數(shù)字化轉(zhuǎn)型完成后,制造業(yè)如何走向“數(shù)智”時代?

科技云報道原創(chuàng)。

隨著我國數(shù)字化轉(zhuǎn)型行動的深入推進(jìn)和智能制造工程的大力實施,制造業(yè)正朝著“數(shù)智”時代邁進(jìn),生成式AI被視為推動制造業(yè)智能化發(fā)展的關(guān)鍵驅(qū)動力。

據(jù)預(yù)測,到2027年,將有30%的制造業(yè)采用生成式AI來提升產(chǎn)品研發(fā)效率。在數(shù)字化轉(zhuǎn)型的基礎(chǔ)上,生成式AI為制造業(yè)帶來了更強(qiáng)大的潛力。

通過已有的計劃訓(xùn)練模型,生成式AI能夠自動化生成新的設(shè)計,從而提高產(chǎn)品開發(fā)的效率;同時,它還有助于提升生產(chǎn)線的自動化水平。

數(shù)字化轉(zhuǎn)型完成后,企業(yè)如何借助生成式AI走向“數(shù)智”時代,并挖掘其中蘊藏的巨大機(jī)遇呢?

從數(shù)字化到數(shù)智化:制造業(yè)的轉(zhuǎn)型之路

隨著人工智能技術(shù)的迅猛發(fā)展,制造業(yè)正在經(jīng)歷一場前所未有的變革。

過去幾十年,制造業(yè)企業(yè)通過數(shù)字化轉(zhuǎn)型實現(xiàn)了生產(chǎn)流程的自動化和信息化,然而,數(shù)字化只是轉(zhuǎn)型的第一步。

如今,隨著AI技術(shù)的成熟和應(yīng)用,制造業(yè)正逐漸邁向“數(shù)智”時代,實現(xiàn)了從數(shù)字化到數(shù)智化的跨越。

數(shù)字化是指將物理實體和過程轉(zhuǎn)化為數(shù)字形式,使其能夠被計算機(jī)系統(tǒng)識別和處理。

數(shù)字化轉(zhuǎn)型讓制造業(yè)企業(yè)實現(xiàn)了生產(chǎn)過程的自動化、信息化和協(xié)同化,提高了生產(chǎn)效率和質(zhì)量控制能力。然而,數(shù)字化僅僅是利用數(shù)字技術(shù)對傳統(tǒng)生產(chǎn)流程進(jìn)行了優(yōu)化,仍然依賴于人工的決策和操作。

而數(shù)智化則更進(jìn)一步,它將數(shù)字化與人工智能相結(jié)合,通過機(jī)器學(xué)習(xí)、深度學(xué)習(xí)和生成式AI等技術(shù)實現(xiàn)智能化的生產(chǎn)和決策。

數(shù)智化不僅僅是對現(xiàn)有過程的優(yōu)化,而是通過AI技術(shù)的應(yīng)用,讓機(jī)器能夠自主學(xué)習(xí)和適應(yīng),實現(xiàn)智能決策和自主運作。

隨著AI技術(shù)的發(fā)展和突破,制造業(yè)企業(yè)已經(jīng)開始將注意力從數(shù)字化轉(zhuǎn)型轉(zhuǎn)向數(shù)智化。

AI技術(shù)能夠從大數(shù)據(jù)中提取和分析有價值的信息,為制造業(yè)企業(yè)提供智能化的決策支持。

通過對海量的實時數(shù)據(jù)進(jìn)行深度學(xué)習(xí)和模式識別,AI系統(tǒng)能夠準(zhǔn)確預(yù)測生產(chǎn)狀況、質(zhì)量問題和設(shè)備故障,并提供相應(yīng)的優(yōu)化方案和預(yù)警機(jī)制,幫助企業(yè)做出及時而準(zhǔn)確的決策。

AI技術(shù)還能夠?qū)崿F(xiàn)制造流程的自動化和智能化。通過機(jī)器學(xué)習(xí)和視覺識別技術(shù),AI系統(tǒng)能夠自動監(jiān)測和控制生產(chǎn)過程,實時調(diào)整參數(shù)和優(yōu)化操作,提高生產(chǎn)效率和質(zhì)量穩(wěn)定性。

同時,AI技術(shù)還能夠與機(jī)器人技術(shù)相結(jié)合,實現(xiàn)智能化的物流和裝配,降低人力成本,提高生產(chǎn)線的靈活性和響應(yīng)能力。

此外,AI技術(shù)賦予制造業(yè)企業(yè)更大的創(chuàng)新能力。生成式AI技術(shù)能夠通過學(xué)習(xí)大量的產(chǎn)品數(shù)據(jù)和設(shè)計規(guī)則,自動生成新的設(shè)計方案,幫助企業(yè)快速設(shè)計出具有競爭力的產(chǎn)品。

AI技術(shù)還能夠模擬和優(yōu)化產(chǎn)品性能,快速預(yù)測和驗證產(chǎn)品的可行性和質(zhì)量,加快產(chǎn)品研發(fā)周期,提高產(chǎn)品的市場競爭力。

隨著AI技術(shù)的廣泛應(yīng)用,制造業(yè)正逐漸邁向“數(shù)智”時代。數(shù)智化轉(zhuǎn)型使制造業(yè)企業(yè)能夠?qū)崿F(xiàn)智能決策、自動化生產(chǎn)和創(chuàng)新設(shè)計,進(jìn)一步提高了生產(chǎn)效率和產(chǎn)品質(zhì)量。

“數(shù)智化”第一步:做好云基礎(chǔ)設(shè)施

在制造業(yè)產(chǎn)業(yè)鏈的工業(yè)設(shè)計環(huán)節(jié),海爾創(chuàng)新設(shè)計中心(以下簡稱為海爾設(shè)計)就緊跟時代洪流,從數(shù)字化走向數(shù)智化。

海爾創(chuàng)新設(shè)計中心成立于1994年,目前擁有500多名設(shè)計師,為海爾智家旗下全球七大品牌、多達(dá)+8000產(chǎn)品做設(shè)計創(chuàng)新和模式探索。

在海爾智家副總裁、海爾創(chuàng)新設(shè)計中心總經(jīng)理吳劍看來,在工業(yè)設(shè)計領(lǐng)域,面對快速增長的業(yè)務(wù)需求和加速迭代的產(chǎn)品周期,工業(yè)設(shè)計也需要數(shù)字化轉(zhuǎn)型,在轉(zhuǎn)型過程中就遇到幾大問題:

海爾智家副總裁、海爾創(chuàng)新設(shè)計中心總經(jīng)理 吳劍

高成本和時間消耗:傳統(tǒng)的工業(yè)設(shè)計過程通常需要耗費大量的時間和資源。

從概念設(shè)計到原型制作再到產(chǎn)品測試和驗證,整個過程可能需要數(shù)周甚至數(shù)月的時間。這使得設(shè)計周期變長,增加了開發(fā)成本和市場推出時間。

高度依賴人工經(jīng)驗和直覺:許多工業(yè)設(shè)計過程仍然高度依賴設(shè)計師的經(jīng)驗和直覺,這限制了設(shè)計的創(chuàng)新性和效率。

人工經(jīng)驗的局限性可能導(dǎo)致創(chuàng)新受限,而且不同設(shè)計師之間的結(jié)果可能存在差異。

信息不對稱和協(xié)同困難:在工業(yè)設(shè)計過程中,設(shè)計師、工程師和制造商之間的信息流通往往不暢,存在信息不對稱的問題。

這可能導(dǎo)致設(shè)計需求和技術(shù)要求之間的不匹配,進(jìn)而影響產(chǎn)品的質(zhì)量和性能。此外,不同團(tuán)隊之間的協(xié)同工作也面臨著挑戰(zhàn),缺乏高效的合作平臺和工具。

而這直接導(dǎo)致了概念設(shè)計階段(也就是準(zhǔn)備階段)人力成本耗費高、概念產(chǎn)出效率低、概念通過率低等問題。

解決上述痛點的第一步,就是實現(xiàn)全面數(shù)字化——上云。在上云階段,海爾設(shè)計將合作伙伴鎖定為亞馬遜云科技。

此前,海爾設(shè)計使用的是自建的私有云系統(tǒng),部署在自有IDC內(nèi)。

不過,這套私有云系統(tǒng)存在桌面系統(tǒng)存在資源搶占、文件存儲系統(tǒng)因容量受限無法長期保存歷史文檔、渲染系統(tǒng)由于資源受限渲染任務(wù)需要長時間的排隊等待,以及基礎(chǔ)系統(tǒng)維護(hù)復(fù)雜、無法彈性擴(kuò)展、業(yè)務(wù)系統(tǒng)創(chuàng)新困難等諸多問題,對業(yè)務(wù)產(chǎn)生較大影響。

對此,亞馬遜云科技為海爾設(shè)計提供了四個完整的云上解決方案,全面替代自有機(jī)房,讓設(shè)計中心的工作流程實現(xiàn)了全面云化、自動化。

亞馬遜云科技為海爾設(shè)計提供的方案包括3D云桌面系統(tǒng)、渲染農(nóng)場系統(tǒng)、文件共享系統(tǒng)以及自動化設(shè)計系統(tǒng)等四個部分:

云桌面:在海爾設(shè)計的青島辦公室,3D云桌面系統(tǒng)為300多位3D設(shè)計師、平面設(shè)計師提供便捷易用的桌面環(huán)境。

通過公有云上的資源隔離劃分,海爾設(shè)計在徹底解決原自建?IDC的VDI方案“資源擠兌造成卡頓、閃退或宕機(jī)”以及“多人使用時性能衰退”等問題的基礎(chǔ)上,還能有約30%性能提升,可以說是一舉多得。

共享存儲:基于Amazon S3特性構(gòu)建的文件共享系統(tǒng),讓公司、小組和個人之間得以共享存儲。

這種對冷熱數(shù)據(jù)進(jìn)行自動分層的無限容量存儲系統(tǒng)讓數(shù)據(jù)安全性提高了3倍,而此前自建IDC每人最大分配500G容量、每天只允許一個備份且最多保留7天的設(shè)定,自此成為歷史。

渲染農(nóng)場系統(tǒng):渲染農(nóng)場系統(tǒng)使用亞馬遜云科技自有渲染產(chǎn)品Amazon Thinkbox deadline軟件及HPC集群進(jìn)行圖片渲染,具備高性能和彈性,讓設(shè)計師提交任務(wù)后就能拿到渲染效果圖,徹底解決渲染任務(wù)排隊問題。

而低負(fù)載時它會自動降低Amazon EC2 Spot數(shù)量且按實際使用時間(精確到秒)付費,從此不再浪費。

智能設(shè)計系統(tǒng):自動化設(shè)計系統(tǒng)/智能設(shè)計渲染系統(tǒng)通過Amazon EC2、Amazon Thinkbox Deadline、Amazon DynamoDB等運行自動化設(shè)計軟件,10分鐘就能自動生成人工需要數(shù)天才能完成的大批量渲染效果圖,徹底解決了原自建IDC存在算力瓶頸問題。

據(jù)悉,上線后,自動化設(shè)計系統(tǒng)應(yīng)用讓原有項目周期縮短了30%。

“數(shù)智化”第二步:用AIGC實現(xiàn)降本增效

2022年年底,ChatGPT平地一聲驚雷掀起了生成式AI大模型的熱浪。在此前的合作基礎(chǔ)上,海爾設(shè)計和亞馬遜就“生成式AI+工業(yè)設(shè)計”展開探索。

至于為什么會選擇主動擁抱AI,海爾設(shè)計希望實現(xiàn)降本增效。生成式AI可以基于企業(yè)現(xiàn)有的流程、知識圖譜,通過訓(xùn)練后避免重復(fù)、低效的流程和復(fù)用。

基于此,海爾設(shè)計聯(lián)合亞馬遜云科技還是合作部署生成式AI應(yīng)用,打造了全國首個結(jié)合實際業(yè)務(wù)場景落地的AIGC工業(yè)設(shè)計方案。

據(jù)悉,在基礎(chǔ)設(shè)施架構(gòu)層,該方案借助Amazon SageMaker快速的構(gòu)建和訓(xùn)練AIGC模型,通過應(yīng)用Amazon SageMaker機(jī)器學(xué)習(xí)平臺,以Fine-tune as a Service(調(diào)優(yōu)即服務(wù))的方式提供服務(wù),利用Amazon SageMaker在線的模型訓(xùn)練和管理能力,為消費品、游戲等場景提供創(chuàng)意輔助、內(nèi)容生產(chǎn)輔助和創(chuàng)作支持。

此外,亞馬遜云科技為海爾設(shè)計提供了彈性GPU算力—— Amazon EC2 G4dn實例,該實例是行業(yè)內(nèi)成本效益最高的通用GPU實例,適合于部署機(jī)器學(xué)習(xí)模型,例如圖像分類、對象檢測和語音識別,以及圖形密集型應(yīng)用程序,例如遠(yuǎn)程圖形工作站、游戲串流和圖像渲染。

項目上線后,海爾設(shè)計將AIGC解決方案引入到產(chǎn)品設(shè)計、UI 設(shè)計、CMF 設(shè)計、品牌設(shè)計等環(huán)節(jié),涵蓋了新品設(shè)計、改款升級、渠道定制化等工業(yè)設(shè)計的業(yè)務(wù)場景。

此外,海爾設(shè)計和亞馬遜科技還合作開發(fā)了首個集成式虛擬設(shè)計師AI助手“Co-designer”,通過與亞馬遜云科技的合作,海爾創(chuàng)新設(shè)計中心在基礎(chǔ)設(shè)施方面獲得了全面的支持,包括3D云桌面、文件共享系統(tǒng)和自動化設(shè)計等。

“Co-designer是合作的一個關(guān)鍵點,盡管目前仍不是非常完善,但作為一個重要的子場景,它為設(shè)計中心帶來了許多新的應(yīng)用。

除了Co-designer之外,海爾還將進(jìn)一步開發(fā)和應(yīng)用其他的子場景,如設(shè)計師之前的部分以及制造、營銷、服務(wù)和安裝等領(lǐng)域。

他們計劃在整個價值鏈的不同環(huán)節(jié)中探索和應(yīng)用AIGC技術(shù),從而實現(xiàn)更多的工作優(yōu)化和創(chuàng)新”,吳劍表示。

據(jù)悉,目前通過AIGC,海爾已實現(xiàn)了設(shè)計中心業(yè)務(wù)提效11.9%。

結(jié)語:生成式AI時代,智能制造的未來機(jī)遇

從數(shù)字化邁向數(shù)智化,傳統(tǒng)制造業(yè)正朝著智能制造的大方向走去。在生成式AI技術(shù)的引領(lǐng)下,智能制造正迎來前所未有的機(jī)遇。

生成式AI技術(shù)通過結(jié)合深度學(xué)習(xí)、自然語言處理和圖像識別等技術(shù),使計算機(jī)能夠自動生成內(nèi)容、設(shè)計方案和創(chuàng)意,為制造業(yè)帶來了革命性的變革。

在智能制造的未來,生成式AI將在多個方面帶來機(jī)遇,包括自動生成設(shè)計方案,優(yōu)化生產(chǎn)過程,提高生產(chǎn)效效率,智能預(yù)測,故障預(yù)警,以及智能質(zhì)量控制和檢測,甚至在供應(yīng)鏈和物流管理上也能提出最優(yōu)解,提高效率和準(zhǔn)確性等等。

隨著生成式AI技術(shù)的不斷發(fā)展和創(chuàng)新,智能制造將進(jìn)入一個全新的時代。

不過,要實現(xiàn)生成式AI的潛力,仍需克服一些挑戰(zhàn)。其中包括數(shù)據(jù)隱私和安全保護(hù)、技術(shù)人才培養(yǎng)和跨部門合作等。

只有通過全面推動技術(shù)創(chuàng)新、加強(qiáng)合作和培養(yǎng)人才,才能實現(xiàn)智能制造的未來機(jī)遇,并為制造業(yè)帶來更加繁榮和可持續(xù)發(fā)展的前景。

免責(zé)聲明:此文內(nèi)容為第三方自媒體作者發(fā)布的觀察或評論性文章,所有文字和圖片版權(quán)歸作者所有,且僅代表作者個人觀點,與極客網(wǎng)無關(guān)。文章僅供讀者參考,并請自行核實相關(guān)內(nèi)容。投訴郵箱:editor@fromgeek.com。

極客網(wǎng)企業(yè)會員

免責(zé)聲明:本網(wǎng)站內(nèi)容主要來自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿,凡在本網(wǎng)站出現(xiàn)的信息,均僅供參考。本網(wǎng)站將盡力確保所提供信息的準(zhǔn)確性及可靠性,但不保證有關(guān)資料的準(zhǔn)確性及可靠性,讀者在使用前請進(jìn)一步核實,并對任何自主決定的行為負(fù)責(zé)。本網(wǎng)站對有關(guān)資料所引致的錯誤、不確或遺漏,概不負(fù)任何法律責(zé)任。任何單位或個人認(rèn)為本網(wǎng)站中的網(wǎng)頁或鏈接內(nèi)容可能涉嫌侵犯其知識產(chǎn)權(quán)或存在不實內(nèi)容時,應(yīng)及時向本網(wǎng)站提出書面權(quán)利通知或不實情況說明,并提供身份證明、權(quán)屬證明及詳細(xì)侵權(quán)或不實情況證明。本網(wǎng)站在收到上述法律文件后,將會依法盡快聯(lián)系相關(guān)文章源頭核實,溝通刪除相關(guān)內(nèi)容或斷開相關(guān)鏈接。

2023-07-17
數(shù)字化轉(zhuǎn)型完成后,制造業(yè)如何走向“數(shù)智”時代?
數(shù)字化轉(zhuǎn)型完成后,制造業(yè)如何走向“數(shù)智”時代?

長按掃碼 閱讀全文