人工智能与工业融合：没有你，对我很重要……

A:人重要，还是人工智能重要？

AI: 没有你，对我很重要……

近日，和老友聊起了人工智能与工业融合的话题。他是资深的IE工业工程师，目前在一家知名制造业担任生产副总，他提到一个简单的诉求。如果一个月不在工厂，那么他的工厂能否正常高效的运转？人工智能可以帮他做点什么？

我想，这一个非常迫切的课题，2017年12月14日，工业和信息化部印发了《促进新一代人工智能产业发展三年行动计划（2018-2020年）》,深化发展智能制造，鼓励新一代人工智能技术在工业领域各环节的探索应用，提升智能制造关键技术装备创新能力，培育推广智能制造新模式。

说到底，制造业转型升级，是要做到知识积累加速，人工智能的使命，是要使人从重复和繁重的计算、沟通的过程中解放出来，去完成更高维度的思考和价值创造过程，这个意义上来讲，人工智能的本质是辅助人，而不是替代人。但这种过程中，让一部分工作必然会被人工智能和大数据分析所替代，其中一些职业也自然受到冲击，诸如一些传统知识服务行业会加速淘汰和升级。

或许我们可以从一些制造业痛点和解决思路，举一些例子说明AI人工智能应用的方向，比如：

1.设备维修和维护辅助方向。更好更快的判别和处理故障，是设备维修亟待解决的痛点，而维修工匠在企业维修和工业服务领域都是稀缺资源，对于维修技能参差不齐、维修人才出现断代风险的现状条件下，这对于处于智能制造转型的中国制造业可不是一件好事。如何从海量历史维修记录、技术资料、图纸、经验等数据中，通过人工智能学习，用于辅助维修人员和工程师，更精准的识别和诊断，从而缩短维修时间，提高预测性维修的准确性，是非常有价值的应用方向。

2.计划排产与生产异常识别方向。生产效率是制造业普遍关心的问题，OEE在十年前并不太被认知，而近两年OEE却开始提得过剩了，但始终少有服务商能准确采集到OEE数据，这其中的关键是标准工时制定的合理性。当人工智能能从历史生产周期数据中，自动识别并定期纠正出每一个产品系列的标准工时后，OEE效率就能做到客观和公正的反映出来，这无论是对于实现智能排产，还是基于多维度的效率分析，异常原因识别和跟踪观察，都将产生颠覆性的改变。

（备注：OEE是生产效率数据，而非设备效率数据，这是非常重要的识别，我们可以利用设备可用度去反映效率损失中关于设备效率损失因素，但绝不能用OEE去衡量设备管理水平。）

3.数据驱动决策方向。这是一个很广义的数据处理方向，传统的BI分析只是图标呈现异常结果，但并不能做到对异常的解读。而AI分析与BI分析最大的差别，在于AI人工智能分析能理解数理逻辑，智能解读这些图表，告知决策者出现这些数据表现所反映，什么样的问题是最影响盈利的，原因是什么？建议什么样的对策，这是每一个企业都非常关心的话题，也只有这样才能做到真正意义的数据驱动决策。

……

当然人工智能在工业领域的探索，仍然属于初级阶段，除了解决这些显而易见的问题以外，在将来工业互联网时代，当数据纬度延伸到B2B供应链端时，人工智能应用的场景将远远超过我们的设想，比如供需智能匹配、质量智能比对，应用于供应链金融的智能判定等等。尽管如此，前期一定要立足于制造业用户自身痛点的解决，而不是好高骛远的认为，我要搭建什么样的智能平台……

在与工业领域融合方向，不要和人工智能玩小聪明，不然他真会告诉你：“没有你，对我很重要……”

参考阅读

制造业用户工业服务的需求到底是什么？

如何挖掘制造业用户的工业服务需求？

如何优化供给，用什么样的形态和形式来实现？

参考文献

杨明波，刘华，郭显昌.数字化工厂＋工业维修服务体系［M］. 北京：机械工业出版社，2017.

工业和信息化部党组书记、部长苗圩 亲自推荐

第一本提出数字化运维、赋能工业制造业转型，立足工业服务生态、工业互联网发展方向应用书籍。