2022年3月30日，世界经济论坛公布了第8批全球“灯塔工厂”名单，新加入了美的集团、海尔智家以及京东方等13家公司的工厂，也使得中国智能制造“领路人”达到了37家。
这些企业分布在汽车、家用电器、钢铁制品、医疗设备、制药、工业设备等多个领域，在业务流程、管理系统、运营系统以及供应链管理等方面，深度融合运用数字化技术、系统集成技术、智能制造装备和工业互联网技术，大幅提高了劳动生产率、减少了质量缺陷、缩短了交货周期、提升了客户满意度。
比如，京东方通过构建全自动生产系统，广泛采用人工智能和先进分析技术，福州生产线单位成本降低34%，整体产量增长30%；通过搭建AI驱动的能源管理系统，产线单位电耗大幅下降39%，单位水耗下降27%。
他们在智能制造领域的成功探索经验，正在启迪着越来越多的后行者。
智造实践，从顶层设计到具体实施
以智能化水平提升制造业的竞争力，打造新一轮产业变革中的国家实力，并应对当下气候变化和人口老龄化的时代挑战，已经成为世界各国在新一轮工业革命中的施策要点之一。
图片来源：intel官网
作为制造强国建设的主攻方向，智能制造关乎我国未来制造业的全球地位，对构建新发展格局，建设数字中国更具有重要意义。从十八大报告提出“用信息化和工业化两化深度融合来引领和带动整个制造业的发展，把智能制造作为两化深度融合的主攻方向”，到《中国制造2025》提出“2025年，制造业重点领域全面实现智能化，试点示范项目运营成本降低50%，产品生产周期缩短50%，不良品率降低50%”，再到《“十四五”智能制造发展规划》提出”紧扣智能特征，以工艺、装备为核心，以数据为基础，依托制造单元、车间、工厂、供应链等载体，构建虚实融合、知识驱动、动态优化、安全高效、绿色低碳的智能制造系统，推动制造业实现数字化转型、网络化协同、智能化变革“，从顶层设计到具体实施做了全面部署。
在政策支持、技术发展和市场需求推动下，5G、大数据、云计算、人工智能向制造业加速融合渗透，特别是钢铁、汽车、装备、电子、石化等工业行业领域，融合创新、交叉创新不断深化，推动了制造企业在瑕疵检测、精密加工、时序预测、园区管理等方面的绩效提升。工信部数据显示，在供给能力方面，智能制造装备国内市场满足率超过50%。在推广应用成效上，试点示范项目生产效率平均提高45%，产品研制周期平均缩短35%，产品不良品率平均降低35%，离散型智能制造、流程型智能制造、网络协同制造、大规模个性化定制、远程运维服务等新模式新业态不断涌现。
在企业端，电池工厂中首个获评全球“灯塔工厂”的宁德时代，瞄准了电池生产中瑕疵检测的“实时性”和“准确性”两个关键需求，在大数据分析和人工智能算法的支持下，将产品缺陷率从PPM（百万分之一）级别降低到PPB（十亿分之一）级别。
这些“灯塔工厂”如此强大的竞争力之本，一是其看得见的雄厚技术研发和生产能力，二是支撑智能制造的强大信息化系统。这样的信息化系统，可快速精准地采集源自产线的实时数据，形成控制、管理和分析能力，进而实现生产、质量、批次、追溯等一系列的管理功能。
作为“灯塔工厂”的代表之一，宁德时代是如何基于自身的业务需求，建立起强大的信息化系统，开启智能制造时代之潮的呢？
找准突破点：AI“进厂”实现量质双升
随着机器视觉及物联网等技术的蓬勃发展，走在时代前列的制造业企业正在以既有的IT架构为基础，结合前沿科技，通过拓展方案打造智能工厂。
在2021第五届全球智能工业大会上，香港中文大学终身教授、国际电气与电子工程师协会会士、思谋科技董事长/创始人贾佳亚教授说，智能制造的核心在于“智能”：智能并不是简单的自动化，智能是要让制造拥有“大脑”和让大脑决策的各种神经系统，只有拥有了聪明的“大脑”，才能最大化发挥自动化“手臂”的作用——而AI正是让制造拥有会思考的工业机器设备的核心因素。
图片来源：intel官网
智能分拣、智能故障预测、AI表面缺陷检测乃至智能化品控、时序预测……这些应用彰显了AI在制造业的不同阶段和领域中发挥的关键作用，因此也成了近几年智能制造落地典型的案例。
以前述企业——宁德时代来说，其基于全球市场需求持续增长而来的产能和质量提升的诉求，催发了AI动力电池缺陷检测解决方案的需求。这样的解决方案既要能满足总部逐层管控的要求，还需要具备更高效的实时缺陷检测能力，即在图像处理速度上实现单工序400FPS以上且达到零漏检的目标。
瑕疵检测是一项高度精细，且较为耗时的工程。传统的人工瑕疵检测方式不仅速度慢且准确度较差，而传统数字图像处理技术泛化能力差，需要根据每个机台进行参数适配且与分工厂及总部脱节，缺乏整体部署管控能力，处理能力不能与持续增长的市场需求相匹配。
“当宁德时代与英特尔交流这样的困惑时，他们明确提出两个需求，一是通过抓取到不同生产线上的图片、以实时的图像数据分析做到电池生产时的产品缺陷检测，二是希望英特尔协助他们建立一套统一的AI平台，能够把缺陷检测的实时性和精准度做到更高。”英特尔公司中国区行业解决方案事业部客户主管吴之晶这样说道。
在此之前，宁德时代已在电池产品制造工厂的每一条电池生产线上都部署了多个摄像头，每秒钟即可产生数百张图片，而一个厂区至少有十几条生产线，所以一个厂区每一秒就有几千张甚至上万张图片产生。因此，宁德时代急需导入一套技术方案，来对上述海量图片进行实时分析和处理，以判断生产过程中是否有产品缺陷，从而解决质量控制上的行业难题。
几经考察，宁德时代选择了导入集成AI加速能力的新一代英特尔®至强®可扩展平台产品组合，构建起了一套横跨“云-边-端”，融合计算机视觉（CV）、深度学习（DL）和机器学习（ML）技术的 AI 电池缺陷检测方案。
工业视觉平台是这个全新AI缺陷检测解决方案的核心系统，其以集群形式来搭建，“云平台”在宁德时代总部，“边缘”系统设立在分工厂，“终端”设立在生产线，不仅便于统一管控，还可以通过分布式部署来减缓处理压力。
但分布式推理经常会遭遇衔接不畅的问题。为解决这个问题，宁德时代的选择是，以统一的大数据分析及 AI 平台来应对，同时选用了面向英特尔®架构优化的PyTorch深度学习框架进行 AI 处理，以及英特尔开源的OpenVINO™工具套件来进一步加速 AI推理性能。
正所谓好马配好鞍，先进的AI软件优化技术及工具，也需要搭配优秀的硬件基础设施才能发挥出最大价值——宁德时代在英特尔的支持下，在“端”处采用了英特尔®酷睿™i5/i7系列处理器，来构建工业视觉平台系统；在“边缘”推理模块及“云”中心的训练模块，导入英特尔®至强®可扩展平台，来为更复杂的训练和推理，以及总部的统一数据管理提供更强的算力和存储支持。此外，英特尔还针对宁德时代“CV+DL+ML”混合模式的创新型缺陷检测方案，在其选用模型、训练方法、数据标注及模型调优等方面提供了全面支持，使基于AI技术的缺陷检测方案进一步提升了训练准确率，并使检测准确率和瑕疵找回率都超过了99%。
尽管这些成果已足以支撑宁德时代在业界的标杆地位，但是AI为其带来的优势远不仅于此。吴之晶表示：“以往我们分享宁德时代的AI案例，更多是从检测准确度的角度和提高良率的角度来说。其实，通过端边云的全方位算力部署，宁德可以对生产过程中每个细微环节进行及时的检测，从而可以发现很多以前忽视的，可能造成安全事故的隐患。因此宁德时代可以在提升良品率的同时，合格品的品质也得到很大幅度的提升，使得通过检测的电池变得更安全、更可靠。很多车厂评估后，强烈要求宁德加大AI检测的部署力度，并表示以后会只考虑采购AI检测后的电池产品。这对宁德来说虽然是甜蜜的烦恼，但也同时证明了AI检测的价值。”
如果说，表面瑕疵检测还多是聚焦于外观的智能视觉筛选的话，京东方进一步归因且从根源上进行品控，则彰显了AI加持下的智能制造的进一步深入。基于云边协同新架构的大数据不良根因分析系统，京东方打造了全新的智能化品控解决方案，大幅提升了产线效率并降低了损耗，带来了56%的效率提升。同时，基于工业互联网的供应链协同系统，产线的准备和协调时间从24小时缩短到了1小时。
“利用边缘计算和云边协同，让我们工业互联网解决方案中的数据预处理、瑕疵检测和不良品管控等应用在生产一线的降本增效中发挥了更大作用，也为我们快速从疫情中恢复产能提供了强有力的支撑。这其中，来自英特尔的高性能处理器平台和软件加速库，为新方案、新应用的部署和运行提供了可靠的支持，欣喜于智能化方案带来的巨大收益。”京东方智能工厂解决方案技术专家李昭月如是说。
而基于时序数据的智能化预测方案的引入，则是通过关键数据的采集以及变化，从另一角度实现了生产精度的提升和产能的优化。传统上，电力企业会根据历史资料以及人工经验进行功率预测，但往往准确率低、波动性大。基于英特尔®至强®可扩展处理器和英特尔开发、开源的统一大数据分析和AI平台——BigDL，金风慧能在云端搭建了多模型组合的新能源智能功率预测方案，不仅可根据需要形成多种棤型组合方法，且能不断用边（气象站点）和云（气象网络）的最新气象数据对子模型不断进行训练，以快速的迭代能力提升预测系统的准确率。金风慧能在全国多个光伏测试场站的实地测试结果表明，新方案在预测准确率上超越了原有方案的59%，达到了79.41%，可帮助场站有效减少弃风和弃光率，从而显著降本增效。而且更重要的是，方案还可以通过调度系统合理调整和优化下一步发电计划，有效改善电网调峰能力，以及提升整个电力供应链的稳定和安全水平。
从瑕疵检测到不良根因分析，再到对新能源功率的预测，企业对于智造的理解与应用步步深入。此外精密加工、园区智能管理、企业智能管理决策……类似这样的IT（Information Technology，信息技术）与OT（Operation Technology，操作技术）深度融合下的智能应用场景也越来越多，不少企业开始由此生发成自己的竞争优势，并逐步迈向多样化、定制化、柔性化的生产，推动制造业走向智能化的全面变革。
创新从点到面：打通智造全流程
走向智能化的全面变革，意味着企业要实现制造全流程的智能化，这可分为三个层次，在管理决策层，把与生产计划、物流、能耗和经营管理相关的ERP、SCM、CRM等系统以及与产品设计技术相关的PLM系统放在一起并与服务互联网紧密相联。在生产管理层，以智能工厂为核心，通过信息物理系统实现生产设备和生产线的控制、调度、优化等相关功能。从智能物料供应，到智能产品的产出，贯通整个产品生命周期。在生产操作层，通过物联网技术，完成各种传感、控制、执行任务，实现智能制造，从而实现“超级透明、超级柔性和超级智慧”的全流程智能制造。
图片来源：intel官网
全流程智造，这意味着企业数据量的持续爆发，数据类型的日益多元，数据统一管理平台建构的迫切，就需要利用数据湖、工业互联网等方案覆盖、连通广泛的数据源，为敏捷处理数据、提升洞察力提供现实技术实现路径。
通过数据湖，可以对任意类型数据进行存取、处理、分析、传输及用于机器学习算法，以获得与企业运行相关的洞察力，挖掘出很多之前所不具备的能力，构建数据湖的策略就进一步成为企业完善IT基础设施的必选项，从而实现数据在产业上下游以及企业内部的全流程打通，推动智能制造实现从点到面的产业串联。
“数据湖已经成为企业数据应用创新的标配。”阿里巴巴集团副总裁，阿里云计算平台事业部负责人贾扬清就提出如此建议。
前文所述的宁德时代也深谙数据对智能化生产运营的关键作用，为变革以往工厂营销、研发、供应等每个部门独立进行数据分析的模式，正在探索如何基于开放架构的数据湖方案来构建数据中台，从而更加广泛和高效地采集和积累产线上的实时数据，并打破传统竖井架构造成的数据孤岛，让各产线、各部门的分散数据全面联结，实现互通互用，以更好地满足不同部门不同数据科学家的需求，也为建设更绚烂、更现代化的数字孪生工厂提供全方位的底层资源，也就是数据基础。此外，它也期待继续引入新一代的基于英特尔®架构平台，如至强®可扩展处理器和傲腾™ 持久内存产品组合，来优化数据中台的运行速度，以进一步增强数据分析和决策支持能力。
与此类似，在京东方依托其工业互联网架构，利用人工智能和大数据等技术，尤其是采用英特尔®至强®可扩展处理器、OpenVINO™工具套件在内的一系列具备出色计算和AI加速能力的软硬件产品和技术，构建云边协调能力，高效衔接产业链上下游，采集、处理和智能分析生产数据，实现生产经营中围绕人、机、物等关键环节的互联互通，并通过对整个生产链条中各项数据进行分析和智能决策，然后再不断优化生产环节，让每一次生产都能健康、低耗、高效地进行，也为其应对突如其来的疫情，快速恢复产能提供强有力的支撑。这为其他制造业同行利用数字化、智能化方案灵活应对市场迅速变化等带来的不确定性，以及提升产能和品质等需求提供了一份颇具价值的参考样例。
智造普及：后行者如何破局？
“灯塔工厂”们借助创新技术在智能制造之路上日益深入，以惊人速度向前演进，对于传统企业尤其是中小企业来说，他们的经验有何复用之处？这些中小企业又该如何构建起适宜的基础设施，来支持数据处理、即时性更高的数据分析，且能降低基础设施的整体TCO？
对此，英特尔公司市场营销集团副总裁兼中国区行业解决方案部总经理梁雅莉建议：“首先是要在战略层面要审视大局，要深化信息化思维，不要仅仅把数字化和智能化的平台或技术当作一种手段或工具，来对现有业务进行锦上添花或铺助式的改造，而是要从数智化提供的能力和机遇的视角，来重新思考和规划发展方向或重心。其次是要在执行或实践中要有切实可行的计划，要建立好数字化转型的基础，特别是IT基础设施的建设。业务上可以从自身最具创新性和竞争力的核心产品、服务或业务出发，从内向外逐层展开。打通基础设施、数据和应用资源。同时，将这种数智化的转型和升级突破企业自身的业务边界，来覆盖到上下游的合作伙伴。”她表示，“只有这样才能够尽可能降低新技术、新用户开发和部署所用的物力、人力和时间，且在实践后尽早获得一些实际的收益，从而实现可持续的演进。”
谈到与这一策略相匹配的技术路径，她认为这也应该采取一种步步为营的做法：“不要轻易去推翻过去在技术、数据和应用的积累，尤其是一下子就切换到自己特别不熟悉，且没有足够技术力量去支持的新架构或新平台上，而是要充分利用现有平台的技术和应用的潜力，再渐进式地构建基于新技术、新平台和新架构的基础设施和应用。”
“灯塔工厂”们的探索之路，其实就是这种“大胆想象、小心实践、渐进创新、步步为营”策略的写照。他们以工业互联网、大数据、人工智能等技术为新动能，从点到面铺开，来稳步推进业务变革和流程再造，为制造业通过数智化转型降本增效书写了“范本”。在这一进程中，无论是诸多“灯塔工厂”的实践经验还是业界专家的建议，无一不在透露着英特尔®架构开放平台对于制造业领域的企业，尤其是中小企业在依托智能技术加速转型过程中的重要性。这很大程度上是由于其能更好地兼顾通用计算与专用加速的创新趋势，特别是在通用计算方面的长期投入，使得基于英特尔®架构的平台与新兴的、专攻不同特定应用加速的芯片及架构相比，在满足既有IT应用需求，并同步推动人工智能落地层面，对于人才和基础设施更新的需求更少，利于传统行业，特别是其中的中小企业以较低的成本和更快的速度去复刻行业内实践成功的方案，从而能帮助他们紧跟全行业“智造”进度，同时实现由点到面的宏观战略，共同拥抱数智化潮流，为建设数字中国提供增效。
免责声明：市场有风险，选择需谨慎！此文仅供参考，不作买卖依据。
