GIO白皮書：AI使能工業(yè)創(chuàng)新2024

GIO白皮書AI使能工業(yè)創(chuàng)新2024年9月本文件由全球產(chǎn)業(yè)組織圓桌會(huì)議（GIO）倡議編寫，該倡議旨在為多個(gè)垂直行業(yè)中參與數(shù)字化轉(zhuǎn)型和/或ICT技術(shù)的全球產(chǎn)業(yè)組織提供一個(gè)討論和公開交流的環(huán)境。本白皮書是涵蓋制造業(yè)人工智能創(chuàng)新的多個(gè)產(chǎn)業(yè)組織共同努力的成果。它是對(duì)最新的“進(jìn)行中工作”的持續(xù)研究，僅供了解一般信息，未考慮讀者的具體情況，并且僅反映制造業(yè)和汽車行業(yè)的當(dāng)前進(jìn)展。發(fā)布時(shí)間：2024年9月20日，第14次GIO圓桌會(huì)議如需了解有關(guān)GIO的更多信息，請(qǐng)?jiān)L問http://www.gio.zone。AI甜點(diǎn)制造業(yè)的創(chuàng)新開胃應(yīng)用AI在制造業(yè)的應(yīng)用由人類和AI廚師組成的混合團(tuán)隊(duì)提供的意想不到的編輯和關(guān)鍵作者JürgenGrotepass博士教授、ChristopherGanz博士等人本用例選集的標(biāo)題是《“來自廚房的問候”——制造業(yè)的創(chuàng)新開胃應(yīng)用》。我們?cè)O(shè)計(jì)的封面圖片既包含了制造業(yè)中以人為基礎(chǔ)的創(chuàng)新，也包含了尖端AI使能的創(chuàng)新，體現(xiàn)了信息比特和物理齒輪的融合。兩位廚師擁有不同的能力和優(yōu)勢，象征著他們所走的不同道路?？梢园雅砹_斯階梯視為兩位廚師的“云服務(wù)”，預(yù)示著他們所走的不同道路終將相遇。在匯合點(diǎn)，創(chuàng)新燈泡被點(diǎn)亮。流動(dòng)著的藍(lán)色和黃色的能量讓燈泡在菜肴上方閃耀著綠色的光芒。當(dāng)人類和AI團(tuán)隊(duì)開始合作創(chuàng)新，在數(shù)據(jù)空間創(chuàng)造價(jià)值時(shí)，我們可能會(huì)大吃一驚。制造業(yè)中AI使能的創(chuàng)新選集是GIO圓桌會(huì)議討論的成果，也是作者在為跨國公司工作并活躍于各個(gè)行業(yè)組織的過程中，開發(fā)和部署跨行業(yè)、跨地域的工業(yè)4.0解決方案所形成的跨文化經(jīng)驗(yàn)的結(jié)晶。創(chuàng)新就是以不同的方式處理事情，找到新的做事方法。創(chuàng)新就是要打破傳統(tǒng)思維，接受新的想法，即使這些想法看起來不合常規(guī)或具有風(fēng)險(xiǎn)。這種創(chuàng)新方法要求我們勇于承擔(dān)風(fēng)險(xiǎn)，擁抱驚訝，因?yàn)橥峭ㄟ^擁抱意外，我們才能找到最重要的突破和進(jìn)步。創(chuàng)新還需要一定程度的適應(yīng)性和靈活性，因?yàn)槲覀儽仨毮軌蛟谑虑闆]有按計(jì)劃進(jìn)行時(shí)調(diào)整方法。這可能具有挑戰(zhàn)性，因?yàn)樗笪覀兎艞壪热霝橹鞯挠^念，對(duì)新想法和新觀點(diǎn)持開放態(tài)度。不過，抱著這種心態(tài)，我們就能接觸到新的機(jī)會(huì)和潛在的解決方案，而這些機(jī)會(huì)和解決方案可能是我們從未考慮過的。這本關(guān)于創(chuàng)新開胃應(yīng)用的手冊(cè)講述了如何接受解決方案，即學(xué)會(huì)預(yù)料意外和應(yīng)對(duì)驚訝?！皠?chuàng)新開胃應(yīng)用”章節(jié)列出的創(chuàng)新故事均以引文開頭，每段引文都來自于歷史、哲學(xué)和科學(xué)領(lǐng)域的思想領(lǐng)袖，或節(jié)選自對(duì)作者產(chǎn)生影響的藝術(shù)作品。這種在編寫創(chuàng)新故事時(shí)從不同視角出發(fā)的設(shè)計(jì)是一種思維轉(zhuǎn)換的實(shí)踐，打破了傳統(tǒng)的解決問題的方式。隨著數(shù)字化使能行業(yè)轉(zhuǎn)型，導(dǎo)致OT、IT和電信行業(yè)的融合，這樣的實(shí)踐變得越來越重要。不同的問題解決方式、不同的標(biāo)準(zhǔn)、痛點(diǎn)和KPI可能會(huì)在多個(gè)利益相關(guān)方的合作中導(dǎo)致意見沖突。這就需要進(jìn)行對(duì)話，使解決方案提供商、集成商和最終用戶/運(yùn)營商這三個(gè)關(guān)鍵角色之間的互動(dòng)成為創(chuàng)新成功的使能器。預(yù)料意外——在創(chuàng)新中與AI合作3創(chuàng)新開胃應(yīng)用5第一道菜——設(shè)計(jì)和工程8一塊又一塊石頭#生成式設(shè)計(jì)9未來并非命運(yùn)的安排#產(chǎn)品的二氧化碳跟蹤12《孫子兵法》中的戰(zhàn)術(shù)#5G使能價(jià)值創(chuàng)造15金錘定律#云機(jī)器人18眼見為實(shí)？#光學(xué)檢測20這是超感觀感知嗎？#具備視覺能力的未來網(wǎng)絡(luò)23主菜——運(yùn)營26用我朋友的一點(diǎn)幫助#制造即服務(wù)27鐘聲為誰而鳴#流程中的質(zhì)量監(jiān)控31靈魂之樹#聯(lián)邦學(xué)習(xí)34未來已來#數(shù)據(jù)空間中的價(jià)值創(chuàng)造40我們?nèi)撕螘r(shí)再見#動(dòng)態(tài)預(yù)測性風(fēng)險(xiǎn)管理43根據(jù)其自身規(guī)律#自主工廠46甜點(diǎn)——維護(hù)49哪顆種子會(huì)長成？#預(yù)測性維護(hù)50預(yù)測的目標(biāo)#面向鑄造廠的規(guī)范性AI53三元組之美#協(xié)同狀態(tài)監(jiān)控58六小時(shí)砍倒一棵樹#基于AI的服務(wù)生態(tài)62所有菜肴的新調(diào)料#生成式AI65展望本手冊(cè)總結(jié)了創(chuàng)新食譜，其中有些是“老式”AI，例如機(jī)器學(xué)習(xí)、神經(jīng)網(wǎng)絡(luò)（NN有些則是新發(fā)展的AI，如基于模型的生成式人工智能，為開胃應(yīng)用增添了風(fēng)味。人類和AI能力的融合將設(shè)計(jì)出新的產(chǎn)品、流程甚至制造方式。正如我們從2011年諾貝爾經(jīng)濟(jì)學(xué)獎(jiǎng)得主丹尼爾·卡尼曼那里了解到的那樣，人類的決策過程很容易出錯(cuò)1。他的主要論點(diǎn)是產(chǎn)生決策的是兩種思維模式：“系統(tǒng)1”是快速的、本能的、感性的和有偏見的，而“系統(tǒng)2”則是緩慢的、理性的、耗費(fèi)精力的和基于統(tǒng)計(jì)的。大多數(shù)時(shí)候，我們以為自己是根據(jù)“系統(tǒng)2”開展的行動(dòng)，但事實(shí)上，我們?nèi)匀皇歉鶕?jù)“系統(tǒng)1”開展行動(dòng)。由于創(chuàng)新需要應(yīng)對(duì)意外情況，局限于“系統(tǒng)1”的思維模式讓作者想起安托萬·德·圣?？诵跖謇锏闹鳌稇?zhàn)爭飛行員》（1942年）中的一句話：“Dansmacivilisation,celuiquidiffèredemoi,loindemeléser,m'enrichit”（在我的文明中，與我不同的人非但不會(huì)傷害我，反而會(huì)豐富我）。他認(rèn)為不同的觀點(diǎn)令人充實(shí)。有時(shí)，最成功的創(chuàng)新是那些通過協(xié)作、合作以及愿意傾聽和學(xué)習(xí)他人（如今也包括AI系統(tǒng)）意見而形成的想法。從這個(gè)意義上說，這句話可以被視為一則提醒，提醒我們以開放的心態(tài)、學(xué)習(xí)的意愿來對(duì)待創(chuàng)新，并專注于找到讓每個(gè)人都受益的解決方案?；贏I的決策依賴于數(shù)據(jù)，而且在大多數(shù)情況下，依賴于最好是經(jīng)過人類專家驗(yàn)證的已訓(xùn)練模型。隨著復(fù)雜性的增加，AI可能會(huì)提出人類未曾想到的解決方案。從這個(gè)意義上說，如今的AI是“系統(tǒng)2”的自動(dòng)助手。因此，我們發(fā)現(xiàn)，在尋找新的解決方案時(shí)，AI和人類行為方組成的混合團(tuán)隊(duì)將是最好的創(chuàng)新者。考慮到生成式AI，我們認(rèn)為一種新型創(chuàng)新文化正在不斷發(fā)展。與任何跨文化經(jīng)歷一樣，我們需要文化學(xué)習(xí)和溝通技能來應(yīng)對(duì)陌生和意外情況，從而將驚訝轉(zhuǎn)化為接受。驚訝是六種基本且普遍的情緒之一，這些情緒在所有文化中都是一樣的（PaulEkman）。人工智能系統(tǒng)的未來設(shè)計(jì)需要預(yù)見學(xué)習(xí)循環(huán)，以應(yīng)對(duì)人類的驚訝，并在需要時(shí)提供所用數(shù)據(jù)和模型的背景信息，因此雙方都需要學(xué)習(xí)。1本書旨在作為跨文化的學(xué)習(xí)演練，也是一項(xiàng)仍在進(jìn)行中的有關(guān)處理創(chuàng)新及人工智能支持創(chuàng)新的工作。本書還旨在邀請(qǐng)所有對(duì)創(chuàng)新感興趣的讀者和初創(chuàng)公司作為共同作者，與日益壯大的AI社區(qū)分享他們的解決方案和想法。從長遠(yuǎn)來看，這將有助于開發(fā)和部署從設(shè)計(jì)上保證遵循用戶意圖的AI1系統(tǒng)。*1.Kahneman,D.（2011《快思慢想》，企鵝出版社，第496頁等，ISBN978-01410335702由于AI尚處于早期階段，現(xiàn)在正是引導(dǎo)其發(fā)展、“教育”其能力以確保實(shí)現(xiàn)我們的意圖的時(shí)候。彭羅斯階梯上的二進(jìn)制代碼是作者發(fā)出的“機(jī)器可讀”信息，旨在描述這個(gè)混合團(tuán)隊(duì)踏上的旅程的愿景和使命。如果您現(xiàn)在就想知道這段信息的含義，您可以獲得生成式AI工具的翻譯支持，以節(jié)省時(shí)間。但是，隨著時(shí)間的推移——在您消化我們?cè)诤罄m(xù)章節(jié)中介紹的創(chuàng)新開胃應(yīng)用時(shí)——您就會(huì)知道它的含義，也會(huì)在本書的展望章節(jié)看到相關(guān)摘要。預(yù)料意外——在創(chuàng)新中與AI合作創(chuàng)新是指引入能為客戶創(chuàng)造價(jià)值的新事物（例如產(chǎn)品、服務(wù)、流程）。創(chuàng)新可能涉及新想法的形成、新技術(shù)（例如AI）的使用，或新商業(yè)模式的實(shí)施。創(chuàng)新的關(guān)鍵在于，在工業(yè)解決方案中采用創(chuàng)新時(shí)，必須為客戶創(chuàng)造價(jià)值。最近，新聞報(bào)道了許多創(chuàng)新的AI解決方案和AI用例，但這些方案必須在客戶側(cè)體現(xiàn)價(jià)值，而不是體現(xiàn)在使能工具或流程（AI）上。在工業(yè)流程創(chuàng)新中，常見的方法是在當(dāng)前未使用AI的解決方案的背景下描述問題或用例。這些解決方案通常是為人類操作量身定制的。引入AI最明顯的期望和方法往往是取代人類的勞動(dòng)并與AI互動(dòng)。但是，人類的局限性不是AI的局限性，AI的局限性也不是人類的局限性。因此，這種方法是不充分的。相反，應(yīng)將用例與人類的局限性解耦或進(jìn)行抽象，并考慮采用新的方法，發(fā)揮AI的優(yōu)勢。這種基于AI的解決方案應(yīng)結(jié)合人類的優(yōu)勢，創(chuàng)建一個(gè)利用AI和人類優(yōu)勢的系統(tǒng)。但是，人類的優(yōu)勢最好由人類來執(zhí)行，而不是由機(jī)器進(jìn)行不完美的模仿。由于任何AI方法都需要大量的數(shù)據(jù)集，而這些數(shù)據(jù)集必須是正確、一致、有標(biāo)簽且完整的，因此以下局限性必須由人類智能來彌補(bǔ)：?AI系統(tǒng)無法檢測因果關(guān)系，但很擅長發(fā)現(xiàn)相關(guān)性。?AI以現(xiàn)有數(shù)據(jù)為基礎(chǔ)，無法投射到?jīng)]有數(shù)據(jù)的領(lǐng)域（模型也是如此）。?解決方案反映了訓(xùn)練數(shù)據(jù)集的所有缺點(diǎn)（偏見等）。另一方面，人類智能建立在心智模型上，而心智模型是在較少的數(shù)據(jù)基礎(chǔ)上訓(xùn)練出來的，可以用于外推。在創(chuàng)新中與AI合作可以帶來很多好處，因?yàn)樗梢宰尳M織快速、準(zhǔn)確地處理和分析大量數(shù)據(jù)。不過，在與AI合作時(shí)，一定要預(yù)料意外，因?yàn)锳I有時(shí)會(huì)產(chǎn)生意想不到的結(jié)果，或以人類可能無法預(yù)料的方式行事。與AI合作的關(guān)鍵挑戰(zhàn)之一是，通常很難完全理解AI是如何得出結(jié)論或做出決定的。在處理基于大量數(shù)據(jù)訓(xùn)練出來的復(fù)雜機(jī)器學(xué)習(xí)算法時(shí)，情況尤其如此。雖然這些算法在發(fā)現(xiàn)規(guī)律和進(jìn)行預(yù)測時(shí)可能非常有效，但它們可能并不總是能夠解釋自己的推理，或清楚地說明它們是如何得出特定結(jié)果的。這種缺乏透明度的情況可能會(huì)導(dǎo)致意想不到的結(jié)果，使組織難以預(yù)測和消減潛在的風(fēng)險(xiǎn)或挑戰(zhàn)。例如，AI系統(tǒng)可能會(huì)做出不符合組織價(jià)值觀或目標(biāo)的決定，或者可能產(chǎn)生與人類期望不一致的結(jié)果。34為了應(yīng)對(duì)這一挑戰(zhàn)，組織需要為其AI項(xiàng)目制定明確的目標(biāo)和期望，并設(shè)立健全的流程，以確保所使用的AI系統(tǒng)符合企業(yè)的價(jià)值觀和目標(biāo)。這可能包括對(duì)AI系統(tǒng)進(jìn)行定期審查和審計(jì)，以確保其按照意圖運(yùn)行，以及進(jìn)行持續(xù)的訓(xùn)練和開發(fā)，以確保其保持更新和準(zhǔn)確。對(duì)于AI系統(tǒng)的供應(yīng)商來說，這可能包括對(duì)出售給有其他價(jià)值觀或數(shù)據(jù)使用限制的其他國家的機(jī)器、系統(tǒng)或自動(dòng)化解決方案中包含的AI系統(tǒng)進(jìn)行升級(jí)。盡管目前人工智能備受炒作和推崇，但需要注意的是，并非所有的AI解決方案都是智能的。大量實(shí)例表明，AI的行為愚蠢得令人吃驚。這主要是由于人工智能依賴于用于創(chuàng)建底層神經(jīng)網(wǎng)絡(luò)的良好訓(xùn)練數(shù)據(jù)。訓(xùn)練AI系統(tǒng)就是一個(gè)很好的“垃圾進(jìn)、垃圾出”的例子：訓(xùn)練數(shù)據(jù)選擇不當(dāng)會(huì)導(dǎo)致系統(tǒng)反映出訓(xùn)練數(shù)據(jù)集的所有缺點(diǎn)和弱點(diǎn)。并且，如果系統(tǒng)在以后的使用中遇到了超出訓(xùn)練范圍的情況，其行為就會(huì)變得不可預(yù)測。因此，無論是網(wǎng)絡(luò)的規(guī)模還是訓(xùn)練數(shù)據(jù)的規(guī)模都不能表明AI解決方案的質(zhì)量。影響質(zhì)量的最主要因素是訓(xùn)練時(shí)使用的數(shù)據(jù)。由于這些數(shù)據(jù)通常是由人類選擇的，屬于AI與人類之間的交互，但這種交互常常被忽視，需要加以掌握。另一方面，并非每一個(gè)看起來很智能的技術(shù)系統(tǒng)都是基于目前所理解的AI（神經(jīng)網(wǎng)絡(luò)）。復(fù)雜的工業(yè)設(shè)施，例如煉油廠、發(fā)電廠或類似設(shè)施，已經(jīng)在沒有使用AI的情況下運(yùn)行了幾十年。確定性控制算法已經(jīng)發(fā)展到了一定水平，很容易給外界觀察者留下智能的印象。以模型預(yù)測控制為例：系統(tǒng)的傳感器讀數(shù)用于確定其當(dāng)前狀態(tài)。然后通過動(dòng)態(tài)模型方程運(yùn)行該狀態(tài)，模擬對(duì)系統(tǒng)執(zhí)行器的不同指令。利用優(yōu)化算法，找到能使系統(tǒng)最接近理想狀態(tài)的最佳執(zhí)行器指令。然后將該指令下達(dá)給物理執(zhí)行器以運(yùn)行流程。在每個(gè)控制步驟中都會(huì)重復(fù)這個(gè)算法，在某些情況下甚至?xí)詠喢爰?jí)的間隔重復(fù)。由于動(dòng)態(tài)模型方程是基于物理定律，系統(tǒng)可以處理以前沒有遇到過的情況，即沒有先前數(shù)據(jù)的情況。然后，人類操作員監(jiān)控系統(tǒng)的行為，僅通過調(diào)整設(shè)定值來驅(qū)動(dòng)運(yùn)行?？傊?，在創(chuàng)新中“與AI合作”可以帶來很多好處，但重要的是要預(yù)料意外，并積極應(yīng)對(duì)潛在的風(fēng)險(xiǎn)和挑戰(zhàn)。這包括要設(shè)立明確的目標(biāo)和期望，確保所使用的AI系統(tǒng)與公司甚至國家層面的價(jià)值觀和目標(biāo)相一致，并對(duì)AI系統(tǒng)和人類能力的局限性進(jìn)行期望管理。本章總結(jié)了作為工業(yè)用例引入的小型創(chuàng)新和突破性創(chuàng)新，每項(xiàng)創(chuàng)新都具有挑戰(zhàn)性的主題和令人驚訝的最終解決方案。技術(shù)成熟度各不相同，從研發(fā)項(xiàng)目的實(shí)際成果所產(chǎn)生的示范產(chǎn)品狀態(tài)，到市場上成熟的行業(yè)解決方案，不一而足。所選案例源自作者的專業(yè)經(jīng)驗(yàn)，是在作者為ICT（信息和通信技術(shù)）和自動(dòng)化領(lǐng)域的跨國公司工作時(shí)為了制造流程的創(chuàng)新而開發(fā)的。在產(chǎn)品或制造流程以及生命周期的不同階段，必須應(yīng)對(duì)不同的挑戰(zhàn)。因此，下一章列出的用例分為以下三組：?設(shè)計(jì)與工程?運(yùn)營?維護(hù)當(dāng)前，各行各業(yè)正處于雙軌轉(zhuǎn)型過程（數(shù)字化轉(zhuǎn)型和綠色轉(zhuǎn)型）中，產(chǎn)品和流程的碳足跡已成為一種新貨幣。由于可以訪問數(shù)據(jù)，AI會(huì)成為將經(jīng)驗(yàn)流程知識(shí)轉(zhuǎn)化為預(yù)測性解決方案的關(guān)鍵使能器。這些解決方案將為客戶和相關(guān)價(jià)值鏈節(jié)省成本。在鋼鐵和橡膠等較為傳統(tǒng)的行業(yè)，為預(yù)測性和規(guī)范性AI創(chuàng)建模型仍舊任重而道遠(yuǎn)。隨著時(shí)間的推移，經(jīng)驗(yàn)會(huì)不斷積累。這是因?yàn)榍岸肆鞒讨械倪^程數(shù)據(jù)仍然缺失，需要傳感器集成來生成這些數(shù)據(jù)，這也是棕地更新的目標(biāo)。傳統(tǒng)制造業(yè)的用例面臨更多的挑戰(zhàn)和瓶頸，因?yàn)樗鼈儯?通常是客戶自建的，無法與其他設(shè)施進(jìn)行比較，即來自類似設(shè)施的數(shù)據(jù)往往是不相關(guān)的。?是為執(zhí)行特定任務(wù)而設(shè)計(jì)的，正常運(yùn)行的結(jié)果是已知先驗(yàn)，并遵循工程結(jié)構(gòu)和物理原理：這大多是基于物理模型完成的。因此，與消費(fèi)者分析不同，工業(yè)客戶不希望了解平均（正常）運(yùn)行情況，而是希望找到異常值（意外、故障）。?設(shè)計(jì)工廠或機(jī)器時(shí)考慮的特定任務(wù)會(huì)反復(fù)執(zhí)行。收集到的數(shù)據(jù)只有極小的差異，從而會(huì)證實(shí)先驗(yàn)知識(shí)。有關(guān)意外和故障的數(shù)據(jù)非常罕見，不足以得出統(tǒng)計(jì)結(jié)論。?在工業(yè)設(shè)施的不同階段（工程——運(yùn)行——維護(hù)）具有不同的生命周期。所有階段對(duì)于工廠的性能都同等重要。此外，工廠的生命周期比運(yùn)行工廠所使用的軟件的生命周期更長。?許多工業(yè)流程都很危險(xiǎn)。錯(cuò)誤可能導(dǎo)致?lián)p害和人員傷亡，甚至造成更大規(guī)模的環(huán)境破壞。試錯(cuò)是不可接受的。56與用于大規(guī)模AI解決方案訓(xùn)練的數(shù)據(jù)集相比，有關(guān)工業(yè)流程的數(shù)據(jù)和信息更為稀缺。此外，數(shù)據(jù)集屬于工業(yè)企業(yè)財(cái)產(chǎn)，往往不易獲得。歐洲目前的研發(fā)計(jì)劃（GAIA-X、Catena-X、Manufacturing-X）正致力于通過資助制造業(yè)的數(shù)字化轉(zhuǎn)型來解決其中的一些問題。歐洲議會(huì)于2022年4月6日通過的《數(shù)據(jù)治理法》旨在促進(jìn)歐盟境內(nèi)的數(shù)據(jù)共享，從而使公司和初創(chuàng)企業(yè)能夠獲得更多數(shù)據(jù)，用于開發(fā)新產(chǎn)品和服務(wù)。只有當(dāng)利益相關(guān)方和用戶能夠訪問大數(shù)據(jù)時(shí)，人工智能的潛力才能得到充分發(fā)揮。AngelikaNiebler（歐洲議會(huì)的德國議員）主導(dǎo)歐洲議會(huì)通過了上述法案，她表示：“數(shù)據(jù)只有經(jīng)過匯總、提煉并以正確的方式使用才有價(jià)值。一些企業(yè)可能甚至不知道可以利用其工業(yè)機(jī)器等產(chǎn)生的數(shù)據(jù)做些什么。更多的數(shù)據(jù)共享可以帶來新的商業(yè)模式，實(shí)現(xiàn)更高的效率，或者改進(jìn)產(chǎn)品?！睆倪@個(gè)意義上說，下文列出的每一個(gè)創(chuàng)新用例都可能成為讀者想要跟進(jìn)的一段旅程的起點(diǎn)，從而了解可以用數(shù)據(jù)做些什么。因此，我們希望將這些用例稱為創(chuàng)新開胃應(yīng)用，以引起讀者的好奇心，并介紹創(chuàng)新廚房中的全新“熱賣”食譜——人類和AI團(tuán)隊(duì)提供的開胃菜（設(shè)計(jì)和工程階段）、主菜（運(yùn)營階段）和甜點(diǎn)（維護(hù)階段）。在介紹每個(gè)創(chuàng)新用例之前，會(huì)有一段引文來闡述相關(guān)主題，并在結(jié)尾處提供有關(guān)商業(yè)價(jià)值主張和關(guān)鍵績效指標(biāo)的信息。創(chuàng)新就是要改變觀點(diǎn)，提出正確的問題，并敢于創(chuàng)新。為了引入創(chuàng)新精神，在編寫創(chuàng)新故事時(shí)，每個(gè)用例都會(huì)以一段引文作為開頭，表示不同的角度。這是一種思維轉(zhuǎn)換的實(shí)踐，打破了傳統(tǒng)的解決問題的方式。NurwerdasFürchtennieerfuhr,schmiedetNothungneu.從未感受過恐懼力量的人什么也鍛造不了。理查德·瓦格納：《齊格弗里德》，第1幕，第2場理查德·瓦格納的歌劇《齊格弗里德》提到了要提出正確的問題，齊格弗里德敢于無視慣常的鑄劍方法，不偏袒歷史悠久的行會(huì)專長。最后，他成功地找到了新的鑄劍方法。從這個(gè)意義上說，克服恐懼、擁抱未知的想法可能與創(chuàng)新過程有關(guān)，因?yàn)閯?chuàng)新往往需要承擔(dān)風(fēng)險(xiǎn)，涉足未知領(lǐng)域。要想為問題提出新的、具有創(chuàng)意的解決方案，就必須愿意挑戰(zhàn)自己的假設(shè)，跳出思維定勢，即使這意味著涉足可能不熟悉或不確定的領(lǐng)域。這種擁抱變化和接受挑戰(zhàn)的意愿可以是成功創(chuàng)新的一個(gè)重要方面。當(dāng)AI作為用于創(chuàng)新的新工具，這一點(diǎn)尤為重要。在每個(gè)用例中，我們都會(huì)指出它將為客戶帶來哪些價(jià)值。在本書所涉及的工業(yè)、B2B環(huán)境中，價(jià)值歸根到底是指通過新的解決方案產(chǎn)生的現(xiàn)金。在進(jìn)行投資決策時(shí)，通常需要計(jì)算凈現(xiàn)值，其中必須考慮解決方案帶來的正現(xiàn)金流。所以，我們要指出解決方案將對(duì)客戶現(xiàn)金產(chǎn)生積極影響的領(lǐng)域。為此，我們使用了圖1所示的雷達(dá)圖。圖表左側(cè)的區(qū)域有助于增加產(chǎn)品銷量，即通過增加銷量或通過提高設(shè)備運(yùn)行效率（OEE）來增加產(chǎn)量。圖表右側(cè)是可以減少的成本項(xiàng)目：銷貨成本（COGS）、運(yùn)營支出（OPEX或資本支出（CAPEX）。右下方的部分是營運(yùn)資金的變化。我們發(fā)現(xiàn)影響制造業(yè)的解決方案會(huì)影響庫存水平。對(duì)應(yīng)收賬款或應(yīng)付賬款有影響的解決方案可能與業(yè)務(wù)流程自動(dòng)化更相關(guān)，為簡便起見，未將其包含在雷達(dá)圖中。請(qǐng)注意，雷達(dá)上列出的現(xiàn)金杠桿并不完整。可能還有一些影響總收入或凈利潤的方面沒有列出。這些內(nèi)容將添加到圖表旁邊的注釋文本中，根據(jù)具體用例的情況對(duì)價(jià)值進(jìn)行解釋。經(jīng)過我們多年的分析，雷達(dá)圖已被證明對(duì)大多數(shù)工業(yè)應(yīng)用而言是相當(dāng)全面和完整的。78第一道菜——設(shè)計(jì)和工程作為第一道菜，我們傾向于從設(shè)計(jì)和工程過程中提供一些啟發(fā)性的開胃應(yīng)用，因?yàn)榇蠖鄶?shù)創(chuàng)新都是從這里開始的。產(chǎn)品和系統(tǒng)的設(shè)計(jì)側(cè)重于滿足客戶的要求和技術(shù)規(guī)范，而工程則結(jié)合了科學(xué)和數(shù)學(xué)領(lǐng)域，在客戶現(xiàn)場解決特定問題。如今，我們看到工程學(xué)的定義發(fā)生了轉(zhuǎn)變：從傳統(tǒng)的機(jī)器設(shè)計(jì)和工程到社會(huì)技術(shù)系統(tǒng)的“工程”（德國國家工程院社會(huì)和環(huán)境也成為價(jià)值鏈中新的利益相關(guān)方。政界要求開始關(guān)注與產(chǎn)品生命周期相關(guān)的循環(huán)經(jīng)濟(jì)，從設(shè)計(jì)階段開始，直至材料的回收和再利用。最新的例子是，歐洲要求遵守能源和產(chǎn)品碳排放方面的規(guī)定，以實(shí)現(xiàn)雙軌轉(zhuǎn)型目標(biāo)（數(shù)字化轉(zhuǎn)型和綠色轉(zhuǎn)型）。到2050年，可持續(xù)的數(shù)字化技術(shù)將使歐盟實(shí)現(xiàn)碳中和?！盎谀Ｐ偷南到y(tǒng)工程（MBSE）是對(duì)建模的形式化應(yīng)用，以支持系統(tǒng)需求、設(shè)計(jì)、分析、驗(yàn)證和確認(rèn)活動(dòng)，從概念設(shè)計(jì)階段開始，貫穿整個(gè)開發(fā)和后續(xù)的生命周期階段。MBSE技術(shù)方法通常應(yīng)用于擁有復(fù)雜系統(tǒng)的各行各業(yè)，例如航空航天、國防、鐵路、汽車、制造業(yè)等?！保ㄕ跃S基百科）由于系統(tǒng)性能與設(shè)計(jì)階段設(shè)定的系統(tǒng)邊界密切相關(guān)，后期糾正設(shè)計(jì)和工程階段出現(xiàn)的錯(cuò)誤會(huì)產(chǎn)生極高的成本。然而，數(shù)字孿生的興起能夠在產(chǎn)品的早期階段模擬物理屬性和環(huán)境參數(shù)，而不再需要花費(fèi)高昂的成本來制造原型。因此，可以避免錯(cuò)誤，減少材料和能源消耗，并避免回收原型硬件。此外，連接到云服務(wù)和訪問數(shù)字孿生可能會(huì)帶來更加靈活的系統(tǒng)邊界。通過按需部署云服務(wù)可以提高系統(tǒng)的彈性和適應(yīng)性。當(dāng)獲得運(yùn)營數(shù)據(jù)和反饋時(shí)，工程和運(yùn)營階段開始重疊。一塊又一塊石頭#生成式設(shè)計(jì)Unecathédraleestbienautrechosequ'unesommedepierres.Elleestgéométrieetarchitecture.Cenesontpaslespierresquiladéfinissent,c'estellequienrichitlespierresdesapropresignification.教堂不僅僅是石頭的堆砌。它是幾何學(xué)和建筑學(xué)。不是石頭決定了它，而是它用自己的意義豐富了石頭。安托萬·德·圣?？诵跖謇铮稇?zhàn)爭飛行員》對(duì)于制造企業(yè)來說，保持競爭力是成功的關(guān)鍵。最近在生成式AI領(lǐng)域取得的成功讓人們產(chǎn)生了將這種方法用于產(chǎn)品設(shè)計(jì)和工程的想法。通過利用機(jī)器學(xué)習(xí)和數(shù)據(jù)分析的力量，公司可以創(chuàng)造出滿足客戶需求的創(chuàng)新且高效的產(chǎn)品。關(guān)于生產(chǎn)優(yōu)化和維護(hù)方面的AI應(yīng)用已經(jīng)有了很多論述。此外，這些精選的用例參考了幾篇致力于改善工廠運(yùn)營的論文。然而，工廠設(shè)計(jì)和建造中的錯(cuò)誤很難在運(yùn)行時(shí)得到糾正，或者說，即使能被糾正，代價(jià)也非常高昂。工廠一旦建成，可能會(huì)按照“建成時(shí)”的配置運(yùn)行數(shù)年而不作任何更改（例如制煉廠）。離散制造工廠在生產(chǎn)新產(chǎn)品系列時(shí)可能會(huì)進(jìn)行重新配置。因此，在工廠的生命周期內(nèi)，我們可以確定三個(gè)周期：?工廠設(shè)計(jì)、建造和運(yùn)營?產(chǎn)品設(shè)計(jì)和生產(chǎn)?產(chǎn)品制造和維護(hù)所有這些都包括生產(chǎn)運(yùn)行。在調(diào)整設(shè)備的設(shè)定值來優(yōu)化運(yùn)行時(shí)，可以基于大量持續(xù)收集的運(yùn)行數(shù)據(jù)。然而，對(duì)于產(chǎn)品重新設(shè)計(jì)周期而言，從之前的產(chǎn)品中收集的數(shù)據(jù)可能并不相關(guān)，而且為了提供足夠的數(shù)據(jù)所需收集數(shù)據(jù)的頻率要低得多。工廠的設(shè)計(jì)周期大多甚至不是一個(gè)周期——周期是指工廠從建成到運(yùn)行，直到幾十年后被拆除。因此，要想基于測量數(shù)據(jù)來優(yōu)化工廠設(shè)計(jì)，相關(guān)數(shù)據(jù)很難獲得。工廠工程和產(chǎn)品設(shè)計(jì)都必須依賴仿真能力來提供相關(guān)的優(yōu)化數(shù)據(jù)。一旦實(shí)現(xiàn)了這一點(diǎn)，就可以建造工廠，或者對(duì)工廠進(jìn)行改造，以生產(chǎn)新的產(chǎn)品系列。9最近，隨著ChatGPT、Dall-E等受到熱議的解決方案的發(fā)布，生成式AI算法受到了廣泛關(guān)注。生成式算法不僅能將輸入數(shù)據(jù)集映射到輸出數(shù)據(jù)集，而且通常具有更復(fù)雜的結(jié)構(gòu)。其中一類算法是生成對(duì)抗網(wǎng)絡(luò)（GAN）。在這種情況下，兩個(gè)網(wǎng)絡(luò)進(jìn)行對(duì)賭。其中一個(gè)是生成器，經(jīng)過訓(xùn)練后可以根據(jù)輸入數(shù)據(jù)集創(chuàng)建輸出，例如根據(jù)描述創(chuàng)建圖片。另一個(gè)是判別器，負(fù)責(zé)接收原始輸入和生成器人工生成的輸入，并經(jīng)過訓(xùn)練來判斷輸入是生成的還是原始的。當(dāng)判別器檢測到人工輸入時(shí)，就會(huì)將這一信息反饋給生成器，讓生成器學(xué)習(xí)創(chuàng)建更逼真的輸出，并誘使判別器將生成器的輸出評(píng)定為真實(shí)輸出。在這種系統(tǒng)中，生成器會(huì)隨著時(shí)間的推移變得越來越好。這樣的系統(tǒng)可以比作大師和評(píng)論家：大師提供作品，評(píng)論家評(píng)定好壞。然后，大師學(xué)習(xí)哪些作品被評(píng)為好作品，隨著時(shí)間的推移，大師只會(huì)收到好的評(píng)價(jià)。這一概念可應(yīng)用于產(chǎn)品設(shè)計(jì)。系統(tǒng)接收零部件的規(guī)格。生成器可以創(chuàng)建符合規(guī)格的零部件設(shè)計(jì)。判別器根據(jù)規(guī)格對(duì)這些設(shè)計(jì)進(jìn)行評(píng)定，然后生成器創(chuàng)建新的設(shè)計(jì)，使其變得更好，最終滿足規(guī)格要求。為了使這些系統(tǒng)更加有效，它們不能只依賴AI模型。生成式設(shè)計(jì)工具能夠?qū)α悴考奈锢韺傩赃M(jìn)行建模和仿真，因此可以通過仿真其行為并將其與設(shè)計(jì)規(guī)格進(jìn)行比較來評(píng)估設(shè)計(jì)的表現(xiàn)。人類設(shè)計(jì)師從一組表現(xiàn)相似的生成式設(shè)計(jì)中選擇最終設(shè)計(jì)，或在整個(gè)過程中根據(jù)人類經(jīng)驗(yàn)調(diào)整參數(shù)來改進(jìn)設(shè)計(jì)。所產(chǎn)生的生成式設(shè)計(jì)通常具有更加有機(jī)的外觀：設(shè)計(jì)沿著力場和應(yīng)力矢量分配材料，從而形成在自然界中經(jīng)?？吹降慕Y(jié)構(gòu)，特別是植物的生長形態(tài)。這些在地球歷史上不斷演變的形態(tài)是最有效的結(jié)構(gòu)之一。傳統(tǒng)的減材機(jī)械無法有效地制造這種結(jié)構(gòu)。為了創(chuàng)造上述結(jié)構(gòu)，增材制造通常是首選的生產(chǎn)方法。生成式設(shè)計(jì)可以在材料使用和重量方面更加高效。它們還能產(chǎn)生人類未曾感知到的全新設(shè)計(jì)理念。軟件是一個(gè)特例。軟件是以文本（編程語言）的形式設(shè)計(jì)的，近期基于語言的模型（例如ChatGPT）非常適合處理文本。很多參考文獻(xiàn)讓ChatGPT寫的不是文章或論文，而是計(jì)算機(jī)軟件。它的表現(xiàn)相當(dāng)出色。在軟件方面，我們已經(jīng)可以看到，工程任務(wù)未來可能會(huì)更多地關(guān)注概念性問題，而編寫正確、安全代碼的細(xì)節(jié)可能會(huì)由AI智能體負(fù)責(zé)。即使是像PLC應(yīng)用這樣的專業(yè)軟件，這也是可能的：西門子在2023年漢諾威工業(yè)博覽會(huì)上展示了使用ChatGPT生成PLC代碼的技術(shù)。生成式設(shè)計(jì)通常能更高效地利用材料，使產(chǎn)品更輕（“不動(dòng)產(chǎn)”的重量更輕）。自動(dòng)創(chuàng)建供檢視的變體可提高員工的工作效率。自動(dòng)化程度更高的設(shè)計(jì)可提高產(chǎn)品配置的靈活性，縮短上市時(shí)間。生成式算法的飛速發(fā)展，尤其是在語言、圖像和視頻方面的發(fā)展，也為工程領(lǐng)域帶來了巨大的潛力。正如它們?cè)谲浖こ讨姓宫F(xiàn)出的優(yōu)勢一樣，不理解計(jì)算機(jī)語言但理解物理語言的類似解決方案可以為更快地設(shè)計(jì)產(chǎn)品或組件提供巨大支持。此外，它們還能更精確地滿足人類設(shè)計(jì)師提出的規(guī)格要求。目前，許多PLM供應(yīng)商都提供此類軟件包，在不久的將來，我們可能會(huì)看到這一領(lǐng)域取得更多進(jìn)展。為了真正從新方法和由此產(chǎn)生的優(yōu)化設(shè)計(jì)中獲益，在許多應(yīng)用中都需要對(duì)制造進(jìn)行調(diào)整以包含增材制造能力，從而能夠創(chuàng)造出設(shè)計(jì)的形狀。生成式設(shè)計(jì)和增材制造共同創(chuàng)造了新的機(jī)遇，為設(shè)計(jì)工程師提供了更強(qiáng)大的工具。未來并非命運(yùn)的安排#ZukunftistkeinSchicksalsschlag,sonderndieFolgederEntscheidungen,diewirheutetreffen.未來并非命運(yùn)的安排，而是我們今天所做決定的結(jié)果。弗朗茲·阿爾特我們可以在今天做出的影響產(chǎn)品和流程的未來的決定往往在產(chǎn)品和流程設(shè)計(jì)階段就開始了。目標(biāo)是通過“設(shè)計(jì)”，在整個(gè)生命周期內(nèi)盡可能實(shí)現(xiàn)可持續(xù)發(fā)展。設(shè)計(jì)階段還包括材料回收和二次利用，解決產(chǎn)品和流程從“搖籃到墳?zāi)埂逼陂g的循環(huán)經(jīng)濟(jì)需求?？沙掷m(xù)產(chǎn)品倡議（SPI）是歐盟“綠色新政”的一部分，就產(chǎn)品碳足跡（PCF）的申報(bào)提出了新的監(jiān)管要求。數(shù)字產(chǎn)品護(hù)照可能會(huì)涵蓋PCF。所有行業(yè)都可能被要求以數(shù)字產(chǎn)品護(hù)照（DPP4.0）的形式提供某些產(chǎn)品信息2。DPP可能是促進(jìn)更可持續(xù)的產(chǎn)品和消費(fèi)的一大步，通過使能基于數(shù)字?jǐn)?shù)據(jù)共享等新型商業(yè)模式來提高能源和資源效率。西門子技術(shù)副總裁兼對(duì)外合作負(fù)責(zé)人、ZVEI工業(yè)4.0管理部主席DieterWegener教授博士認(rèn)為：“DPP有助于極大地提高能源和材料供應(yīng)的安全性，從而增強(qiáng)經(jīng)濟(jì)韌性”3。從這個(gè)意義上說，有助于可持續(xù)發(fā)展的數(shù)字產(chǎn)品護(hù)照已成為一種新的貨幣，使企業(yè)在與不遵從DPP規(guī)定的供應(yīng)商競爭時(shí)更具優(yōu)勢。ZVEI在2023年漢諾威工業(yè)博覽會(huì)上示范了首款高度集成的產(chǎn)品4。作為用例，ZVEI選擇了一臺(tái)由多個(gè)模塊組成的控制機(jī)柜，其中每個(gè)模塊都由其數(shù)字孿生（資產(chǎn)管理殼）進(jìn)行描述5。由于每個(gè)資產(chǎn)管理殼中的子模型都包含其制造過程中的產(chǎn)品碳足跡（PCF）數(shù)據(jù)，因此，將每個(gè)模塊組裝過程中的所有單個(gè)PCF相加，就可以輕松計(jì)算出整個(gè)機(jī)柜的綜合碳足跡。如下圖所示，掃描每個(gè)組件及整個(gè)產(chǎn)品的二維碼就可以監(jiān)控?cái)?shù)據(jù)，因此就有了透明度。*2./en/subjects/zvei-show-case-pcfcontrolcabinet*3./watch?v=OPCSgWFx3NM*4.德國電氣工程師協(xié)會(huì)：/en/*5.https://schaltschrankbau-magazin.de/workflow-prozesse-dienstleistungen/mehrwert-veranschaulichen/圖2是DPP示范產(chǎn)品，顯示了整體PCF值，因?yàn)樗斜患山M件的PCF值都得到了跟蹤和匯總。ZVEI提出的DPP4.0概念是基于在工業(yè)4.0計(jì)劃框架內(nèi)開發(fā)的兩個(gè)重要支柱：?通過IEC61406（識(shí)別鏈接）的數(shù)字銘牌（DNP4.0）和?符合IEC63278標(biāo)準(zhǔn)（正在開發(fā)）的資產(chǎn)管理殼（AAS）如圖3所示，工程流程包括公司與相關(guān)IT系統(tǒng)之間的許多接口。除了必須傳輸工程數(shù)據(jù)外，各個(gè)組件的數(shù)據(jù)也必須從供應(yīng)商傳輸?shù)较到y(tǒng)集成商。在這個(gè)簡單的例子中，已經(jīng)有15家公司參與其中，需要從這些公司獲取56種產(chǎn)品和組件的數(shù)據(jù)以實(shí)現(xiàn)增值，最終形成由93個(gè)零部件組成的一個(gè)系統(tǒng)。圖3：工程辦公室、系統(tǒng)集成商和客戶之間的價(jià)值鏈數(shù)據(jù)共享為了促進(jìn)生產(chǎn)和產(chǎn)品的可持續(xù)發(fā)展，我們?cè)谠O(shè)計(jì)產(chǎn)品時(shí)就必須考慮到產(chǎn)品的整個(gè)生命周期。這包括監(jiān)控整個(gè)供應(yīng)鏈以及組件和材料的回收和再利用。需要使用AI工具來分析和選擇數(shù)字市場中不同供應(yīng)商提供的組件的數(shù)字孿生。在工程階段，將通過優(yōu)化多個(gè)參數(shù)來選擇組件，例如匹配技術(shù)規(guī)格、有關(guān)能源和PCF消耗的環(huán)境要求、客戶對(duì)交貨時(shí)間和成本的要求，以及供應(yīng)鏈的韌性。當(dāng)前的差距表明，需要進(jìn)一步開展研發(fā)工作，開發(fā)未來的生成式預(yù)訓(xùn)練AI模型，以訪問和分析數(shù)字市場中提供的資產(chǎn)和生產(chǎn)能力的數(shù)字孿生。監(jiān)管合規(guī)：對(duì)產(chǎn)品進(jìn)行二氧化碳跟蹤，減少數(shù)噸的產(chǎn)品紙質(zhì)文檔，從而獲得競爭優(yōu)勢。產(chǎn)品吸引力：DPP將幫助利益相關(guān)方和消費(fèi)者在購買和使用產(chǎn)品、產(chǎn)品所體現(xiàn)的環(huán)境影響，或可回收材料含量方面做出更明智的決定6。生命周期成本：DPP為產(chǎn)品的再利用/再循環(huán)提供了必要的信息。2022/2023年漢諾威工業(yè)博覽會(huì)上的示范產(chǎn)品令人印象深刻，展示了如何在資產(chǎn)管理殼（AAS）和數(shù)字銘牌（DNP4.0）的幫助下呈現(xiàn)產(chǎn)品信息，并在相關(guān)流程中自動(dòng)使用。計(jì)算控制機(jī)柜在整個(gè)供應(yīng)鏈中的產(chǎn)品碳足跡（PCF）就是一個(gè)很好的例子。這個(gè)技術(shù)解決方案能夠提供產(chǎn)品信息，還體現(xiàn)了數(shù)字產(chǎn)品護(hù)照（DPP4.0）的概念。AAS旨在簡化系統(tǒng)集成和減少工程工作量。這將得到作為子模型的AAS的附加元信息的支持。這將為更深入地集成其他網(wǎng)絡(luò)（如GAIA-X和Catena-X）奠定基礎(chǔ)7。*6./nl/insights/digital-product-passport/*7./fileadmin/user_upload/Presse_und_Medien/Publikationen/2022/Mai/Show-Case_PCF%40ControlCabin/22-05-25_Whitepaper_ZVEI-Show-Case-PCF-Control-Cabinet-HMI2022.pdf《孫子兵法》中的戰(zhàn)術(shù)#5G使能價(jià)值創(chuàng)造故其戰(zhàn)勝不復(fù)，而應(yīng)形于無窮。孫子：《孫子兵法》——第6章：虛實(shí)l用例：5G使能價(jià)值創(chuàng)造過去，我們制造了完美的機(jī)器，現(xiàn)在仍然如此。但是，與量產(chǎn)場景和通過固定設(shè)計(jì)來滿足客戶要求的規(guī)格不同，我們?nèi)缃衩媾R的新挑戰(zhàn)是如何使系統(tǒng)具有適應(yīng)性、彈性和可持續(xù)性。為了實(shí)現(xiàn)量產(chǎn)，機(jī)器的有線解決方案和固定設(shè)計(jì)為我們贏得了“過去的勝利”，但現(xiàn)在我們可以考慮增加無線連接，以數(shù)據(jù)為基礎(chǔ)創(chuàng)造價(jià)值，不再區(qū)分聯(lián)網(wǎng)的硬件、軟件和服務(wù)。機(jī)器和模塊可以在工廠內(nèi)外進(jìn)行連接，以實(shí)現(xiàn)新的生產(chǎn)范式，例如共享生產(chǎn)場景。5G能夠?qū)C(jī)器進(jìn)行棕地更新，使系統(tǒng)邊界更加靈活，因?yàn)榛跀?shù)據(jù)的云服務(wù)可以集成更多的功能，這與最初的設(shè)想不謀而合。隨著市場上出現(xiàn)的“類電纜”（確定性）無線網(wǎng)絡(luò)解決方案（5G+：5G及更高代際傳統(tǒng)機(jī)器可以通過5G進(jìn)行更新，按需增加模塊和傳感器，并部署智能云服務(wù)，以實(shí)現(xiàn)質(zhì)量和流程控制等。這就是對(duì)現(xiàn)有機(jī)器進(jìn)行“棕地更新”，例如將焊接、銑削、鉆孔和數(shù)控制造所需的生產(chǎn)機(jī)器連接到云端，實(shí)現(xiàn)基于數(shù)據(jù)的在線流程自動(dòng)化。這樣一來，由于車間不再需要其他硬件，可以在減少二氧化碳足跡的情況下實(shí)現(xiàn)更高的質(zhì)量，而且基于資產(chǎn)數(shù)字孿生，可以在數(shù)字空間中進(jìn)行復(fù)雜的仿真和服務(wù)提供。在漢諾威工業(yè)博覽會(huì)和5G-ACIA（互聯(lián)產(chǎn)業(yè)和自動(dòng)化聯(lián)盟）的網(wǎng)絡(luò)研討會(huì)上展示的與基于5G的智能制造相關(guān)的各種創(chuàng)新用例中，都可能涉及基于AI的挑戰(zhàn)。用例1——安全和模塊認(rèn)證（基礎(chǔ)設(shè)施即服務(wù)：IaaS）：與安全相關(guān)的機(jī)器驗(yàn)證以云服務(wù)的形式提供。通過在車間運(yùn)行的資產(chǎn)的數(shù)字孿生了解安全風(fēng)險(xiǎn)，并頒發(fā)虛擬證書。利用AI服務(wù)進(jìn)行環(huán)境篩查和物體檢測，以監(jiān)控是否發(fā)生未曾預(yù)料的額外安全風(fēng)險(xiǎn)。此外，通過進(jìn)一步的研發(fā)來涵蓋AI服務(wù)本身的風(fēng)險(xiǎn)，從而開發(fā)可信服務(wù)。圖4：通過自動(dòng)安全驗(yàn)證實(shí)現(xiàn)快速的機(jī)器重配置（EcoConnectRom，2019）如圖4所示，自適應(yīng)的無線聯(lián)網(wǎng)機(jī)器的最新安全認(rèn)證場景是基于車間運(yùn)行資產(chǎn)的數(shù)字孿生。與車間資產(chǎn)（例如機(jī)器人）相關(guān)的風(fēng)險(xiǎn)由其數(shù)字孿生在特定環(huán)境場景下進(jìn)行描述。AI可用于監(jiān)控環(huán)境，即是否仍按計(jì)劃進(jìn)行，甚至可以展望幾秒鐘后的未來。這種預(yù)測性風(fēng)險(xiǎn)管理帶來了新的動(dòng)態(tài)認(rèn)證流程。中央安全控制回路不再局限于有線聯(lián)網(wǎng)的資產(chǎn)。如果緊急停止，無線聯(lián)網(wǎng)的機(jī)器也會(huì)停止。用例2——在產(chǎn)品運(yùn)輸過程中通過AI服務(wù)實(shí)現(xiàn)增值：如圖5所示，AGV在物流領(lǐng)域的增值：利用運(yùn)輸時(shí)間進(jìn)行按需的質(zhì)量控制。在對(duì)AGV進(jìn)行棕地更新時(shí)，集成了一個(gè)具有5G連接功能的攝像頭。在產(chǎn)品運(yùn)輸過程中，將圖像數(shù)據(jù)發(fā)送到邊緣位置，進(jìn)行質(zhì)量評(píng)估。最佳情況是AGV將貨物運(yùn)送到下一個(gè)生產(chǎn)步驟或客戶處。如果在運(yùn)輸過程中發(fā)現(xiàn)缺陷，AGV會(huì)把產(chǎn)品運(yùn)至維護(hù)區(qū)，請(qǐng)求人工操作員的支持。用于質(zhì)量控制的AI服務(wù)包括對(duì)AI模型進(jìn)行訓(xùn)練，并利用共享同一用例的其他多臺(tái)機(jī)器的進(jìn)一步數(shù)據(jù)更新數(shù)據(jù)庫。這就是所謂的“聯(lián)邦學(xué)習(xí)”，可為所有地點(diǎn)提供最佳性能，因?yàn)槿毕菀坏┰趩蝹€(gè)機(jī)器或地點(diǎn)被發(fā)現(xiàn)，就會(huì)在所有地點(diǎn)被檢測到。圖5：利用5G質(zhì)檢測試臺(tái)對(duì)AGV進(jìn)行棕地更新（HMI2022）靈活性：5G為生產(chǎn)提供了必要的靈活性，可以更好地滿足客戶需求。上市時(shí)間：如果機(jī)器采用無線連接，工廠車間的重新配置速度會(huì)更快。生命周期成本：基礎(chǔ)設(shè)施投資可在其生命周期內(nèi)重復(fù)用于各種工廠配置。因此，預(yù)計(jì)到2030年，5G技術(shù)將使全球制造業(yè)的國內(nèi)生產(chǎn)總值（GDP）增加高達(dá)7,400億美元8。5G+無線連接可以使能連網(wǎng)生產(chǎn)和AI服務(wù)的新型工業(yè)場景。目前已為5G機(jī)器人和制造業(yè)創(chuàng)建了各種測試臺(tái)，并發(fā)布了相關(guān)評(píng)估結(jié)果（5G-ACIA，2021-2023年漢諾威工業(yè)博覽會(huì)）。https://5/testbeds/testbed-5g-based-smart-manufacturing-and-industrial-ai-services/https://5/insight/endorsed-testbeds/8.Adib,D.（2019）：5G對(duì)制造業(yè)的影響——2030年實(shí)現(xiàn)7,400億美元收益。STLPartners顧問公司，倫敦。金錘定律如果你唯一的工具是一把錘子，那么就很容易把所有事情都當(dāng)成釘子來對(duì)待。亞伯拉罕·馬斯洛，1966工具定律即金錘定律，是一種認(rèn)知偏差，包括對(duì)某一熟悉工具的過度依賴9。電動(dòng)發(fā)動(dòng)機(jī)是使用傳統(tǒng)繞線機(jī)器制造的。然而，這些機(jī)器的設(shè)計(jì)限制了新型發(fā)動(dòng)機(jī)產(chǎn)品線的繞線，因?yàn)檫@些產(chǎn)品線的幾何形狀或設(shè)計(jì)上都不在傳統(tǒng)繞線機(jī)的范圍內(nèi)。預(yù)計(jì)電動(dòng)機(jī)市場將從2023年的1,356.1億美元增長到2031年的2,140.6億美元，預(yù)測期間（2023-2031年）的年增長率（CAGR）為5.32%10。高昂的產(chǎn)品成本和復(fù)雜的繞線技術(shù)要求新的自適應(yīng)制造解決方案能夠制造從消費(fèi)類電機(jī)到機(jī)械和汽車的各種產(chǎn)品線。電動(dòng)發(fā)動(dòng)機(jī)日益增長的市場潛力需要靈活的生產(chǎn)能力和構(gòu)件，例如傳統(tǒng)機(jī)器人系列。繞線工藝已經(jīng)超越了傳統(tǒng)繞線機(jī)的功能，被重新視為一種焊接工藝。機(jī)器人將叉形針插入定制的定子孔中，而不是繞銅線。如圖6所示，在第二個(gè)生產(chǎn)步驟中，通過焊接針元件形成發(fā)動(dòng)機(jī)的連接線，從而實(shí)現(xiàn)連接。這一工藝創(chuàng)新是人為的，但也可能是未來AI分析數(shù)字孿生并識(shí)別可用于制造產(chǎn)品的不同生產(chǎn)能力的良好范例?？梢栽L問產(chǎn)品和工藝能力的數(shù)字孿生（資產(chǎn)管理殼）的通用AI模型或許可以為任何現(xiàn)有制造工藝提出新的解決方案。工藝工程師必須決定是批準(zhǔn)還是駁回這樣的解決方案。下方的圖6介紹了基于魯棒的機(jī)器人構(gòu)件的敏捷生產(chǎn)能力，展示了電動(dòng)發(fā)動(dòng)機(jī)的不同制造流程。設(shè)計(jì)已經(jīng)改變，發(fā)動(dòng)機(jī)定子是3D打印的，機(jī)器人負(fù)責(zé)插入和連接針。*9./wiki/Law_of_the_instrument*10./wbkintern/Forschung/Projekte/AgiloDrive/index.php工程設(shè)計(jì)（傳統(tǒng)）?傳統(tǒng)繞線機(jī)上的電機(jī)繞線?產(chǎn)品（發(fā)動(dòng)機(jī)）的設(shè)計(jì)限制與繞線工藝有關(guān)創(chuàng)新設(shè)計(jì)（利用不同的能力）?重新定義繞線工藝。插入針頭并通過焊接進(jìn)行連接?利用敏捷構(gòu)件使產(chǎn)品要求與生產(chǎn)技能相匹配圖6：KIT項(xiàng)目AgiloDrive展示了敏捷生產(chǎn)能力的構(gòu)件設(shè)備TCO：基于機(jī)器人的靈活繞線方法使專用繞線機(jī)變得過時(shí)。可以重新配置機(jī)器人以覆蓋其他產(chǎn)品類型，而繞線機(jī)的靈活性僅限于特定的產(chǎn)品范圍。靈活性：無需新機(jī)器即可生產(chǎn)客戶定制的電機(jī)。云機(jī)器人創(chuàng)新使智能機(jī)器人具有更高的計(jì)算效率和更低的功耗。由于需要的硬件更少，制造成本可以降低。產(chǎn)品生命周期中的產(chǎn)品和流程的碳足跡得以減少。眼見為實(shí)？#光學(xué)檢測眼見為實(shí)，但感受才是真理。托馬斯·富勒（17世紀(jì)作家）圖7：Dall-E生成的圖片：“人員輕觸在產(chǎn)汽車以檢測缺陷”設(shè)計(jì)出一種能夠檢測隱形屬性的光學(xué)系統(tǒng)！這無疑是一項(xiàng)工程挑戰(zhàn)。這項(xiàng)創(chuàng)新開胃應(yīng)用涵蓋兩個(gè)領(lǐng)域：設(shè)計(jì)和運(yùn)行，不過創(chuàng)新是在設(shè)計(jì)域完成的，并在運(yùn)營領(lǐng)域證明了其價(jià)值。白車身（BIW）是指在汽車制造過程中，車身框架連接在一起的階段，即在噴漆完成之前，以及在電機(jī)、底盤分總成集成到車身結(jié)構(gòu)之前的階段11。白色車身是油性的，因此不會(huì)反射任何光線。所以，人眼無法看到表面缺陷，只能由經(jīng)過培訓(xùn)的質(zhì)量“檢驗(yàn)”人員在白色車身被運(yùn)往噴漆車間的過程中通過觸覺檢測。如圖7所示，人員輕觸整輛車，以感受并修復(fù)凹凸等表面缺陷，使其符合質(zhì)量管理要求。和再次*11./wiki/Body_in_white任何缺陷都會(huì)導(dǎo)致額外的成本，因?yàn)樵趪娡抗に嚭螅@些缺陷就會(huì)顯現(xiàn)出來，必須進(jìn)行修復(fù)和再次噴涂，從而導(dǎo)致非常高昂的成本和時(shí)間損失。由于人工檢驗(yàn)結(jié)果取決于檢驗(yàn)人員的個(gè)人主觀能力，存在不可靠性，因此需要對(duì)這項(xiàng)流程進(jìn)行創(chuàng)新：設(shè)計(jì)一種集成視覺系統(tǒng)的流程，用于在白色車身運(yùn)往噴漆車間的過程中客觀檢測車身表面缺陷。巴伐利亞州公共資助的名為“ABIS——自動(dòng)車身檢驗(yàn)系統(tǒng)”的研發(fā)項(xiàng)目由此啟動(dòng)。由于存在時(shí)間和在線流程整合等多方面的限制，對(duì)整輛汽車進(jìn)行三維數(shù)據(jù)采集并不可行，因此該項(xiàng)目利用了一項(xiàng)專利，實(shí)現(xiàn)了一次性的數(shù)據(jù)采集。這背后的基本思路是使用投影儀—相機(jī)對(duì)，其中投影儀以傾斜角度向表面區(qū)域投射灰階正弦波圖案，而攝像機(jī)則垂直于該表面區(qū)域。任何表面缺陷都會(huì)導(dǎo)致在圖像中檢測到局部相移，從而可以計(jì)算出該缺陷確切的三維尺寸。由于圖像尺寸僅覆蓋20厘米乘20厘米的區(qū)域，因此采用了集成多個(gè)相機(jī)和投影儀對(duì)的門式系統(tǒng)設(shè)計(jì)。當(dāng)白色車身經(jīng)過門式機(jī)器人被傳送到噴漆車間時(shí)，每個(gè)投影儀和相機(jī)對(duì)都會(huì)根據(jù)汽車的CAD文件和運(yùn)動(dòng)過程中的實(shí)際位置被引導(dǎo)到正確的位置。如圖8所示，這樣就可以對(duì)整輛汽車進(jìn)行無縫檢驗(yàn)。圖8：自動(dòng)車身檢驗(yàn)系統(tǒng)“ABIS”從手工到機(jī)器人檢驗(yàn)的演進(jìn)以支持向量機(jī)為基礎(chǔ)的機(jī)器學(xué)習(xí)算法經(jīng)過訓(xùn)練，能夠以可接受的檢測率和“誤報(bào)”率對(duì)表面異常進(jìn)行檢測和分類。由12臺(tái)PC組成的網(wǎng)絡(luò)只需2秒鐘就能在每輛車的25,000個(gè)數(shù)據(jù)集中識(shí)別并定位缺陷。檢測到的缺陷位置被傳送至噴墨機(jī)器人處，以便對(duì)缺陷進(jìn)行標(biāo)記和維修。另一個(gè)已解決的挑戰(zhàn)是保證長期的流程能力，避免在臨時(shí)發(fā)生流程轉(zhuǎn)變后出現(xiàn)局部最優(yōu)或數(shù)據(jù)訓(xùn)練的問題。因此，經(jīng)過訓(xùn)練的歷史數(shù)據(jù)以“紅綠燈”的形式顯示，在顯示的實(shí)際缺陷中，“綠色”表示已接受的缺陷，“紅色”表示未接受的缺陷，如圖9所示。圖9：聯(lián)邦教育與研究部資助的研發(fā)項(xiàng)目“OPAQ”中開發(fā)的用戶界面12減少了汽車生產(chǎn)線的停線時(shí)間，降低了流程成本和隱性質(zhì)量成本，原因是將平均流程成熟度從4西格瑪提高到了6西格瑪。每提高一個(gè)西格瑪成熟度，成本降低達(dá)銷售收入的10%，因?yàn)橥＞€成本高達(dá)每小時(shí)數(shù)百萬美元。通過在線解決方案提高流程效率（30%提高質(zhì)量（從5西格瑪提高到6西格瑪）。通過不斷擴(kuò)大的數(shù)據(jù)庫以及針對(duì)先前流程的較短反饋回路，可以識(shí)別并消除導(dǎo)致缺陷的根本原因。甚至可以優(yōu)化沖壓車間的工具和沖壓條件，因?yàn)楣ぞ咧袣埩舻娜魏萎愇锒紩?huì)產(chǎn)生系列缺陷，需要在白車身工藝中進(jìn)行修復(fù)。通過上述創(chuàng)新和系統(tǒng)演進(jìn)，可以將生產(chǎn)流程控制和質(zhì)量保證任務(wù)整合在一個(gè)系統(tǒng)中。可靠、客觀的測量數(shù)據(jù)的透明度使工廠操作人員能夠同時(shí)監(jiān)控生產(chǎn)流程和所生產(chǎn)的車身部件的質(zhì)量。13*12.https://quality-engineering.industrie.de/allgemein/unsichtbare-fehler-sichtbar-machen/*13.ZEISSandGOM,/metrology/innovation-magazine/zeiss-car-body-solutions.html這是超感觀感知嗎？#具備視覺能力的未來網(wǎng)絡(luò)Voicimonsecret.Ilesttrèssimple:onnevoitbienqu’aveclec?ur.L’essentielestinvisiblepourlesyeux.這就是我的秘訣，一個(gè)非常簡單的秘訣；只有安托萬·德·圣埃克蘇佩里，《小王子》，第21章下一代移動(dòng)無線網(wǎng)絡(luò)（5.5G）將具備有趣的感知能力。l用例：5.5G——物理世界和網(wǎng)絡(luò)世界的融合隨著未來網(wǎng)絡(luò)(5.5G)的發(fā)展（預(yù)計(jì)于2030年到來一個(gè)“每個(gè)人、每個(gè)物品”都能連接和訪問數(shù)據(jù)空間的新世界可能會(huì)到來，因?yàn)槲锢硎澜绾途W(wǎng)絡(luò)世界正在融合，這為制造業(yè)自動(dòng)化創(chuàng)新打開了新的窗口。數(shù)據(jù)空間的價(jià)值創(chuàng)造以制造業(yè)供應(yīng)鏈的數(shù)據(jù)可追溯性為基礎(chǔ)，并通過工業(yè)互聯(lián)網(wǎng)（IIT）和運(yùn)營技術(shù)（OT）的雙向轉(zhuǎn)換得以實(shí)現(xiàn)。但如今，電信業(yè)也在豐富制造業(yè)，提供了新型的無線設(shè)計(jì)和運(yùn)行模式，例如對(duì)機(jī)器和流程進(jìn)行棕地更新。客戶面臨的挑戰(zhàn)是，電信行業(yè)標(biāo)準(zhǔn)化進(jìn)程（3G、4G、5G+）的發(fā)展速度遠(yuǎn)高于制造業(yè)，制造業(yè)使用的許多傳統(tǒng)系統(tǒng)需要保持互操作性，有時(shí)甚至需要保持長達(dá)數(shù)十年。太赫茲范圍的新頻譜、更快的速度（可能達(dá)到1Tb每秒）、低于一毫秒的時(shí)延、精確到厘米級(jí)的超定位，以及每平方公里連接的更多設(shè)備，都有可能在制造業(yè)用例中實(shí)現(xiàn)自動(dòng)化領(lǐng)域的創(chuàng)新。如下圖10所示，5.5G和6G將是一個(gè)融合物理世界與網(wǎng)絡(luò)世界的連續(xù)體。每個(gè)5.5G網(wǎng)元都將原生集成通信、計(jì)算和感知能力，促進(jìn)從云端集中智能向深度邊緣泛在智能的演進(jìn)。AI部分是網(wǎng)絡(luò)固有的，是未來實(shí)現(xiàn)大規(guī)模應(yīng)用的基礎(chǔ)設(shè)施的一部分?；谏疃冗吘壷悄艿姆植际綑C(jī)器學(xué)習(xí)架構(gòu)對(duì)于滿足未來社會(huì)和制造業(yè)的大規(guī)模智能需求至關(guān)重要。網(wǎng)絡(luò)感知：5.5G將具備網(wǎng)絡(luò)感知能力。在頻段、帶寬和天線不斷增加的推動(dòng)下，通信系統(tǒng)將集成無線感知能力，通過無線電傳輸、回波、反射和散射探索物理世界。通信系統(tǒng)還將提供高分辨率感知、定位、成像和環(huán)境重建能力，以提高通信性能，支持更廣泛的網(wǎng)絡(luò)服務(wù)場景。它涵蓋了一系列用例，例如設(shè)備甚至無設(shè)備目標(biāo)的定位、成像、環(huán)境重建和監(jiān)測，以及手勢和活動(dòng)識(shí)別。14極致連接：未來網(wǎng)絡(luò)將提供通用的高性能無線連接和極致體驗(yàn)，其速度可與光纖媲美。峰值速率高達(dá)1Tbit/s，體驗(yàn)速率為10-100Gbit/s，時(shí)延為亞毫秒級(jí)，連接密度是5G的十倍，可實(shí)現(xiàn)厘米級(jí)定位、毫米級(jí)成像，以及基于可控誤差分布的端到端系統(tǒng)可靠性。未來，這些將不僅使能以人為中心的沉浸式服務(wù)，還將加速垂直行業(yè)的全面數(shù)字化轉(zhuǎn)型和生產(chǎn)效率升級(jí)14，如圖11所示。AI將成為5.5G通信系統(tǒng)的一項(xiàng)服務(wù)和原生特性，并且，5.5G將成為支持基于AI的服務(wù)和應(yīng)用的端到端系統(tǒng)。具體來說，5.5G空口和網(wǎng)絡(luò)設(shè)計(jì)將利用端到端的AI和機(jī)器學(xué)習(xí)來實(shí)現(xiàn)定制優(yōu)化和自動(dòng)化營運(yùn)管理與維護(hù)（OA&M）。此外，每個(gè)5.5G網(wǎng)元都將原生集成通信、計(jì)算和感知能力，促進(jìn)從云端集中智能向深度邊緣泛在智能的演進(jìn)。高效、分布式的協(xié)作學(xué)習(xí)架構(gòu)對(duì)于降低大規(guī)模AI訓(xùn)練的計(jì)算負(fù)載至關(guān)重要。此外，分布式和聯(lián)邦學(xué)習(xí)將有助于優(yōu)化計(jì)算資源、本地學(xué)習(xí)和全局學(xué)習(xí)，并有助于滿足新的數(shù)據(jù)本地治理*14./-/media/corp2020/pdf/tech-insights/1/6g-white-paper-en.pdf?la=en*15.https://www.hannovermesse.de/event/6g-enabled-future-robotics/vor/104321要求。從這個(gè)意義上說，未來核心網(wǎng)功能將下沉到深度邊緣網(wǎng)絡(luò)，而基于云的軟件運(yùn)營將轉(zhuǎn)向大規(guī)模機(jī)器學(xué)習(xí)。16新的產(chǎn)品和市場可能會(huì)圍繞AI服務(wù)發(fā)展。5.5G有合并價(jià)值鏈、現(xiàn)有業(yè)務(wù)，甚至行業(yè)的潛力，因此制造業(yè)可以實(shí)現(xiàn)去中心化的平臺(tái)經(jīng)濟(jì)。感知能力可能為新的解決方案帶來新的可能性?，F(xiàn)在處于發(fā)展的早期階段，有待挖掘更多價(jià)值。從5G到6G網(wǎng)絡(luò)的演進(jìn)將整合通信、感知、計(jì)算和智能等各種能力，因此有必要重新定義網(wǎng)絡(luò)架構(gòu)。新的網(wǎng)絡(luò)架構(gòu)應(yīng)支持原生可信，并能靈活適應(yīng)協(xié)同感知、分布式學(xué)習(xí)等任務(wù)，以大規(guī)模推廣AI應(yīng)用。數(shù)據(jù)以及由此衍生的知識(shí)和智能是5.5G和6G網(wǎng)絡(luò)架構(gòu)重新設(shè)計(jì)的驅(qū)動(dòng)力。新的數(shù)據(jù)治理架構(gòu)支持?jǐn)?shù)據(jù)合規(guī)和變現(xiàn)，以及先進(jìn)的隱私保護(hù)和量子攻擊防御17。*16./-/media/corp2020/pdf/tech-insights/1/6g-white-paper-en.pdf?la=en*17.D.K.PinTa等人，6G的通感一體化：動(dòng)機(jī)、用例、要求、挑戰(zhàn)和未來方向，D.Tan，JiaHe以及另外四位作者，W.Tong，2021年2月23日發(fā)表，《計(jì)算機(jī)科學(xué)》，2021年第1屆IEEE聯(lián)合通信與感知（JC&S）國際在線研討會(huì)主菜——運(yùn)營作為主菜，我們希望提供運(yùn)營階段的精選開胃應(yīng)用，因?yàn)閯?chuàng)新必須在運(yùn)營階段證明其價(jià)值。工業(yè)數(shù)字化進(jìn)程正在快速推進(jìn)，相關(guān)標(biāo)準(zhǔn)（例如OPC-UA以及資產(chǎn)和服務(wù)的數(shù)字孿生）也在不斷出臺(tái)。車間——OT（運(yùn)營技術(shù)領(lǐng)域）到IT（工業(yè)網(wǎng)絡(luò)領(lǐng)域）的數(shù)據(jù)可追溯性成為新商業(yè)案例和運(yùn)營范式的使能器，設(shè)計(jì)和工程階段開始與運(yùn)營階段融合。適應(yīng)性、互操作性和自主性將成為可持續(xù)發(fā)展和彈性制造的新型關(guān)鍵要素（《德國工業(yè)戰(zhàn)略2030》，PI4.0）。雖然上一節(jié)指出，設(shè)計(jì)階段定義的系統(tǒng)邊界限制了運(yùn)營特性，但由于這兩個(gè)階段開始融合，新的選擇也隨之出現(xiàn)。傳感器可以集成到傳統(tǒng)系統(tǒng)和機(jī)器中，生成過程數(shù)據(jù)，這些數(shù)據(jù)可以通過無線網(wǎng)絡(luò)（例如5G+、Wi-Fi）連接到內(nèi)部硬件（邊緣設(shè)備）或外部數(shù)據(jù)中心（公有云或私有云）。這樣就可以在本地部署云服務(wù)，提供原本沒有預(yù)料到的能力。這一過程被稱為“棕地更新”，是實(shí)現(xiàn)制造業(yè)數(shù)字化的必要步驟。在運(yùn)營階段，根據(jù)流程性能指標(biāo)（流程能力）的統(tǒng)計(jì)測量結(jié)果來監(jiān)控理想的系統(tǒng)輸出。在對(duì)流程進(jìn)行統(tǒng)計(jì)控制時(shí)需要使用這些KPI，例如在流程存在了一段時(shí)間后。當(dāng)超過質(zhì)量基準(zhǔn)時(shí)，工廠或機(jī)器操作員將采取行動(dòng)，從正在進(jìn)行的流程轉(zhuǎn)變中恢復(fù)系統(tǒng)。最近的工業(yè)運(yùn)營要求是達(dá)到6西格瑪或以上的流程成熟度，這意味著每生產(chǎn)一百萬個(gè)零部件，最多只能觀察到3.4個(gè)缺陷。用我朋友的一點(diǎn)幫助#制造即服務(wù)我靠朋友的幫助過得不錯(cuò)。披頭士樂隊(duì)，《用我朋友的一點(diǎn)幫助》l用例：共享生產(chǎn)——“制造即服務(wù)”圖12所示的共享生產(chǎn)場景是GAIA-X用例的一部分，由國家層面的公共資金支持，目的是在共享生產(chǎn)資源的基礎(chǔ)上開展合作：這種生產(chǎn)范式提供了各種解決方案，以便在需要時(shí)利用數(shù)字市場提供的生產(chǎn)能力——自己的車間不具備這種能力，或者將未使用的生產(chǎn)能力提供給新客戶。開放式和模塊化的生產(chǎn)方式使各個(gè)公司能夠跨越公司界限，以更加密切和透明的方式展開合作，定制生產(chǎn)。生產(chǎn)和增值網(wǎng)絡(luò)的控制是數(shù)據(jù)驅(qū)動(dòng)的，數(shù)據(jù)的所有權(quán)持續(xù)得到保障。與正常的價(jià)值鏈一樣，數(shù)據(jù)的收集和處理可以挖掘新商業(yè)模式的潛力。不同之處在于，組建臨時(shí)的增值網(wǎng)絡(luò)可以進(jìn)一步提高潛力，并在每種場景下（共同）開發(fā)新的商業(yè)模式。*18.https://www.bmwk.de/Redaktion/EN/Artikel/Digital-World/GAIA-X-Use-Cases/shared-production.html該用例已在2022年和2023年漢諾威工業(yè)博覽會(huì)上進(jìn)行了概念驗(yàn)證。歐洲各地的不同生產(chǎn)線已聯(lián)網(wǎng)，可根據(jù)客戶的配置定制產(chǎn)品。圖13中的自主產(chǎn)線L4示范產(chǎn)品有三項(xiàng)創(chuàng)新：?跨越工廠限制、能夠自主釋放的模塊交換?基于深度神經(jīng)網(wǎng)絡(luò)的自學(xué)習(xí)AI方法?可連接不同生產(chǎn)能力的Gaia-X系統(tǒng)架構(gòu)自主產(chǎn)線L4代表基于可擴(kuò)展的可信架構(gòu)進(jìn)行“共享生產(chǎn)”19。如下圖14所示，該用例是由聯(lián)邦教育與研究部資助的研發(fā)項(xiàng)目SmartMA-X的一部分，該項(xiàng)目隸屬于GAIA-X20：*19.https://www.elektroniknet.de/automation/smartfactory-kl-erarbeitet-shared-production.182372.2.html*20.https://www.data-infrastructure.eu/GAIAX/Navigation/EN/Home/home.htmlAI未來的作用將主要體現(xiàn)在工程階段，即為數(shù)字市場提供的生產(chǎn)服務(wù)尋找和匹配合適的數(shù)字孿生（AAS：資產(chǎn)管理殼）。在匹配過程中，AI工具將幫助設(shè)計(jì)師在符合客戶要求的不同生產(chǎn)能力中，根據(jù)能耗和產(chǎn)品碳足跡（PCF）的最佳值做出選擇。圖15描繪了通過AAS將工程重新視為連接技能的過程?；诜?wù)的數(shù)字孿生，在符合GAIA-X要求的數(shù)據(jù)空間中產(chǎn)生價(jià)值。然而，AI服務(wù)并不局限于工程階段。此外，它們還將支持客戶打造制造生態(tài)系統(tǒng)，連接合作伙伴以滿足共享生產(chǎn)的需求，并基于自動(dòng)拍賣來達(dá)成合作。產(chǎn)品吸引力：新的商業(yè)模式促使在不斷發(fā)展的新市場上提供和請(qǐng)求獲取生產(chǎn)能力。投資成本：在需要時(shí)使用制造服務(wù)可減少對(duì)本地新生產(chǎn)能力的投資。生產(chǎn)效率：當(dāng)合同隨客戶需求的減少而減少時(shí)，可避免生產(chǎn)閑置的風(fēng)險(xiǎn)。在當(dāng)今產(chǎn)品特性飽和、價(jià)格極具競爭力的市場上，制造商正在探索全新的服務(wù)型商業(yè)模式，以擴(kuò)大利潤并與客戶建立更牢固的關(guān)系。許多制造商發(fā)現(xiàn)，在產(chǎn)品組合中增加服務(wù)，可以使其產(chǎn)品與眾不同，并獲得競爭優(yōu)勢。由于制造企業(yè)可以通過設(shè)計(jì)靈活的工廠、共享資產(chǎn)，以及分離工廠所有權(quán)和使用權(quán)來應(yīng)對(duì)關(guān)鍵挑戰(zhàn)，“生產(chǎn)即服務(wù)”的范式增強(qiáng)了企業(yè)的彈性。上述用例還表明，人工智能、人類和機(jī)器是未來的夢之隊(duì)，高科技生產(chǎn)并不會(huì)把人趕出工廠。共享生產(chǎn)的特殊系統(tǒng)架構(gòu)實(shí)現(xiàn)了不斷發(fā)展的工業(yè)數(shù)據(jù)空間（例如作為汽車網(wǎng)絡(luò)的Catena-X21以及 作為橫跨各行業(yè)細(xì)分領(lǐng)域的Manufacturing-X22網(wǎng)絡(luò)）這一形式的彈性和可持續(xù)性。*21.https://www.plattform-i40.de/IP/Redaktion/EN/Downloads/Publikation/Manufacturing-X_long.html*22./en/#:~:text=Catena%2DX%20is%20the%20first,The%20claim%20is%20data%20sovereignty鐘聲為誰而鳴#流程中的質(zhì)量監(jiān)控WiesichschondiePfeifenbr?unen!DiesesSt?bchentauch’ichein,Sehnwir’süberglasterscheinenWird’szumGussezeitigseyn.看到水管已經(jīng)變黃！我在其中浸泡了一小塊；如果它呈現(xiàn)出釉層，就可以開始澆鑄了。弗里德里?！は铡剁娐曋琛吩谠S多生產(chǎn)流程中，質(zhì)量控制是在子組件結(jié)束安裝時(shí)或者在重要中間時(shí)點(diǎn)進(jìn)行的。如果質(zhì)量問題是由不符合規(guī)范的機(jī)器參數(shù)或來料缺陷造成的，那么在質(zhì)量檢測之前仍在生產(chǎn)線上的零部件也可能存在問題。盡早發(fā)現(xiàn)質(zhì)量問題有助于提高產(chǎn)量。在引文中，人們?cè)跐茶T之前對(duì)金屬件進(jìn)行了檢查。設(shè)備綜合效率（OEE）是衡量某一設(shè)備可生產(chǎn)多少產(chǎn)品的指標(biāo)。它包括三個(gè)方面：生產(chǎn)效率、可用性和質(zhì)量。生產(chǎn)效率和可用性通過增加正常運(yùn)行時(shí)間和生產(chǎn)速度來增加產(chǎn)量。提高質(zhì)量就是減少無法使用的產(chǎn)品數(shù)量。所以，可以減少因低質(zhì)量而浪費(fèi)的材料和能源。這不僅對(duì)OEE有影響，還能節(jié)省能源和材料。因此，質(zhì)量是生產(chǎn)環(huán)節(jié)的一個(gè)重要因素。如今，許多生產(chǎn)流程都將質(zhì)量保證作為生產(chǎn)的最后一步。通過系統(tǒng)的質(zhì)量檢測或從一批產(chǎn)品中抽取樣品來檢查成品是否符合規(guī)格要求?？梢栽谏a(chǎn)環(huán)節(jié)中對(duì)這些樣品進(jìn)行在線分析，也可以在質(zhì)量保證實(shí)驗(yàn)室進(jìn)行離線分析。不良質(zhì)量可能來自個(gè)別生產(chǎn)錯(cuò)誤，也可能來自生產(chǎn)線上的系統(tǒng)性錯(cuò)誤。在后一種情況下，必須對(duì)整批產(chǎn)品進(jìn)行分析，并有可能將這批產(chǎn)品丟棄。必須找到并修復(fù)生產(chǎn)錯(cuò)誤。如果在生產(chǎn)流程的最后階段才發(fā)現(xiàn)并糾正錯(cuò)誤，那么生產(chǎn)出的這批無用的產(chǎn)品已經(jīng)耗費(fèi)了大量的精力。在流程早期跟蹤問題有助于節(jié)省處理有問題的產(chǎn)品所需的時(shí)間、材料和精力。可以提前停止生產(chǎn)并且解決問題，這樣就不會(huì)生產(chǎn)出整批有缺陷的產(chǎn)品。此外，將測試范圍從單個(gè)樣品擴(kuò)大到生產(chǎn)的每件產(chǎn)品，可避免發(fā)出有問題的產(chǎn)品，以及避免在現(xiàn)場進(jìn)行昂貴的更換或維修。l基于AI的解決方案——機(jī)遇人工檢驗(yàn)產(chǎn)品質(zhì)量時(shí)通常使用目測。他們會(huì)檢測出不當(dāng)?shù)耐繉印⒘芽p等問題。圖像識(shí)別是一項(xiàng)成熟且成功的AI應(yīng)用。AI不僅可以區(qū)分貓和狗，還可以通過訓(xùn)練檢測出合格產(chǎn)品和故障產(chǎn)品之間的區(qū)別。智能手機(jī)使用的攝像頭使得小型、低價(jià)、高質(zhì)量的圖像捕捉設(shè)備大量出現(xiàn)。人工檢驗(yàn)需要人眼能看到被檢驗(yàn)的產(chǎn)品，而攝像頭則可以放置在有限的空間內(nèi)，例如機(jī)器內(nèi)，以監(jiān)控生產(chǎn)過程中任何階段的產(chǎn)品質(zhì)量。攝像頭不僅可以檢測產(chǎn)品中的故障，還可以監(jiān)控實(shí)時(shí)生產(chǎn)過程，并檢測出肉眼無法檢測到的不當(dāng)操作。在實(shí)驗(yàn)室取樣進(jìn)行的更深入分析很難完全集成到生產(chǎn)過程中，因?yàn)檫@往往需要時(shí)間和昂貴的設(shè)備。如果有足夠的實(shí)驗(yàn)室測試數(shù)據(jù)，并能與生產(chǎn)流程中的傳感器讀數(shù)相關(guān)聯(lián)，那么就有可能找到一種解決方案，讓經(jīng)過訓(xùn)練的AI模型將實(shí)驗(yàn)室測量結(jié)果與傳感器讀數(shù)相關(guān)聯(lián)，從而根據(jù)流程傳感器大致預(yù)測實(shí)驗(yàn)室測試的結(jié)果。然后，實(shí)驗(yàn)室測試可集中在AI系統(tǒng)標(biāo)記為有問題的材料上。除了在生產(chǎn)流程早期檢測出不良質(zhì)量外，AI還能幫助提高質(zhì)量。利用高質(zhì)量的產(chǎn)品測量結(jié)果以及相應(yīng)的流程設(shè)置和規(guī)格對(duì)AI進(jìn)行訓(xùn)練后，AI可以學(xué)習(xí)到哪些參數(shù)能夠?qū)崿F(xiàn)優(yōu)異的結(jié)果（“黃金批次”從而輸出最優(yōu)流程設(shè)置。在生產(chǎn)流程中，來料質(zhì)量可能會(huì)對(duì)產(chǎn)品質(zhì)量產(chǎn)生重大影響?？砂凑丈鲜鱿嗤绞竭M(jìn)行來料質(zhì)量評(píng)估。不過，如果可以提供上游流程的生產(chǎn)質(zhì)量信息，例如提供數(shù)字產(chǎn)品護(hù)照，就可以透明地共享這些信息。將上游數(shù)據(jù)與生產(chǎn)數(shù)據(jù)進(jìn)行整合能夠獲得更全面的質(zhì)量信息。運(yùn)輸過程中的質(zhì)量仍有待監(jiān)控，即交付的零件是否在整個(gè)供應(yīng)鏈中得到了適當(dāng)處理。這就需要在價(jià)值鏈上進(jìn)行更廣泛的資產(chǎn)跟蹤，并且可將其視為一個(gè)單獨(dú)的用例。主要價(jià)值在于：生產(chǎn)的次品數(shù)量減少了，因此提高了OEE。附帶效應(yīng)是：由于需要丟棄的零部件減少，生產(chǎn)這樣的零部件所使用的能源和材料也隨之減少。此外，發(fā)貨后出現(xiàn)質(zhì)量問題的概率也會(huì)降低。因此，高質(zhì)量的產(chǎn)品可以帶來更高的銷售價(jià)格。雖然預(yù)測性維護(hù)是最突出的用例之一（在單獨(dú)的一節(jié)中描述但值得注意的是，監(jiān)控生產(chǎn)的產(chǎn)品本身就是一個(gè)非常有價(jià)值的用例。這兩個(gè)用例相輔相成，因?yàn)樯a(chǎn)設(shè)備的劣化（通過預(yù)測性維護(hù)檢測到）很有可能導(dǎo)致產(chǎn)品問題，而檢測到缺陷產(chǎn)品也可能導(dǎo)致檢測到機(jī)器故障。由于AI模型必須基于產(chǎn)品的屬性進(jìn)行訓(xùn)練，因此從劣質(zhì)生產(chǎn)中收集數(shù)據(jù)尤為重要。AI模型（“良好質(zhì)量”）也可以從工程工具（如工程用例中所述）的設(shè)計(jì)數(shù)據(jù)中得出。如果在整個(gè)流程中應(yīng)用AI可以提升質(zhì)量，這將帶來更高的OEE并減少材料和能源浪費(fèi)。靈魂之樹電影《阿凡達(dá)1》靈魂之樹與伊娃連接，伊娃通過樹的種子與世界直接交互。盡管人類沒有神經(jīng)隊(duì)列，靈魂之樹可以通過其延伸的根纖維的物理接觸直接與人的神經(jīng)系統(tǒng)連接。靈魂之樹的根須可以與納美人發(fā)起神經(jīng)鏈接，比如通過聲音之樹，從而使所有納美人團(tuán)結(jié)起來。“制造生態(tài)系統(tǒng)中的質(zhì)檢”這一用例與共享生產(chǎn)GAIA-X項(xiàng)目“SmartMA-X”有關(guān)，由智慧工廠-KL作為協(xié)調(diào)者，并已在2022年漢諾威工業(yè)博覽會(huì)上進(jìn)行了展示。成熟度級(jí)別為“概念驗(yàn)證”，目前正在汽車行業(yè)進(jìn)一步催熟【6】?！爸圃旒捶?wù)（MAAS）”解決方案連接了多條生產(chǎn)線，以制造定制的卡車樣品，如圖16和圖17所示。盡管卡車在設(shè)計(jì)、外形、材料和工藝上有所不同，但它們都需要視覺質(zhì)量檢驗(yàn)。與在本地的集中式設(shè)備上處理產(chǎn)品和工藝數(shù)據(jù)的常見檢驗(yàn)程序不同，此解決方案使用的是基于邊緣的分析，在參與共享生產(chǎn)場景的每個(gè)站點(diǎn)都進(jìn)行AI模型的本地部署。聯(lián)邦學(xué)習(xí)是一種機(jī)器學(xué)習(xí)框架，使多個(gè)設(shè)備可以協(xié)作學(xué)習(xí)一個(gè)模型，而無需共享它們的私有數(shù)據(jù)。這給醫(yī)療保健、金融等關(guān)鍵領(lǐng)域提供了大量機(jī)會(huì)，在這些領(lǐng)域，與其他組織或設(shè)備共享私有用戶信息是有風(fēng)險(xiǎn)的。然而，聯(lián)邦學(xué)習(xí)面臨著幾個(gè)挑戰(zhàn)：通信效率、數(shù)據(jù)異構(gòu)性、系統(tǒng)健壯性和隱私保護(hù)。其中一個(gè)關(guān)鍵挑戰(zhàn)是客戶端選擇，也就是在每一輪聯(lián)邦學(xué)習(xí)訓(xùn)練中分別選擇一部分客戶端參加?？蛻舳说倪x擇會(huì)影響聯(lián)邦學(xué)習(xí)的收斂速度、準(zhǔn)確性、公平性和可擴(kuò)展性。與客戶端選擇相關(guān)的一些客戶挑戰(zhàn)包括：?如何選擇具備高質(zhì)量且有代表性的數(shù)據(jù)的客戶端進(jìn)行聯(lián)邦學(xué)習(xí)訓(xùn)練？?在選擇客戶端時(shí)，如何平衡通信成本和模型性能？?在選擇客戶端時(shí)，如何保證客戶端的數(shù)據(jù)和模型參數(shù)的隱私和安全？?在選擇客戶端時(shí)，如何處理客戶端的動(dòng)態(tài)性和異構(gòu)性（例如可用性、可靠性、資源約束等?在選擇客戶端時(shí)，如何設(shè)計(jì)激勵(lì)機(jī)制，鼓勵(lì)客戶端參與聯(lián)邦學(xué)習(xí)訓(xùn)練？在協(xié)作學(xué)習(xí)中，所有站點(diǎn)與云模型共享其AI模型參數(shù)，云模型將其插值，并生成優(yōu)化的參數(shù)集，然后以服務(wù)形式將其部署在所有本地站點(diǎn)上。這樣可以在所有站點(diǎn)上都檢測到故障，雖然某些故障可能之前只在一個(gè)站點(diǎn)上發(fā)生過。一個(gè)明顯且非常重要的優(yōu)勢是，所有敏感的產(chǎn)品和工藝數(shù)據(jù)都保存在本地，只將AI模型權(quán)重與云模型共享，用于協(xié)作學(xué)習(xí)。雖然數(shù)據(jù)法案正推動(dòng)在工業(yè)數(shù)據(jù)空間進(jìn)行數(shù)據(jù)共享，但尚未制定出如何保護(hù)參與數(shù)據(jù)生態(tài)系統(tǒng)的合作伙伴產(chǎn)生價(jià)值的解決方案——仍無法解決行業(yè)擔(dān)憂。這就導(dǎo)致企業(yè)在利用如此重要的數(shù)字?jǐn)?shù)據(jù)上存在知識(shí)不對(duì)等的創(chuàng)新障礙，阻礙了數(shù)字化和價(jià)值創(chuàng)造。利用知識(shí)產(chǎn)權(quán)保護(hù)價(jià)值生成的方法將支持行業(yè)伙伴共享數(shù)據(jù)，從而在不披露敏感數(shù)據(jù)的情況下獲得聯(lián)邦服務(wù)的收益。由于共享生產(chǎn)的場景是基于自主產(chǎn)線L4的范式，所以該服務(wù)具有高度可擴(kuò)展性。此外，邀請(qǐng)合作伙伴參與，由于所展示的棕地方案通過5G連接實(shí)現(xiàn)傳感器的集成，從而進(jìn)行邊緣和云端分析，伙伴的傳統(tǒng)機(jī)器能夠獲得新的功能。所展示的質(zhì)量檢驗(yàn)服務(wù)涵蓋檢測表面缺陷（如凸起或凹痕）和違反產(chǎn)品資產(chǎn)管理殼（AAS）中所述的產(chǎn)品規(guī)格（如CAD文檔）的缺陷等。該解決方案旨在促進(jìn)數(shù)據(jù)主權(quán)、數(shù)據(jù)安全和數(shù)據(jù)互操作性，使組織在協(xié)作的同時(shí)保持對(duì)其數(shù)據(jù)的控制。在這種情況下，該服務(wù)的潛在用戶（買方視角）可以下載和使用該服務(wù)，并輕松使用自己生產(chǎn)線中的數(shù)據(jù)集。以符合Gaia-X工業(yè)4.0的方式提供質(zhì)量檢驗(yàn)服務(wù)（供應(yīng)商視角）就是借助AAS來描述質(zhì)量檢驗(yàn)服務(wù)（其特征、特性、屬性和能力）。根據(jù)檢驗(yàn)任務(wù)的不同，可能會(huì)使用額外的傳感器，或者融合不同來源的數(shù)據(jù)?；贕aia-X連接器，合作伙伴可以連接到相關(guān)的數(shù)據(jù)空間，并提供（供應(yīng)商）或使用（買方）基于AAS的軟件服務(wù)描述。這意味著可以在Gaia-X服務(wù)目錄中找到該服務(wù)，服務(wù)提供商可以通過圖16所示的市場提供這樣的軟件服務(wù)?？蛻艨梢赃B接到相關(guān)數(shù)據(jù)空間，可以瀏覽市場上可用的軟件服務(wù)，選擇一個(gè)符合其要求的軟件服務(wù)，下載（例如，作為一個(gè)Docker容器）并在自己的生產(chǎn)線中使用。所有這些操作都是在通過AAS提供的通用服務(wù)描述的幫助下執(zhí)行的。因?yàn)椤百|(zhì)量檢驗(yàn)”也是登記在市場上的一項(xiàng)服務(wù)，所以客戶可以下載該服務(wù)，或者如果該服務(wù)已經(jīng)在客戶側(cè)運(yùn)行，則只需基于全局聯(lián)邦模型更新模型權(quán)重。由于質(zhì)量檢驗(yàn)服務(wù)是基于聯(lián)邦學(xué)習(xí)算法，因此客戶也可以基于其本地?cái)?shù)據(jù)集進(jìn)行一輪額外的訓(xùn)練，從而提升模型質(zhì)量。在這個(gè)用例中，聯(lián)邦學(xué)習(xí)可以為多個(gè)