制造業“智能化”加速

文 管浩

此次突發的公共衛生安全事件，將會對中國制造業帶來哪些深刻的影響，促進我國制造業實現哪些變革？

隨著新冠肺炎疫情的變化與全國防控工作的深入開展，大家的目光逐漸轉向經濟活動受到的影響，很多企業體會到人力成本增加、供應鏈短缺帶來的諸多問題，甚至面臨倒閉的困境。春節期間疫情的蔓延，各行各業尤其是制造業企業面臨延遲復工、產能壓縮、物流封閉等多重壓力，生產銷售計劃被打亂。而另一方面，新一代信息技術賦能的無人配送、在線消費、醫療健康等新興產業展現出強大的成長潛力，智能制造便是其中的典型。

中國是世界較大的制造基地，也是全球制造業供應鏈的核心環節。經過此次疫情，也促使了制造業對無人化、智能化布局進行深入思考。多數制造業企業已認識到，想要適應充滿不確定性的未來，則需要拋棄落后產能，擺脫傳統產能效率對人力的依賴，同時結合人工智能等新的生產要素，較大限度地保證精細化運營管理和風險管控。

智能制造賦能生產線緩解復工難

人工智能其實早已深入我們生活的方方面面，隨著人工智能算法及驅動它們的計算能力日益完善，它們在積極改變人類家園方面的能力不容置疑。

2月19日，工信部印發的《關于運用新一代信息技術支撐服務疫情防控和復工復產工作的通知》中提到，針對疫情對企業造成的停工停產問題，指導企業用好信息技術手段和信息化工具，用兩化融合提升生產管理水平，助力企業盡快復工復產。此外，要推動制造企業與信息技術企業合作，深化工業互聯網、工業軟件（工業APP）、人工智能、增強現實/虛擬現實等新技術應用，推廣協同研發、無人生產、遠程運營、在線服務等新模式新業態，加快恢復制造業產能。

過去，一個人想要完成一條生產線的任務大家想都不敢想，但如今，隨著編程技術的應用，精加工、自動化已逐步取代原勞動密集型的生產模式，讓其成為可能。疫情當前，很多企業已做出嘗試，以無人化、智能化的整體方案，提升企業生產安全性和效率，不僅能幫助制造業企業抗擊此次疫情，更能從長遠角度出發，提升制造業企業的可持續發展能力和競爭力。

據江蘇公共·新聞頻道《新聞360》報道，疫情期間，江蘇盈瑪精密機械有限公司接到一份支援武漢防疫一線的“火線訂單”，但是受疫情影響，公司還未復工，負責人袁傳偉一個人扛起了一條生產線，從編程、采購原料、準備刀具、加工、質檢、送貨……他一個人用了16天，將原本需要5名員工15天才能完成的200套訂單全部完成。

生產模式升級，隨之而來的也是對生產者要求的提升，從起初簡單體力模式，演變到技能符合模式。

然而，有市場研究發現，中國的人工智能公司中真正關注工業領域的尚不足5%，幾百項大型人工智能投資項目中，與制造業有關的不到1%。有媒體分析認為，除了工業領域數據和標注不足、相關算法不夠成熟之外，算法工程師對工業流程和技術等實際問題不夠了解，以及工業企業對“外來”人工智能公司和解決方案的不信任是更深層次的原因。在這一背景下，我們更多看到的是企業內部的技術團隊，尤其是人工智能團隊，在自身企業的智能化轉型過程中發揮了關鍵作用。

智能化轉型提高制造業應對能力

危中有機，此次突如其來的疫情在很大程度上為制造業向無人化、智能化的轉型升級提供思考，讓依托技術革新、裝備升級、數字化改造后的先進制造企業增強了發展的信心；也為勞動密集型的傳統企業在危機之后，向無人化、智能化的轉型升級提供啟示與展望，探尋更多的發展機遇。

對制造業企業而言，構建智能制造系統的核心價值主要體現在降低生產成本、提升生產效率和重塑生產方式方面。基于生產現場數據與生產工藝、運營管理等數據的綜合考量，企業能夠實現更精準的供應鏈管理和財務管理，減少物料浪費，減輕倉儲壓力，降低運營成本;通過對“人、機、料、法、環、測”各環節數據的全面采集和深度分析，企業能夠發現導致生產瓶頸與產品缺陷的深層次原因，不斷提高生產效率及產品質量;引入高度柔性的以數控機床、機器人為主的生產設備，企業可以實現多品種、小批量的新型生產方式，推動生產模式由大規模生產向個性化定制生產進化。

但企業如何突破運營瓶頸，通過建設符合自身情況的數字化、智能化運營模式將是生存的突破口。以聯想集團旗下的合肥生產基地—聯寶科技為例，聯寶科技在全球PC市場占有率非常高，據統計全球每售出8臺筆記本電腦就有1臺來自這里。短短幾年，產品累計出貨超過1.2億臺，年訂單數超過60萬，定制化小單比例超過80%，面向全球100多個國家和地區高效供應。

龐大的生產需求對生產排程也提出了很高的要求，整個排產過程需要考慮包括人員、設備、物料、生產工序與方法、環境在內等幾十種復雜的變量，因此人工排產逐漸變得力不從心。

針對這一問題，聯想研究院人工智能實驗室的機器學習團隊打造了使用多交互增強學習優化網絡和基于注意力機制的最優化網絡的人工智能排產方案。它可以模擬多變的生產環境，自動尋找最佳排產策略。在制造企業最關注的產品數、訂單數、訂單交期滿足率和產能合理利用率四個指標上，人工智能算法相比人工排產均有明顯提升，排產耗時也大幅減少，從原來的每天6小時縮短到1.5分鐘，生產效率也獲得了16%的提升。而且隨著數據的積累和模型的訓練，智能排產模型的能力還會進一步提高。

聯想研究院人工智能實驗室機器學習總監范偉曾表示，聯想的機器學習研究目標是把數據轉化為生產決策，把技術轉換成生產力，從而提高業績并創造實際價值。

在中國，依靠低成本人力作為競爭優勢的企業正急劇減少甚至消失，企業若想在競爭中迎頭趕上，只有從提高效率，快速淘汰低效的管理、生產和銷售方式等途徑入手，因此數字化、智能化甚至無人化發展將是企業轉型升級的重要方向和路徑。