• 官方微信

    CA800二维码微平台 大视野

  • 工控头条

    CA800二维码工控头条App

当前位置:自动化网>自动化新闻>产业分析>数字化转型完成后,制造业如何走向“数智”时代?

数字化转型完成后,制造业如何走向“数智”时代?

发布时间:2023-07-18 来源:中自网 类型:产业分析 人浏览
关键字:

导  读:

随着我国数字化转型行动的深入推进和智能制造工程的大力实施,制造业正朝着“数智”时代迈进,生成式AI被视为推动制造  业智能化发展的关键驱动力。  据预测,到2027年,将有30%的制造业采用生成式AI来提升产品研发效率。在数字化转型的基础上,生成式AI为制造业带来了更强大的潜力。  通过已有的计...,系统,制造业,智能,设计,智能制造,制造业

  随着我国数字化转型行动的深入推进和智能制造工程的大力实施,制造业正朝着“数智”时代迈进,生成式AI被视为推动制造

  业智能化发展的关键驱动力。

  据预测,到2027年,将有30%的制造业采用生成式AI来提升产品研发效率。在数字化转型的基础上,生成式AI为制造业带来了更强大的潜力。

  通过已有的计划训练模型,生成式AI能够自动化生成新的设计,从而提高产品开发的效率;同时,它还有助于提升生产线的自动化水平。

  数字化转型完成后,企业如何借助生成式AI走向“数智”时代,并挖掘其中蕴藏的巨大机遇呢?

  从数字化到数智化:制造业的转型之路

  随着人工智能技术的迅猛发展,制造业正在经历一场前所未有的变革。

  过去几十年,制造业企业通过数字化转型实现了生产流程的自动化和信息化,然而,数字化只是转型的第一步。

  如今,随着AI技术的成熟和应用,制造业正逐渐迈向“数智”时代,实现了从数字化到数智化的跨越。

  数字化是指将物理实体和过程转化为数字形式,使其能够被计算机系统识别和处理。

  数字化转型让制造业企业实现了生产过程的自动化、信息化和协同化,提高了生产效率和质量控制能力。然而,数字化仅仅是利用数字技术对传统生产流程进行了优化,仍然依赖于人工的决策和操作。

  而数智化则更进一步,它将数字化与人工智能相结合,通过机器学习、深度学习和生成式AI等技术实现智能化的生产和决策。

  数智化不仅仅是对现有过程的优化,而是通过AI技术的应用,让机器能够自主学习和适应,实现智能决策和自主运作。

  随着AI技术的发展和突破,制造业企业已经开始将注意力从数字化转型转向数智化。

  AI技术能够从大数据中提取和分析有价值的信息,为制造业企业提供智能化的决策支持。

  通过对海量的实时数据进行深度学习和模式识别,AI系统能够准确预测生产状况、质量问题和设备故障,并提供相应的优化方案和预警机制,帮助企业做出及时而准确的决策。

  AI技术还能够实现制造流程的自动化和智能化。通过机器学习和视觉识别技术,AI系统能够自动监测和控制生产过程,实时调整参数和优化操作,提高生产效率和质量稳定性。

  同时,AI技术还能够与机器人技术相结合,实现智能化的物流和装配,降低人力成本,提高生产线的灵活性和响应能力。

  此外,AI技术赋予制造业企业更大的创新能力。生成式AI技术能够通过学习大量的产品数据和设计规则,自动生成新的设计方案,帮助企业快速设计出具有竞争力的产品。

  AI技术还能够模拟和优化产品性能,快速预测和验证产品的可行性和质量,加快产品研发周期,提高产品的市场竞争力。

  随着AI技术的广泛应用,制造业正逐渐迈向“数智”时代。数智化转型使制造业企业能够实现智能决策、自动化生产和创新设计,进一步提高了生产效率和产品质量。

  “数智化”第一步:做好云基础设施

  在制造业产业链的工业设计环节,海尔创新设计中心(以下简称为海尔设计)就紧跟时代洪流,从数字化走向数智化。

  海尔创新设计中心成立于1994年,目前拥有500多名设计师,为海尔智家旗下全球七大品牌、多达+8000产品做设计创新和模式探索。

  在海尔智家副总裁、海尔创新设计中心总经理吴剑看来,在工业设计领域,面对快速增长的业务需求和加速迭代的产品周期,工业设计也需要数字化转型,在转型过程中就遇到几大问题:

  高成本和时间消耗:传统的工业设计过程通常需要耗费大量的时间和资源。

  从概念设计到原型制作再到产品测试和验证,整个过程可能需要数周甚至数月的时间。这使得设计周期变长,增加了开发成本和市场推出时间。

  高度依赖人工经验和直觉:许多工业设计过程仍然高度依赖设计师的经验和直觉,这限制了设计的创新性和效率。

  人工经验的局限性可能导致创新受限,而且不同设计师之间的结果可能存在差异。

  信息不对称和协同困难:在工业设计过程中,设计师、工程师和制造商之间的信息流通往往不畅,存在信息不对称的问题。

  这可能导致设计需求和技术要求之间的不匹配,进而影响产品的质量和性能。此外,不同团队之间的协同工作也面临着挑战,缺乏高效的合作平台和工具。

  而这直接导致了概念设计阶段(也就是准备阶段)人力成本耗费高、概念产出效率低、概念通过率低等问题。

  解决上述痛点的第一步,就是实现全面数字化——上云。在上云阶段,海尔设计将合作伙伴锁定为亚马逊云科技。

  此前,海尔设计使用的是自建的私有云系统,部署在自有IDC内。

  不过,这套私有云系统存在桌面系统存在资源抢占、文件存储系统因容量受限无法长期保存历史文档、渲染系统由于资源受限渲染任务需要长时间的排队等待,以及基础系统维护复杂、无法弹性扩展、业务系统创新困难等诸多问题,对业务产生较大影响。

  对此,亚马逊云科技为海尔设计提供了四个完整的云上解决方案,全面替代自有机房,让设计中心的工作流程实现了全面云化、自动化。

  亚马逊云科技为海尔设计提供的方案包括3D云桌面系统、渲染农场系统、文件共享系统以及自动化设计系统等四个部分:

  云桌面:在海尔设计的青岛办公室,3D云桌面系统为300多位3D设计师、平面设计师提供便捷易用的桌面环境。

  通过公有云上的资源隔离划分,海尔设计在彻底解决原自建 IDC的VDI方案“资源挤兑造成卡顿、闪退或宕机”以及“多人使用时性能衰退”等问题的基础上,还能有约30%性能提升,可以说是一举多得。

  共享存储:基于Amazon S3特性构建的文件共享系统,让公司、小组和个人之间得以共享存储。

  这种对冷热数据进行自动分层的无限容量存储系统让数据安全性提高了3倍,而此前自建IDC每人最大分配500G容量、每天只允许一个备份且最多保留7天的设定,自此成为历史。

  渲染农场系统:渲染农场系统使用亚马逊云科技自有渲染产品Amazon Thinkbox deadline软件及HPC集群进行图片渲染,具备高性能和弹性,让设计师提交任务后就能拿到渲染效果图,彻底解决渲染任务排队问题。

  而低负载时它会自动降低Amazon EC2 Spot数量且按实际使用时间(精确到秒)付费,从此不再浪费。

  智能设计系统:自动化设计系统/智能设计渲染系统通过Amazon EC2、Amazon Thinkbox Deadline、Amazon DynamoDB等运行自动化设计软件,10分钟就能自动生成人工需要数天才能完成的大批量渲染效果图,彻底解决了原自建IDC存在算力瓶颈问题。

  据悉,上线后,自动化设计系统应用让原有项目周期缩短了30%。

  “数智化”第二步:用AIGC实现降本增效

  2022年年底,ChatGPT平地一声惊雷掀起了生成式AI大模型的热浪。在此前的合作基础上,海尔设计和亚马逊就“生成式AI+工业设计”展开探索。

  至于为什么会选择主动拥抱AI,海尔设计希望实现降本增效。生成式AI可以基于企业现有的流程、知识图谱,通过训练后避免重复、低效的流程和复用。

  基于此,海尔设计联合亚马逊云科技还是合作部署生成式AI应用,打造了全国首个结合实际业务场景落地的AIGC工业设计方案。

  据悉,在基础设施架构层,该方案借助Amazon SageMaker快速的构建和训练AIGC模型,通过应用Amazon SageMaker机器学习平台,以Fine-tune as a Service(调优即服务)的方式提供服务,利用Amazon SageMaker在线的模型训练和管理能力,为消费品、游戏等场景提供创意辅助、内容生产辅助和创作支持。

  此外,亚马逊云科技为海尔设计提供了弹性GPU算力—— Amazon EC2 G4dn实例,该实例是行业内成本效益最高的通用GPU实例,适合于部署机器学习模型,例如图像分类、对象检测和语音识别,以及图形密集型应用程序,例如远程图形工作站、游戏串流和图像渲染。

  项目上线后,海尔设计将AIGC解决方案引入到产品设计、UI 设计、CMF 设计、品牌设计等环节,涵盖了新品设计、改款升级、渠道定制化等工业设计的业务场景。

  此外,海尔设计和亚马逊科技还合作开发了首个集成式虚拟设计师AI助手“Co-designer”,通过与亚马逊云科技的合作,海尔创新设计中心在基础设施方面获得了全面的支持,包括3D云桌面、文件共享系统和自动化设计等。

  “Co-designer是合作的一个关键点,尽管目前仍不是非常完善,但作为一个重要的子场景,它为设计中心带来了许多新的应用。

  除了Co-designer之外,海尔还将进一步开发和应用其他的子场景,如设计师之前的部分以及制造、营销、服务和安装等领域。

  他们计划在整个价值链的不同环节中探索和应用AIGC技术,从而实现更多的工作优化和创新”,吴剑表示。

  据悉,目前通过AIGC,海尔已实现了设计中心业务提效11.9%。

  结语:生成式AI时代,智能制造的未来机遇

  从数字化迈向数智化,传统制造业正朝着智能制造的大方向走去。在生成式AI技术的引领下,智能制造正迎来前所未有的机遇。

  生成式AI技术通过结合深度学习、自然语言处理和图像识别等技术,使计算机能够自动生成内容、设计方案和创意,为制造业带来了革命性的变革。

  在智能制造的未来,生成式AI将在多个方面带来机遇,包括自动生成设计方案,优化生产过程,提高生产效效率,智能预测,故障预警,以及智能质量控制和检测,甚至在供应链和物流管理上也能提出最优解,提高效率和准确性等等。

  随着生成式AI技术的不断发展和创新,智能制造将进入一个全新的时代。

  不过,要实现生成式AI的潜力,仍需克服一些挑战。其中包括数据隐私和安全保护、技术人才培养和跨部门合作等。

  只有通过全面推动技术创新、加强合作和培养人才,才能实现智能制造的未来机遇,并为制造业带来更加繁荣和可持续发展的前景。
 

免责声明:本文仅代表作者个人观点,与中国自动化网无关。其原创性以及文中陈述文字和内容未经本站证实,对本文以及其中全部或者部分内容、文字的真实性、完整性、及时性本站不作任何保证或承诺,请读者仅作参考,并请自行核实相关内容!来源网络如有误有侵权则删。

猜您喜欢

更多精彩信息看点 请扫描以下二维码