工業(yè)化+數(shù)字化：機器學習時代的工業(yè)4.0

工業(yè) 4.0 概述

當過去的未來學家設想 2020 年時，該愿景可能包括大量智能設備，這在當時似乎是科幻小說的專屬領域。他們設想，諸如從事家務勞動的家用機器人、在道路和天空中漫游的自動駕駛汽車和飛機以及身臨其境的虛擬現(xiàn)實等技術將成為視聽娛樂的下一個，也許是最后一個階段。盡管這一愿景不太可能在 2020 年底之前實現(xiàn)，因為世界仍處于 COVID-19 流行病的枷鎖之下，但體現(xiàn)這一愿景的第四次工業(yè)革命（工業(yè) 4.0）仍在進行中。

早在2013年，隨著互聯(lián)網(wǎng)和計算機技術的成熟以及相關基礎設施的逐步完善，德國率先提出了工業(yè)4.0的概念——一場新技術革命，承諾利用信息物理系統(tǒng)改善人們在眾多不同領域的生活領域。這一理念后來被納入多個國家的發(fā)展規(guī)劃，以傳統(tǒng)工業(yè)技術和服務為基礎，通過工業(yè)化和信息化相結(jié)合，打造新的增長點。

如今，與工業(yè) 4.0 相關的技術開發(fā)和傳播如火如荼。在軟件方面，增強現(xiàn)實技術可以為用戶提供新穎的視聽體驗，并已在某些職業(yè)（如警察和醫(yī)生）的培訓項目中得到應用。物聯(lián)網(wǎng) (IoT) 技術利用傳感器集群實現(xiàn)對設備的全面監(jiān)控。此外，工業(yè)網(wǎng)絡安全技術的進步允許及時監(jiān)控企業(yè)網(wǎng)絡以阻止黑客攻擊。在硬件方面，3D打印技術將使任何級別的用戶都能快速制造出他們能想象到的任何設計。工業(yè)機器人的普及有望標準化和簡化產(chǎn)品制造。

工業(yè)4.0典型場景

數(shù)據(jù)和利用數(shù)據(jù)的機器學習技術是第四次工業(yè)革命的核心。數(shù)據(jù)從傳感器獲取，通過互聯(lián)網(wǎng)傳輸?shù)皆品掌?，并通過機器學習和人工智能算法進行分析。然后返回到服務終端或工業(yè)機器人以完成完整的工作流程。典型的工業(yè) 4.0 場景包括更好地了解用戶、產(chǎn)品制造、監(jiān)控產(chǎn)品質(zhì)量、分銷物流和用戶反饋，每個場景都取決于數(shù)據(jù)和機器學習的廣泛參與。

用戶資料

許多手機和計算機軟件程序已經(jīng)存儲和分析用戶數(shù)據(jù)。一些實體店使用射頻識別（RFID）芯片記錄用戶偏好，并通過算法等方法分析用戶數(shù)據(jù)，推薦和更新產(chǎn)品及相關內(nèi)容。在由工業(yè) 4.0 運行的世界中，用戶數(shù)據(jù)（例如使用頻率、偏好、使用模式和時間表）會被記錄下來。該媒體涵蓋了從移動應用程序到家用電器、辦公設備和醫(yī)療設備的所有領域。這些數(shù)據(jù)通過機器學習算法進行分析，以生成多維分類標簽。每個用戶都被多個標簽描述，可以為每個用戶構(gòu)建越來越準確的畫像。

制造過程

全面的用戶配置文件以在生產(chǎn)級別提高個性化的形式提供了非常直接的好處。就像今天瀏覽互聯(lián)網(wǎng)的用戶如何實現(xiàn)內(nèi)容個性化一樣，在第四次工業(yè)革命時代，高度精細化的用戶畫像將直接應用于產(chǎn)品制造過程。這使得企業(yè)更容易生產(chǎn)出滿足用戶需求的個性化產(chǎn)品。個性化產(chǎn)品可以根據(jù)用戶數(shù)據(jù)驅(qū)動的預測進行量身定制，為用戶提供更多的可能性。

除了對生產(chǎn)決策的潛在影響外，制造過程中各個步驟的控制將通過工業(yè) 4.0 萬物互聯(lián) (IoE) 技術和工業(yè)機器人技術實現(xiàn)完全自動化。生產(chǎn)過程中的每個步驟都將根據(jù)對先前生產(chǎn)步驟的結(jié)果和產(chǎn)品要求的持續(xù)分析進行實時微調(diào)。在這樣的智能工廠中，生產(chǎn)線的可控性和魯棒性得到提高，工人的參與從重復性工作轉(zhuǎn)變?yōu)闄C器人代理的監(jiān)督。自成立以來，特斯拉就致力于建設智能汽車工廠，不僅生產(chǎn)線裝配由工業(yè)機器人完成，倉儲、物料管理、訂單和銷售流程都通過人工智能實現(xiàn)高度自動化，

質(zhì)量控制

除了過程相關數(shù)據(jù)的分析和控制，機器學習和機器視覺技術的結(jié)合可以自動化大規(guī)模、高精度的產(chǎn)品檢測，這對于識別難以確定的復雜缺陷特別有效。只有人眼。由知名人工智能科學家吳恩達領導的人工智能算法公司Landing.AI最近推出了一種基于人工智能和機器視覺的氣泡檢測設備，用于檢測設備中的氣體泄漏。這種機器視覺系統(tǒng)允許計算機非常精確地捕獲小氣泡并確定氣體泄漏的位置。系統(tǒng)識別例程的錯誤率遠低于工人通過目視發(fā)現(xiàn)氣泡進行檢查的 30% 平均錯誤率。

快速物流

在生產(chǎn)過程的最后，還必須對物流問題做出規(guī)定。工業(yè)機器人可以自動包裝產(chǎn)品，并在包裹上打印包含產(chǎn)品信息和郵寄地址的特定二維碼標簽，為配送做準備。預計自動駕駛系統(tǒng)將在配送過程中發(fā)揮重要作用。預計在未來10到15年內(nèi)，基于計算機視覺、機器學習和控制技術的自動駕駛技術將實現(xiàn)全面商業(yè)化，這將使配送和物流更簡單、更高效，同時顯著降低人力成本。電商巨頭阿里巴巴首批智能機器人倉于2017年投入運營，其子公司菜鳥，已經(jīng)開始落地人臉識別、無人機調(diào)度等技術。2019年底，菜鳥物流估值達到280億美元。在物聯(lián)網(wǎng)和自動駕駛技術盛行的未來，包裹會尋找人，而不是相反。

服務與反饋

在用戶端，產(chǎn)品的傳感系統(tǒng)上傳的數(shù)據(jù)可以通過云端的機器學習算法進行分析，判斷數(shù)據(jù)是否存在異常，從而實現(xiàn)對產(chǎn)品性能的實時監(jiān)控。此外，當用戶遇到任何問題時，經(jīng)過訓練的人工智能系統(tǒng)可以高效地處理文本聊天、接聽電話和視頻連接等任務，從而實現(xiàn)快速反饋和及時解決。2018 年發(fā)布的 Bidirectional Encoder Representations from Transformers (BERT) 模型在聊天機器人領域已經(jīng)超越了人類，相關應用在互聯(lián)網(wǎng)巨頭（如微軟阿凡達、阿里小米、 IBM Watson）以及新興的 AI 公司（例如 Fourth Paradigm 和 C&T）。

工業(yè)4.0的特點

工業(yè)4.0在上述各種應用中所體現(xiàn)的顯著特征主要包括以下幾點：

融合互聯(lián)

得益于第三次工業(yè)革命（或工業(yè) 3.0），全世界的人們獲得了通過互聯(lián)網(wǎng)快速連接的能力。然而，在工業(yè) 4.0 世界中，傳感器被集成到每個硬件中以實現(xiàn)機器對機器的通信。例如在印染行業(yè)，一個管理系統(tǒng)作為生產(chǎn)系統(tǒng)的中心，協(xié)調(diào)整個流水線的原染料分配、染料定位、自動配料、自動供水、打樣系統(tǒng)，實現(xiàn)智能染色大大提高了生產(chǎn)效率和產(chǎn)品穩(wěn)定性。此外，借助信息物理系統(tǒng)和云計算提供的機器學習引擎，一切都變得真正互聯(lián)——換言之，人與人之間的無縫連接成為可能，人對機器，機器對機器，服務對服務。當互聯(lián)互通成為常態(tài)，從生產(chǎn)到服務的所有環(huán)節(jié)，包括設備、產(chǎn)線、工廠、服務，都可以緊密聯(lián)系在一起。

數(shù)據(jù)和數(shù)字化

在工業(yè)4.0體制下，信息技術的融合意味著數(shù)據(jù)必然成為工業(yè)生產(chǎn)的命脈。該數(shù)據(jù)包括生產(chǎn)和相關服務的所有方面，包括產(chǎn)品數(shù)據(jù)、設備數(shù)據(jù)、研發(fā)數(shù)據(jù)、供應鏈數(shù)據(jù)、運營數(shù)據(jù)和用戶數(shù)據(jù)。一方面，數(shù)據(jù)在訓練和優(yōu)化機器學習算法方面起著決定性作用。另一方面，機器學習算法的部署還需要不斷生成數(shù)據(jù)，以便可以適當?shù)乜刂葡嚓P的生產(chǎn)過程。這意味著生活和生產(chǎn)過程的所有方面都需要盡可能地數(shù)字化。也就是說，一切都必須使用合理的度量標準進行量化，以有效地嵌入自動化系統(tǒng)。這需要數(shù)據(jù)科學家設計考慮數(shù)據(jù)當前狀態(tài)的流程，引導系統(tǒng)有意識地收集正確的數(shù)據(jù)，并不斷設計和優(yōu)化適當?shù)亩攘俊?/p>

細化和個性化

隨著工業(yè)4.0對數(shù)據(jù)流提出了相對具體和細化的要求，生產(chǎn)過程中包含的各個模塊也相應地越來越細化。生產(chǎn)線的各個部分越來越模塊化和精細化，使個性化生產(chǎn)成為可能，同時更好地反映和預測用戶的需求，形成生產(chǎn)-銷售-反饋的良性循環(huán)。

工業(yè)4.0帶來的機遇與挑戰(zhàn)

工業(yè) 4.0 帶來了大量機遇。雖然可以整合整個生產(chǎn)流程，但數(shù)據(jù)處理所涉及的工作量可以分散到多個部門甚至多個公司。因此，小型公司的單一突破作為大型集成流程的一部分將變得越來越有價值。同樣，可以使用各種分類、細分和趨勢預測模型對智能設備進行劃分。它們也可以分解成數(shù)據(jù)傳輸系統(tǒng)、數(shù)據(jù)采集設備、數(shù)據(jù)反饋系統(tǒng)等模塊，其中每個模塊都可以嵌入到其他生產(chǎn)過程中。例如，數(shù)據(jù)采集設備可以與其他精密儀器生產(chǎn)流程共享生產(chǎn)線。因此，各種小型企業(yè)都可以依賴工業(yè) 4。

目前的現(xiàn)狀表明，基礎設施建設將成為未來幾年的重點行業(yè)。無論是前一年中美兩國在5G技術上的摩擦，還是近年來各家互聯(lián)網(wǎng)公司紛紛打造云計算平臺，都表明基礎設施工業(yè)4.0范式對于保護企業(yè)利潤的重要性和國家安全。此外，數(shù)據(jù)是另一種基礎設施，擁有大量數(shù)據(jù)的互聯(lián)網(wǎng)巨頭最有可能獲得最大份額的機會。然而，較小的公司也將有機會尋找和識別尚未由數(shù)據(jù)驅(qū)動的生產(chǎn)和日常生活領域。

工業(yè) 4.0 下對數(shù)據(jù)和機器學習技術的需求也是大型主流企業(yè)面臨的挑戰(zhàn)。由于大公司在我們現(xiàn)階段的競爭優(yōu)勢主要依賴于大規(guī)模的工業(yè)生產(chǎn)，因此在其生產(chǎn)線上增加傳感系統(tǒng)和物聯(lián)網(wǎng)系統(tǒng)將需要較大的投資。大公司還需要將機器學習技術融入生產(chǎn)線和產(chǎn)品設計，這需要人才的投入和管理理念的創(chuàng)新。近年來機器學習技術的普及導致公司在決策過程中幾乎癡迷于人工智能，這對決策者辨別投資好壞的能力提出了新的挑戰(zhàn)。

結(jié)論

隨著工業(yè)4.0逐漸走進人們的日常生活領域，將會開發(fā)出許多今天無法預測的新應用。當物聯(lián)網(wǎng)最終走進千家萬戶，當自動駕駛大規(guī)模部署時，人類將從目前的大量重復性工作中解放出來。因此，不禁要問：隨著工業(yè)4.0的沖擊，未來的職業(yè)主要集中在計算機行業(yè)還是數(shù)據(jù)分析？人們會有更多空閑時間等待填補嗎？人與人之間的關系以及人與機器之間的關系會發(fā)生什么變化？進入21世紀的第三個十年，這些問題人類仍難以回答，但可以肯定的是，Industry 4。

審核編輯hhy