认知计算和工业4.0

IBM中国研究院高级研究员王健博士
 

一、开启认知计算新纪元

    IT技术分为了三个主要的阶段。制表时代、编程时代和认知计算时代，这也可以看做IBM的发展史。IBM最早是做制表的公司，后来创造了个人计算机，大型机，包括一些数据库，进入到了编程时代。IBM公司总共出现了六位诺贝尔奖获得者，这是非常了不起的一个成就。

    1997年5月，被誉为“世界上最聪明的人”的国际象棋大师卡斯帕罗夫经过6局对抗，败于拥有超强计算能力的超级电脑“深蓝”，引起全球瞩目，这场博弈当时被称作“里程碑式的人机博弈”。而IBM公司就是“深蓝”的发明者。

    2011年，Watson参加综艺节目危险边缘（Jeopardy）来测试它的能力，这是该节目有史以来第一次人与机器对决。2月14日至16日广播的3集节目中，Watson在前两轮中与对手打平，而在最后一集里，Watson打败了最高奖金得主布拉德·鲁特尔和连胜纪录保持者肯·詹宁斯。这个事件在美国有非常大的影响。标志着人工智能、认知计算这样的技术在开放问题的计算中胜出了。这和IBM之前的深蓝不一样，深蓝反映了编程时代的事件，它是反映了大规模计算的问题。

    目前，除了IBM，已有其他很多的公司都进入到了做认知计算的事情里面来，包括谷歌、苹果等国际大的知名公司，也包括国内的互联网巨头，BAT、科大讯飞，已经将这些技术广泛的利用到行业里面，认知计算正在推动产业升级与转型。

二、IBM在工业4.0和认知物联网方面的分享

    对于工业4.0，现在目前主要的经济体，包括美国、日本、法国、德国、中国，都提出了相应的概念和规划。工业史经过了大概四个阶段。第一个阶段是蒸汽机的发明，是机械化。当电力发明的时候，规模化的生产成为了可能。这两个过程使得当时很多的产业工人失业，造成了很大冲击。工业3.0则是将计算机的技术应用到工业制造里面，使生产加工过程变得自动化和工业化。到了工业4.0的时候，实际上是通过一些人工智能的技术，使整个制造过程变得更加的智能化，让它变得更聪明。

    人工智能和互联网、物联网的技术，包括移动互联网的技术，让现在很多的行业发生了天翻地覆的变化。人工智能可能会使中产阶级在这次变革中会有相当一部分受到工作的压力。因为很多的初级律师，初级的撰稿人，初级的文书人员的工作将被机器和程序的自动化的编写所替代，包括一些初级的软件工程师。这些技术对整个行业的影响，可见一斑。

    那么，如何将物联网和人工智能这样的一些技术应用到工业里？这带来一个问题，工业4.0是一个什么样的场景。从宏观上来讲，智能制造可能一个工厂是最核心的部分。但是它不仅仅是智慧工厂，从工业4.0的意义上来讲，它应该涵盖了整个制造的产品全生命周期，工业4.0，不是3.0时代MES, ERP , SCM, PLM, CRM等系统的简单集成或更新换代，而是借助新技术（认知计算，物联网、大数据、认知计算等）在多个维度对企业及价值链的革命性整合、重塑与创新。工厂不再是“黑盒子”，而是清晰透明的服务提供方……不只是工厂，想象各参与方的各种能力都用API的方式来发布、被调用、接受监管，形成一个“Manufacturing as a Service”的开放、灵活、自主、优化的合作体系……

    其次，工业4.0产品意味着产品全生命周期乃至全价值链、全生态系统的变革，在变革的过程中，最重要的是数据的洞察过程。企业做一些认知计算和人工智能的分析都要依赖于数据，数据是非常非常可信的。中国的制造企业，如果还没有去做一些生产过程中的数据采集，那么第一步应该考虑的事情就是从数据的收集做起。再通过一些先进技术，包括大数据分析、云计算、物联网、移动互联网，包括安全相关的管理方案等来帮助企业管理人员作出决策。只有通过大数据、云计算、移动互联网、物联网等新技术的共同作用，充分把握新工业时代下信息资源带来的机遇，以数据洞察为核心驱动力，贯穿参与者、产品与生产，实现跨界和全球化互联互通的协同，形成集制造和服务为一体的全球化价值网络。

    IBM的认知物联网方案在包括工业4.0在内的多个领域产生显著的业务价值，帮助客户带来经济效益。

    案例 1：利用认知技术提高产品质量

    通过物联网对生产过程、设备工况、工艺参数等信息进行实时采集；对产品质量、缺陷进行检测和统计；

    在离线状态下，利用机器学习技术挖掘产品缺陷与物联网历史数据之间的关系，形成控制规则；

    在在线状态下，通过增强学习技术和实时反馈，控制生产过程减少产品缺陷；

    集成专家经验，改进学习结果。

    适应领域：钢铁制造、半导体晶元制造、轮胎、酒瓶生产等。

    案例 2：利用认知技术实现预测性维护

    响应式维护(Reactive Maintenance)：坏了再修；维修成本低，但意外宕机造成的业务中断损失大。

    预防性维护(Preventive Maintenance - PvM)：周期性维护保养，没坏也修；维护成本高，过度维护。但能有效减少故障，保障业务连续。

    预见性维护(Predictive Maintenance - PdM)：通过认知技术提前预测故障的发生，及时干预避免业务中断；维修成本低，同时有效减少故障，保障业务连续。

    适应领域：工矿企业的生产设备（如：采油设备、车辆）、银行电信的IT设备（如：ATM）、医疗设备（如：影像设备）、楼宇电梯等。

三、总结

    工业4.0在全球尚处于探索阶段，中国的企业有机会弯道超车；

    工业4.0需要IT界与制造业的跨界合作与创新，共担使命；

    工业4.0是一个渐进的过程，需要统一、可扩展的架构设计，利用云计算，物联网，认知计算等技术使深入和延伸的积累能够持续；

    今天中国的市场需求更多还在3.0甚至更早阶段，需要继续补课；但工业4.0的探索与布局刻不容缓，以赢得未来的竞争。

    本文根据发言整理，未经本人确认！