工業「向上」,百度智慧雲「向下」

語言: CN / TW / HK

沈抖接棒之後,百度智慧雲正在從星辰大海走向產業一線。

作者 | 秀鬆

編輯 | 餘快

一年前,來自恆逸化纖的王麗娜還是一名普通質檢女工,每天要全神貫注盯著產線8個小時,從千萬個絲錠中找出破綻,在超強光的刺激下,”眼睛受不了,工作一段時間後,效率明顯下降“。

但在引入百度智慧雲AI質檢後,原來費神傷身的檢查工作,變成了機器視覺檢測。

前端部署的工業相機對流水線上的絲錠進行拍攝,然後生成照片,每張照片會被拆分為上百個部分,傳送至資料中心進行分析判斷,與此前的資料標註進行比對,然後判定該絲錠是否異常。

而今,王麗娜已然轉型成了資料標註師,將有瑕疵的絲錠照片及瑕疵的種類一一標註出來,剩下質檢任務交給“機器”,她只要負責異常產品的複檢,工作強度大大降低。

恆逸化纖相關負責人表示,2021年3月,公司引進了百度智慧雲“開物”平臺,將平臺部署到相關產線上,不但減輕了招工難、員工身體健康等問題, 同時將單個絲錠的檢驗時間縮短到2.5秒,效率提高70%。

嚐到甜頭之後,今年,恆逸化纖計劃將“開物”部署到更多的產線上,並且在超30條產線上,通過部署小型雲端計算服務中心來實現算力共享,以避免算力浪費,減少建設成本。

9月6日,在北京舉行的智慧經濟高峰論壇上,百度集團執行副總裁、百度智慧雲事業群總裁沈抖表示,“開物”將人工智慧變成中小企業觸手可及的生產工具,打通了AI落地的“最後一公里”。

會上,沈抖還向外界展示了“開物”的2.0版本,從當前智慧製造轉型難點出發,介紹了百度智慧雲對工業轉型的新理解,以及“開物”平臺的新變化。

01

壓在工業企業轉型頭上的三座大山:

技術、成本、人才

工業轉型可大致分為三個階段:裝備自動化、流程數字化以及智慧製造。

裝備自動化階段,核心是機械代替人力,提高生產效能;流程數字化階段,核心是“向流程要效率”,即通過各種軟硬體來獲取資料,以縮短生產週期,提高業務流程效率;智慧製造的核心,則是通過資料產生新的價值,解決重複性勞動、危險生產等一系列問題,在提高生產安全、效率的同時,讓企業能夠實現降本增效。

當前,國內多數工業企業已經跨越裝備自動化階段,正在從流程數字化向智慧製造轉型。不少企業已經有了數字化的雛形:各種感測器積累的資料,通過數字大屏呈現出來,工廠實現視覺化管理。

之所以說是雛形,是因為 資料本身的價值沒有得到深度挖掘。

舉個例子,在恆逸化纖的質檢產線上,工人需要記錄絲錠是否有瑕疵,數量有多少,每條產線在生產週期內檢查多少,誤檢率保持在多少以內等等;這些資料固然對企業調整生產流程、人力分配有一定的參考價值,但是核心問題—— 如何提高質檢效率——卻是沒有解決的。

產線仍然依靠工人的“火眼金睛”來檢查絲錠的好壞,高強度工作除了對工人的身體健康帶來損害之外,還嚴重依賴於工人的經驗,這種重複性勞動效率非常低下。

實際上,這些可量化的資料,足以產生新的業務價值。就絲錠質檢而言,瑕疵的標準是可以被量化的,工人的經驗也可以複製,當這些資料、經驗被用於訓練人工智慧模型,相應的工作便可由機器來解決。

目前有相當多的企業意識到了資料的價值,但並沒有將資料很好的利用起來,原因有二:一是工業企業多為被動式轉型;二是這些企業轉型面臨很多難點。

被動式轉型很容易理解,從企業本身看,生產製造需要的是穩定,在未見到改造實效之前,企業願意去改革的動力較弱,並且轉型涉及到各部門之間的利益糾葛, 靠企業主動去推產線升級非常緩慢。

即便是企業想要主動轉型,從某種程度上講,也是“巧婦難為無米之炊”。

首先,工業 企業本身擅長於生產製造工藝,而非人工智慧、雲端計算, 只有那些超大型製造公司會組建相應的技術團隊,但效果也很一般,畢竟“聞道有先後,術業有專攻”,靠製造業企業自身去推智慧製造,難如登天。

其次,工業場景複雜,每一家企業都有無數條產線,每一條產線對技術的要求又各不相同,比如絲錠質檢要用到AI質檢、視覺檢測,但其它產線的的產品質檢,卻是另外一重標準。 如果每一條產線都做定製化部署,成本會異常高昂,甚至超越了人工。

最後,在原有高強度的工作以及勞動報酬較低的背景下,願意從事製造業的人正在減少;另一方面,懂相關技術並且願意從事製造業的人才更是緊缺; 製造業本身面臨著一場“人才荒”。

這些原因並非都是孤立的,而統一於企業轉型的各環節、各場景、各部門,並且相互影響,共同制約著工業企業的智慧化變革。

因此,必然需要有外力來打破這種僵持的局面,推動企業轉型,而這種外力,只能來源於解決方案供應商。

02

技術商的優勢:

懂技術,也能懂場景

在工業領域,技術方案供應商在輿論上處於尷尬的位置:不少人認為,他們不懂製造、不懂場景,技術無法落地,雖然demo做得盡善盡美,但形同雞肋,實用性很低。

這其實是一種誤解,固然拿著高薪的工程師們鮮有從事製造業工作的意願,但解決工業難題卻是他們的本職工作,沒有誰會拿KPI當玩笑,好的產品,對三方都有利。

所以方案供應商們從一開始就沒有將自身獨立於製造業之外,閉門造車的意思,而是強調要深入實際, 讓工程師們走向“田間地頭”,“下沉”到一線瞭解實際情況,get企業痛點。

正如沈抖所言:“為了智慧化解決產業的核心需求,我們必須更加深入產業;同時產業裡豐富的應用場景,也為人工智慧與雲的發展提供了廣闊的空間。”

例如,在恆逸化纖百度AI質檢應用場景中,百度智慧雲工程師必須要守在產線上,觀察整個質檢流程,同時與工作人員交流細節,以實現經驗可複製化,並且實時針對資料進行模型調優,降低誤檢率。

百度智慧雲工程師表示,在做化纖絲錠、PCB質檢時,相應的技術開發團隊吃住都在工廠裡,一待就是半年甚至更長,原因只有一個: 到業務場景中碰應用,才更接地氣。

對於需求方,技術方案是否有用,最直觀的表現就是當下生產成本減了多少、效率提高几何,企業才願意引進方案,而不是在PPT裡展示能帶來多少降本增效的案例,解決方案供應商本身要避免做“虛空價值”。

在百度智慧雲看來,人工智慧+雲端計算,是挖掘資料價值的核心武器,對工業智慧製造轉型的作用不可或缺。具體在賦能企業時, 一方面要注重方案落地的實用性;另一方面則要”舉一反三“,儘可能將單一場景的經驗實現規模化複製的可能。

此前曾提到,工業場景非常之多,定製化模式很難攤銷成本,是制約企業引入技術方案的一個重要原因。

但百度智慧雲認為, 這些場景雖然多且繁複,卻仍然可以抽取其通用部分,基於平臺做模組化沉澱,從而實現規模化複製,並根據企業的需求開發場景應用。

舉個例子,絲錠的AI質檢,雖然和其它產品的質檢,相關的標準、資料並不相同,但模型卻是可以通用的,將類似的模型沉澱下來,再去開發應用,能有效縮減開發成本。

就好比做同一道菜,菜譜就是一個模型,但不同人有不同的口味,可以根據需求新增調料,而不用去開發一道新菜譜。

而對於人才問題,如果要培養高素質人才走向工業,首先要面臨較長的培育週期,其次培育出來的人才願不願意從事工業製造還兩說;最後,企業轉型過後,這些原來的工人往何處去,也是問題。

實際上,與其靜等“遠水”,不如人盡其用以解“近渴”。技術代替人,並非是搶飯碗,而是讓人轉型做更簡單、有價值的工作。

比如,王麗娜從一名質檢工人變為資料標註師,在技術的加持下,這一轉型並不困難,人才短缺、就業問題都得到解決,從另一個維度講,這也是智慧製造轉型的重要方面,對企業本身也能帶來降本增效的好處。

一言以蔽之,工業企業轉型面臨的三大難題,都可以通過技術尋找「最優解」,而解決方案供應商們,也正在一步一步下沉,將技術從學術前沿,以各種形式落地到工業場景。

03

平臺+應用,行業痛點的最優解

百度智慧雲進入工業很早,散見於各種應用案例。在2018年工業網際網路平臺寫入政府工作報告之後,百度就提出了“雲智一體”,賦能工業,並於2020年聯合貴陽打造了國家級AI工業網際網路平臺;直到2021年5月18日,在重慶舉行的工業網際網路高峰論壇上,百度才正式推出工業網際網路品牌“開物”。

時隔一年,在今年9月6日的智慧經濟高峰論壇上,沈抖向外界展示了開物的2.0版本。

據悉,2.0版本有三個方面的更新:

首先,在應用層面, 開物1.0注重底層AI能力賦能,開物2.0更聚焦AI能產生價值的核心場景。 百度智慧雲將投入大量資源,打造應用案例,並且將相應的經驗、能力以及服務沉澱到平臺之上。

如在AI質檢領域,恆逸化纖的落地案例,並不是單一的定製化模式,而是要解耦整個質檢場景,將相應的經驗、能力凝結在平臺上。

目前,除了AI質檢以外,開物2.0聚焦的其他場景包括: 質量管理、安全生產、能耗優化等等, 可應用到汽車、電子、能源、水務等多個行業。

其次是平臺升級,重點打造全新的工業智控引擎,提供基礎的模型服務和創新工具,解決企業在智慧化改造過程中面臨的相關問題。

百度智慧雲認為,由於工業場景很多,不可能一一覆蓋, 因此要走平臺模式,才能加快技術落地。 比如一些企業並不會開發模型、演算法,可以直接從百度工業網際網路平臺上下載部署。

具體來說,開物2.0將發揮“資源集約”、“資訊協同”、“知識獲取”三大平臺經濟優勢。

“資源集約”指的是通過數字化SaaS應用來降低使用門檻,企業無需自建運維團隊,以此減少企業資訊化建設成本;“資訊協同”則不單于企業內部、企業之間的協同,而是整個供應鏈的協同,旨在減少供應鏈風險、牛鞭效應(資訊不對稱帶來的市場失真);“知識獲取”指的是企業可以在平臺上呼叫相應的引數模型,直接分撥部署,解決需求。

最後是AI核心升級,表現為基於AI的生產知識模型的沉澱和服務體驗,目的是實現知識經驗、資料模型可遷移、可複製,而降低開發成本。

可以這樣理解:開物1.0基於百度智慧雲的AI能力建立起底層技術基座,打下了“地基”,而開物2.0則是在地基之上開始添磚加瓦“蓋房子”,百度扮演著施工方的角色,針對客戶的具體需求,如房型、房屋設計等,打造差異化產品。這些建房經驗可以沉澱為模型,從而快速批量生產房屋。並且,在建房之外,還提供產業鏈上的資訊共享,從而減少資訊溝通成本。

工業就相當於這座房子,百度智慧雲作為施工方,基於其AI能力以及行業經驗,旨在打造一套“樣板房”,最大限度降低工業企業轉型的“建設成本”。

“從產業核心場景切入,在打造標杆應用的同時,將知識、經驗沉澱到AI中臺(AI PaaS層),大量的經驗、場景資料又能反哺百舸異構計算平臺和崑崙晶片等(AI IaaS層),二者的結合則形成了AI Cloud。”

沈抖介紹道,通過AI  Cloud,百度向上可以更新、孵化應用,向下則可以改造原有的技術底座,使其更適合AI應用,實現從核心場景到平臺沉澱、支撐工業企業降本增效的“螺旋上升”, 幫助企業從雲端計算“算力”調取,進階到“智慧”隨取隨用的雲智一體3.0時代。

04

總結:工業企業轉型

為什麼要平臺?

恆逸化纖的智慧轉型始於2016年,此前有過試水,沒有規模鋪開,然而做了幾年,雖然改造了老舊工廠,引入各種自動化裝置,打通了生產流程,但離智慧化還很遠。

在與百度智慧雲合作之前,恆逸化纖曾與另一家技術供應商合作,並取得一定成果。然而,恆逸化纖發現,以傳統制造業的角度做產品,只能做單品,雖然能起到移動作用,卻無法實現真正的智慧化。

“智慧化需要平臺支援,沒有平臺,資料很難產生價值,產品也就是自動化裝置,只能解決一部分問題。”恆逸化纖相關負責人表示。

這也是恆逸化纖為何選擇百度“開物”平臺的原因:大平臺能覆蓋企業生產的全流程,打通生產壁壘,小到AI質檢,大到供應鏈協同,實現整體的智慧化升級。

恆逸化纖之外,開物2.0已經在重慶、廣州、蘇州等多個城市,多個行業落地。

例如,在電力行業,龍源電力通過百度智慧雲AI智慧化管理平臺,實現了集中式管理,在北京就可管理分佈在全國各地的1萬2千多臺風機,200多座風電場。並且,通過AI巡檢,風機巡檢效率最高比過去提升6-10倍,還有效避免了巡檢工人高空作業的風險。

而在石化領域,中海油在引入百度管廊智慧巡檢系統之後,可通過管廊機器人自動採集、遠端監控,安全異常報警響應速度比原先提升了6倍。

論壇上,百度智慧雲首次釋出了汽車雲,從車企集團雲、網聯雲、供應鏈協同雲,三個層次深入汽車製造行業的數字化升級,解決汽車行業生產、自動駕駛測試、供應鏈管理等三大應用難點。

一個鮮明的例子是,吉利集團已整體上雲,整個生產製造環節,包括生產訂單自動排產、訂單完成率、裝置開動率等等,都可通過百度智慧雲工業數字化大腦平臺展示,管理運維成本降低了30%。

恆逸化纖、龍源電力、中海油......這些都是“開物”落地的案例,而在能源、水務、製造、交通、金融等行業,“開物”正向下紮根,為工業企業轉型提供技術源動力。

沈抖表示,人工智慧、雲端計算必須與實體經濟深度融合,真正深入到實體產業,去解決產業遇到的實際問題,才能共創價值。

他認為,產業智慧化還需要更長的時間探索,技術解決方案供應商需要給產業、給企業持續交付真實的價值和成果,“ 不玩噱頭,讓行業真真切切地嚐到智慧化的甜頭。”

//

近期熱門文章

「其他文章」