一年前,来自恒逸化纤的王丽娜还是一名普通质检女工,每天要全神贯注盯着产线8个小时,从千万个丝锭中找出破绽,在超强光的刺激下,”眼睛受不了,工作一段时间后,效率明显下降“。
但在引入百度智能云ai质检后,原来费神伤身的检查工作,变成了机器视觉检测。
前端部署的工业相机对流水线上的丝锭进行拍摄,然后生成照片,每张照片会被拆分为上百个部分,传送至数据中心进行分析判断,与此前的数据标注进行比对,然后判定该丝锭是否异常。
而今,王丽娜已然转型成了数据标注师,将有瑕疵的丝锭照片及瑕疵的种类一一标注出来,剩下质检任务交给“机器”,她只要负责异常产品的复检,工作强度大大降低。
恒逸化纤相关负责人表示,2021年3月,公司引进了百度智能云“开物”平台,将平台部署到相关产线上,不但减轻了招工难、员工身体健康等问题,同时将单个丝锭的检验时间缩短到2.5秒,效率提高70%。
尝到甜头之后,今年,恒逸化纤计划将“开物”部署到更多的产线上,并且在超30条产线上,通过部署小型云计算服务中心来实现算力共享,以避免算力浪费,减少建设成本。
9月6日,在北京举行的智能经济高峰论坛上,百度集团执行副总裁、百度智能云事业群总裁沈抖表示,“开物”将人工智能变成中小企业触手可及的生产工具,打通了ai落地的“最后一公里”。
会上,沈抖还向外界展示了“开物”的2.0版本,从当前智能制造转型难点出发,介绍了百度智能云对工业转型的新理解,以及“开物”平台的新变化。
工业转型可大致分为三个阶段:装备自动化、流程数字化以及智能制造。
装备自动化阶段,核心是机械代替人力,提高生产效能;流程数字化阶段,核心是“向流程要效率”,即通过各种软硬件来获取数据,以缩短生产周期,提高业务流程效率;智能制造的核心,则是通过数据产生新的价值,解决重复性劳动、危险生产等一系列问题,在提高生产安全、效率的同时,让企业能够实现降本增效。
当前,国内多数工业企业已经跨越装备自动化阶段,正在从流程数字化向智能制造转型。不少企业已经有了数字化的雏形:各种传感器积累的数据,通过数字大屏呈现出来,工厂实现可视化管理。
之所以说是雏形,是因为数据本身的价值没有得到深度挖掘。
举个例子,在恒逸化纤的质检产线上,工人需要记录丝锭是否有瑕疵,数量有多少,每条产线在生产周期内检查多少,误检率保持在多少以内等等;这些数据固然对企业调整生产流程、人力分配有一定的参考价值,但是核心问题——如何提高质检效率——却是没有解决的。
产线仍然依靠工人的“火眼金睛”来检查丝锭的好坏,高强度工作除了对工人的身体健康带来损害之外,还严重依赖于工人的经验,这种重复性劳动效率非常低下。
实际上,这些可量化的数据,足以产生新的业务价值。就丝锭质检而言,瑕疵的标准是可以被量化的,工人的经验也可以复制,当这些数据、经验被用于训练人工智能模型,相应的工作便可由机器来解决。
目前有相当多的企业意识到了数据的价值,但并没有将数据很好的利用起来,原因有二:一是工业企业多为被动式转型;二是这些企业转型面临很多难点。
被动式转型很容易理解,从企业本身看,生产制造需要的是稳定,在未见到改造实效之前,企业愿意去改革的动力较弱,并且转型涉及到各部门之间的利益纠葛,靠企业主动去推产线升级非常缓慢。
即便是企业想要主动转型,从某种程度上讲,也是“巧妇难为无米之炊”。
首先,工业企业本身擅长于生产制造工艺,而非人工智能、云计算,只有那些超大型制造公司会组建相应的技术团队,但效果也很一般,毕竟“闻道有先后,术业有专攻”,靠制造业企业自身去推智能制造,难如登天。
其次,工业场景复杂,每一家企业都有无数条产线,每一条产线对技术的要求又各不相同,比如丝锭质检要用到ai质检、视觉检测,但其它产线的的产品质检,却是另外一重标准。如果每一条产线都做定制化部署,成本会异常高昂,甚至超越了人工。
最后,在原有高强度的工作以及劳动报酬较低的背景下,愿意从事制造业的人正在减少;另一方面,懂相关技术并且愿意从事制造业的人才更是紧缺;制造业本身面临着一场“人才荒”。
这些原因并非都是孤立的,而统一于企业转型的各环节、各场景、各部门,并且相互影响,共同制约着工业企业的智能化变革。
因此,必然需要有外力来打破这种僵持的局面,推动企业转型,而这种外力,只能来源于米乐m6平台的解决方案供应商。
在工业领域,技术方案供应商在舆论上处于尴尬的位置:不少人认为,他们不懂制造、不懂场景,技术无法落地,虽然demo做得尽善尽美,但形同鸡肋,实用性很低。
这其实是一种误解,固然拿着高薪的工程师们鲜有从事制造业工作的意愿,但解决工业难题却是他们的本职工作,没有谁会拿kpi当玩笑,好的产品,对三方都有利。
所以方案供应商们从一开始就没有将自身独立于制造业之外,闭门造车的意思,而是强调要深入实际,让工程师们走向“田间地头”,“下沉”到一线了解实际情况,get企业痛点。
正如沈抖所言:“为了智能化解决产业的核心需求,我们必须更加深入产业;同时产业里丰富的应用场景,也为人工智能与云的发展提供了广阔的空间。”
例如,在恒逸化纤百度ai质检应用场景中,百度智能云工程师必须要守在产线上,观察整个质检流程,同时与工作人员交流细节,以实现经验可复制化,并且实时针对数据进行模型调优,降低误检率。
百度智能云工程师表示,在做化纤丝锭、pcb质检时,相应的技术开发团队吃住都在工厂里,一待就是半年甚至更长,原因只有一个:到业务场景中碰应用,才更接地气。
对于需求方,技术方案是否有用,最直观的表现就是当下生产成本减了多少、效率提高几何,企业才愿意引进方案,而不是在ppt里展示能带来多少降本增效的案例,米乐m6平台的解决方案供应商本身要避免做“虚空价值”。
在百度智能云看来,人工智能 云计算,是挖掘数据价值的核心武器,对工业智能制造转型的作用不可或缺。具体在赋能企业时,一方面要注重方案落地的实用性;另一方面则要”举一反三“,尽可能将单一场景的经验实现规模化复制的可能。
此前曾提到,工业场景非常之多,定制化模式很难摊销成本,是制约企业引入技术方案的一个重要原因。
但百度智能云认为,这些场景虽然多且繁复,却仍然可以抽取其通用部分,基于平台做模块化沉淀,从而实现规模化复制,并根据企业的需求开发场景应用。
举个例子,丝锭的ai质检,虽然和其它产品的质检,相关的标准、数据并不相同,但模型却是可以通用的,将类似的模型沉淀下来,再去开发应用,能有效缩减开发成本。
就好比做同一道菜,菜谱就是一个模型,但不同人有不同的口味,可以根据需求添加调料,而不用去开发一道新菜谱。
而对于人才问题,如果要培养高素质人才走向工业,首先要面临较长的培育周期,其次培育出来的人才愿不愿意从事工业制造还两说;最后,企业转型过后,这些原来的工人往何处去,也是问题。
实际上,与其静等“远水”,不如人尽其用以解“近渴”。技术代替人,并非是抢饭碗,而是让人转型做更简单、有价值的工作。
比如,王丽娜从一名质检工人变为数据标注师,在技术的加持下,这一转型并不困难,人才短缺、就业问题都得到解决,从另一个维度讲,这也是智能制造转型的重要方面,对企业本身也能带来降本增效的好处。
一言以蔽之,工业企业转型面临的三大难题,都可以通过技术寻找「最优解」,而米乐m6平台的解决方案供应商们,也正在一步一步下沉,将技术从学术前沿,以各种形式落地到工业场景。
百度智能云进入工业很早,散见于各种应用案例。在2018年工业互联网平台写入政府工作报告之后,百度就提出了“云智一体”,赋能工业,并于2020年联合贵阳打造了国家级ai工业互联网平台;直到2021年5月18日,在重庆举行的工业互联网高峰论坛上,百度才正式推出工业互联网品牌“开物”。
时隔一年,在今年9月6日的智能经济高峰论坛上,沈抖向外界展示了开物的2.0版本。
据悉,2.0版本有三个方面的更新:
首先,在应用层面,开物1.0注重底层ai能力赋能,开物2.0更聚焦ai能产生价值的核心场景。百度智能云将投入大量资源,打造应用案例,并且将相应的经验、能力以及服务沉淀到平台之上。
如在ai质检领域,恒逸化纤的落地案例,并不是单一的定制化模式,而是要解耦整个质检场景,将相应的经验、能力凝结在平台上。
目前,除了ai质检以外,开物2.0聚焦的其他场景包括:质量管理、安全生产、能耗优化等等,可应用到汽车、电子、能源、水务等多个行业。
其次是平台升级,重点打造全新的工业智控引擎,提供基础的模型服务和创新工具,解决企业在智能化改造过程中面临的相关问题。
百度智能云认为,由于工业场景很多,不可能一一覆盖,因此要走平台模式,才能加快技术落地。比如一些企业并不会开发模型、算法,可以直接从百度工业互联网平台上下载部署。
具体来说,开物2.0将发挥“资源集约”、“信息协同”、“知识获取”三大平台经济优势。
“资源集约”指的是通过数字化saas应用来降低使用门槛,企业无需自建运维团队,以此减少企业信息化建设成本;“信息协同”则不单于企业内部、企业之间的协同,而是整个供应链的协同,旨在减少供应链风险、牛鞭效应(信息不对称带来的市场失真);“知识获取”指的是企业可以在平台上调用相应的参数模型,直接分拨部署,解决需求。
最后是ai核心升级,表现为基于ai的生产知识模型的沉淀和服务体验,目的是实现知识经验、数据模型可迁移、可复制,而降低开发成本。
可以这样理解:开物1.0基于百度智能云的ai能力建立起底层技术基座,打下了“地基”,而开物2.0则是在地基之上开始添砖加瓦“盖房子”,百度扮演着施工方的角色,针对客户的具体需求,如房型、房屋设计等,打造差异化产品。这些建房经验可以沉淀为模型,从而快速批量生产房屋。并且,在建房之外,还提供产业链上的信息共享,从而减少信息沟通成本。
工业就相当于这座房子,百度智能云作为施工方,基于其ai能力以及行业经验,旨在打造一套“样板房”,最大限度降低工业企业转型的“建设成本”。
“从产业核心场景切入,在打造标杆应用的同时,将知识、经验沉淀到ai中台(ai paas层),大量的经验、场景数据又能反哺百舸异构计算平台和昆仑芯片等(ai iaas层),二者的结合则形成了ai cloud。”
沈抖介绍道,通过ai cloud,百度向上可以更新、孵化应用,向下则可以改造原有的技术底座,使其更适合ai应用,实现从核心场景到平台沉淀、支撑工业企业降本增效的“螺旋上升”,帮助企业从云计算“算力”调取,进阶到“智能”随取随用的云智一体3.0时代。
恒逸化纤的智能转型始于2016年,此前有过试水,没有规模铺开,然而做了几年,虽然改造了老旧工厂,引入各种自动化设备,打通了生产流程,但离智能化还很远。
在与百度智能云合作之前,恒逸化纤曾与另一家技术供应商合作,并取得一定成果。然而,恒逸化纤发现,以传统制造业的角度做产品,只能做单品,虽然能起到移动作用,却无法实现真正的智能化。
“智能化需要平台支持,没有平台,数据很难产生价值,产品也就是自动化设备,只能解决一部分问题。”恒逸化纤相关负责人表示。
这也是恒逸化纤为何选择百度“开物”平台的原因:大平台能覆盖企业生产的全流程,打通生产壁垒,小到ai质检,大到供应链协同,实现整体的智能化升级。
恒逸化纤之外,开物2.0已经在重庆、广州、苏州等多个城市,多个行业落地。
例如,在电力行业,龙源电力通过百度智能云ai智能化管理平台,实现了集中式管理,在北京就可管理分布在全国各地的1万2千多台风机,200多座风电场。并且,通过ai巡检,风机巡检效率最高比过去提升6-10倍,还有效避免了巡检工人高空作业的风险。
而在石化领域,中海油在引入百度管廊智慧巡检系统之后,可通过管廊机器人自动采集、远程监控,安全异常报警响应速度比原先提升了6倍。
论坛上,百度智能云首次发布了汽车云,从车企集团云、网联云、供应链协同云,三个层次深入汽车制造行业的数字化升级,解决汽车行业生产、自动驾驶测试、供应链管理等三大应用难点。
一个鲜明的例子是,吉利集团已整体上云,整个生产制造环节,包括生产订单自动排产、订单完成率、设备开动率等等,都可通过百度智能云工业数字化大脑平台展示,管理运维成本降低了30%。
恒逸化纤、龙源电力、中海油......这些都是“开物”落地的案例,而在能源、水务、制造、交通、金融等行业,“开物”正向下扎根,为工业企业转型提供技术源动力。
沈抖表示,人工智能、云计算必须与实体经济深度融合,真正深入到实体产业,去解决产业遇到的实际问题,才能共创价值。
他认为,产业智能化还需要更长的时间探索,技术米乐m6平台的解决方案供应商需要给产业、给企业持续交付真实的价值和成果,“不玩噱头,让行业真真切切地尝到智能化的甜头。”雷峰网雷峰网(公众号:雷峰网)