3.1 智能制造离不开三大技术

制造业的转型升级既是中国的机遇也是挑战，产 品质量、消费体验和品牌影响力都是需要考虑的因素。现在，智能制造不能只依靠企业的自发和自觉，而是要在技术的指引下形成涵盖研发、设计、生产、流通、交付和售后服务全流程的产业链。

3.1.1 数据采集

很多专家认为，智能制造从数据采集开始。确实，没有数据，如何分析需求；没有数据，如何有效感知；没有数据，如何科学决策。这就是人们经常所说的“巧妇难为无米之炊”。因此，在智能制造中，数据采集是非常重要的一项技术。

一般来说，数据采集的准确性、完整性，制约着需求、感知、决策的真实性和可靠性。AI时代，数据采集可以为智能制造带来以下三个优势，如图3-1所示。

1.提升自动化，避免人工作业的低效高耗

在此之前，传统的数据采集方法如人工输入、电话访问、调查问卷等，并不适合AI时代。如今，很多工厂都开始引入苹果系统或安卓系统的数据采集软件，这些软件可以采集某些基础数据，如用户偏好、流失比例、消费情况等。此外，在大规模采集数据时，网络爬虫也是一种不错的方法。

2.实现数据多样化，改变只采集基本数据的现象

AI时代的数据采集不仅采集基础的结构化交易数据，还会采集一些具有潜在意义的数据，例如，文本或音频类型的反馈数据、周期性数据等。

3.扩大数据采集的范围

在制造业中，常见的数据采集装置应该是传感器，主要用于自动检测、控制等环节。目前，以传感器为基础的大数据应用尚未成熟，但在未来，随着携带传感器和大数据平台的不断增多，数据采集的范围将会扩大，进而帮助企业生产更受用户欢迎的产品。

可见，为了推动智能制造的发展，无论是数据采集的方法，还是数据采集的数据类型，抑或是数据采集的广泛性，都比之前有了很大提升。当然，对于制造业和制造企业来说，这样的提升非常必要，是实现转型升级的关键。

3.1.2 人机交互

在智能制造的带动下，人机交互的应用潜力正在慢慢展现，如可穿戴式计算机、远程医疗、遥控机器人等。2019年，人机交互也成为发展智能制造的关键年，主要研究人与机器的协同工作。

通过人机交互，企业可以提升自身的数据采集能力，对整个生产过程进行跟踪和管理，全面控制智能设备的性能与产品的质量，轻松实现人机交互。此外，人机交互还可以加强生产设备、包装设备、仓储拣货设备、运输设备等各类智能设备之间的联系。

人机交互有助于减少企业的人力成本，并在保证各个环节可以快速流转的前提下，进一步提升生产的效率和质量。在无纸化办公方面，人机交互可以监控订单完成进度，通过机器便可以知道正在生产的产品有多少，等待生产的产品有多少，从而解决出货延迟问题。

由德国推出的7轴轻型人机协作机器人LBRiiwa将人和机器连接在一起，使二者可以直接合作。LBRiiwa就好像人的“第三只手”，不需要任何多余的步骤，就可以完成交互工作。不仅如此，德国还研究出了双臂机器人YuMi，这是人机交互领域的一个重大突破。

如今，人机交互的方式越来越多，之前那些看似无法成真的场景正在一步步变为现实，例如，智能制造、智能家居、3D打印等。可以说，谁能够尽快实现人机交互，谁就可以在制造业占得一席之地。那何谓人机交互，简单来说，就是让机器取代或者和人一起工作。

我们不妨想象一下：工人对着各种各样的电子屏幕，不需要手写输入，只需要说出想做的事情和想完成的工作，机器就可以在第一时间执行，如图3-2所示。

在各种技术层出不穷的当下社会，人和机器的合作会更加密切，人和机器一起工作的机会也越来越多。对于制造业和制造企业来说，这就是便捷化、自动化、智能化的生产，工人的科技感也会在这一过程中被不断地放大。

3.1.3 深度学习与大数据

智能制造通过人与机器的协作，取代人在生产过程中的部分劳动。谈到这一点，现在很多企业已经开始大规模引入机器，减轻工人的负担。不过，随着智能制造的渐趋普及，深度学习和大数据还可以帮助企业提升自动化水平。

1.深度学习

中国的一位专家曾经做过这样的预测：以深度学习为基础的智能制造将帮助企业实现高效生产。在企业中，智能化的关系可以用“金字塔模型”来表示，从下至上分别是数据化层、信息化层、智能化层、深度学习层，即由浅入深、由基础到应用的逐层升级。

其中，信息化层的基础是可靠并且准确的数据；智能化层的基础是可靠、准确、海量的数据。不仅如此，智能化层还会并行地对不同信息系统进行二次加工，然后做出矩阵式的分析，从而形成智能化的结果。

至于“金字塔模型”顶层的“深度学习”则是以海量数据、大量信息子系统、智能化为基础进行的神经网络式分析计算，可以看作智能化的升级版。

借助深度学习，企业可以更好地控制、调整各项工作。以产品生产工作为例，在产品生产的过程中，深度学习可以把海量数据和各方优秀工程师的经验融合在一起，同时也可以对运行一段时间的动车组或其他产品可能出现的问题进行预测。

可见，对于企业来说，“深度学习”的作用是非常强大的，而这也在一定程度上推动了AI的落地应用，从而加速了生产的智能化进程。

2.大数据

目前，很多工人和企业都已经意识到了大数据的重要性。在生产过程中，大数据也确实可以发挥一些比较重要的作用。

首先，大数据可以优化产品质量管理与分析。因为受到了大数据的强烈冲击，制造业越来越需要一些创新方法的支持和帮助。例如，在制造半导体芯片时，需要经历增层、热处理、掺杂、光刻等环节，而且每一个环节都有非常严苛的物理性要求。

某半导体制造企业生产的半导体晶圆，在经历过测试环节以后，可以生成一个巨大的数据集，这个数据集中不仅包含了几百万行的测试记录，还包含了上百个测试项目。根据质量管理的相关要求，工人的工作是，对这上百个测试项目分别进行一次过程能力分析。

当然，如果按照之前的模式，工人需要分别对上百个过程能力指数进行计算，而且还需要对各项质量特性进行考核。先不计较工作的复杂性与工作量的庞大，即使真的有工人可以完成复杂的计算工作，那也很难从上百个过程能力指数中看出其关联性，同时也很难认识和总结半导体晶圆的质量和性能。

但如果利用大数据质量管理分析平台，工人就可以迅速得到一个过程能力分析报表，而且还可以从同样的大数据集中得到一些全新的分析结果。而这些分析结果也可以使半导体晶圆的质量有一定提升，从而促进生产工作的顺利进行。

其次，大数据可以加速产品创新。用户与企业之间产生了交互行为，就会产生大量数据，深度挖掘这些数据，可以让用户参与企业的创新活动。在这一方面，福特就做得非常不错。

福特采用了大数据技术，使福克斯电动车成为了真正意义上的“大数据电动车”。具体来说，无论福克斯电动车是处于行驶状态还是静止状态，都会产生大量的数据，通过这些数据，福特的工程师可以对福克斯电动车有更加深刻的了解，从而制定出既完善又科学合理的改进和创新计划。

由此可见，在智能制造的生产过程中，深度学习和大数据正在发挥着非常重要的作用。一方面，有利于减少工人的工作量，高效地控制、调整各项工作；另一方面，有利于让产品变得更加符合用户的需求，促进企业效益的增加。