NEWS专栏 | 从筑基到突破，CIO需要关注的四个智能制造新方向
NEWS专栏 | 从筑基到突破，CIO需要关注的四个智能制造新方向
2023-10-31 19:14:39 来源：
抢沙发
2023-10-31 19:14:39 来源：
摘要：制造业多年来一直是中国经济的“压舱石”，然而，在光辉灿烂的实体经济成绩之下，中国制造业却正在面临着一场关乎存亡的数智化转型战。无论是早期的信息化，还是现在的数字化转型，成功的关键都是IT与OT的紧密结合，也就是要针对工业化基础水平辅以相应的数字化技术，进行创新和改造。
关键词：
NEWS专栏
智能制造
新基建创新研究院观点：
制造业多年来一直是中国经济的“压舱石”，然而，在光辉灿烂的实体经济成绩之下，中国制造业却正在面临着一场关乎存亡的数智化转型战。无论是早期的信息化，还是现在的数字化转型，成功的关键都是IT与OT的紧密结合，也就是要针对工业化基础水平辅以相应的数字化技术，进行创新和改造。
国内以不少高端制造领域已经获得了弯道超车的机会，可以采用最为先进的数字化技术，从一个新的起点开始建设。更多制造业企业则在补强工业化基础，并且通过新型数字化技术与传统业务的结合，创造出新的业务模式，获得新的竞争优势。从这两方面分析，制造业的CIO都需要关注新型数字技术的发展和应用。在多变的经济形势面前，更需要以数字化为基础打造出更多创新，这也正是新基建的核心精华所在。
中国自2010年成为了世界第一制造业大国之后，“中国制造”在全球范围内的占比不断提升。然而，从2012年开始，国内制造业比重就一直处于下降状态。2020年，国内制造业比重下降到26.18%。特别是面对今天不确定的经济环境，提高质量效益、转变生产方式成为了中国制造业必须要解决的问题，发展智能制造也成了中国制造由大到强的必由之路。
数字化技术与制造业的结合，不仅给了国内新型高端制造业弯道超车的机会，也会在接下来的时间内将影响进一步延伸到传统制造业内部。为此，制造业企业的CIO们需要重点关注一些新型数字技术的发展机会。
从国内智能制造的现状出发，结合国外制造强国的应用案例，以及头部数字化技术供应商的技术趋势，新基建创新研究院认为制造业CIO需要重点关注以下四个数字化技术领域。
生成式AI
生成式AI在语言领域取得突破之后，接下来迅速扩展视觉、听觉、具身、行动等通用智能的方向，恰好正是智能制造的前进方向。
人工智能在智能制造领域有着众多应用场景，因此当人工智能领域近期取得重大突破以后，人工智能对于智能制造领域的支撑作用非常明显，在AI质检、设备故障诊断和预测性维护、创成设计、需求预测和生产排产等方面，已经获得了广泛的应用。
业界普遍认同人工智能接下来的发展，会经历通用人工智能（AGI）、自主人工智能、超人智能和强人工智能四个阶段。今天的大语言模型正在奔跑在这条路上，并且已经在语言方面取得了突破，接下来还会迅速扩展视觉、听觉、具身、行动等通用智能。
以丰田研究所与麻省理工学院和哥伦比亚工程公司近期合作开发的“大型行为模型”为例，大语言模型是基于数十亿人类文字形成的模型，表现出来的是语言生成能力，“大型行为模型”则是人工智能先学习人类在现实世界中做出的动作，然后对自己进行编程，再用机械臂以更灵活的方式完成现实任务。
以往，机器人工程师需要花费大量时间编写复杂的代码，还要用大量的实验和试错来训练机器人，效率非常低。现实生活中人的动作复杂无比，比如人们在洗菜做饭时，需要操作不同软硬程度和不规则的食材，力度和角度也就会有更多变化，这给AI训练增加了很大的难度。
“大型行为模型”一个晚上却可以教机械臂学会60种需要灵活应变的技能。在这个过程中，机器人工程师不需要写任何编程代码，只需要输入文字任务信息，再操作机械臂做一次实际示范，之后大行为模型就开始自主学习了。只需要一个晚上的自主学习，第二天机械臂就学会了操作。
AI之父杰弗里·辛顿认为：AI的危险在于，模型的每一次训练所得到的知识，都可以复制并转移到别的模型，因此AI可以互相共享知识，而人类的大脑是不能直接互连的。从这个点出发，我们会发现“大型行为模型”这类技术肯定不会限定于机械臂这样的局部范围，并联机器人、桁架式机械手、协作机器人、移动式协作机器人和多种形态的物流机器人在获得了生成式AI加持之后，将为推进智能制造应用带来更多新模式。
多云协同
数据已起到了如工业时代石油一般的作用，而实现多云协同，让数据和应用实现统一和协同，是智能制造必须的基础。
智能制造是一种可以让企业在研发、生产、管理、服务等方面变得更加“聪明”的方法，我们可以把制造智能化理解为企业在引入数控机床、机器人等生产设备并实现生产自动化的基础上，再搭建一套精密的“神经系统”。
工业4.0强调实现从车间到决策层的纵向集成、供应链上下游的横向集成和产品全生命周期的集成。因此，智能制造各个子系统需要集成为一个有机的整体，才能产生预期的价值。
智能制造涵盖的领域众多，包括工业软件、工业自动化、工业机器人、人工智能、工业物联网、传感器和AR/VR等支撑技术，应用范畴包括智能产品、智能装备、智能产线、智能工厂、智能服务、智能供应链、智能决策，以及研发数字化、管理数字化等领域，贯穿整个制造企业的价值链，涉及海量、异构数据的采集、分析、管理与应用。而这些技术融合在一下，在先进智能制造模式之下，就需要不同自动设备相互配合，并搭建一套精密的“神经系统”。
在这套精密“神经系统”的搭建过程中，制造企业内部包括信息孤岛、自动化孤岛、IT/OT的断层、云孤岛，以及机电软等多学科之间的孤岛，却开始显现出来。为此，制造企业需要打通内部数据以及与合作伙伴之间的数据链路，在边缘云、公有云、私有云等多云环境和数据中心之间建立一条通途，实现基础架构与应用和数据之间的融合。
因此，多云协同的关键，就在于不仅要以数据存储为中心，实现分布于不同位置的数据的互通，还要实现多云环境中各类应用的互通。再进一步，还要实现存算分离，让应用对于不同位置、处于不同权限的数据只有使用权而没有所有权。这样，才能最终形成一以贯之的精密“神经系统”，统管全局。通过周全的顶层设计，让智能制造系统因真正具备集成性而发挥作用。
数字孪生
在成本竞争达到白热化的今天，降本增效的关键就在于利用虚拟世界和现实世界的联系，在成本更低的虚拟世界里获取想要的信息，而数字孪生是通往平行世界不二法门。
数字孪生的作用就在于打破物理与数字的边界，把现实世界采用数字孪生的方式融入虚拟世界，然后把在虚拟世界中构造的更为完美的世界搬回现实世界。
从制造业的行业特点来看，传统的自动化生产制造模式是按照人的要求，实现机器设备、系统、生产流水线在无人或少人直接参与下完成重复性的运行，达到预期目标生产制造的过程。但是在互联网时代，传统制造业却碰到了新的瓶颈，用户诉求的变化了，不仅需要高质量产品，他们还希望更快、更新、更多样、更便宜。
在这样的条件之下，以自动化控制技术为主导的智能制造模式就必须转化为以IT融合OT为主导的智能制造模式，再过渡到是以PLM为主导的智能制造模式，在整个产品生命周期实现智能化制造模式。
这样，当柔性制造大行其道，为了适应小批量、多品种未来的制造方式，企业的执行层面必须要做到节约时间和金钱的成本。为此，在生产线上采用机器人还不够，还要给机器人赋智。精密组装的生产线、需要灵活变通的组装线等要实现完全自动化制造，就要克服现有机器人无法很好地处理三个维度的不确定性，在产线流程上实现优化。在一条产线上，也许几米的优化，就能产生巨大的效率提升。
宝马（BMW）在2023年初完成了对其全球汽车工厂的数字扫描，为所有工厂创建了照片般逼真的全景图像、平面图和散点图，涵盖所有建筑结构、设施和室外区域，以推进自己的数字孪生计划。宝马称，这可以节省生产计划期间的时间和精力，改善与内部和外部接口的协作，并避免规划过程中的失误。
现在，虚拟规划已成为了宝马生产数字化战略愿景的核心要素，宝马的目标是让所有流程和整个生产系统的规划和模拟实现100%的虚拟化，并且在生产规划的早期阶段，就可以把虚拟产品整合到虚拟工厂中，这可以减少规划的工作量和资本上的支出，同时确保生产过程中的流程更高效、更稳定。为此，位地欧洲的宝马新能源汽车工厂在设计阶段，就全面引入了数字孪生技术。在设计流水线时，甚至考虑到了工人的身高等因素，以便利用人体工程学提升生产效率。
事实上，不仅是宝马，包括富士康工业互联网、宣鼎、和硕、广达和纬创在内的更多制造商早已经认识到了这一点，将数字孪生技术引入工作流程，以达到推进其工业数字化进程的目的。
从数据的角度来看，工业大数据是来自不同领域海量数据的结合，它具有多类型、大容量、高价值以及快速更新的特点。在工作当中，如果将数据进行整合提炼，并将数据转换为制造业所需的信息，则能够充分地体现出数据的商业价值。如果能够使智能生产同环境系统间进行信息交互共享，设备在运行当中则能够自我学习，形成“自我意识”，在以自学获得能力的条件下达到更高标准，实现智能控制目标。而数字孪生通过创建统一的平台，已经承担起了这个作用。
安全
就工业智制的成果来说，包含数据、网络、应用、终端等方面的安全是“1”，有了这个“1”，后边的“0”才有价值。当物联网带来新的安全问题时，零信认安全等新的安全防护方式，是保住胜果的关键。
在工业智能化升级过程中，大量IoT设备被用于采集生产数据，将这些数据汇入后台或云端进行高精度的分析和处理，进而形成一个经过优化的机器模型，这个模型会通过指令指挥一线设备进行调整和优化操作。而OT和IT的融合使得物联网设备增多因而增大了攻击面，大量生产数据的汇集加大了数据保护的难度，同时针对工业4.0的网络犯罪群体也在持续增加。
近年来已经发生多起知名制造企业的工控网络被病毒入侵，导致停产和巨额损失的事件。因此，当工业系统进化成一个高度智能、自己治理的系统之后，从木桶理论出发，企业的智能制造升级一定要以安全为前提，没有网络安全，就如同木桶没有底板一样。
随着工业系统的进化，传统的IT边界已经消失，因此从安全规划的角度来看，整个工控环境都要遵循零信任原则，实现不去主动相信，而是持续检查的原则。在此基础之上，再进行相关安全框架的规划和部署，实现物联网保护，保障数据、云的安全。由于OT和IT之间日益增长的互联性已经成为一大挑战，因此设定必要的隔离策略非常必要。而面对安全工作人员的短缺，还要实现安全自动化的能力。
智能制造具有鲜明的行业特质，从电子、机械装备、汽车、钢铁冶金和石油化工等细分行业来看，各个细分行业虽然推进智能制造的理念相通，但实现路径差异很大。因此，同样的技术，应用于不同行业的智能制造时，也会产生不同的个性化需求。也正是因为这个原因，CIO们需要在应用新型数字化技术推进智能制造的征程中，循序渐进，不断总结经验教训和正确规律。
征文活动详情！
感谢您一直以来对CIO时代的关注和支持~
CIO时代作为一家集数字化研究、培训和新媒体运营三方为一体的全媒体平台，致力于成为“个人和组织数字化业务、管理和技术知识的赋能者”。
我们为您提供多样化的合作机会：
报道合作：我们拥有一支专业的采编团队，为您解决公司报道、产品推广、品牌宣传、口碑传播等需求。如有需求，请联系巴老师，电话：13681033774(微信同号)。
会议合作：我们将举办各类线上、线下主题峰会、数字化年会、沙龙活动等大型会议，以及500强闭门研讨会等重磅会议。如有需求，请联系范老师，电话：13651155286（微信同号）；丁老师，电话：13810438830（微信同号）；王老师 ，电话：15811579376（微信同号）。
内容合作：转载本平台优质文章或向本平台进行投稿，请联系张老师，电话：18046567595（微信同号）。
CIO时代与您一路同行，期待与您携手共进，共创美好未来！
责编：zhanghy
免责声明：本网站（http://www.ciotimes.com/）内容主要来自原创、合作媒体供稿和第三方投稿，凡在本网站出现的信息，均仅供参考。本网站将尽力确保所提供信息的准确性及可靠性，但不保证有关资料的准确性及可靠性，读者在使用前请进一步核实，并对任何自主决定的行为负责。本网站对有关资料所引致的错误、不确或遗漏，概不负任何法律责任。
本网站刊载的所有内容（包括但不仅限文字、图片、LOGO、音频、视频、软件、程序等）版权归原作者所有。任何单位或个人认为本网站中的内容可能涉嫌侵犯其知识产权或存在不实内容时，请及时通知本站，予以删除。
