工业化+数据化：机器学习加持下的工业4．0

工业 4.0 概述

以前的人们在设想 2020 年的时候，总会加入很多带有科幻色彩的智能设备，比如家中有机器人做好服务，道路上乃至天上都是自动驾驶的汽车和飞机，视听娱乐的虚拟现实可以让人沉浸其中等等。虽然在 COVID-19 疫情的冲击下，这样的生活在 2020 年不会到来，但以此为愿景的工业 4.0 却并未停下脚步。
 
早在 2013 年，随着互联网和计算机技术的成熟与相关基础设施的逐步完善，德国率先提出了工业 4.0 的概念，即利用信息物理融合系统（Cyber-Physical Systems）全方位改进人们生活的新一代革命。这一概念随即被写入多个国家的发展规划，旨在用工业化与信息化结合的方法，在传统工业技术和服务业的基础上创造新的增长点。
 
工业 4.0 相关技术的发展和普及也如火如荼。软件方面，增强现实技术可以带来全新的视听体验，并且已经应用到了特殊职业（如警察、医生）的培训中；物联网技术调用传感器集群，实现对电器全方位的监控；工业网络安全技术的进展，可以及时监控进而避免黑客对企业网络的攻击。硬件方面，3D 打印技术让普通人也能快速制造任何设计；工业机器人的普及，会让产品的制造更加标准和高效。
 
工业 4.0 的典型场景

数据以及与数据紧密结合的机器学习技术是工业 4.0 的核心。数据从传感器中获得，经过互联网传递到云计算服务器，再用机器学习和人工智能算法进行分析，结果返回给服务终端或是工业机器人，完成整个工作流程。工业 4.0 的典型场景包括对用户的了解、产品的制造、产品质量的监控、产品的分发物流以及用户反馈，每一部分都有数据和机器学习的广泛参与。
 
用户画像

现在很多手机和电脑的软件已经在储存并分析用户数据，一些实体商店也会用射频识别芯片（RFID）记录用户的喜好，并用推荐算法等方式来分析用户数据，实现产品和内容的推荐和更新。而在工业 4.0 中，用户数据会被全方位地记录，比如用户的使用频率、偏好、方式、时段，记录媒介从手机 App 到家用电器，从办公用具到医疗器械。这些数据经过机器学习算法的分析，可以预测出多维度的分类标签，每个用户都会被多种标签描述，进而实现越来越准确的用户画像。
 
制造过程

用户画像带来非常直接的好处，即生产个性化的提升。类似当今用户在互联网上的浏览内容的个性化，在工业 4.0 时代，这些细化的用户画像会直接应用于产品制造过程，商家也会更容易地生产出符合用户需求的个性化产品。一些个性化的产品可以根据用户的数据预测而来，在无形中提供给用户更多可能。
 
不只是对生产决策的影响，制造流程中不同步骤的控制也会在工业 4.0 的万物互联和工业机器人的帮助下实现全自动化。生产流程中的每个步骤都会综合分析前面步骤的状态和产品需求，及时做出微调。在这样的智能工厂中，生产线的可控性和鲁棒性得以提高，工人的参与也从重复劳动变成对机器人的监管。电动汽车公司特斯拉（Tesla）从公司成立之初就致力于建设智能工厂，不仅生产线的装配由工业机器人完成，而且仓储、物资管理、订单与销售环节都高度智能化，这让这家汽车公司在全行业内科技含量和销售额都一枝独秀。
 
质量监控

除了对流程数据的分析和管控，机器学习与机器视觉技术的结合，可以自动完成大规模、高精确度的产品检测，对于人眼难以分辨的复杂缺陷尤其有效。由著名人工智能科学家吴恩达（Andrew Ng）教授领衔的人工智能算法公司 Landing.AI 近期推出了基于人工智能和机器视觉的气泡检测装置，用于检测设备中的气体泄漏。通过机器视觉系统，计算机可以十分精确地捕捉细小的气泡，进而判断气体泄漏的位置。其识别的错误率远低于工人肉眼识别的 30%平均错误率。再结合整个生产流程的数据，不仅可以快速定位到出问题的位置和生产线，而且大大降低了人工成本和识别错误率。
 
快速物流

生产过程的最后，还会为物流做出准备。工业机器人可以对产品进行自动打包，并在包装上打印包括产品信息、邮寄地址等二维码特异性的标识，为产品分发做准备。分发过程中，自动驾驶系统会发挥很大作用。预计在未来十至十五年内，以计算机视觉、机器学习、控制技术等为基础的自动驾驶技术可以实现全面商用，这样会使物流的传递更加简单高效，而且可以显著降低人力成本。电商巨头阿里巴巴的首批智慧机器人仓库已于 2017 年投入使用，其旗下的菜鸟物流已逐步实现刷脸取件、无人机派件等技术。2019 年末，菜鸟物流估值已达 2000 亿人民币，在未来物联网和自动驾驶技术的加持下，未来的“包裹找人”替代“人找包裹”指日可待。
 
服务与反馈

在用户端，产品的传感系统上传的数据可以被云端的机器学习算法分析，可以判断使用数据是否存在异常，从而实现对产品工作性能的实时监管。而当用户遇到使用问题时，训练好的人工智能系统可以高效地处理文字聊天、接听电话、视频连线等任务，使问题得以迅速反馈并及时解决。2018 年发表的 BERT 模型已经在聊天机器人领域超越人类，相关的应用已经在互联网巨头（如微软小冰、阿里小蜜、IBM Watson 等）以及新兴 AI 公司的产品中（如第四范式、科大讯飞等）占有一席之地。
 
工业 4.0 的特点

从上述几个应用中，工业 4.0 的特点得以展现，总结起来包含如下几点：
 
集成与互联

工业 3.0 下，通过互联网这一媒介，世界范围内的人与人之间得以快速连接。而在工业 4.0 中，各个硬件上都集成了传感设备，使机器与机器间可以通讯。比如在印染行业中，由管理系统作为生产系统的中心，协调整个流水线上的母液配置、染料定位、自动滴液、水自动供给、打样系统等，实现智能染色，极大地提高生产效率和产品的稳定性。再加上信息物理系统和云计算提供的机器学习引擎，可以真正实现万物互联，即人与人、人与机器、机器与机器、服务与服务的无缝连接。当“互联”成为常态时，从生产到服务的各个步骤，即设备、生产线、工厂、服务等可以紧密联系起来。
 
数据与数字化

在工业 4.0 中，信息化技术的引入使数据成为了工业生产的血液。这些数据包括生产和服务的方方面面，包括产品数据、设备数据、研发数据、供应链数据、运营数据、用户数据等等。一方面，数据对于训练和优化机器学习算法具有决定性的意义，另一方面在机器学习算法部署之后，算法也需要通过处理新产生的数据来控制生产流程。这意味着，生活和生产过程的各个方面要尽可能地实现数字化，即一切可以用合理的指标量化，否则就无法嵌入自动化系统。这要求数据科学家在设计流程的时候，充分考虑到现有的数据状态，有意识地引导系统收集合适的数据，同时设计出合理的指标。
 
精细化与个性化

工业 4.0 中，由于数据流的要求会相对细致，因此生产中的各个模块也会相应地越来越精细化。生产线上各个部分越来越模块化和细节化，也就让个性化的生产成为可能，能够更好地反映和预测用户的需求，使产品的“生产 - 销售 - 反馈”循环进入良性发展。
 
工业 4.0 的机遇与挑战

工业 4.0 带来了很多新的机会。虽然整个生产过程可以集成为一体，但是数据流程中的工作量可能分摊给多个部门甚至多家公司。因此，小公司在整个流程上的单点突破也会越来越有价值。同样一个智能设备，可以拆分出多种分类、分割、趋势预测等模型，以及数据传输系统、数据采集设备、数据反馈系统等等多个模块，每个模块又可以嵌入其他生产流程，比如数据采集设备可以与其他精密仪器生产过程共享生产线。由此，不同的小公司可以依托于工业 4.0，用自己的强项嵌入市场的不同维度。
 
根据现状预测，基础设施的建设在未来几年中将会是热门产业。无论是从去年到今年中美两国围绕 5G 技术的摩擦，还是各个互联网公司在近年来陆续建立的属于自己的云计算平台，都表明工业 4.0 中基础设施对保障企业利润和国家安全的重要意义。另外，数据也是另一种形式的基础设施，拥有大量数据的互联网巨头将会占据更多的机会，但小公司也可以投身于寻找生产线中和生活中尚未被数据化的部分，这样的机会在数据化不到位的行业（如传统重工业）和数据尚未得到良好运用的行业（如医疗）尤为突出。
 
工业 4.0 对数据化和机器学习技术的需求，也是传统大公司正在面临的挑战。现阶段的大公司依赖的主要是大规模工业生产，那么把传感系统、物联网系统加入生产线需要投入相对多的成本。大公司还需要把机器学习技术引入到生产线和产品设计中，这需要人才的输入和管理方式的革新。机器学习技术近年来热门的现状，使公司在决策时会陷入对“智能”的痴迷，这对决策者的辨析能力也提出了新的挑战。
 
当工业 4.0 渐渐走入人们生活，很多现在还未知的新应用将逐渐成长起来。当物联网真的可以进入千家万户时，当自动驾驶实现大规模部署时，人类将会从现在的大量重复劳动中解脱出来。那么在工业 4.0 的影响下，未来的职业是否会集中在计算机行业或者数据分析行业？人们是否有更多空余时间等待填补？人和人、人和机器的关系又会怎样发展？我们即将进入 21 世纪的第三个十年，虽然这些问题人类还难以回答，但确定的是，工业 4.0 会是未来发展的一大主题。