与“工业4.0”的零距离接触:德国经验告诉我们些什么?

发布者:RadiantEnergy最新更新时间:2017-05-28 来源: eefocus关键字:柯洁  AlphaGo  DeepMind  人工智能 手机看文章 扫描二维码
随时随地手机看文章

这些天柏林正举办“2017亚太周”,期间有多个与创业创新有关的活动,颇受投资者瞩目。在亚太周的诸多论坛上,多个在中国国内时兴的话题轮番上阵:譬如智慧城市、人工智能(AI)、机器人、网络游戏,还有“工业4.0”。笔者挑出“工业4.0”的概念,并且零距离参观了位于德国柏林的智能生产实验室,借此分享参观心得,以飨读者。

弗劳恩霍夫(Fraunhofer)协会

本次“工业4.0”的展示由弗劳恩霍夫(Fraunhofer)协会举办。他们是德国也是欧洲最大的应用科学研究机构,成立于1949年3月26日,由德国科学家、发明家与企业家约瑟夫·弗劳恩霍夫的名字命名。该协会旗下下设80多个研究所,研究领域横跨通信技术、纳米科学、智能分析与集成电路等多个前沿科学领域。其总部位于慕尼黑,在亚洲有多个办公室,在中国仅在北京设有代表处。他们帮助企业开发新技术与新产品,与多个高等院校的教授与研究生合作项目,年经费逾10亿欧元,2/3来自企业和其他委托项目,1/3来自联邦州政府。

 

 

图:位于德国柏林的弗劳恩霍夫智能制造实验室内景:汽车组装车间。

 

 

图:位于德国柏林的弗劳恩霍夫智能制造实验室内景:3D打印自行车。

无疑,当人们一提起“工业4.0”,一定会想起制造业重镇德国;但他们不一定知道,德国的“工业4.0”前沿研究,就在弗劳恩霍夫协会。

工业4.0

很多人都在谈论这个概念,但并不是所有人知晓其中的本质为何。“工业4.0”,简而言之,即第四次工业革命,区别于蒸汽动力的第一次工业革命、电力生产的第二次工业革命和电脑应用的第三次工业革命,工厂的智能化生产是它的最大特点。

 

 

可以想象吗?如果你家的吸尘器因为房子内部装修的问题总磨损某一个零件,或者在某一个地方需要特别的加固,安装在吸尘器上的感应器就会自动收集现场数据,通过网络将数据输送给工厂的机器,负责制造的机器在收到指令后与其他生产零件的机器沟通,在调整了参数之后,一台专门适合你家地形的吸尘器便可以制造出来了。也许在一周之内,你就收到了你专属的吸尘器了。在整个过程中,没有人员的参与,从提出要求到制造出符合条件的产品,全部由机器之间的互相沟通与协作完成。这就是“工业4.0”,很可能在不久的将来实现。中国政府正积极推动的“中国制造2025”,就是朝着这个方向在努力。

而“工业4.0”对整个供应链的影响,必将是革命性的。因为全球化的大发展,企业在全球采购原材料,确保最佳的性价比;在全球寻找生产区位,以使得劳动力、运输、生产成本与市场因素达成最佳匹配。现在的供应链竞争日趋激烈,“即时供货”(just-in-time)才能令企业在竞争中立于不败之地。不过这样的供应链环环相扣,也同时拥有着及其脆弱的结构。一旦发生不可预知的事件,比如2011年的日本“311”大地震,整个供应链会很快被波及,导致生产停滞,甚至无法恢复。与此同时,现存的供应链无法对客户的需求变化做出积极的应对。因为存在着“牛尾效应”(Bullwhip Effect),下游的一个很小的波动,会对上游的供应商带来巨大麻烦,调整的成本也是巨大的。在“工业4.0”的情境之下,客户的一个小需求,可以立即传递到与变化相对应的一环,而机器之间相互沟通与协作,能够随时做出调整而不影响原来的生产结构,实现自由度的最大化。

为什么机器之间可以快速沟通?是因为“云端”的存在。“云计算”成为可能,令所有的信息都可以储存在共有的云端,而供应链的每一步,都可以与共同的“云端”保持密切沟通,摒弃了以前制式化、程序化的操作方式。

而各个机器身上与云端沟通的“大脑”,就是一个叫做eGrain的微型芯片。对产品的第一代编码,是条形码取得成功的结果。条形码令产品相关的信息变得可读,并储存在电脑中,这样每一个产品就有了“身份证”。第二代的发展是RFID(射频识别)技术取得进步的结果。这个技术进步的关键是令产品可以无线识别,不再需要之前条形码的近距离光学扫描了。而eGrain就是更进一步的发展了。它的存在的最大特点是产品与产品之间可以相互沟通,装载它的产品或者机器部件可以定位自己并且主动发出信息,而其他部件上的eGrain在收到信息后经过计算,就可以调整下一步的动向。可以说,根据环境信息自动做出行动决定,是“工业4.0”的技术特征。

 

 

图:产品识别的三代技术进步。讲者来自弗劳恩霍夫协会。

“工业4.0”令制造业重新回归德国?

十九世纪及以前的制造业,还处于手工作坊阶段。那时候虽然作坊可以根据客户的具体喜好生产个性化的产品,但产量及其匮乏。在上个世纪50年代以后,技术的进步使得规模生产成为可能,于是在标准化作业的条件下,人们可以享受到物质产品的丰富,但个性不足,产品与产品之间没有区别。1980年代以后,在规模化量产流行的同时,工业领域开始追求个性化设计与生产,譬如汽车组装流水线的灵活设计,可以随时组装不一样的产品。2000年以来,工业生产开始迈向区全球化、区域化与个性化的走向。

中国在改革开放之后,借着廉价劳动力的优势,积极吸引外资,逐步成长为“世界工厂”。放眼世界,“中国制造”的影子无处不在。不过在近些年来,由于中国最低工资标准的提升,一些劳动力密集的加工制造业开始外移,大量工厂迁向越南、缅甸、泰国和孟加拉国。一方面是工资的快速上涨令制造业成本大幅增加,另一方面是工厂普遍出现“用工荒”。很多人不再愿意走进珠三角的厂房,忍受恶劣的劳动条件和不理想的劳动报酬。这恰恰是经济学上的产业转移理论。制造业由西方国家转移到中国,再由中国转移至东南亚地区。

长期以来的制造业外移,在西方国家也产生了制造业空心化和工作职位流失的问题。美国总统特朗普的成功,就是受到大多数美国中部州的选民支持。而那些州,正是受到了制造业外移的打击最为严重。所以,特朗普一上来,就开始威胁汽车制造企业如丰田等,称如果其将汽车组装厂房迁移至邻国墨西哥,就会对其出口至美国的汽车惩罚性征收关税。这种“威胁”不仅令美墨两国关系紧张,而且引发对全球化、自由投资问题的担忧。

不过根据弗劳恩霍夫协会的说法,“工业4.0”可令制造业岗位重新回归德国。举例来说,运动鞋生产商Adidas早在2015年就开始在德国南部的巴伐利亚州安斯巴赫市(Ansbach)成立High Speed Factory (快速工厂),该工厂基本由机器人负责制造运动鞋,令很多鞋类制造商关闭了位于亚洲的厂房,而将目光重新投放回德国。据德国媒体的报道,整个生产车间占地4600平方米,在那里机器人可以24小时快速高效地完成工作。智能生产不仅令制造成本下降,而且可以在出厂产品上贴上“Made in Germany”的标签。如果在德国的实验成功,Adidas将会把厂房扩展至法国、英国与美国。有意见认为,这样的自动化工厂可以令德国制造业岗位增加,把就业机会带回来德国;不过,整个智能化生产的趋势,是机器取代人力劳动。所以,制造业回归无疑,但劳动力岗位是否增加,还真的有待进一步的观察。

 

 

图:Adidas位于安斯巴赫市的机器人制鞋工厂:机器人装备了3D打印技术,生产的运动鞋完全符合客户的个人尺寸与需求。

“工业4.0”领域的中德合作

Adidas把自动制造运动鞋的工厂搬回了德国,那么作为全球运动鞋制造工厂的中国应该如何利用“工业4.0”的趋势,实现自我竞争力的转型升级呢?与德国在技术方面的紧密合作,无疑是目前中国从政府到民间的基本策略。师夷长技以自强,师夷长技以制夷。

 

 

图:中德两国总理见证下签署合作协议。

2015年中国与德国签订“工业4.0”合作协议,成立“中德智能制造研究院”(SGIMRI)。合作计划由2016年开始至2021年止,合作的内容包括管理训练和策略发展,成立一家智能生产工厂,计划与设计、建设与管理一家展示中心,向私人企业与地方政府机构发展服务业。而此项合作的专业咨询机构正是弗劳恩霍夫协会。目前成功合作的项目代表,就是位于广东省揭阳市的“中德金属集团有限公司”。根据网页上的公司介绍,公司就是在为“一带一路”、“中国制造2025”,“集团面向全国,对标德国,布局欧洲”,“为中德(欧)高新技术合作产业新城投资、运营、管理等提供一体化解决方案。”建设中的“中德金属生态城”是两者之间的研究平台与合作中心。

前景与隐忧

“工业4.0”前景一切美好,不过也有一些棘手的问题。除却了技术条件有待测试成熟之外,大量的资本投资是“工业4.0”成功与否的关键。“工业4.0”需要大量IT技术的支援与投入,是绝对的资本密集型领域,这对众多的中小企业来说是天然的屏障。所以在一开始,很多中小企业就直接出局,因为或者投资无以为继,或者盈利效果成效不彰。另外一个巨大的隐忧绝对是网络安全问题。前一段时间席卷全球的“想哭”勒索病毒着实给大家上了一课。将来“工业4.0”所有沟通是通过云端与大数据处理完成的,一旦云端安全出了问题,其传染程度无异于“想哭”勒索病毒的升级版。所以说,网络安全方面的投入,也将成为真正实现“工业4.0”的又一个需要解决的问题。


关键字:柯洁  AlphaGo  DeepMind  人工智能 引用地址:与“工业4.0”的零距离接触:德国经验告诉我们些什么?

上一篇:从工业机器人到物联网,全面解读中国智能制造产业链
下一篇:又一个被物联网拯救的技术,电子纸迎来第二春?

推荐阅读最新更新时间:2024-05-03 01:12

数据先行迎难而“下” 这才是AI革命的正确打开方式
在“M-TECH主题论坛”苏州站会议中,无论是专注于前端成像芯片的眼擎科技商务总监代勇,还是致力于人脸识别研发与服务的云从科技高级副总裁孙庆凯,都不约而同得谈到了一个话题:怎样让AI技术真正落地,为整个产业赋能? 智能的开始,源自应用场景的“数据” 提到“智能”,AI领域的标志性人物Michael I. Jordan就曾直言不讳地给出否定:“我不喜欢用‘智能’这个词,我认为我们现在还没造出‘智能’,也不知道‘智能’是什么。” 尽管“智能”一词盛行,但要在真正意义上实现它,并不容易。以发展成熟的智能音箱为例,连美国官员都在吐槽其“智障”。显然,用户用实际态度告诉我们,现在的AI产品还没有达到我们心中对“智能”的定义。这也导致了
[机器人]
盘点2017年人工智能领域关键词
人工智能定义可以分为两部分,即“人工”和“智能”,在计算机领域内得到了广泛的重视;并在机器人、经济政治决策、控制系统、仿真系统中得到应用。2017年,随着其智能化的趋势特点,人工智能犹如雨后春笋,强势映入人们的眼球。盘点过去,着眼未来。2017人工智能几大领域关键词你了解多少?      芯片     据人工智能协会发布的《中国AI创新应用白皮书》显示,从1986年到2007年,全球单日信息存储能力增加了约120倍,在数据生成量方面,预计到2020年,将达到44ZB,是2009年的44倍。数据量的成倍增长,伴随的是芯片行业的蓬勃发展。     在这条赛道上,有智能设备厂商、云计算厂商、传统芯片厂商。
[安防电子]
缺少独立NPU的AI芯片,或许将错过一个真AI手机时代
最近几个月,AI芯片一度成为手机圈热词。各大手机厂商也纷纷蜂拥而至,奏响了属于AI芯片的命运交响曲。而业内也一致认为,AI芯片将成为众多上游厂商的新发力点。 不过,作为传统移动芯片“老大哥”的高通却在新趋势面前表现乏力。不仅后发而至,且其旗舰级芯片骁龙845因缺失极为重要的独立NPU单元而饱受行业诟病。 或许,一直深陷舆论漩涡的高通,颓势终于显现在了最重要的芯片产品上。笔者认为,错失了提前布局AI产业的机会,没能跟上AI芯片的浪潮,将让高通很“芯痛”,甚至可能错过一个手机向前推进的关键节点和全新时代。 步入全新时代,独立NPU不应缺失 当下,手机行业遇到了多重问题:增量触及天花板且呈现下行趋势、利润贴地飞行、技术创
[半导体设计/制造]
人工智能巨浪来袭,资本向终端靠拢
人工智能 的巨浪来袭,一大波商业机会应运而生。   历经多年的发展,随着ICT等基础设施越来越发达, 云端计算 将被强化,亦有多家 互联网 巨头杀入这一市场。但对于新入场的创业者和投资人来说——巨头们的「王者通吃」效应,以及成熟公司的奇高估值,已将他们拒之门外。   云端的机会已越来越少,而通过越来越多的先进演算法,越来越强大的终端侧计算性能,以及网路连接能力的高速发展,工作负载也可以在终端侧执行。   Gartner的数据显示:未来5年智能手机的出货量累计将达85亿部。已经发生的现实是,在2016年全年,全球智能手机市场共出货14.7亿部。根据高通的预判,移动终端将成为全球最普遍的人工智能平台。   未来,终端侧人工智能将迎来巨
[嵌入式]
大模型时代的AI之变与开发之根
自2018年谷歌发布Bert以来,预训练大模型以强大的算法效果,席卷了NLP为代表的各大AI榜单与测试数据集。随着产学研各界的深入研究,大模型在AI产学研各界的地位得到不断加强。到2021年,我们可以看到各大学术机构、科技企业都在打造自己的大模型,并且将其能力边界、技术路径进行了极大拓展。 有人认为,AI大模型的到来让这项技术完成了从实验室到工业化集成的转变。如果说过去的AI开发需要手工作坊模式的调参、调优、数据积累,那么大模型则预先集成了海量数据的训练效果,企业与科研用户拿到手中就是一个“智力”强大、效果客观的完成品。于是极大程度节省了重复开发成本,降低了开发门槛。 大模型的价值涌现出来,下一个问题随之诞生:打造大
[嵌入式]
大模型时代的<font color='red'>AI</font>之变与开发之根
如何教育AI这个全球科学家共同的小孩?
微软AI的最新发展 什么是数字化转型?例如,搜索引擎就是图书馆的数字化转型。搜索引擎不仅改变了人们获取信息的方式和速度,还催生了像搜索广告这样每年千亿级的商业模式。在这样的环境中,AI 将成为数字化转型的催化剂,赋能企业和员工,优化流程,连接客户,实现企业和产品的转型升级。 麦肯锡全球研究院最近的报告中,对三类受访公司的利润率进行了比较分析。一类是积极采用 AI 的,另一类是有所保留采用 AI 的,第三类是尚未采用 AI 的。研究结果显示,积极采用 AI 的公司利润率明显高于行业平均水平,在某些特定的行业,如医疗健康、金融等,利润率甚至高出 15% - 20% 。这些数字告诉我们,AI 在商业领域的应用效能有多大。 微软坚信一
[机器人]
台积电亚利桑那州第二座晶圆厂制程工艺升级至2nm 是为AI相关强劲需求
据外媒报道,台积电本月8日在官网宣布,他们在亚利桑那州建设的第二座晶圆厂,制程工艺将由最初计划的3nm升级为更先进的2nm,量产时间也由2026年推迟到了2028年。 对于将第二座晶圆厂的制程工艺由最初计划的3nm提升到2nm,台积电CEO魏哲家在一季度的财报分析师电话会议上也作出了回应,他表示是为了支持AI相关的强劲需求。 在OpenAI训练的人工智能聊天机器人ChatGPT大火之后,谷歌、Meta等科技巨头们加大了在生成式人工智能、大语言模型研发和应用领域的投入,对英伟达H100等高性能算力芯片的需求也大幅增加,亚马逊、Meta也在自研用于人工智能训练的芯片,对芯片代工的需求也随之增加。作为当前全球最大的晶圆代工商,台积电在人
[半导体设计/制造]
人工智能历经60年仍未普及 运算效能成重要挑战
   人工智能 (Artificial Intelligence, AI)无疑是科技圈近来最火爆的话题,不过对于AI这个提出已经超过60年的概念,能否在第三波浪潮中解决算法、计算效率、数据等问题实现普及成为了业界关注的焦点。为加速 人工智能 的落地与普及,我们看到谷歌、英伟达、英特尔、高通等巨头纷纷从处理器入手,解决重要的计算效率问题。当然,为解决计算效率问题也给芯片IP授权商带来了机会与挑战。那么,IP授权商如何加速 人工智能 的普及?下面就随网络通信小编一起来了解一下相关内容吧。   历经60多年 人工智能为何仍未普及?   CEVA分部营销总监Yair Siegel在接受《华强电子》记者采访时表示:“就AI的梦想而言,
[网络通信]
小广播
最新嵌入式文章
何立民专栏 单片机及嵌入式宝典

北京航空航天大学教授,20余年来致力于单片机与嵌入式系统推广工作。

换一换 更多 相关热搜器件
电子工程世界版权所有 京B2-20211791 京ICP备10001474号-1 电信业务审批[2006]字第258号函 京公网安备 11010802033920号 Copyright © 2005-2024 EEWORLD.com.cn, Inc. All rights reserved