利用AI创造未来
- 工业人工智能
- 数字化转型
它始于20世纪中叶，采用了基于人工智能（AI）的基本演绎推理程序。到20世纪80年代，人工智能被应用于知识的获取。我们现在正处在第三次人工智能的浪潮——机器学习时代——，这股浪潮主要由杰弗里·辛顿教授在2006年发表的一篇关于深度学习技术的突破性论文引发的，但我们中有多少人真正理解人工智能的根本目的和潜力，从而能够有效利用这股浪潮的巨大力量呢?
方法是用来达到目的，而不是目的本身
― 不能辨别人工智能的真正本质和价值，制造业和社会就无法从中获益
专业服务公司埃森哲（Accenture）在2018年针对六大经济体的500家制造企业进行了一项关于采用人工智能的调查结果显示，在参加问卷的高管中，近70%的人认识到人工智能对企业未来的影响，并表现出坚持到底的决心。不过，只有16%的人真正迈出了下一步。只有2%的公司部署了大规模的基于人工智能的解决方案，而以某种形式采取行动的公司要么结果令人失望，要么完全失败。
这些不成功的尝试有很多原因，无论是因为采用了“人工智能解决方案”的方法，认为仅仅引入人工智能就可以解决问题，对所需的财力和技术能力估算不足；还是对所收集数据的性质缺乏了解、分析或应用它的能力。令人失望的结果源于共同的原因：无法理解什么是人工智能，无法识别需要解决的问题并采用专门用于此目的的工具。
“对我来说，人工智能是致力于使机器智能化的活动，而智能是使一个实体能够在其环境中有远见地适当运作的品质。” *1
斯坦福大学工程学教授Nils J. Nilsson, Kumagai（退休荣誉教授）
人们对人工智能在制造业的潜力寄予厚望。但能源和资源成本不断攀升，全球技术进步，特别是在统计、模式识别以及大数据平台相关技术的推动下，新的参与者不断进入市场。为了保持竞争力，公司必须不断优化成本绩效和质量。
在进行任何形式的金融投资之前，公司需要确定其目标，并需要具有广泛领域知识的人员参与。人工智能不是一种产品，它是一门科学，使机器能够发展出模仿人类认知过程的能力，并随着更多数据的获取而构建和扩展知识。但是，如果没有对制造过程有深入了解的人，就无法对收集的数据进行有效的分析或应用。
人工智能与制造业领域的知识相结合，可以产生有助于设备状态诊断和预测性维护的解决方案，从而保护有价值的资产，提高运营效率。需要大量的经验和专业知识才能阐释超越数据本身所反应的价值。在竞争日益激烈的全球环境中，了解人工智能并熟练地设计和整合基于人工智能的解决方案的公司将保持强大的竞争力。
使用历史上最通用的工具之一创造解决方案和价值
― 横河电机运用其在制造行业中丰富的知识和经验，通过智能选择基于AI的工具为客户创造价值。
横河电机的驹根市工厂位于日本长野县，该工厂负责制造压力传感器的半导体零件。在半导体制造中需要执行数百种工艺和微细加工，其中一些工艺是在内部进行，因此质量控制是关键问题之一。在驹根工厂，每个流程工艺都安装了许多传感器来收集数据，并在处理数据时判断状况。但是，因为有许多流程工艺会影响质量，因此分析这些流程工艺中的数据并检测最复杂的微小波动超出了人类的执行能力。
在这种状况中，考虑到目前人工智能的趋势，公司内部人员对最新的数字技术也充满了期望。然而，负责产品和制造设备维护的工程师对数字技术的功能和延展性还不够熟悉，不知道它可以解决哪些类型的问题。同样，研发人员也无法确定他们自己的技术在哪里可以得到最好的应用。因此，各部门就各种人工智能工具的特点进行了大量的信息交流和意见沟通。
同时，他们开始使用人工智能等新技术找出需要解决的问题。从性能驱动的管理协议SQDC(安全、质量、交付、成本)的角度对其进行处理，剥离出关键问题，并为它们分配了优先级。他们挑选出最有可能使用人工智能解决的问题，并根据他们所掌握的最合适的人工智能技术开发解决方案。如今，凭借清晰的组织架构和明确的目标，工厂已经成功地建立了共同创新的平台。
“目前，人工智能最大的危险是人们过早地得出结论，认为自己理解了它。” *2
Elizer Yudkowsky，机器智能研究所联合创始人和研究员
在驹根工厂，横河开发出基于人工智能的分析工具，用于对制造过程数据进行质量分析。属性的数量是使用传感器的信号来计算的，这些传感器是为了判断状况而安装的，并且它们引入多维分析工具，用于揭示可能影响质量的复杂波动。首次通过大量IIoT数据的应用，揭示属性值与其电气特性之间的因果关系，使它们能够发现影响这些特性的现象。在生产线数据和质量之间也发现了新的相关性。基于人工智能的分析工具发挥了至关重要的作用，因为它可以从大量数据中识别重要项目，并在人们以前认为不重要的数据中寻找有意义的东西。IIoT的普及使数据类型和数量持续增长—已经超越了人类的处理能力—但人工智能将使多维、复杂原因的揭示变得相对容易。人工智能描述了人类即使在图形形式下也无法识别这些变化。人工智能已经开始在更大范围内应用，例如在产品和工厂检查中使用图像，以及通过读取外部温度波动和运行预测来实现节能工厂的运行。
人工智能是一种工具，它需要利用人类获得的丰富经验和知识进行学习，需要具有丰富专业知识和理解分析的人教导AI执行所需的任务，并提供经验和见解来解释结果以获取最大的价值。人类必须承担其经纪人的角色，用有意义的方式将人工智能引入世界。
横河积累案例经验，例如在长野县驹根工厂取得的成果，加强内部的协同创新结构，旨在开发一种强化学习算法，使其在工厂中得到实际应用。横河将利用其丰富的专业知识和行业经验，与客户合作创新的同时，战略性地应用人工智能来稳定设施的质量和预测性维护，以及改进流程和操作。这将为客户实现快速、灵活的管理、优化运营、创新价值的全新感受。
参考
*1 : Nils J.Nilsson，Kumagai工程教授（荣誉退休），斯坦福大学，探索人工智能：思想和成就的历史，2010年
*2 : 机器智能研究所联合创始人兼研究员Eliezer Yudkowsky，奇点假设：科学和哲学评估，2012年
