隨著生產(chǎn)技術(shù)的進步，工業(yè)場景逐漸復雜、多樣化，不論是工業(yè)場景中的人，還是設備，都需要具備更強的自適應和主動智能能力。
工業(yè)物聯(lián)網(wǎng)的野蠻生長為這種主動智能能力的發(fā)展奠定了基礎(chǔ)。借助IoT技術(shù)，遍布傳感器的工業(yè)現(xiàn)場，每天產(chǎn)出數(shù)量驚人的數(shù)據(jù)，而這些數(shù)據(jù)是培育工業(yè)AI的最好土壤。
AI+IoT結(jié)合的形式，將為工業(yè)帶來更多可能。基于AI+IoT的智能自動化、智能創(chuàng)新，將明顯提升生產(chǎn)效率、產(chǎn)線良品率，加快產(chǎn)線部署、轉(zhuǎn)型速度，實現(xiàn)定制化、柔性生產(chǎn)。擴大產(chǎn)量，提升質(zhì)量，保證企業(yè)長期穩(wěn)定的利潤增長。
報道 | 機器之能
AIoT即AI+IoT，是人工智能（AI）技術(shù)與物聯(lián)網(wǎng)（IoT）基礎(chǔ)架構(gòu)的結(jié)合。與IoT單純收集數(shù)據(jù)不同，AIoT可以利用ML/DL等人工智能技術(shù)，在無人或少人干預的情況下，對物聯(lián)網(wǎng)收集的海量數(shù)據(jù)進行分析，幫助人類制定策略，改善物聯(lián)網(wǎng)中的人機交互，并增強數(shù)據(jù)管理和分析能力，實現(xiàn)更高效的IoT運營。
在這個過程中，AI可以高效利用IoT數(shù)據(jù)，發(fā)掘數(shù)據(jù)的深層價值，改善決策流程，以DaaS（Data as a Service）的新形式，使AI+IoT達到1+1>2的效果，強化行業(yè)賦能。
AIoT需要將AI嵌入到IoT網(wǎng)絡中的不同組件中，包括程序、系統(tǒng)、芯片、邊緣設備以及云等基礎(chǔ)架構(gòu)。在不同的設備、軟件和平臺之間設置適當?shù)膮f(xié)議和API，建立基于IoT的互操作，優(yōu)化系統(tǒng)和網(wǎng)絡，并從數(shù)據(jù)中提取價值。
一 AIoT只能做預測性維護嗎？
一直以來，預測性維護都是AI+IoT在工業(yè)場景中的頭號應用案例。基于AI分析的預測性維護，可以實現(xiàn)精準管控，停機、停產(chǎn)時間最小化，在生產(chǎn)流程上減少產(chǎn)能浪費。
然而預測性維護不論是在技術(shù)水平，應用價值上都不能真正發(fā)揮出AI的力量。對于工業(yè)生產(chǎn)的價值，也僅止步于降本增效，并不能驅(qū)動創(chuàng)新，無法真正給工業(yè)企業(yè)帶來長期的增長助力。
隨著硬件設備的不斷升級，工業(yè)場景中的數(shù)據(jù)量持續(xù)快速增長，只有利用AI的分析能力，才能真正發(fā)掘工業(yè)大數(shù)據(jù)的價值。
AI+IoT在工業(yè)場景中的應用潛力尚待挖掘，利用AI+IoT驅(qū)動的智能創(chuàng)新、智能自動化，將在未來的AI應用中創(chuàng)造巨大的價值。
傳統(tǒng)的工業(yè)自動化產(chǎn)生于上世紀中葉，彼時的技術(shù)尚不足以支撐非線性、自適應的制造系統(tǒng)。為了保證高效穩(wěn)定的運行，幾十年來，工業(yè)自動化一直基于PLC編程，執(zhí)行線性的機械運動，完成特定任務，而無法適應變化，亦無法自我提升。
隨著數(shù)字技術(shù)的跨越式發(fā)展，數(shù)字孿生、物聯(lián)網(wǎng)等技術(shù)逐漸普及，為非線性、自適應的主動型機器在工業(yè)場景中的應用奠定了基礎(chǔ)。
二 AIoT的工業(yè)場應用模式
設計優(yōu)化：人工智能在智能創(chuàng)新方面的應用，以助力產(chǎn)品的結(jié)構(gòu)設計和仿真分析最為主要。在結(jié)構(gòu)設計過程中，企業(yè)會產(chǎn)生大量的結(jié)構(gòu)件和模型庫，在模型庫的優(yōu)化管理過程中，利用AI技術(shù)可以大幅提高企業(yè)知識庫的建設效率和應用效率。
在多物理場仿真的過程中，AI技術(shù)可以更好地優(yōu)化模擬場，加快數(shù)據(jù)分析速度，優(yōu)化人工建模。而基于3D打印技術(shù)的材料仿真、拓撲優(yōu)化，也將受益于AI技術(shù)。
優(yōu)化排產(chǎn)：在現(xiàn)代化的數(shù)字工廠中，利用數(shù)字孿生技術(shù)對工廠的生產(chǎn)流程進行模擬分析。AIoT可以生成最優(yōu)的排產(chǎn)計劃，實現(xiàn)多邊界、多約束條件的高效排產(chǎn)。減少物料和產(chǎn)能浪費，快速響應工廠生產(chǎn)需求，提高生產(chǎn)效率。
優(yōu)化供應鏈：覆蓋供應鏈上下游的智能系統(tǒng)，可以監(jiān)控企業(yè)產(chǎn)品的全生命周期，利用AIoT智能核算數(shù)據(jù)。根據(jù)原材料報價、配件報價、產(chǎn)品報價、市場走勢，統(tǒng)籌產(chǎn)供銷，制定合理的策略，降庫存、減成本，優(yōu)化整個供應鏈流程。
預測性維護：通過AIoT數(shù)據(jù)采集，以數(shù)字孿生模型為基礎(chǔ)，對工業(yè)流程中的各環(huán)節(jié)設備進行模擬分析。預測設備一段時間內(nèi)的運行情況，并根據(jù)運行情況，實行精確維護，最大限度地降低宕機風險，并縮短停機時間。
三 AIoT加速智能工業(yè)發(fā)展
在智能自動化方面，NVIDIA與Fanuc合作開發(fā)的自主學習AI機器手臂，真正為工業(yè)機器人賦予了智慧。機器學習、深度學習等智能技術(shù)，將全自適應、可自我提升的機器人變成了現(xiàn)實。
基于AI技術(shù)，無需人類編程，機器臂就可以自己實踐、學習如何完成任務，利用深層神經(jīng)網(wǎng)絡強化機械臂的動作，使之盡可能地接近任務目標，例如抓取、堆疊等。同時，這一過程還可以通過機器人協(xié)同工作，累計更多數(shù)據(jù)，從而加速機器訓練的過程。
在此之后，越來越多的AI機械臂產(chǎn)品出現(xiàn)在工業(yè)應用領(lǐng)域，真正為工業(yè)加上了“智能”二字。把原本的線性、標準化、被動的工業(yè)場景，升級到了非線性、自適應、自升級的更高維度。
在物流領(lǐng)域，DHL的目標是到2028年制造10,000輛支持IoT的卡車運輸車輛。DHL建立的Smart Trucking敏捷卡車模型，可以利用AIoT技術(shù)監(jiān)測卡車運行情況，降低人力消耗和運力成本，實現(xiàn)業(yè)務瘦身，提升業(yè)務效率。
通過AIoT的可靠性實時跟蹤系統(tǒng)，DHL在90%以上的運輸線路中，實現(xiàn)了50%的時效提升。目前，DHL每天覆蓋全球400萬公里的10萬噸運力均受益于AIoT平臺。
在工業(yè)服務領(lǐng)域，施耐德電氣則推出了專注于變頻系統(tǒng)業(yè)務的人工智能機器人 “小嚴”。“小嚴”基于自然語言識別技術(shù)，增加了專注變頻系統(tǒng)相關(guān)專業(yè)知識，以嵌入施耐德電氣變頻顧問的形式，24小時全天候在線響應用戶關(guān)于變頻系統(tǒng)業(yè)務的咨詢需求。
作為施耐德EcoStruxure架構(gòu)中應用、分析與服務層的典型應用，施耐德電氣變頻顧問是施耐德電氣為客戶開發(fā)的一款針對變頻系統(tǒng)的數(shù)字化服務平臺，可以通過對客戶資產(chǎn)、設備、環(huán)境、人員操作數(shù)據(jù)和信息等進行實時遠程采集、存儲、分析和可視化，精確反映現(xiàn)場設備狀況。
盡管AIoT的概念相對較新，但其在工業(yè)領(lǐng)域的大量創(chuàng)新應用，已經(jīng)使AIoT賦能工業(yè)成為智能制造時代的焦點。AIoT在工業(yè)、消費品及服務行業(yè)中的增長勢頭正在逐年提升。
在未來，AI+IoT帶來的智能自動化、智能創(chuàng)新，將明顯提升生產(chǎn)效率、產(chǎn)線良品率，加快產(chǎn)線部署、轉(zhuǎn)型速度，實現(xiàn)定制化、柔性生產(chǎn)。擴大產(chǎn)量，提升質(zhì)量，保證企業(yè)長期穩(wěn)定的利潤增長。
