首页 > 论文范文 > 工程工业论文 > 工业综合论文 > 工业技术论文 > 基于人工智能制造业高质量发展对策研究

基于人工智能制造业高质量发展对策研究

2020-12-11 272 上传者：管理员

摘要：新一代人工智能技术的突破为制造业智能化升级提供了契机，有助于制造业提质增效、实现“由大到强”的跨越。本文分析了人工智能技术与制造业融合发展的可能切入点，并就政府在这一进程中的作用提出了建议。

关键词：
人工智能
企业竞争力
制造业
制造业体系
贸易保护主义
加入收藏

一、引言

制造业是立国之本、强国之基,从根本上决定着一个国家的综合实力和国际竞争力。令人欣慰的是,经过70余年的发展,中国已建成门类齐全的制造业体系,走出了一条具有中国特色的制造业发展之路。然而,我们也应清醒的认识到,中国制造业大而不强,整体上仍处于全球价值链中低端,与世界先进水平相比,在技术创新能力、资源利用效率、产业结构水平、信息化程度、企业竞争力等方面尚有明显差距(苗圩,2019)。随着中国人均GDP超过1万美元,国内制造业面临的劳动力、资源、环境等瓶颈性因素的约束加剧。此外,在一些领域,由于中国与发达国家间的技术鸿沟缩窄,传统的追赶型发展模式开始失去效力。不仅如此,随着贸易保护主义的抬头,中国制造业发展的国际环境日益恶化,一些西方大国正从技术与市场两个方向对“中国制造”进行挤压。从某种意义上说,中国制造业长期形成的,以规模扩张为特征的数量型增长模式已无法适应新时期的要求,亟待寻找新增长点,培育增长新动能,实现以效率提升为特征的质量型增长。

新一代人工智能(ArtificialIntelligence简称A.I.)是具有极强渗透性的技术,它在创造新行业、新业态的同时,也能在相当程度上赋能传统行业,重塑传统行业的生产、管理、销售流程。当前,中国制造业正面临着传统要素红利耗竭,比较优势衰减的局面。怎样借力新一代人工智能技术,实现由传统制造向智能制造的转型,进而实现高质量发展,无疑是一个值得深入研究的课题。

二、人工智能与制造业融合发展的可能途径

目前,新一代人工智能仍处于高速发展期,各种新思路、新方法不断涌现,但其技术脉络已清晰可辨,业界公认,深层神经网络即所谓“深度学习”(DeepLearning)构成了新一代人工智能的核心技术。一般认为,深度学习擅长从大批量、高维度的复杂数据中提取、挖掘隐藏的模式,其强大威力已得到包括机器视觉、机器翻译、电脑围棋等一大批项目的验证。基于深度学习的技术特性,我们认为,新一代人工智能与制造业融合发展至少存在以下三个切入点——

(一)对产品的创新与改进。

这是指企业利用人工智能技术开发新产品,或者为现有产品增加新功能。举例来说,广泛应用的“人脸识别系统”就是在A.I.技术支撑下的产品创新。如果没有新一代人工智能的突破,人脸识别只是一个幻想。目前,人工智能已渗入汽车、家电、通讯等各类产品中。在A.I.技术的赋能下,汽车正走向“自动驾驶”甚至“无人驾驶”;家电正变得更加“善解人意”;而手机更全面拥抱人工智能。可以预期,随着技术的进步,未来,将有更多产品实现“自动化”、“智能化”。值得一提的是,中国已进入老龄化社会,对养老、保健、护理类产品(服务)的需求将持续增加。众所周知,老年人行动能力较弱。这就对相关产品的自动化、智能化提出了更高的要求。从长期看,智能化养老、护理产品(服务)将形成巨大的市场蓝海。此外,须要特别指出的是,A.I.促进产品创新的途径并不仅限于为产品增加某项新功能,利用人工智能强大的数据分析能力,企业可以更好的了解消费者或客户的潜在需求,从而为产品创新提供更好的激励与指引。

(二)对生产工艺的改造与优化。

这是指企业借助人工智能技术对制造流程进行改进,主要涉及两个方向:一是用人工智能替代工人去完成某些特定的生产环节。现阶段,这突出表现为机器视觉在生产线上的运用。所谓“机器视觉”,就是用机器替代人眼进行观察和判断。机器视觉是新一代人工智能最成熟、最普及的落地应用。在大批量、重复性的劳动过程中,用机器代替肉眼不仅能节约人力投入,还能提高产品品质。举例来说,制造业生产线大多包含“检测”环节。传统的检测方式依赖肉眼去观察、判断某个元器件有没有瑕疵、是否光滑平整等等。目前,机器视觉已能胜任这一工作。富士康公司开发的机器视觉电路板检测系统,可承担数千名质检员方能完成的工作。机器视觉的另一项工业应用是”产品分拣”。在卷烟厂,烟叶原料往往会混入一些杂草。在加工过程中,必须把杂草与烟叶分开。食品、采矿、仓储、物流等许多行业都涉及这一流程。过去,产品分拣只能人工进行,效率低、成本高。目前,机器视觉已能承担产品分拣的工作。从长远看,随着技术的进步,A.I.将实现对人类感知能力(包括视觉、听觉、触觉等)的全面模仿与超越。最终,人工智能将推动生产过程实现真正意义的自动化、无人化。二是利用A.I.强大的数据分析能力,对生产线的运行过程进行干预、调节。这包含许多方面,以下是两种典型的应用场景。(1)故障预警与处理。利用A.I.分析生产线运行状态的历史数据,从中归纳出故障发生的征兆。一旦相关条件被触发,系统将发出预警,从而尽可能避免故障的实际发生。假如故障最终还是发生了,A.I.又能及时给出解决方案,甚至自动修复故障;(2)运行状态优化。工业生产线在运行过程中会产生大量实时数据(如,温度、压力、转速、化学浓度等等,即“工业大数据”,见下文),利用A.I.对这些数据进行分析,在此基础上对生产流程进行调整,从而达到节约成本、提高效率的目标。举例来说,光伏材料厂商天合光能与阿里巴巴集团合作对生产流程进行智能化改造。阿里团队利用A.I.技术构建模型,对产品制造流程、工艺参数进行分析,最终在丝网印刷环节找到了影响产品质量的关键因素,据此对生产工艺进行优化,良品率得到大幅提升。

(三)对企业整体运营状态的改进与优化。

这是指企业利用A.I.技术对公司的原料、库存、销售、人力资源、财务等环节进行调整、优化,包括供应链管理、营销管理、人力资源管理、财务管理等诸多方面。具体而言,利用A.I.分析供应链的历史数据,企业可以预测供应链网络的可能变化,发现供应链的薄弱环节,从而提前采取行动,降低风险;通过对历史销售数据的分析,企业可以预测消费者或客户需求的未来变化,为制定营销策略、调整库存目标提供有效依据;在人力资源方面,已有企业利用A.I.技术,对员工进行评价。亚马逊公司通过A.I.追踪仓库系统员工的工作效率,一旦系统判断某人长时间消极怠工,就发出警告;IBM公司开发了一套人工智能系统,通过搜集员工的行为数据,提前预判此人是否打算跳槽,进而向管理者预警。还有企业试图借助人工智能,改进员工与岗位之间的匹配度,实现人尽其才;在财务管理领域,人工智能可以从复杂的财务数据中发掘隐藏信息,为企业决策提供支撑。A.I.还可以帮助企业预警潜在的财务风险,规避某些可能的损失。

三、政策建议

要充分发挥人工智能技术的潜在优势,推动人工智能与制造业融合发展,政府部门应着力做好以下三个方面的引导工作。

(一)支持、鼓励工业大数据、工业互联网的发展。

工业大数据指的是:在工业生产过程中出现的,反映生产线运行状况的各类数据(如转速、能耗、温度等等),而工业互联网则是工业大数据搜集、存储、传输及处理的关键性手段,是实现人、机、物全面互联的新型网络基础设施。业界公认:新一代人工智能是一种数据驱动型技术。换言之,要在某一领域开发、部署人工智能,就必须向电脑输入大量数据(比如,AlphaGo就输入了16万盘人类棋手的对弈数据)。毫不夸张的说,“数据可得性”关乎人工智能系统的成败。越是拥有丰富历史数据的行业,越易于开发、部署人工智能系统。正因为此,工业大数据与工业互联网构成了人工智能与制造业融合发展的基石。目前,中央已将工业互联网列入新型基础设施建设(新基建)范畴,明确指出要加强该领域建设力度。近期,工信部发布了《推动工业互联网加快发展的通知》,为工业互联网建设提供了行动指南。在当前形势下,我们要坚持政府推动、市场主导、多方参与、开放合作的发展理念,深入实施工业互联网创新发展战略,推动制造业与人工智能在更广范围、更深程度、更高水平上的融合。

(二)加快引进和培养专业复合型人才。

人工智能与制造业融合发展,离不开大批既了解传统制造业,又熟悉人工智能技术的专业复合型人才。遗憾的是,在现阶段,此类人才极为稀缺,这已成为制约智能制造快速发展的重要瓶颈性因素。为补齐人才短板,一方面,政府要鼓励和支持相关企业及科研机构,在全球范围内通过各种渠道招才引智;另一方面,要根据智能制造企业的实际需求,及时调整相关高等院校的系科、专业设置,打造高层次学术交流、成果培育转化和人才培养基地,强化对“人工智能+制造业”复合型人才的培养。通过多种形式,满足制造业企业智能化升级的人才需求,为制造业与人工智能深度融合提供充分的人才保障。

(三)合理应对人工智能带来的就业冲击。

人工智能技术在制造业的推广应用,无疑将导致某些就业岗位的流失,从而可能引发结构性失业。为此,我们建议:1.对因受人工智能冲击而失业的工人,政府应及时提供职业培训、就业指导等服务,鼓励其转向新岗位。对因年龄、技能等因素,确实无法顺利转岗的人员,政府应予以救助;2.工资自由浮动可削弱新技术对劳动力的替代效应。为此,应强化市场机制对劳动力薪酬的决定作用,消除各种身份、户籍歧视,减少劳动力市场的运行摩擦;3.适时调整大专院校、职业学校的课程、专业设置,削减易受人工智能影响系科的招生规模;4.从历史经验看,技术进步在消灭某些就业岗位的同时,也会创造新工作、新岗位,从而不会对整体就业率造成长期影响。我们完全无须因担心失业加剧而限制人工智能技术的应用。

沈于.借力新一代人工智能,推动制造业高质量发展[J].今日财富,2020(24):18-19.