探究|深兰科技人工智能助力辽宁省制造业数字化转型

探究|深兰科技人工智能助力辽宁省制造业数字化转型
2021年08月03日 10:50 AI周刊

近日,在辽宁省制造业数字化转型对接会上,深兰科技首席信息官、首席数据科学家,深兰科技科学院智能社会研究院院长,上海市人工智能技术协会专家委员会委员沙文灏受邀发表了《人工智能助力辽宁省制造业数字化转型》的演讲,提出作为工业基地,以智能制造推动提档升级,将成为辽宁传统制造业转型升级的重要选项。

智能制造是个循序渐进的转型过程,将沿“数字化→网络化→智能化”的方向实施。转型的逻辑起点主要体现在产业升级、降本增效、精细化管理三个方面。转型成功后有望实现智能制造产业升级、跨企业价值链延伸、全行业生态构建与资源配置优化,使东北工业重镇焕发新生。

深兰科技作为业内领先的智能化转型咨询与解决方案提供商,期望与全省各级政府、众多企业展开更加广泛与深入的合作,共同携手推进“以建设数字辽宁、制造强省为目标,做好结构调整三篇大文章”的中长期战略的落地实施。

演讲报告的主要内容将分三次进行呈现:

a.智能制造

b.智能互联网

c.数字化转型

1.数字化转型

基于信息化的数字化

数字化是在信息化基础上的延续,是基于信息化的成果产生的,关注的是“虚拟化”,被称为“数字孪生(Digital Twin)”,是通过数字化技术对人类社会的仿真,是把物理世界“数字化”。

基于工程的观点,在信息化的阶段主要关注“实现”,在数字化的阶段更关注“现实”,数字化是科技与社会更深度的融合。

通过数字化转型实现智能制造的发展是由体系建立到精确模型建立的过程,实现智能制造,首先要解决智能维护这个大问题,再做智能预测,最后做到可信系统与大价值。

数字化转型(DX)与智能制造的5个阶段

1.全员生产系统(TPS):这是由日本提出并建立的5S 标准(整理、整顿、清扫、清洁、素养),是七八十年代整个制造系统中引以为核心的标准,固化在了组织和对人培训方面(MTP: Management Training Program)。

2.精益制造6-Sigma:核心价值是如何以数据作为标准建立管理体系,本质是消除浪费。在这个基础下面包括质量管理体系、产品全生命周期管理体系等等。这个时候数据真正在制造使用过程中发挥作用。

3.数据驱动的预测性建模分析:以数据驱动的预测性建模分析,实现把隐性的问题显性化,显性化之后解决隐性的问题,避免显性问题的发生。

4.以预测为基础的资源有效性运营决策优化:对于过去产生的关联性都能够建模之后,怎么根据系统生产、环境、人员多方要素变化进行实时动态优化。

5.信息——物理系统:建立在对于所有设备本身运行的环境、活动目标非常精确建模基础上,这个时候产生知识的应用和传承问题。

智能制造最终要具备状态感知、实时分析、自主决策、精准执行的特征,使得企业更柔性、更智能、更集成化,并且实现了大部分或者全部的智能化技术应用,目标是实现知识的获取、规模化利用与传承。目前我国处于转型的最重要时期,还没有完全到达第3个阶段。

数字化转型(DX)的扩大与加速-数字化与信息化

到2020年2月底,已复工复产企业产能利用率接近六成。极具韧性的中国智能制造企业将一如既往地承担起稳定中国乃至世界经济的重要作用。在已经复工复产的企业中,主要是技术密集、智能化程度高、协同能力强的企业。它们不仅能快速恢复生产,还为抗疫做出了很多贡献体现了中国智能制造的力量。形成鲜明对比的是劳动力密集、自动化程度低、供应链管理粗放的企业最为脆弱,不仅复工复产难度大,还要面对利润不足、资金断链、人才流失等风险。在这场疫情中,中国制造业发展不平衡的问题再度凸显,智能化升级刻不容缓。

目前,中国制造业赖以发展的劳动力成本优势,正随着人口结构的变化而逐渐丧失。反思疫情中暴露出来的智能化不足的问题,中国制造企业应加快推进柔性自动化生产线的应用,加速提升全面数字化能力,构建智能工厂,从而更好地应对劳动力的波动和突发性事件带来的风险。

在数字化转型中,传统企业IT组织在组织模式、工作方式、人员能力等方面的改革,是企业面临的主要挑战。大多数企业数字化转型的挑战是启航出发都很困难,主要瓶颈就是企业信息化部门或数字化部门的组织能力和组织发展。如果没有企业自己的技术团队,所有的数字化转型愿景都只能是空中楼阁。

大多数期望数字化转型的企业,往往请著名大型咨询公司做几个数字化转型战略规划项目,而后再找外部软件公司来导入几个应用程序(比如检测等),其实这样远远不是数字化转型。没有由产品经理、设计师、架构师、开发工程师、算法工程师组成的团队,就不是数字化转型,还是处于信息化阶段最多只是所谓的中国式的“信息化+”。

数字化转型(DX)的变革管理

技术转型:构建双速(常规与迭代)IT;数据架构,支持快速部署

组织转型:新的组织机构、管理方法、工作技能

业务转型:放眼全局,以价值为驱动力

变革管理:集团主导、一把手负责、灯塔效应

数字化转型(DX)的变革管理

数字化转型(DX)的业务(商业)变革(paradigm shift)技术

1.非服务器化:使用容器(Container)或API经济构造(Eonomy)等,不需要意识到服务器存在的开发、运营环境;

2.自动化·自律化:使用人工智能与机器人替代人类知识劳动与肉体劳动的架构;

3.DevOps:运营管理的自动化,使用Paas与高速的智能与可信的开发工具,构建新型的开发与运营的体系;

4.虚拟空间·安全·治理:云计算与IoT、移动设备与可穿戴(Wearable)装置等,以跨越企业内外的使用环境为前提的综合性认证机构,以及重视从顶层设计开始思考的应用、安全等视点;

5.IoT:以数字化为基础观察各种各样的行为(Activity),构架能正确理解模拟(Analog)的现实世界行为的架构与体系。

数字化转型(DX)的培训

共性技术:理解创新对于业务(商业)的意义以及相关技术概要

推进数字化业务:构建协作团队确定本企业与客户的课题与解决方案

数据分析、应用:基于数据分析创造价值;规划与制定解决方案

构建平台:基于IoT技术构建应用平台

数字化转型(DX)——可解释人工智能(XAI)技术

传统人工智能核心是将通过机器学习尽可能地把观测样本(训练数据)映射到特征空间中,而后在特征空间进行分析,发现样本在特征空间不同区域内的规律,从而达到算法要实现的任务目标(如聚类;解析等)。但是人类的分析和决策是利用自身的背景知识, 在语义(概念)空间(非定理性)当中完成。数据特征空间和人类的语义(概念)空间(非定理性)在内涵(结构)与外延(影响)上存在显著的区别,而可解释人工智能的最终就是要在二者之间架起一座桥梁,进而跨越二者之间的鸿沟。

数字化转型(DX)——可解释人工智能(XAI)技术

人工智能推动企业加速创新。人工智能已经从执行简单任务的自动化操作升级成为与人类互动的强大协作工具。企业已不再将人工智能视为简单的技术工具,而是成为整个组织的变革引擎。未来,企业需要以人机协作为核心,有效地运用工具和改进方法,帮助人与机器更好地相互理解及互动。自然语言处理技术提高了机器理解书面和口头文字的能力;扩展现实和计算机视觉的进步,可帮助机器准确识别人们周边的实体环境;而可解释人工智能(XAI)正在形成闭环,使人们明确系统做出决策的思路。在人机协作模式下,从部门架构;产品设计,一直到员工的雇用和培训,企业将对业务进行彻底的重构。

企业增长越来越依赖基于技术的伙伴关系,但传统IT系统无法支持广泛的伙伴关系。全方位推动互联的智能企业成长,企业必须首先完成架构再造。

实施过程:

1.确认使用人工智能的目标:确认期待的使用人工智能的效果,确认相关的人工智能基本方针(guideline)的动向等;

2.确认人工智能的现状:确认现在与今后预定利用的人工智能技术与数据,确认使用人工智能的组织与部门,确认学习方法(process);

3.制定使用可解释人工智能(XAI)方案:发现缺乏说明力的原因,制定可解释人工智能(XAI)的解决方案:XAI技术/数据湖(data lake)/业务流程/既存的信息(IT)资源;

4.可解释人工智能(XAI)的试点(trial):实现试点业务基于可解释人工智能(XAI)的业务改善,制定与实施业务改善的方案;

5.实施组织变革:基于可解释人工智能(XAI)的业务流程/人事/财务等整体性机制的建立与不断完善。

财经自媒体联盟

新浪首页 语音播报 相关新闻 返回顶部