工业智能化面临的问题：有效数据、智能技术与产线兼容

工业智能化面临的问题：有效数据、智能技术与产线兼容

   工业智能化带来的好处显而易见：节约人力成本，提高生产效率，改进生产流程，有利于定制化、个性化的产品制造等，并且能够提升所在行业的制造业竞争力，同时也让工厂直接面向消费者，颠覆了传统的交付模式。

   但工业智能化并非让程序员去工厂走一趟这么简单。被科技巨头们大书特书的案例，表面上是一个又一个漂亮数字，但背后也隐藏着工业智能化所面临的难题，业内人士也认为，“外行人看来很多领域都实现了智能化，但是真正能实现一整套智能化解决方案的企业很少。目前所谓的智能化准确来说还都是半智能化。”就目前来看，最大的问题有三项：

   第一，智能化的实现依赖于有效数据，数据来源于工厂机械与IOT（物联网）设备，并且要实现标准统一。但是一方面，部分工业数据很难进行结构化处理，而且信息化设备是一笔巨大的投入；另一方面，工业数据也有其敏感性，有的厂家不愿意对第三方开放数据。因此，从商业性角度看，第三方解决方案提供商要说服工厂，提供足够的商业动机，这意味着智能化解决方案要起到立竿见影的效果。目前BAT、华为、亚马逊、微软、谷歌都在致力于研发工业智能化解决方案，以及对生产线影响更小的改造模式，保证工厂在不停产的前提下实现信息化改造。

   第二，从前文提及的智能质检一体机发现，各个环节的智能设备正在往轻量化、小型化的方向发展，这是出于工厂空间利用的需求。边缘设备包括了摄像头、运算主机、IOT感应件等，业内早期的智能质检方案甚至有两张台球桌大小，这对于在工厂场景落地明显不利。近两年得益于更轻量化的板卡与感应器，设备的小型化成为可能，云计算技术也扮演了关键角色，但工厂吞吐的生产信息量十分庞大，对网络环境也提出了很高要求，这也是整体协同运作的前提，近两年开始落地的5G技术将这一问题的答案。

   第三，工业与AI不是简单的相加模式，也不仅仅是写个平台系统这么简单。从理念上看，工业化要求稳定、可复制，但生产环境往往不稳定，产生的数据也不稳定；智能化要求灵活便捷，即插即用，双方某种程度上是冲突的。工业+AI的过程需要智能化工程师/码农深入理解行业与场景，而一家工厂内的产线与产线之间也存在巨大差异，需要区别对待，这无疑带来了巨大的工作量与人力需求，同时也使得解决方案具备不可复制性，也就暂时无法大规模铺开。

   业内人士也认为：“工业智能化是一个庞杂的工程，涉及整个产业链，需要上中下游厂商相互合作，单靠某个环节的推动根本不行，其中还有很多技术和利益的问题需要协调。”但业界也相对乐观：“一方面这块市场会有更多的企业参与进来，去做工业智能化的解决方案，因为像阿里华为他也不可能把所有行业都包圆了，另一方面技术的困难，都是‘主观的困难’，克服只是时间问题，工业智能化的浪潮是不可逆转的。