眼下在筹备打造高端印染,在这之前,需要对既有的车间生产模式进行数字化改造,做一个试点工程,如果实践效果好的话,就进行规模化部署。”

和东南相互电子一样,美欣达也选择了百度智能云,理由很简单:一方面,百度自成立以来一直是技术导向,它对技术的坚持投入,也把压强式创新刻在了百度智能云的基因里;另一方面,它的“云智一体,深入产业”战略听起来更务实,而且,它拥有的从单点场景到为企业提供系统级解决方案的全栈能力,以及在工业制造领域积累下来的大量经验,是其它玩家所不具备的。

以百度智能云开物2.0平台为例,它是百度智能云去年推出的工业互联网品牌,对比1.0版本,它除了在应用、平台、AI核心进行了迭代升级,还探索了更多重点行业,并主动把场景收窄、聚焦,放在了工业制造领域最为关心的3大模块上:质量管控、安全生产以及能耗优化。

这其实也是因扰工业制造许久、令很多“一号位”十分头大的问题。

我们都知道AI、云计算是个好帮手,但最难的点在于,很多时候明明知道问题出在这里、却硬是找不到最优解或者最合适的工具。比如发生在美欣达印染车间里的场景,传统识别印染疵点十分依赖人工识别,而且印染排产也比较低效——由多个排产计划员,通过插、拔U盘的方式进行排产,但这种设计模式的问题在于,一旦排产计划发生更改、或者加塞了新的任务,效率就会立即被拉扯下来。

此时你会发现,其实智能制造最难的点,不在于能不能解决好单点问题,而在于如何把多个单点问题进行系统化集成,逐个击破,然后达整体降本增效的目的。其实这也是百度智能云开物平台的解题思路:先基于天工AIoT平台收集数据,经过飞桨进行数据标注和模型训练,最后形成各类具体的算法应用模型。

实际上,无论是美欣达,还是前面提到的东南相互电子,如果把它们正在遭遇的智能化改造痛点抽丝剥茧,你会发现,现在市面上流行的各类教条式的方法论根本解决不了问题,因为不同企业在不同发展阶段所需要的数字化适配方案千差万别,过去一套SOP打天下的时代已经过去了,但有一点是可以确定的:传统制造业需要跳出旧模式,而且越早越好。

02国内市场,用AI实现业务增量更重要

在实地调研东南相互电子工厂期间,副总经理顾亚文曾详细梳理过企业的“上云进程”:

“现在东南相互电子的所有机器设备均以联网,底层数据也已经打通,车间完成了全制程数字化。”但他同时也强调“目前只是数字化工厂建设的第一步,后面会把精力在一些特定的应用场景上,比如安全生产管理、计划排产方面,运用AI人工智探索创造新增长模式。”

这背后其实是有说法的,因为就“智改数改”这件事来说,东南相互电子要走在不少同行前头,过去几年的实践,他们很清楚自己眼下缺什么、需要补什么,就如IT经理胡平华谈到的,“百度智能云的AI技术辅助机器视觉检测的方案,正是我们现在所需要的。”

据当时的一位车间质检工人介绍,在过去,他们一直有一个难题没有得到解决,“传统PCB检测通常使用AVI机进行产品质检,容易因过于敏感出现大量过杀现象,导致大量‘假点’出现。”而且,东南相互电子的部分产品是RFPCB软硬结合板,比PCB硬板尺寸更小,缺陷识别更困难。

那么,百度智能云究竟怎么做到用AI赋能的呢?

答案其实并不复杂。首先,AI对检验工人多年沉淀的复核经验进行学习,形成一个与资深人员拥有相同检验质量标准的AI模型,接着,把这个AI模型装入到产线。这样一来,如果是AVI机检验完的产品,就会被AI模型自动识别和复判,短短几秒钟就能判定成品是否异常。

这也是百度智能云和其它云厂商的能力差异性所在。

因为对于制造业来说,真正的智能云,应该走到工厂一线去。

章畅海是百度智能云资深解决方案架构师,他告诉新眸,“其实数字化发展这些年,在很多方面已经比较完善,甚至隐约摸到了瓶颈,这时候就需要AI智能化进场,把端到端优化做好,甚至可以向上追溯、改进原先的工艺,这也是现在百度智能云的发力点,比如在苏州地区汽车零部件、装备制造、纺织服装等重点特色产业,提供了‘芯片-框架-大模型-行业应用’端到端的技术服务。”

事实也的确如此,这些年国内云计算行业走了不少弯路,早前很多云厂商都在对标海外,大学产品、大搞规模,但后来的市场反馈告诉我们,这种思路是不对的。如果说过去云服务的路数是如何让客户快速获得资源,那么,现在的逻辑应该是如何让客户快速获得能力。

当然,这种顶层逻辑的思考来自于对底层需求的感知:在中国,除了人们耳熟能详的大企业,还有很多规模以上的中大型企业。像东南相互电子、美欣达这样的企业,国内其实不在少数,相比于简单的业务上云,他们更看中的是能不能用技术赋能业务增量至于它叫什么云并不关键。

03智能制造究竟需要什么样的云?

虽然都在经历着轰轰烈烈的云计算浪潮,但显然,国内外的市场走向已经发生了偏离:从市场份额、收入增速、利润规模等财务指标上来看,国内云与数字化市场的发展阶段仍处于中前期,市场规模和产业成熟度仍有待进一步提升,但这并不妨碍我们走出另外一条路,而且根据百度智能云的最新财报,也证明了这条路的可行性。

回到我们一开始讨论的问题上,智能制造的中国样本究竟需要什么样的云呢?

其实对于这个问题,也可以换成另外一种更具体的说法:就是所谓的智能云,它究竟是锤子、还是钉子?

当然,这个问题不同的回答,往往决定了它的产品、业务以及战略属性,就以正深入产业的百度智能云来说,它其实可以理解成“钉子+锤子”组合,AI人工智能就是各类钉子,它在端到端优化上的技术优势,能很快击破工业制造过程中各个痛点,然后用开物平台这把“锤子”,建立起系统性的平台,沉淀各种工业知识和服务,帮助企业从“算力”的随取随用进化到“智能”的随用随取。

和中国制造一起,云计算厂商正站在一个历史拐点。只不过,深入产业,用数赋智,这条路需要云厂商们和企业共同走完这最后一公里。

财经自媒体联盟更多自媒体作者

新浪首页 语音播报 相关新闻 返回顶部