人工智能和机器学习在亚马逊 Alexa 等面向消费者的应用领域取得了长足的进步，在企业内的的部署也不断涌现。

关于 AI 自动化对企业的影响范围和影响程度的意见不一。 一方面，牛津大学最近的一项研究表明，在未来二十年内，50% 的工作都可以由 AI 自动化完成。另一方面，许多企业高管仍然对 AI 的实际影响持怀疑态度。 此外，目前的炒作和媒体也存在许多误导。

基于对学术界、初创公司和企业用户的亲身参与的客户访谈，我在本文中总结了 AI 企业自动化的四个关键事实和战略影响：

事实 1：目前的 AI 爆发是可持续的，企业管理者不应该忽视

机器算法历史上第一次在诸如图像识别、语音、文本翻译以及围棋这样的复杂的任务中击败人类。 目前的机器学习热潮是由三个基本驱动因素的融合推动：（1）深度学习算法复杂性的持续突破，（2）大数据（或结构化数据）的快速增长，（3）机器学习的指数加速， 如 GPU 芯片组这样的机器学习硬件，将训练时间从几个月缩短到几天、几个小时。

机器学习发展的三个潜在驱动力预计将在近期加速（见下图）。 到 2020 年，将有 70％ 的企业数据将通过云数据中心进行存储和处理，这将为机器学习算法训练提供前所未有的大数据基础设施。同样，加快机器学习算法训练和处理的硬件芯片正在迅速发展。 Google，NVidia，Intel 等都宣布推出下一代 GPU 芯片硬件，这将进一步加快训练速度 10-100 倍。最后，底层机器学习算法继续加速进步，这一点从专利申请和申请的增长可以看出。

上述趋势提供了强有力的证据，表明 AI 能力和表现将在近期内继续改善。商业领袖不应该忽视 AI。

事实 2：AI 的使用案例在企业中普遍存在，但范围有限

鉴于 AI 的进步将会继续加速，那么 AI 在未来 5-7 年内能够做什么？ 专家的共识是，大部分的企业用例都是弱人工智能（如有监督式学习），实现近似人类的广泛智能还需要数十年。

简而言之，人工智能算法将具有从训练数据中自动完成任务的学习能力。 但一旦学习了某个任务，解决方案的范围就会缩小，而且在大多数情况下，不能推广执行其他任务。下图显示了今天或未来 5 年内可能出现的用例：

考虑到以下的计算机视觉用例，一家公司可能需要训练 AI 算法来自动扫描 PDF 和手写发票，验证字段格式并触发自动应付账款流程。 更高级的算法（即无监督学习）已经出现，即使在未标记的数据上也可以训练解决方案。

然而，由此产生的人工智能解决方案从根本上局限于自动执行文本字段识别和格式化的任务。 如果公司希望使用发票处理机器人来发现欺诈行为，那么他们将需要设计和训练一个全新的解决方案，重点关注其他基础功能和模式。

在可预见的将来，人工智能应用将沿着弱人工智能的“使用训练数据的有监督学习”范式。 这有两个战略意义：

获取训练的标记数据成为战略能力和差异化的根源

AI 解决方案需要深入的功能和特定领域的与人类共同创造和重新设计流程

事实 3：优先专注于优先级  A→B 活动

日本保险公司 Fukoko 最近宣布使用人工智能替代人工进行索赔处理。 高盛在 2000 年至 2016 年期间将 600 个交易员的团队转变为一个更加精简的 200 人的机器学习团队。

然而，并不是所有的企业活动都适合于目前使用数据范式的弱 AI 自动化。

描述机器可学习任务特征的一个有用方法是 Andrew Ng 的A→B活动; 投入明确的数据集 A，产生答复的活动 B.

例如，零售需求预测可以认为是 A→B 活动。 通过获取季节、区域销售历史数据，销售趋势点，社交媒体信号以及定价敏感度数据等多种输入信号，该算法可能实现对未来需求的预测。

金融交易也是一个 A→B 的活动。 交易算法得到一组输入数据，如历史价格，宏观趋势驱动因素，过去交易者遵循的套利规则等，产生买入或卖出的输出。 基于输入（A）进行正确的交易（B）可能是一个困难的问题，因为市场潜在的不可预测性，但是如果  AI  解决方案在大量交易中能超越人类，仍然是具有吸引力。

将企业流程和活动分类到 A→B 与非 A→B 类别可以帮助管理者对 AI 自动化和增强策略进行系统机会的扫描。

参阅下图，了解适用于 AI 的其他A→B任务，以及不适合 AI 自动化的活动。

事实 4：AI 的采用不仅需要技术上的可行性

我们的客户经验表明，即使潜在的技术要求可以实现，一些 AI 应用的采用率也会比其他应用更快。公司需要考虑更广泛的部署采用的驱动因素， 关键采用驱动因素包括：

一次性成本：用于开发 AI 解决方案的初始资本支出，例如算法开发和训练数据采集。人工智能算法的开放源代码的可用性，“人工智能即服务”平台可以帮助减少固定成本。获取训练数据往往成为一个昂贵的瓶颈，成为差异化的关键。

转换成本：用新的 AI 解决方案取代当前解决方案的相关成本和障碍。 这包括技术障碍，例如打开 AI 算法黑盒子以追踪和解释决策的能力，以及政治，文化和变革阻力等人为障碍。

生态系统需求：作为综合解决方案的一部分，需要补充技术。 例如，需要与创新的物联网传感器和新兴的机器人技术集成，人工智能解决方案将经历更高的采用复杂性。

系统外部性障碍：人工智能解决方案的网络外部性，其中采用的价值随着采用的增加而增加。

参见下图，具有不同采用挑战和潜在采用时间用例对企业的影响：

基于消费者语音或聊天来自动化进行情感分析，以提高话务员能力的案例。 该解决方案在文化和风险方面的转换成本显然较高。客户对从小处着手以减少对消费者的负面影响要敏感得多。 即使解决方案有效，客户也需要重新设计端到端的培训流程，以允许 AI 引擎推送建议。 最后，解决方案具有相对较高的网络外部性，更高的采用率将产生更多的训练数据以进一步提高性能，但收集最初的批量训练数据将需要时间和领导人“信心的飞跃”。 鉴于这种复杂性，人工智能情绪分析机器人可能需要长达 7 - 10 年，而不是 2 - 3 年时间内快速采用。

AI 自动化用例在企业和价值链中迅速成为现实。企业领导者应该从今天开始采用严格的基于投资组合的方法来开发机器学习功能、数据和合作关系

企业自动化改造，怎么做？

来源：e-works  数字化企业

本文导览

©文丨 e-works原创专题

目前我国制造业处于重要转型期，需迫切提升自动化水平，降低人力劳动成本资源，才能跟上制造业发展潮流。

在国外的制造业发展过程中，工业自动化在其生产中占据着重要一环，其每单位的工业机器人比率都远超过国际55的标准，但国内制造业自动化应用则远落后于这一标准，我国在工业自动化的道路上任道而重远。

1

自动化改造 大势所趋

1. 提高生产效率

2. 降低劳动成本

3. 节能减排

4. 降低了工人的劳动强度

5. 提升产品质量及稳定性

6. 缩短产品生产周期

2

切勿走进自动化改造5大误区

1

---引入机器人就是进行自动化升级改造！

机器人的应用是自动化升级改造最具代表性的一个方面。但不等于能解决一切问题。气动液压控制及非标设备自动化也是实现自动化非常重要的手段之一。尤其针对一些特殊应用，机器人不能解决的，非标自动化设备才是答案。自动化升级改造，切不可只盯着机器人看，多种渠道才是最好。

2

---机器人买回来就能用

机器人作为智能设备，并非简单安装调试即可使用。如果忽略机器人的开发（或二次开发）与应用，将会导致许多机器人买回来用不上或使用不当。拿机器人与体育运动员来做个类比，一群好运动员（机器人）加上一个好的教练（系统集成商）才是让整个球队（企业）获胜的关键。

3

---自动化升级改造可以一步到位

真正的自动化升级改造，并非一个简单工位或是机器的更换就能完成，而是一项极其复杂的系统工程。自动化改造需量力而行，从比较成熟的自动化技术开始，从工厂急待升级改造的部位入手，逐步进行，切不可追求一步到位。

4

---任何工序都可用自动化设备替代

采用自动化生产线进行生产的产品应有足够大的产量；产品设计和工艺应先进、稳定、可靠，并在较长时间内保持基本不变。并非所有工序都适合进行自动化改造。在大批、大量生产中采用自动线有显著的经济效益。

5

---实现自动化改造就是实现了工业4.0

近来工业4.0及中国制造2025的概念非常火热，以致很多企业盲目跟风。制造业企业更应该关注的是实际技术与问题的解决方案。当发展到以信息为核心技术的广义管理自动化，工业4.0时代也将应运而生。

3

自动化改造方式与途径

1

自动化与信息化的融合

未来企业需要根据市场需求，弹性地调整产能，实现个性化定制，制造出智能的产品。

这不能仅依靠自动化技术来实现，还必须依靠信息化技术来解决业务层面的问题，为工厂赋予智慧，为市场决策、数据分析、判断、调控、质量管控、售后服务等提供依据和支持。自动化必须与信息化结合才能够发挥最大功效，否则单纯的自动化是没有意义的。

2

提高装备的智能化

制造装备经历了机械装备到数控装备，目前正在逐步发展为智能装备。智能装备具有检测功能，可以实现在机检测，从而补偿加工误差，提高加工精度，还可以对热变形进行补偿。

ABB推出的双臂机器人YUMI，就是智能型工业机器人的典范。

▲ABB双臂机器人YUMI

以往一些精密装备对环境的要求很高，现在由于有了闭环的检测与补偿，可以降低对环境的要求。智能装备一个最基本的要求，就是要提供开放的数据接口，能够支持设备联网。

3

提高生产线的智能化

智能化生产线在我国制造企业的应用还处于起步阶段，但必然是发展的方向。

▲西门子成都电子工厂总装线

智能产线的特点是：

在生产和装配的过程中，能够通过传感器或RFID自动进行数据采集，并通过电子看板显示实时的生产状态；能够通过机器视觉和多种传感器进行质量检测，自动剔除不合格品，并对采集的质量数据进行SPC分析，找出质量问题的成因；能够支持多种相似产品的混线生产和装配，灵活调整工艺，适应小批量、多品种的生产模式；具有柔性，如果生产线上有设备出现故障，能够调整到其他设备生产；针对人工操作的工位，能够给予智能的提示。

4

提高车间的智能化

一个车间通常有多条生产线，这些生产线要么生产相似零件或产品，要么有上下游的装配关系。要实现车间的智能化，需要对生产状况、设备状态、能源消耗、生产质量、物料消耗等信息进行实时采集和分析，进行高效排产和合理排班，显著提高设备利用率（OEE）。

▲新松机器人制造车间

因此，无论什么制造行业，制造执行系统（MES）成为企业的必然选择。MES是一个车间级的综合管理系统，可以帮助企业显著提升设备利用率，提高产品质量，实现生产过程可追溯和上料防错，提高生产效率。

5

提高工厂的智能化

仅有自动化生产线和一大堆机器人，并不是智能工厂。作为智能工厂，不仅生产过程应实现自动化、透明化、可视化、精益化，同时，产品检测、质量检验和分析、生产物流也应当与生产过程实现闭环集成。一个工厂的多个车间之间要实现信息共享、准时配送、协同作业。

▲智能工厂示意图

一些离散制造企业也建立了类似流程制造企业那样的生产指挥中心，对整个工厂进行指挥和调度，及时发现和解决突发问题，这也是智能工厂的重要标志。智能工厂必须依赖无缝集成的信息系统支撑，主要包括PLM、ERP、CRM、SCM和MES五大核心系统。大型企业的智能工厂需要应用ERP系统制定多个车间的生产计划，并由MES系统根据各个车间的生产计划进行详细排产。

4

制造业生产线自动化改造案例

1

走进华为荣耀全自动化生产线！

在华为荣耀3C第400万台下线庆典暨荣耀3C 4G首发品鉴会后，华为荣耀破例公开了其位于东莞南方工厂的生产线，向外界展示其独一无二全球领先的设备!

包括美国原装进口的超精准MPM双轨印刷机，世界领先的Camelot dispensing点胶机，全自动化手臂控制的整机测试、全自动无人驾驶运货车，以及正在研制的领先的六台全自动化机械手组成的流线体设备，让人大开眼界。华为荣耀全球领先的生产工艺、手机品控的领先标准在其中展现的淋漓尽致。

▲锡膏质量检测，以保证器件焊接质量

据工厂技术负责人透露，目前还正在研制世界上最先进且独一无二的自动化线体设备，是由六台全自动化的机械手组成的流线体，该设备涵盖了从单板测试加载、全自动化分板点胶、整机音频测试、整机软件加载等工位的功能，可大大提升产品的质量一致性和生产效率，据悉一个流线体可减少工作人员50人左右，可谓强大至极。

2

美的自动化生产基地大揭秘

夜里工厂灯关掉了，机器人依然在每个特定的工位不停歇地工作，有序地焊接、拧螺丝、按比例切割……机器人代替人工出现在生产流水线上操作，这不是科幻电影的情节，它真真实实地出现在美的中央空调的生产线上。

通过重金投入，美的中央空调在合肥基地，打造了一个“数字化车间”。车间总体设计、工艺流程及布局均已建立了数字化模型，采用CAD、CAM等进行模拟仿真，通过ERP、PDM等实现规划、生产、运营全流程数字化管理。生产车间配置了数据采集系统和先进控制系统，生产工艺数据自动数采率达90%以上。

此外，车间还采用三维计算机辅助设计（CAD）、设计和工艺路线仿真、可靠性评价等先进技术，使得产品信息能够贯穿于设计、制造、质量、物流等环节，实现产品的全生命周期管理（PLM）。

目前，美的中央空调拥有顺德、合肥、重庆三大生产基地，已成为国内规模最大、产品线最宽、产品系列最齐全的中央空调生产厂家之一。

3

通用汽车智能工厂

在位于上海金桥的上汽通用凯迪拉克工厂，总成车间里一派繁忙景象。

“通用汽车所属工厂全都采用确保高精度制造的两大‘利器’——激光在线测量和三坐标测量仪，以及锻造高品质车身两大‘法宝’——超高强钢焊接技术和激光钎焊技术，利用高密度自动化焊接机器人和高柔性GEO pallet输送线，实现不到一分钟就能生产一辆白车身的高效率。”

利用柔性生产系统，上汽通用的工厂可以在同一生产线上实现不同型号的发动机、变速箱的无缝衔接生产。

“在生产过程中，过去单一功能的专机已被淘汰，代之以柔性化的随行夹具，可根据需要自动切换选择所需要刀具。通俗的说就是机器人根据程序夹持零件，实现智能化操作。”

除了以上三个典型案例之外，还有西门子成都数字化工厂、工业自动化行业十大最佳工程案例等等！

5

自动化改造集成商盘点

1

上海明匠智能系统有限公司

国内最早专业从事"工业4.0"研发及项目实施的企业，已成为国内知名智能制造系统集成商，拥有多年非标设备设计制造经验，丰富的智能工厂、智能产线与物流系统项目经验，涵盖产品全周期的数字化、智能化制造，拥有工厂级设备监控、分析、可视化远程推送等多种前沿技术。

2

武汉优力克

公司成立于1997年，具有十数年丰富的行业经验，已成长为国内企业行业知名的系统工程公司，尤其在汽车自动化领域业绩卓著。

3

新松机器人

隶属中国科学院，是一家以机器人技术为核心，致力于数字化智能制造装备的高科技上市企业。主导业务涵盖机器人核心零部件、系列机器人产品、行业系统解决方案、工业4.0等四大业务板块；新松机器人产品线包括工业机器人、移动机器人、洁净机器人、特种机器人和服务机器人五大类80余种机器人产品。

4

北京机械工业自动化研究所

北京机械工业自动化研究所（简称北自所）创建于1954年，为国务院国资委监管的大型科技企业。致力于制造业领域自动化、信息化、智能化技术的创新、研究、开发和应用。为客户提供包括开发、设计、制造、安装及服务的整体解决方案。

除了上面提到的还有苏州博众精工科技有限公司、上海永乾机电有限公司、中船重工鹏力（南京）智能装备系统有限公司、湖北三丰智能输送装备股份有限公司、上海海得控制系统股份有限公司......等等！

希望今天的盘点可以帮助到各大有需求的企业！看完本文有任何观点想法，都可以在下方留言区发表！

本文系“产业智能官”（公众号ID：AI-CPS）收集整理，转载请注明出处！

版权声明：由产业智能官（公众号ID：AI-CPS）推荐的文章，除非确实无法确认，我们都会注明作者和来源。部分文章推送时未能与原作者取得联系。若涉及版权问题，烦请原作者联系我们，与您共同协商解决。联系、投稿邮箱：erp_vip@hotmail.com