[第一财经]疫情之下,工业智能能否按下快进键?( 二 )


现在业界都在提产业协同、平台协同 , 在王赟看来 , 关键是怎么样能够把人和工作和企业能够很好的结合起来 , 把企业的上下游的数据 , 各个部门之间的数据 , 以及人与设备之间的数据做到共享 。 “在未来的5G、大数据、云技术的支持下 , 首先要打破数据的壁垒 , 才能在更多的场景下形成更智能化的解决方案和应用 。 ”
挑战与机遇
王赟抛出了不少问题 。 在腾讯优图实验室工业AI项目负责人黄亮看来 , 其实也是一个个商机 。
黄亮以工业视觉领域中所做的市场调研和案例进行分析 。 对面板行业来说 , 传统的视觉缺陷检测和分拣设备 , 无法满足先进工业领域日益复杂精密的检测需求 , 在实际产线上依然需要人工肉眼复检 , 没有切实地给企业节省人力和提高效率 。
此前 , 优图联合腾讯云为某面板企业的液晶面板做缺陷检测 。 利用视觉AI的算法做出缺陷检测的工具 , 通过近半年的线上系统调试和试运行 , 已交付模型数量75个 , 覆盖站点20个 , 检测产品16个 , 并形成配套产品化方案和交付训练平台 , 加速模型迭代和交付效率 。 他表示 , 从近期获得的数据看 , 因为搭建这套缺陷检测系统 , 客户的质检工人减少了100多人 。
对企业而言这不仅仅意味着降本增效 , 尤其在疫情期间 , 有些制造业企业愿意花钱却找不到人干活 , 这也是AI带来的最直观的好处 。
而明略科学院主任于政则提到帮助上海地铁的智能维保和国家电网线路的巡检知识图谱的智能服务系统 , 尤其在疫情期间 , 该智能系统实现了远程监测和高效预警和巡检 , 从而减少了现场人员办公 , 降低现在因疫情或者未来其他突发状况带来的负面影响 。
值得注意的是 , 工业场景一个特质是定制化 , 不同的细致领域有不同的业务特点 , 很难找到一个大而全的通用的解决方案 。 “如何在保障方案的通用性同时又能够灵活适配不同的业务场景 , 是非常有挑战的事情 。 我们也是在朝着这个方向努力 。 ”黄亮表示 。
谁也不知道下一个黑天鹅什么时候到来 。 疫情是对AI在工业领域应用的一次效果检验 , 既是挑战也蕴含机遇 。 例如 , 目前不少工业上成熟的智能应用体现在检测环节上 。 在王晨看来 , 机器学习、人工智能技术只做了局部的事情 , AI还应更进一步 , 工业过程中更需要的是智能决策 。
不过 , 对于中小企业和民营企业的工业智能化转型 , 多位专家也给出建议:先从点开始 , 从自身业务需求出发 , 结合企业自身数据情况、数据质量数据存储周期、传感器的精度等入手 , 做发展规划 , “千万不要一个面铺开把大量的钱花下去 , 制造业企业挣钱不容易 。 ”
【[第一财经]疫情之下,工业智能能否按下快进键?】王赟举了一个例子 , 某一个产品出现品质问题 , 传统的做法是从Excel导数据抓因子 , 再找几个经验丰富的工程师检讨 , 可能需要五到六小时 , 如果在数据完善情况下 , 用AI可能30分钟就解决了 。 “价值一旦想清楚了 , 场景化应用落地价值很大 。 ”


推荐阅读