当工业4.0遇见AI：智能制造现在有多“智能”？

现在的智慧工厂有多智能？

AI的最有趣之处大概就在于，整个技术供应链上的诸多环节，既通过出售AI技术来赚钱，同时自己也是AI技术的使用者。Mentor这样的EDA厂商大概就是最好的例证。在探讨了智能制造解决方案提供商、AI芯片制造商以及EDA厂商这三个层级之后，我们大致上已经将AI现阶段在智慧工厂的价值勾勒出来了，即便从芯片制造商层级就不难发现，AI技术在工业制造中仍在发展初期。

除了文首提及ROJ在数字工厂方面借由西门子方案的实现，如今在世界范围内逐步发展智能制造乃至AI技术的先进工厂大约也不在少数。前不久我们踏入林德（Linde）东亚区远程控制中心，可对智慧工厂的发展程度做管中一窥。林德是目前全球最大的气体供应商，其业务也涵盖了为晶圆厂提供电子气体。不过这里，我们不探讨其作为半导体上游供应商的价值，而将其作为智慧工厂的实践者来审视一番。

林德在中国大陆地区有总共350公里的管道，部分气体就是通过管道供应给客户的。远程控制中心能够对管道系统、空气分离装置、制氢装置、食品级二氧化碳提纯，进行中央化的远程监控。远程监控设备，能够显示这些装置和系统的运行效率与状态，同时还能对数据进行分析。

林德公司大中华区远程运行中心总监陆贤表示：“当发现监控的动设备参数有上升趋势，就会结合当时的设备运行状态进行详细分析，及时做出调整和相应措施，包括对客户供应气体的可靠性。”“数据趋势往上走，虽然现在没有报警，但就要开始准备备件了。”“甚至通过对数据的分析，预测三个月后的情况。”这是数字工厂典型的实际应用了，看起来很像预测性维护。

“小型制氮现场是无人的，大型空分现场也只配备最少的人员。”“一些大型空分、液体空分会有一套先进控制系统，可根据客户的压力、纯度等波动，自动调整装置负荷。超过设定值，客户一侧则会切换到备用系统。”

而在林德远程控制中心的数字化程度中，让人感受“数字化”程度最深的是针对宁波的数字化管网控制。“宁波有82公里长的氮气、氧气、氢气系统装置，沿着永江穿越市区。”在出现压差较大等情况，发生报警时，远程控制中心就需要做出响应。

控制中心的图形化界面里，显示了整个宁波的俯瞰3D图——地图通过无人机拍摄并做建模，其上清晰描绘林德气体管线途经的区域，甚至包括埋地管线。和谷歌地球一样，远程控制中心的操作人员可对其进行任意放大缩小操作，观察气体管道状况，查看管道实时数据，包括管道直径、压力、材料、所在高度等；甚至还能调取周期性的现场巡检视频。

在真正的机器学习实现上，“我们正在实施一个专家分析系统，这个系统就是运用机器学习相关技术，通过数据的自动采集、分析，定期或不定期地完善搭建的模型，做到分析结果精确、运行标准设置精确。”陆贤表示。

“我们未来运行现场智能化包括，机器自我学习，帮助我们更安全、高效、可靠地运行装置；建立更加精准和有效的装置能耗模型，监控并优化能源消耗情况；建立更智能的运行培训工具——准确模拟空分实际运行，用以更高效地培养我们的工程师；大数据分析工具开发，预测空分设备未来的运行情况。”林德大中华区消费市场营销总监陈闻翊表示。

林德的远程控制中心实则已经是现阶段全球范围内，在智能程度上比较领先的工厂中枢了，即便其气体产品在生产领域具有一定的特殊性。其数字化程度早已颠覆我们对传统工厂的认知，不过机器学习的应用仍在开发前期，包括预测性维护的进一步完善也在他们的规划中。

W.K. Choi在向我们解释BISTel理念中的AI演进阶段时，将智慧工厂的付诸实现比作一次旅行。其中第一阶段为具备AI能力的应用，这一阶段是在传感器、生产流程、设备、工厂和设施中增加智能层，智能模块跑在云IoT平台上，实现最佳流程控制、最大化的自动化，并向自适应智能迈出一大步。但“这个过程不是一夜之间就能完成的，它常常需要耗费3年时间。”

第二阶段，具备AI能力的工程系统。即向工程系统增加智能，这个阶段需要大数据环境，智能模块（inter-module）在系统、传感器和设备间共享信息。所有的模块彼此相互学习，相互共享信息，而且是以自动化、有效的方式，还包括知识库的更新。第三阶段，具备AI能力的企业。这个阶段，每个工程系统（inter-systems）与工厂中的其他软件系统分享信息和知识，如MES、ERP、维护系统等。系统间实现互通与协作。

即便BISTel认为，我们现在正处在第二阶段，实际就我们的观察，更多的制造工厂仍在第一阶段构建时期。不过这也正表明AI在工业4.0时代的发展潜力，这仍是惠及整个工业制造垂直领域的契机和利润增长点。

责编：Amy Guan

本文为《电子工程专辑》12月刊杂志文章，版权所有，禁止转载。点击申请免费杂志订阅 

也可点击立即下载，下载12月刊完整版。