8月7日-8月9日，坐标中国深圳。2020 全球人工智能与机器人峰会（CCF-GAIR）于深圳前海华侨城 JW 万豪酒店启幕，大会由中国计算机学会（CCF）主办，雷锋网、香港中文大学（深圳）联合承办，鹏城实验室、深圳市人工智能与机器人研究院协办。
在8月9日压轴举办的『工业互联网专场』上，富士康工业富联首席数据官、科技服务事业群总经理刘宗长做了题为《工业人工智能与工业互联网为制造业带来的价值机遇》的重磅演讲。
工业富联，也就是富士康工业互联网股份有限公司。他们作为既懂工业制造，自身也能作为“试炼场”的工业互联网企业代表，自2018年6月在上交所上市，现在已满2年。期间，他们正式对外推出工业云平台（Fii Cloud）、专业云（Micro Cloud）及工业人工智能（IAI）的服务主架构。同时，还确立了“智能制造”加“工业互联网”的双轮驱动战略。
演讲中，他首先介绍了工业富联位于深圳的熄灯工厂，并谈到如何实现零宕机、零次品、零浪费、可传承的无忧制造。接着解读了如何利用人工智能技术帮助制造企业挖掘数据价值，提升竞争力。
他表示，主要场景归纳为三个机遇，一是AI与设备相互连接，使其能够实现透明化的管理；二是企业大量建立自己的信息化系统，包括ERP、MES，像企业的资源管理上的自动排程，主机化生产的资源排配，现在有大量工业软件，西门子、ICT等已经用到很多；三是AI和人机交互诞生新的工作方式，比如现在用的AR技术去做设备维护，包括设备维修的辅助，还包括现在大量使用的iPhone或者Pad，它的组装已经到钟表级的精度。
谈及智慧制造系统，刘宗长表示：
“我们说要经历5个发展阶段，这5个发展阶段没有办法做跳跃。当我们的精益没有做好，可能很难做信息化，信息化没有做好，更不要谈大数据和智能化。”
“现在有专门的科技服务事业群对外服务很多企业，我们接触上百家企业，我们关注到非常多优秀的企业，无论是规模上还是盈利能力都做得很好，他们把前面两个部分能够做完善就已经变成企业中头部的位置。”
随后，刘宗长系统地介绍了富士康灯塔工厂的理念：从“无人”到“无忧”，工业富联科技服务三大业务板块，以及如何致力于实现智慧制造系统的全场景集成。
以下为刘宗长的演讲全文，雷锋网在不改变原意的基础上进行了编辑和整理：
各位下午好！很荣幸今天能代表工业富联参加这个活动，我今天分享的主题是《人工智能与工业互联网为制造业带来的价值机遇》。
由于我是代表工业制造企业进行演讲，首先有一个代入感，这是集团内在推的熄灯工厂。
在这个工厂中，大量自动化实现以后，用很多IoT的技术将设备互联互通，实现了很多工厂都有的熄灯生产。我们每年给各个生产部都下“熄灯率指标”，今年某个车间或者完整的产品线生产工序达到多少的熄灯率。
而在灯打开之后可以看到，整个车间内，从单个设备的自动化和惯序协同的自动化，包括上下料的过程，应该说在硬件基础上都比较完善。这里面的AGV和上下料的机械臂和中间的加工中心都是富士康自主研发和生产的。
关于现场失误，其实很多是我们看不见的内容，而看不见的内容正是我们管控的重点。比如这些设备有没有振动的异常，生产过程有没有参数偏差，还包括参数的设定、现场的作业是否标准；由于电子产品的生命周期越来越短，从过去大批量制造向小批量、多品种的制造方式转变，而且市场变化很大，经常有订单的变化。那么，我们资源的协同要怎么做到时刻都是最优的配置？
这些不可见的问题会带来很多损失，包括停机、次品和资源使用效率等。过去管理这些损失的时候更多靠经验和一线班组的管理能力和领导力。我们现在做的是能不能把数据通过建模分析的方法，有些工业AI的系统，把它变成支持我们决策的依据。这样，我们可以做到时刻掌握一线发生什么样的情况，当有风险的时候可以极早预测并且预防，给我们带来的价值或者在追求的目标叫做“零宕机、零次品、零浪费”。
过去一线班组的经验、优秀的管理人员、优秀技师的经验是可以被传承的。无论是工业互联网，还是AI当中的使用，这是作为制造业非常朴素的目标和想法。
利用人工智能技术关键是怎么帮助企业挖掘这样的价值，不断提升竞争力。主要场景归纳为三个机遇：
一是AI与设备相互连接，我们能够实现透明化的管理。无论是预测性维护还是做到AI非常自动和高效的质量检测，包括过程参数也用AI的方式做分析，做到自动异常识别。这其实都是我们在AI和设备上使用的，会大量用到边缘运算的方法。
二是企业大量建立自己的信息化系统，包括ERP、MES，像企业的资源管理上的自动排程，主机化生产的资源排配，现在有大量工业软件，西门子、ICT等已经用到很多。如果企业已经做到信息化升级，有很多数字化的线程，里面会有些关键的点是人工做一些调度，包括人工做一些决策，关键线程的关键节点引入AI技术就可以做决策的智能化。我们现在做APS的先进排产，已经实现柔性混线生产的情况下，包括大家用的电子制造的产品，其实所有的BOM已经越来越复杂，我们接到很多订单怎么把现场设备资源、供应链能够组织起来，包括生产资源的主机化，包括精确到每个小时在线设备的排程，过去是靠人用Excel做，现在把这个系统线上化，并且做到日排产、周排产和小时排产的过程都是用AI的方式做。把过去4小时的人力排生产计划线变成分钟级，而且排的效率比过去人工排产的效率，资源的使用效率提升10%以上。
三是AI和人机交互诞生新的工作方式。比如现在用的AR技术去做设备维护，包括设备维修的辅助，还包括现在大量使用的iPhone或者Pad，它的组装已经到钟表级的精度，所以我们在训练一线甚至组装装配工人的时候现在用VR的方式，让他有更加真实的环境能够了解怎么样做这样的组装。我们训练的周期可以变短，比如过去一个班组做5天训练，现在变成3天以内，这些都是用AI技术实现降本增效的方法。
我们作为企业更多关注应用型的研发，从应用的角度考虑把它归结为五类场景：
1、基于模型的优化。我们把AI的算法与机理和控制理论相结合，可以实现在线的智能化的调机，无论是CNC加工中心做到自动补偿，还是现在大量的注塑成型设备调节成型参数，这都是过去靠人发现已经有次品，人到现场判断是什么原因再做调节，现在已经能做到自动识别过程的异常，并且再去自主闭环调机的过程。
2、面向关键流程的决策。像刚才讲的APS和现在在采购策略上，比如监测库存的水位、预测接下来的订单情况，做到整个供应链的调度优化。
3、还有增强分析，现在是大量使用。无论是智慧暂停室，还是一线设备的交互终端都会有些报表的方式，包括自动推送现场感兴趣的信息或者异常信息辅助人员做决策。
4、智慧化的工作方式，前面也有讲到柔性机器人、AR/VR混合现实的技术。现在做到知识的自动化，基于知识图谱的方式自动给一线人员推荐，使用问答的方式输入一个字符，给他推荐说什么原因造成的，接下来做什么排查步骤，这是我们更加智慧化工作方式的应用。
5、制造过程的管理，更多是PHM，用预测的方法管理质量和设备的状态维护。
以上是我们归纳的五大应用场景。我们做这些场景开发的时候，包括内部有专门的AI开发团队，在工业场景当中实现规模化的价值交付是难以实现的，这里面有非常多的挑战。
左边的图可以看到，如果从时间的维度和场域价值，我们投入的精力和研发的经费带来的价值曲线，最开始发现AI应用开发会做很多试点，所有的五大场景都有试点，试点推的过程中它的开发周期比较长，基本上是6个月到1年时间，这里面有大量问题。
比如我们要解决什么问题、准备什么数据、选择合适的算法模型、不断做参数的调优，调优完成以后选择合适的运算环境，把它变成整个程式和系统，这个过程会比较长。等到基本完成之后，导入场域生产的实际应用，这时候面临的问题是实验室环境下或者研发环境下考虑到很多因素，可能在实际生产现场是远远超过它的复杂度的。
结果的可靠性和可解释性会带来很多不足，在初期导入的时候，比如有一条产线导入一个新技术，整个所有稳定性和给产线带来的产能和良率的波动会有调整的过程。这个过程会有3-6个月，我们又度过之后，现在基本上在我们实际场域当中稳定了，我们想规模化推广的时候会说它的模型泛化能力和迁移成本过高，这个产线有它的特点，下一个不是同类产品，但是是相似场景的时候，还是有很多要做开发的工作。
怎么把前面的时间缩短，把边际成本降低？用一个系统工程的方法去做人工智能，包括像工业互联网，很多时候大家把工业互联网当成互联网的概念，或者把工业里面的人工智能用过去开发人工智能的方法去看，但是我们发现如果按照那样的想法做会有些挑战。我们要用系统的方法做，首先我们认为标准的研发流程非常重要，除了引进像DevOps这样的平台工具之外，也研究一些算法和利用冷启动和迭代机制。
工业当中有很多典型的小数据环境，小数据环境当中，我们的算法如何快速迭代，包括快速收敛，这都是我们现在研究的方向。包括系统性的技术架构，基于CPS把5C的架构，每层任务定义清楚，哪些做设备连接、哪些做网络通讯、哪些做边缘的运算，哪些做模型的管理和迭代，以及和OT系统连接的时候怎么把结果和交互做分发。
OT和Know-How的深度融合，过去做大数据过程中关注的是这里面的维度、数据4个V的要素，但是我觉得工业当中运用的时候物理含义非常重要，包括怎么定义，在预处理当中选择合适的特征，包括和工艺和设备的机理做充分的关联，这都是要跟工业的Know-How相关。包括工业可复用、可迁移的设计，这是当成系统性的工程方法做的努力。
系统性的方法，首先要理解人工智能和工业互联网技术在过去系统当中的定位。
从最早的方法，通过人管理现场的事和物，这是最早的方法。大家如果追溯到60、70年代，整个日本的制造有一个理念叫做TPS生产管理系统。讲究的是一线每个人充分动员起来，围绕现场的设备、围绕现场的生产过程的要素做管理，那时候更多强调三线管理，强调一线领导力和全员动员。
过去是人在现场怎么把事和物管理起来，靠人的经验和责任心，后来有了系统。系统最早诞生于六西格玛，用数据的方式管理和定义制造系统当中带来的不确定性，包括另外一个4流派，也是发源于日本丰田的精益制造系统，在整个流程设计、管理方法和制度的设计，甚至包括整个产线设计过程中怎么充分精益化，那时候我们关注的系统更多是文化、制度和在现场装备的设计。再到后来有了制造的信息化，引入信息化的系统，包括开始用MES、ERP，把以前人跟进的线下流程用软件的系统去承接。
现在有了工业物联网，工业物联网并不代表工业互联网，也不代表AI。它最主要的定位应该是怎么样能够把事和物当前的状况去及时通知到人，这样就把人从一线很多操作或者检查这些事务当中解放出来，这是我们过去做工业物联网的时候，在十几、二十年前在推的内容。
再到后来，我们开始把事和物用系统的方式组织起来，这时候用到的内容叫做CPS，通过前面的物联网基础，再到上面边缘的运算，再到对整个物理世界的事情或者物理对象的数字化的表达，还包括它当前状态的认知预测以及怎么样反馈到跟人交互的系统当中去。我们现在正在做的很多事情，无论是数字卵生还是CPS都是做这样的事情，这也是我们非常基础的要素。
而能不能变成用系统辅助人做所有的决策和管理？过去是人，还是人在系统当中做主要的驱动或者决策，现在能不能反过来用系统辅助人决策？这里面就涉及很多AI的应用和当前系统的态势感知和风险预警，包括增强分析、提升管理的能力，包括复杂条件下如何做决策优化，用知识图谱的技术把人碎片化的经验系统化，反过来辅助一线问题的处理。整个系统上，人、事情和系统之间的关系，以及在各个关系连接上，不同技术应该扮演的角色。
讲到智慧制造系统我们说要经历5个发展阶段，这5个发展阶段没有办法做跳跃，当我们的精益没有做好，可能很难做信息化，信息化没有做好，更不要谈大数据和智能化。
我们现在有专门的科技服务事业群对外服务很多企业，接触上百家企业，我们关注到非常多优秀的企业，无论是规模上还是盈利能力都做得很好，他们把前面两个部分能够做完善就已经变成企业中头部的位置。
我们在精益改善怎么做到合理化和标准化，怎么做好全员文化的建设，包括端到端价值的改善，通过系统的方式和管理的方式，把企业的管理水平做到提升。这两个作为基础，我们后面做到过程的透明化，把所有的过程能够在线，过程进展到什么节点，这样它的数据表现能够用数字化的方式体现出来。大家可能关注一线MES的看法，包括企业运营决策中心都是在这上面可以做的。
我们做到数字化制造之后，目前国内绝大部分企业，包括工信部评出来很多智能制造标杆都是处于第三阶段的状态。到下一阶段，我们关注的是数字网络化的制造，这里面我们关注的是用数据怎么驱动跨工序的协同和决策的智能化。
如果我们可以做到，过去人驱动过程，现在变成用数据串接所有的流程，关键流程用数据驱动下面做什么，流程节点是否要往下跑，这都是现在正在努力打造的。如果我们也实现了，我们觉得未来5年甚至更短的时间能够实现自主的智慧，因为我们在每个自动流转的事件完成之后都可以实现一条记录，实现数据的自动累计。如果我们把反馈的闭环也解决掉，那我们可以知道每次系统自动做的决策是好还是不好，那我们在背后用这些数据持续优化我们的决策系统，这样就可以实现持续自主的智慧状态。
智能制造系统有几个关键的特征：
实现的目标要增效和降本，要充分释放单位设备的产能，包括实现跨工序协同的优化；
突破关键工序过程中品质的瓶颈；
运营过程中透明化的管理，所有部分都可以标准化；
怎么加速人员能力的建设，现在越来越少了一线操作人员和有经验的技师，但是有越来越多应用的开发和IT系统的维护。
如果要实现这样的目标，我们其实需要一个承载，这个承载就是端到端的卓越运营，我们要实现全流程信息化平台的打造。
站在富士康的角度，我们有两个重点的线程，一是订单管理主线OTD，二是产品的研发管理主线。因为我们帮助我们的客户做ODM，他们可能只是产品的概念，而我们帮它做整个产品ID的设计和可制造性的设计，这部分就是产品研发的主线。在两条主线上会有数字化决策中心把中间所有关键信息做汇集，集中分析，决策之后再分发到各个流程节点。这是我们在做整个端到端卓越运营信息化平台的打造。
这里面有很多典型的应用场景，就不一一剖析了，包括生产制造当中从工厂规划、产线设计和生产制造过程的管理，到我们工厂数字化的表达，还有到一线设备的管理等方面都有很多关键场景。像我们在端到端运营当中，比如订单的获取、交付计划的生成、供应链管理、生产计划的执行、生产制造上一线的管理，包括我们最后的运输交付，也有很多可以用工业互联网和技术优化的场景。
过去，灯塔工厂的理念一直追求无人，用设备取代人的劳动，现在我们更多关注无忧，无忧是怎么把现场没有发生的风险及时掌握，并且通过预测加预防的方式避免掉。我们关注3W，怎么减少浪费、怎么减少劳动、怎么减少忧虑。
最后给大家分享一个视频，这是我们WEF世界灯塔工厂。这是我们做的非常典型的家用生产电子产品的产线，包括除了实现自动化的生产、自动化现场的复盘，这是用AOI的技术做贴片质量的检查。包括现场AGV的使用，现场设备管理，以及现在大量组装的环节也基本上可以实现完全自主化。在焊锡过程当中，焊头的Patch的应用，可以监测焊接过程，什么时间做焊点的不良和焊锡头的预测和预测系统。设备的智能校修，当设备出现问题的时候会自动推到移动端，由工作人员去做处理。现在包装环节，即便是非常复杂的包装工艺也可以实现完全的自动化。
有的产线以前大量使用人工，每个产线一般是318人，现在减少到38人。人力节省非常明显，另外生产效率和库存周期的提升非常明显。
以上这些场景，我们现在包装成整体解决方案对外输出，我们现在有三大科技服务板块，包括灯塔工厂整体解决方案，从灯塔工厂的规划、设计、用例的详细设计以及总包实施；再者，还有整个运营系统的导入和人才培养，不同场景都有硬软整合的方案；还有1+N工业互联网平台做供应链上的服务。
我们的愿景是，实现智能制造系统的全场景集成，从前端智能化的硬件到网络，再到上面的软件式应用，包括云端数据分析和我们大量AI的使用场景，以及最后把所有的场景全部集成以后，实现对客户制造能力的提升和端到端智慧价值的提升。谢谢大家！雷锋网雷锋网
正在生成分享图...
nebula