AI如何改造传统工业
输入“/”快速插入内容
AI如何改造传统工业
AI如何改造传统工业
2024年8月12日修改
转载请联系原作者取得授权
📌
本期讨论会参与者：
Neo，AI+工业创业公司MUSEEE.AI创始人
Jer emy，一线咨询公司负责AI+工业项目
以及头部AI企业的管理人员
1 大模型在传统工业应用还很初步
工业的信息化程度更接近于2.0数字化，还没到3.0智能化
•
工业的信息化程度有四个阶段：精细化定义为1.0，数字化和互联网为2.0，智能化为3.0，以及工业4.0，现在大多工业企业处于1.5~2.0的阶段。
•
工业4.0主要讨论的内容是：工业不是只是厂房，而是产业链。看到在离散制造企业，问题并非来自自身厂区的管理，而是产业链上下游数据的连通。当上游生产效率下降时，下游节点会产生很大变化。同样下游出现某种情况，对上游的库存等也形成了挑战。这些挑战的处理都需要好的数据的联通和交换。
•
故在第二波中，大多数企业希望在场和场之间建立连接，车间与车间之间进行连接，比如说物流，WMS，希望场-场能连接起来，财务连接起来，然后通过排程等工具调动这些资源。在调度过程中，包括中间厂区的生产保障过程中，会开始采用一些智能化手段。这个层面的问题已经不是简单的问题，而是复杂问题。
•
这些复杂问题依靠人力是无法计算的。以前的负责排程的人员在简单工艺/要求下面，手动排个两三天到一个礼拜，来决定下个礼拜生产多少产品，这是可以接受的。但今天排程工作可能需要以天为单位完成。所以会用一些强化学习或其他机器学习的方式构建算法。将排程时间压缩。在排程问题上，计算并不是最大的问题，而模型怎么和产业链相关环节的需求、数据/策略对齐变得更加重要。
•
举个例子，某个企业上、下游可能存在数据联通或信息集成存在问题，导致一些需求未收集清楚。因此，排程人员无法将准确信息输入系统，所以做出来的计划也不会非常准确。排程本身可能也就1-2个小时，但是数据采集花费时间无数，甚至无法收集到需要的信息。
•
再往下走，整个制造业一直在向少量人力化或无人化的智能工厂发展。自主化这个听起来较为科幻的概念，在一些大型企业的灯塔工厂已经开始实现，包括全自主化生产、排产、维修保养、环境控制以及物流配送。目前这些效果在一些模范车间里实现，尚未大面积铺开。
大模型目前在工业场景的应用：
•
虽然努力和尝试的意愿比较强，但是真正的落地并不像努力和意愿那么激进。在具体执行层面，更多还在AI实验阶段，尚未投产到制造层面。
•
流程生产： 炼化、能源，甚至之前接触过一个酱油公司，为其进行酱油工艺的优化。这与离散制造不太一样。对于流程方面，目前信息化水平相对较高，需要补充的是一些特殊生产过程中数据的问题。以前在某些地方无法安装传感器，造成数据采集不上来，现在这些问题得以解决，或者采用其他数据采集方式来解决问题。
•
研发体系目前应用大模型比较广： 对于大模型意愿和实际尝试都比较强的，有大量基础数据采集、整理工作工作。例如在电池或电瓶制造行业会从上游、下游得到客户需求，用大模型自动化理解这些需求，然后将其转化为结构化数据。之后会从历史上的数百万张设计图纸中进行预训练出来的画图模型，然后基于参数，让这个画图模型生成新的图。以前要求工程师完成类似的任务可能需要1~2个月的时间。现在使用大模型，变成一个几个小时到天以内的工作量。未来至少可以从重复性或可替代性较高的设计工作入手，然后不断规模化，从而取得显著成效。
•
还有的研发主要场景例如论文的提炼： 首先收集论文，然后进行提炼和归纳，最后进行问答。MUSEEE.AI已经帮助客户做了大量Science和Nature等等的论文的解析，包括英文、德语、日文等。利用开源模型学习论文+翻译，对于研发工程师和科学家来说是很大的效率提升。另一方面，可以利用Prompt Engineering，把一些论文信息数据进行结构化。比如说，对于某个一类产品的型号对应性能的信息分布在多篇文章里面，通过大模型，可以生成一个更直观的表格，大大提升了理解效率。
•
设计： 利用Stable Diffusion类似的模型进行Fine-tune，最后利用它自动化批量生产设计图纸。离散也可以自动化生成许多已有的和重复性较高的设计。但目前来看模型效果还不能完全可控，而且也存在幻觉问题。
•
预防性维护： 过去在小模型上已经有很多跑通的案例，大模型后对参数预测和质量控制等会有进一步的优化。
•
营销/客服： 基于自有 数据 深度训练，让模型更懂行业的专有名词或需求，提供更好 的客户体验并且 合规 。 比如在某个客户的共享服务中心，实现了优化40%的成本，这对于传统企业来说确实是一个好的效果。
•
故障归因和查询： 过去故障排障需要较高级的，有经验的技工来完成这项工作。 那么有了有大模型后，可以将上千页的排障说明书转化为一个灵活的对话工具。 对于两年以内工作经验的新人，也可能快速上手制作技术牌照。
2 小模型的应用目前已经非常广泛
传统工业更可能按照1+N+1的模式适用AI：
•
1+N+1框架： 第一个1是数据平台，即把各个源头，比如数据库，IOT等的数据汇总，统一管理；N是行业的小模型，在垂直方向上实现效果；第二个1是大模型，相当于统一打大脑对每个细分进行管控，然后和管理者进行交互。