【数字化】如何通过数字化转型实现生产制造的优化？
数字化生产制造可以实现对生产瓶颈的有效识别，这样工厂就可以通过对产出的优化调整来满足高峰时的市场需求。
对制造业数字化转型来说，很关键的一点是要通过虚拟化功能，创建仿真以及使用数字化模型，来将生产操作从工厂车间里模拟出来并形成制造优势。设计和组装部分必须扩大其作用并生产出两个产品，一个包括相关产品纯信息的虚拟模型，另一个是其实际物理对应物。数字化使我们能够做到这一点。
数字化生产制造赋予了操作人员灵活调整产量，以及在整个流程中较早交付多个产品型号的能力，这些都是实现项目收入最大化并最终实现利润最大化的关键因素。在初始阶段，可以在原型中心里对生产制造流程进行概念上的虚拟化，接下来在生产中心里转化为量产，从而在全球市场上提升其业务灵活性以及成本控制。
不仅如此，数字化生产制造为操作人员提供了*交流设计知识和技术经验的机会。反过来，数字化生产制造也实现了对生产瓶颈的有效识别，这样工厂就可以通过对产出的优化调整来满足高峰时的需求。
在与一家领先的国际化软件公司的协作中，一家法国瓷器制造商通过将整个设计和开发流程迁移到云端，对其整个生产制造理念进行了变革。该平台的目标是不再进行成本高昂的物理原型制作，让制造商创建并验证可以为开发模具提供参考点的虚拟模型。该公司也准备对其现有的产品目录进行数字化，以保留其150年的设计贡献。
虚拟产品原型技术以3D线框图技术而著称，该技术与乔治·卢卡斯在1977年的电影“星球大战”中创造死星时所用的技术一样。工程设计人员进一步利用了该流程，使用扫描样本来对虚拟模型进行分层，以此识别出制造产品所需要的合适的材料。
随着可持续性已经变成了至关重要的性能指标，测试及选择材料的过程需要进行简化。因此，虚拟原型设计需要在节省宝贵的资源的同时改善可持续性。
以数据为驱动力的方式
在原型开发阶段之后，生产制造商就要努力满足在第一批产品中实现设计及功能性的重复性。目前，这需要对有争议的精度问题进行昂贵的实体质量检查。
从工程设计的角度来看，解决这些特定的挑战需要一个以数据为驱动力的方式。生产制造流程需要在数据产生的过程中对其进行捕捉，同时制作出一个反映实体产品的镜像虚拟模型。这为实现产品规范管理（PSM）系统奠定了基础。
进行数字化复制和快速原型设计的5 个步骤
1. 整合与数据采集
诸如扫描仪、坐标测量仪器以及计量表等物理检测硬件可以集成到传感器当中去。
2. 已采集数据的传输
在产品还在组装生产线上的时候，就需要将采集到的数据转发到中间件层去。
3. 使用软件对数据进行重建
在这一点上，自动化及其设计软件对数据进行了精炼和重建，创造了完美的可交付的复制品。
4. 存储复制品
复制品被存储于制造执行系统中，用于参考和认证（证明所要求的管理标准和规范）。
5.CAD 和3D 打印的预期需求
对于维护、检修和大修（MRO）的操作来说，一个以网络为中心的生产制造环境可以使用计算机辅助设计（cAD）数据来生产部件。这些步骤可以用于在现场或维护仓库内实现快速地工程设计变更。领先的航空航天原始设备制造商（OEM）和其他公司正在使用3D 打印技术来简化产品设计和制造业务，使他们能够提供世界范围的支持，并消除对仓库工具和备件的需求。
制造生态系统
这个想法是努力构建一个制造生态系统，能够在空间、陆地或海上按需创建组件和工具。目前，激光成型技术以及数字化设计数据正在用于将粉末材料合成为复杂的航空电子结构件，如F/A-18E/F导管。在一种称为选择性激光烧结的工艺中，使用钛金属和其他材料打印出不同大小的部件。
虚拟化制造的应用正在不断深化。当一家企业使用物理原型来进行设计迭代的时候，某些材料类型（诸如金属）不能以理想的成本来进行数字化制造或机加工。如果最终产品的材料和原型的材料不同，即使公司采用了快速成型或3D打印技术，也无法准确预测最终产品的材料属性。
当涉及到结构设计的时候，无论是茶杯，还是飞机和汽车都需要面对同样的挑战。材料的选择、耐用性以及设计的灵活性，都需要和产品在现实世界中与力、热以及震动的相互作用保持一致。在这种情况下，虚拟化制造可以将有限元分析法（FEA）提升到另一个层次。例如，焊接模拟（涉及到热应力和残余应力相关因素）会有助于优化工具设计以及实际的焊接工艺。研发工作正在积极为自动化流程优化的模拟和预测开发FEA软件。一旦与控制系统整合起来，它将可以在工厂车间里对工具进行再次校准，在不需要人工干预的情况下完成对设计、工具、制作以及材料的变更。
虽然虚拟制造开始作为设计和测试工具的一种方式，但它已经发展成为支持生产过程乃至产品开发的强大力量。通过数字模型可以捕获产品信息，以便在工厂车间进行快速原型设计并最终实现批量生产。图片来源：L&T科技服务公司
数字化双胞胎
生产制造业的未来要依赖于使用虚拟产品信息来提高产品质量。在现实中，通过使用来自于整个生产生态系统的合并数据，我们几乎已经将整个工厂车间都复制下来了，创造出了数字化双胞胎。一些先进的科技企业已经开始探索此概念了，例如创建风力发电场的工作模拟软件来预测设备的故障并且提高日发电量多达20%。
虚拟调试可以让操作员通过创建一个虚拟工厂，并将其与真实的控制器连接起来，以全面地验证一套生产制造系统的可持续性。这需要完整描述工厂的仿真模型，详细到传感器和执行机构的层面。通过将模型与真实的控制器连在一起，工程师可以在实际的调试阶段还远远没有开始之前就检测到控制程序的潜在错误。
一个模拟的工厂车间可以监控各项参数、暴露出生产的缺口、凸显成本利用的低效、减少碳排放量。相同的概念和原理也可以应用到产品上面，即使它还在画图板上也可以了解到未来在现实的世界中是如何工作的。
本文转载于《控制工程中文版》（CONTROL ENGINEERING China ）2018年3月刊《封面特写》栏目，原标题为：如何通过数字化转型实现生产制造的优化？
麦肯锡季刊 | 人工智能：数字化的下一个前沿？
作者：Jacques Bughin，Eric Hazan，Sree Ramaswamy，Michael Chui
人工智能的先行企业不仅获得了实际效益，也获得了突破性发展的机会。成功的转型需要企业把握好数字化及分析转型的多个关键点。
人工智能技术即将掀起新一波数字革命浪潮，企业应从当下开始积极准备。率先应用人工智能的企业已经有所斩获，使得后来者对加快数字化转型的需求更为迫切。本文将聚焦人工智能研究的五大方面：机器人和无人驾驶汽车、计算机视觉、自然语言、虚拟助手、机器学习（其中包括深度学习，这是近来许多人工智能技术取得突破的基础）。
近年来，人工智能领域的投资增长迅猛，主要来自谷歌、百度等数字巨头。据估算，2016年全球科技巨头在人工智能领域的投资高达200亿~300亿美元，其中90%的资金用于研发和部署，10%用于收购人工智能相关企业。该领域吸引的风投（VC）、私募（PE）、拨款和种子投资也如雨后春笋般增长，虽然投资者并不多，但投资总量达到了60亿~90亿美元。其中，机器学习作为促进人工智能发展的关键赋能技术，获得的内外部投资最多。
除了科技领域，人工智能在大部分行业中的应用仍处于早期试验阶段，仅有极少数企业开展了规模化部署。麦肯锡在调研中采访了来自10个国家、14种行业的3000余位关注人工智能的C级高管，其中仅有20%的受访者表示在企业大规模应用人工智能，或者已将其部署于核心业务。多数企业对人工智能的商用前景和投资回报心存疑虑。我们调查了160余种人工智能应用案例，发现其中仅有12%属于商用部署。
应用模式的差异导致率先将人工智能付诸应用的数字化企业与后来者的差距不断拉大。在麦肯锡全球研究院的产业数字化指数（IDI）中名列前茅的行业（如高科技、电信、金融服务等）也是人工智能应用的领军行业，在这一领域的投资意愿最为强烈。业内的龙头企业应用人工智能的深度和广度已经相当可观，或者在各个职能部门应用了多项技术，或者在核心业务中完成了部署，例如汽车制造商运用人工智能技术开发无人驾驶汽车、改善企业运营；金融服务类企业则将其应用于提升客户体验的相关职能。
一些早期证据显示，大力投资人工智能的企业不仅取得了实际效益，也获得了突破性发展的机会。我们在调查中发现，某些采用人工智能技术的先行企业将强大的数字能力与积极主动的战略相结合，获得了更高的利润率，而且未来有望进一步拉大与其他企业的业绩差距。我们在零售业、电力、制造业、医疗保健和教育等行业的案例研究充分说明了人工智能在提高预测和采购能力、实现运营优化与自动化、开发精准营销和定价策略、改善客户体验等方面的巨大潜力。
人工智能技术对企业的数字化实力有一定要求，而且往往需要以特定数据进行训练，这就意味着企业没有捷径可走，只能加快数字化转型的步伐，包括人工智能技术的发展。先行企业现已逐渐形成竞争优势，将后来者甩得越来越远。一场成功的转型需要企业把握好数字化及分析转型的多个关键点，包括：寻找商用意义、构建相应的数据生态体系、自主开发或购买合适的人工智能工具、调整工作流程、提升企业能力和改善企业文化，此外还有一点尤其值得注意——我们在调研中发现，高管层的支持、良好的管理和技术水平以及无缝数据访问能力是促成转型的关键。
不过，虽然人工智能可以带来诸多益处，但它也向企业、开发者、*和劳动者提出了紧迫的挑战。劳动者需要接受新的技能培训，学习如何与人工智能协作，而非与之对抗。渴望成为全球人工智能产业中心的城市或国家必须勇于投入全球竞争，延揽人才、吸引投资。此外更要解决伦理、法律、监管等方面的问题，为人工智能的顺利发展扫清障碍。
人工智能赛博物理操作系统
AI-CPS OS
“人工智能赛博物理操作系统”（新一代技术+商业操作系统“AI-CPS OS”：云计算+大数据+物联网+区块链+人工智能）分支用来的今天，企业领导者必须了解如何将“技术”全面渗入整个公司、产品等“商业”场景中，利用AI-CPS OS形成数字化+智能化力量，实现行业的重新布局、企业的重新构建和自我的焕然新生。
AI-CPS OS的真正价值并不来自构成技术或功能，而是要以一种传递独特竞争优势的方式将自动化+信息化、智造+产品+服务和数据+分析一体化，这种整合方式能够释放新的业务和运营模式。如果不能实现跨功能的更大规模融合，没有颠覆现状的意愿，这些将不可能实现。
领导者无法依靠某种单一战略方法来应对多维度的数字化变革。面对新一代技术+商业操作系统AI-CPS OS颠覆性的数字化+智能化力量，领导者必须在行业、企业与个人这三个层面都保持领先地位：
重新行业布局：你的世界观要怎样改变才算足够？你必须对行业典范进行怎样的反思？
重新构建企业：你的企业需要做出什么样的变化？你准备如何重新定义你的公司？
重新打造自己：你需要成为怎样的人？要重塑自己并在数字化+智能化时代保有领先地位，你必须如何去做？
AI-CPS OS是数字化智能化创新平台，设计思路是将大数据、物联网、区块链和人工智能等无缝整合在云端，可以帮助企业将创新成果融入自身业务体系，实现各个前沿技术在云端的优势协同。AI-CPS OS形成的数字化+智能化力量与行业、企业及个人三个层面的交叉，形成了领导力模式，使数字化融入到领导者所在企业与领导方式的核心位置：
精细：这种力量能够使人在更加真实、细致的层面观察与感知现实世界和数字化世界正在发生的一切，进而理解和更加精细地进行产品个性化控制、微观业务场景事件和结果控制。
智能：模型随着时间（数据）的变化而变化，整个系统就具备了智能（自学习）的能力。
高效：企业需要建立实时或者准实时的数据采集传输、模型预测和响应决策能力，这样智能就从批量性、阶段性的行为变成一个可以实时触达的行为。
不确定性：数字化变更颠覆和改变了领导者曾经仰仗的思维方式、结构和实践经验，其结果就是形成了复合不确定性这种颠覆性力量。主要的不确定性蕴含于三个领域：技术、文化、制度。
-
边界模糊：数字世界与现实世界的不断融合成CPS不仅让人们所知行业的核心产品、经济学定理和可能性都产生了变化，还模糊了不同行业间的界限。这种效应正在向生态系统、企业、客户、产品快速蔓延。
AI-CPS OS形成的数字化+智能化力量通过三个方式激发经济增长：
创造虚拟劳动力，承担需要适应性和敏捷性的复杂任务，即“智能自动化”，以区别于传统的自动化解决方案；
对现有劳动力和实物资产进行有利的补充和提升，提高资本效率；
人工智能的普及，将推动多行业的相关创新，开辟崭新的经济增长空间。
给决策制定者和商业领袖的建议：
超越自动化，开启新创新模式：利用具有自主学习和自我控制能力的动态机器智能，为企业创造新商机；
-
迎接新一代信息技术，迎接人工智能：无缝整合人类智慧与机器智能，重新
评估未来的知识和技能类型；
-
制定道德规范：切实为人工智能生态系统制定道德准则，并在智能机器的开
发过程中确定更加明晰的标准和最佳实践；
-
重视再分配效应：对人工智能可能带来的冲击做好准备，制定战略帮助面临
较高失业风险的人群；
开发数字化+智能化企业所需新能力：员工团队需要积极掌握判断、沟通及想象力和创造力等人类所特有的重要能力。对于中国企业来说，创造兼具包容性和多样性的文化也非常重要。
子曰：“君子和而不同，小人同而不和。” 《论语·子路》云计算、大数据、物联网、区块链和 人工智能，像君子一般融合，一起体现科技就是生产力。
如果说上一次哥伦布地理大发现，拓展的是人类的物理空间。那么这一次地理大发现，拓展的就是人们的数字空间。在数学空间，建立新的商业文明，从而发现新的创富模式，为人类社会带来新的财富空间。云计算，大数据、物联网和区块链，是进入这个数字空间的船，而人工智能就是那船上的帆，哥伦布之帆！
新一代技术+商业的人工智能赛博物理操作系统AI-CPS OS作为新一轮产业变革的核心驱动力，将进一步释放历次科技革命和产业变革积蓄的巨大能量，并创造新的强大引擎。重构生产、分配、交换、消费等经济活动各环节，形成从宏观到微观各领域的智能化新需求，催生新技术、新产品、新产业、新业态、新模式。引发经济结构重大变革，深刻改变人类生产生活方式和思维模式，实现社会生产力的整体跃升。
产业智能官 AI-CPS
用“人工智能赛博物理操作系统”（新一代技术+商业操作系统“AI-CPS OS”：云计算+大数据+物联网+区块链+人工智能），在场景中构建状态感知-实时分析-自主决策-精准执行-学习提升的认知计算和机器智能；实现产业转型升级、DT驱动业务、价值创新创造的产业互联生态链。
长按上方二维码关注微信公众号： AI-CPS，更多信息回复：
新技术：“云计算”、“大数据”、“物联网”、“区块链”、“人工智能”；新产业：“智能制造”、“智能金融”、“智能零售”、“智能驾驶”、“智能城市”；新模式：“财富空间”、“工业互联网”、“数据科学家”、“赛博物理系统CPS”、“供应链金融”。
官方网站：AI-CPS.NET
本文系“产业智能官”（公众号ID：AI-CPS）收集整理，转载请注明出处！
版权声明：由产业智能官（公众号ID：AI-CPS）推荐的文章，除非确实无法确认，我们都会注明作者和来源。部分文章推送时未能与原作者取得联系。若涉及版权问题，烦请原作者联系我们，与您共同协商解决。联系、投稿邮箱：[email protected]