偉創力全球運營及供應鏈總裁陳光輝，討論了設備互聯、人工智能和智能工廠創新。

當談到突破性技術時，人們經常提到像 ChatGPT 這樣的人工智能驅動的大語言模型。從2022年11月ChatGPT首次向公眾推出，到 2023年1月，僅用了不到兩個月的時間，它的用戶數量迅速增長到了1億多，成為歷史上用戶增長速度最快的軟件。

盡管許多人在如何使用這項技術以及它可能帶來的風險方面存在分歧，但偉創力全球運營及供應鏈總裁陳光輝相信，我們都能就一點達成一致——這項技術將永久性地改變我們的生活和工作方式。

在制造業領域，我們看到了通過采用先進制造技術實現的同步轉型。世界經濟論壇未來先進制造和生產平臺主管 Francisco Betti也表示：“要使現代制造業真正實現創新，我們需要促進生產率和經濟增長，同時還要為工人、社會和環境創造價值。”“在偉創力工作了二十多年后，我親眼見證了正在改變我們行業的技術力量。我相信，有三項關鍵能力將定義制造業的下一個時代：實時決策、實時修改和智能工廠生產線。”

設備互聯如何工作？

設備互聯性的前提是確保運營穩定。這意味著標準制造流程的基本要素已被確認，并且可以重復執行。一旦這一點確定，就可以考慮設備間如何相互連接。

工廠中的設備，甚至包括不同地點工廠中的設備，需要能夠從環境中收集數據進行分析，并與其他設備連接共享數據，從而將其轉化為可操作的信息和見解。許多設備可以改裝成通過傳感器進行數字化傳導數據，從而避免在新機器上投入大量資金。

除了從設備中收集數據外，還可以收集來自人員和流程的數據，包括數字和視頻數據，以及傳感器和生產線操作員的輪班時間等。許多這樣的數據已經在收集中，但許多公司需要投資的是建立 AI模型，以便利用他們所擁有的數據做出更好的實時決策。

將設備連接想成一個神經系統。神經延伸到身體的各個部位，類似制造業的不同方面，并傳遞信號。不同的機器代表著身體的不同部位，比如眼睛、嘴巴、耳朵或手，但如果神經停止向大腦（或工廠的數字骨干網）傳遞數據，那么這些數據將無法實時得到恰當分析，從而采取行動。

例如，當注塑機需要進行停機維護時，通過在機器上放置振動傳感器，AI模型就可以不斷地獲取振動數據。當振動發生變化時，模型可以推斷出機器需要維護或修理，以免影響生產。

實時決策如何優化運營

當設備連接正常運行時，就可以進行實時決策，而不是承受本可避免的停機后果。為了正確進行設置，您需要確保清晰明確的最終目標。在這個階段，您應該向自己提出以下幾個問題：

需要做出哪些決策，以及以何種頻率進行？

需要考慮的事情：作出決策的頻率可能差別很大，從預測注塑機維護時的每 15 天一次，到高度自動化的醫療生產線為確保部件正確連接而每秒一次。

我們的關鍵績效指標（KPIs）應該是什么？

需要考慮的事情：關鍵績效指標應基于您要測量的內容。例如，如果要測試芯片組的發熱性能，可以使用數字KPI。但如果要測量的是移動中的物體，那么測量移動或動態可視化的視頻KPI會更合適。

我們將如何跟蹤它們并進行調整？

需要考慮的事情：有了充足的上游數據，人工智能模型可以在事情發生之前就預測它們的行為，從而能夠更謹慎地管理結果并阻止故障的發生。以每秒都在生產的高度自動化醫療產品為例，連通性必須足夠快，以便在毫秒級時間內采取行動，阻止故障產品下線。

考慮采用能夠監控機器性能的技術，并在機器出現問題或需要維護時發出警報，使工廠工人能夠介入并采取相應策略，避免停機或盡量減少停機時間。

在這種情況下，能夠實時做出明智的、數據驅動的決策可以節省大量成本。據德勤公司最近的一份報告估計，非計劃停機每年給制造商造成了500億美元的損失。在其他情況下，當產品出現缺陷或工廠生產線利用率不足時，機器可能會向工人發出警報，這意味著工人可以介入并做出決策，從而提高生產質量或效率。

在偉創力，我們每天都在體驗著設備之間的互聯，它由我們遍布30個國家的170,000名全球員工進行管理。雖然現在并非每個工廠都實現了百分之百的互聯，但我們正逐漸在整個制造生態系統中建立更多的互聯，從而增加數據流，改善制造和供應鏈決策。

如何進行實時調整？

除了為工人提供做出明智、及時決策所需的信息外，制造商投資能夠實現實時修改的技術也至關重要。例如，在偉創力，我們部署了工業物聯網和人工智能/機器學習，以消除印刷電路板組件測試流程中的瓶頸。

我們一個客戶的印刷電路板組件終端功能測試分為四個部分，其中一部分包括50 多個步驟，持續時間超過兩個小時。如果測試失敗，產品必須送回工廠進行調試，然后再進行整個測試過程。在流程的后期出現故障會增加大量的生產時間，并造成產量瓶頸。為了提高測試流程的效率和可靠性，我們對每個測試步驟的歷史數據進行了解析，并利用人工智能/機器學習分類模型，開發出一種創新的方法來重新安排測試步驟的順序和優先級，以實現最高效率。我們發現，測試時間總體縮短了30%，在出現故障的情況下，測試時間縮短了50%。

我們還利用人工智能/機器學習技術改進質量檢測流程。在一條生產線上，我們在人工智能模型中使用了視覺數據，以確保每個元件都放置正確。在這種情況下，有兩個幾乎完全相同的電容器，只是數值不同，因此人眼很容易出錯。利用人工智能和視頻，我們能夠看到操作員是否將元件放置在正確的位置，并實時提供反饋以解決任何問題。這不僅提高了性能和產量，還使我們能夠在部件被送往生產線的另一工序之前發現關鍵問題，從而減少廢品率。

智能工廠生產線的前景

設備互聯和人工智能/機器學習以及其他工業 4.0 技術為優化和建設智能工廠帶來了機遇。在工廠生產線上，一臺故障機器會導致下線產品出現缺陷，傳感器就可能會在缺陷出現的第一時間識別出來，而不是等到檢查過程中才發現這些缺陷，因為到那時，所有的產品將被進行丟棄或返工處理。

此時，可以實時發送警報，并通過人工智能/機器學習，停止工廠生產線，重新校準，并在問題解決后繼續生產。隨著時間的推移，這將使制造過程更加智能、高效和可持續。讓人工智能/機器學習做出較低層次的決策，就能解放員工，從而讓他們利用自己的專業知識和批判性思維來處理更復雜或更具挑戰性的情況。

偉創力正在努力建設更智能的工廠，我們在許多工廠（包括GLN工廠Althofen和Sorocaba）所取得的進展令我們倍感振奮。我們的Sorocaba 工廠是拉丁美洲首家獲得 "可持續發展燈塔"稱號的工廠，它經歷了數字化轉型之旅，獲得了實時數據和洞察力，為循環經濟生態系統和更好的可持續發展成果提供了支持，包括材料浪費減少94%，范圍1和范圍2的溫室氣體排放減少41%。該基地基于云的逆向物流系統利用自動材料分類和物聯網收集箱來轉化電子廢物，并通過修復、回收和循環利用零部件和材料，將材料重新引入供應鏈。除循環經濟解決方案外，該基地還利用智能公用事業管理和數字化二氧化碳排放儀表板等工業 4.0 技術，減少了能源使用、水消耗以及范圍 1、2 和 3 的溫室氣體排放。

如何鋪平前進的道路？

為了幫助我們的員工提升取得成功所需的技能，我們與當地的職業學院合作，在許多工廠開展了培訓活動，對我們的人才進行再培訓和技能提升。我們還實施了全球能力加速計劃，對員工進行包括AR/VR、人工智能和數據分析在內的廣泛培訓，幫助他們在工業4.0制造環境中取得成功。

在發展的過程中，我們必須從大局出發，從錯誤中吸取教訓，并將我們的經驗教訓應用到整個生產運營生態系統中。要想從人工智能等技術中獲益，企業必須從整體層面著手，確定哪些業務領域可以從人工智能的使用中獲益，對供應商和使用方法進行標準化，并將利益相關者（如負責數據和安全的 IT 部門）納入其中。

像ChatGPT和其他準備對我們的世界產生巨大變革性影響的人工智能平臺一樣，工業 4.0 技術正在通過連接生產運營來改變我們的行業，從而使機器、流程和人員能夠不斷學習，并在時間推移中做出更快、更明智的決策。"