光學(xué)傳感器和機(jī)器學(xué)習(xí)系統(tǒng)的結(jié)合，可以比因?yàn)榱魉€工作而已經(jīng)出現(xiàn)精神疲勞的工人更準(zhǔn)確地監(jiān)控組件質(zhì)量。

社會(huì)分工正讓人類變得越來(lái)越“愚蠢”。幾百年前，一車車煤炭被運(yùn)進(jìn)遮天蔽日的巨大工廠，從機(jī)器發(fā)出的震耳欲聾的轟鳴聲中，人們能非常直觀地感知到社會(huì)的發(fā)展。但在今天，對(duì)于一些正在改變世界的技術(shù)(大數(shù)據(jù)、數(shù)據(jù)分析、機(jī)器學(xué)習(xí))的重要性，大多數(shù)人一無(wú)所知，甚至將它們當(dāng)作傳統(tǒng)的商業(yè)噱頭。

事實(shí)上，這些越來(lái)越流行的詞匯反映了一個(gè)事實(shí)——我們?nèi)粘Ｉ钪薪佑|到的許多技術(shù)正在發(fā)生巨大變化。其中一部分朝好的方向發(fā)展，使人類與機(jī)器的信息交互更加自然，更加強(qiáng)大。但也有一部分出現(xiàn)了令人不安的征兆，比如被用來(lái)搜集普通人的關(guān)系、行為、地點(diǎn)，甚至精確挖掘出他內(nèi)心深處的想法。無(wú)論怎么說(shuō)，科技在每件事情上都留下了印記。

按照公認(rèn)的說(shuō)法，從上世紀(jì)60年代開(kāi)始，人類社會(huì)已經(jīng)進(jìn)入了信息時(shí)代。數(shù)十年間，對(duì)信息價(jià)值的挖掘徹底顛覆了和日常生活相關(guān)的消費(fèi)品領(lǐng)域。自然而然地，隨著技術(shù)的進(jìn)一步發(fā)展，“關(guān)于一切的信息”的概念開(kāi)始向制造業(yè)滲透。智能、廉價(jià)、配備傳感器的設(shè)備加上強(qiáng)大的分析算法，過(guò)去10年一直在改變著工業(yè)世界。

如今，“物聯(lián)網(wǎng)”的雛形已經(jīng)在許多地方出現(xiàn)。而按照公認(rèn)的“工業(yè)4.0”，也就是“第4次工業(yè)革命”的定義，物聯(lián)網(wǎng)是其出現(xiàn)的前兆之一。事實(shí)上，這次革命的準(zhǔn)備工作早在過(guò)去十余年中就緩緩鋪開(kāi)，但由于位于工業(yè)自動(dòng)化核心位置的“可操作技術(shù)”一直受到巨大文化差異和結(jié)構(gòu)性沖突的影響，相關(guān)技術(shù)一直在磨合中，始終未能脫離起步階段。

當(dāng)然，“萬(wàn)物互聯(lián)”本質(zhì)上只是提高了信息的傳遞效率，單靠這個(gè)無(wú)法撐起一場(chǎng)工業(yè)革命。同樣重要的是如何提高信息處理效率，在這方面，當(dāng)前火熱的人工智能(AI)技術(shù)將有廣闊的發(fā)揮空間。

事情非常明顯：即使是在現(xiàn)在這個(gè)人工智能還時(shí)常被稱為“人工智障”的階段，用上相關(guān)技術(shù)的公司也能通過(guò)更精確、更高質(zhì)量的制造降低運(yùn)營(yíng)成本。此外，依托于AI的預(yù)見(jiàn)性維護(hù)和智能化，供應(yīng)鏈中停工時(shí)間減少；由于設(shè)備適應(yīng)性更強(qiáng)，工廠車間人員受傷人數(shù)減少。

在制造業(yè)外，其他行業(yè)也感受到了這種由神經(jīng)傳感器網(wǎng)絡(luò)、“數(shù)據(jù)池”分析技術(shù)以及緊急事件實(shí)時(shí)反饋技術(shù)組成的系統(tǒng)的益處，尤其是航空、能源、物流等依賴可靠、可預(yù)測(cè)信息的行業(yè)。

但正如前文所說(shuō)，新技術(shù)帶來(lái)了重大挑戰(zhàn)，同時(shí)也別忘了，“機(jī)器人正在竊取我們工作崗位”的聲音從未消失。

傳感器組成的世界

“工業(yè)4.0”是德國(guó)政府工程科學(xué)院在2011年的國(guó)家嵌入式系統(tǒng)技術(shù)使用路線圖中創(chuàng)造的術(shù)語(yǔ)，作為描述工業(yè)“數(shù)字化”的一種方式，其內(nèi)容主要是從簡(jiǎn)單的自動(dòng)化(主要是獨(dú)立的工業(yè)機(jī)器人)向網(wǎng)絡(luò)化的“網(wǎng)絡(luò)物理系統(tǒng)”(基于各種傳感器和人類輸入的系統(tǒng)與人類之間的信息協(xié)調(diào))的轉(zhuǎn)變。

德國(guó)聯(lián)邦教育研究部將這份路線圖納入了宣傳文件當(dāng)中，該部表示：“機(jī)器相互溝通，相互通報(bào)生產(chǎn)過(guò)程中的缺陷，識(shí)別和重新訂購(gòu)稀缺材料庫(kù)存……這就是工業(yè)4.0的愿景?！?/p>

在工業(yè)4.0時(shí)代，智能工廠里多種多樣的新技術(shù)、新設(shè)備將無(wú)需笨拙的人類操控。可以設(shè)想，使用傳感器替代人類跟蹤所需的組件，并根據(jù)需求模式和其他算法決策樹(shù)對(duì)其進(jìn)行排序，可以將生產(chǎn)的及時(shí)性提高到一個(gè)新的優(yōu)化水平；光學(xué)傳感器和機(jī)器學(xué)習(xí)系統(tǒng)的結(jié)合，可以比因?yàn)榱魉€工作而已經(jīng)出現(xiàn)精神疲勞的工人更準(zhǔn)確地監(jiān)控組件質(zhì)量；工業(yè)機(jī)器人的效率和低公差將工人逼向更精細(xì)的崗位，或完全取而代之。

在許多情況下，模塊化的供應(yīng)鏈比起人工更加靈活，可以隨著新產(chǎn)品的引進(jìn)、消費(fèi)趨勢(shì)的變化和經(jīng)濟(jì)波動(dòng)而及時(shí)調(diào)整配置。在大數(shù)據(jù)和大量傳感器的幫助下，機(jī)器可以在損壞之前告訴人們何時(shí)需要修理，或者告訴人們更好的方法來(lái)組織生產(chǎn)線。

為了實(shí)現(xiàn)這一愿景，歐盟已經(jīng)在被稱為“未來(lái)研究協(xié)會(huì)歐洲工廠”的項(xiàng)目上投資了11.4億歐元。類似的“未來(lái)工廠”項(xiàng)目也得到了多個(gè)國(guó)家機(jī)構(gòu)的資助。

其中最有名的當(dāng)屬美國(guó)國(guó)防部高級(jí)研究計(jì)劃局，也就是DARPA。該機(jī)構(gòu)以層出不窮的“黑科技”聞名，在工業(yè)4.0方面，他們公開(kāi)的立項(xiàng)包括適應(yīng)性車輛制造項(xiàng)目、有效的人機(jī)協(xié)作(使機(jī)器成為人的合作伙伴而非工具)和基于AI技術(shù)的智能供應(yīng)鏈系統(tǒng)(稱為L(zhǎng)ogX)等。

值得一提的是，人機(jī)協(xié)作和智能供應(yīng)鏈在美國(guó)是個(gè)熱度頗高的領(lǐng)域，比如MITRE就在和包括“美國(guó)機(jī)器人”公司在內(nèi)的多家創(chuàng)業(yè)公司合作，完善農(nóng)業(yè)無(wú)人機(jī)全自動(dòng)作業(yè)技術(shù)。他們目前已經(jīng)推出了一個(gè)命名為“偵察機(jī)”的系統(tǒng)。該系統(tǒng)部署于農(nóng)田附近，只需要簡(jiǎn)單編程，無(wú)人機(jī)的AI就能自動(dòng)制定飛行計(jì)劃和管理飛行過(guò)程，做好圖像數(shù)據(jù)的收集和處理工作，并將所有東西上傳到云端。

然后農(nóng)民要做的只是查看相關(guān)數(shù)據(jù)，然后選一下要用的農(nóng)藥、除草劑、肥料等等，就可以到一旁休息了。這就是人機(jī)協(xié)作的初級(jí)階段。

預(yù)測(cè)性維護(hù)系統(tǒng)

或許大部分美國(guó)人不知道也不關(guān)心，工業(yè)4.0在現(xiàn)實(shí)世界最大規(guī)模的實(shí)踐就在他們身邊：過(guò)去，超市員工需要逐個(gè)掃描清點(diǎn)倉(cāng)庫(kù)中的庫(kù)存水平，然后挑出需要備貨的產(chǎn)品，再用拖車之類的工具送到卡車上，發(fā)往各個(gè)門店。

而在沃爾瑪，這部分物流環(huán)節(jié)中所有需要人參與的部分都已被機(jī)器替代——清點(diǎn)庫(kù)存的變成了機(jī)器人，選取備貨使用的是傳感器和傳送帶，再由快速卸貨機(jī)裝載到卡車上。隨著自動(dòng)駕駛技術(shù)的發(fā)展，運(yùn)輸過(guò)程也將無(wú)人插手。

當(dāng)然，如果被稱為“第四次工業(yè)革命”的技術(shù)只能用在超市物流中，那絕對(duì)是名不副實(shí)的。

計(jì)算機(jī)化維護(hù)管理系統(tǒng)(CMMS)的概念自20世紀(jì)60年代以來(lái)一直以某種形式存在，但早期通常只有大型機(jī)構(gòu)建設(shè)，因?yàn)镃MMS早期依賴于維護(hù)報(bào)告和由人類收集并輸入計(jì)算機(jī)的數(shù)據(jù)，是一個(gè)非常耗費(fèi)人力的過(guò)程。

時(shí)至今日，據(jù)統(tǒng)計(jì)，目前用于工業(yè)維護(hù)的時(shí)間中，約80%是反應(yīng)性而非預(yù)見(jiàn)性的。在工業(yè)系統(tǒng)中，近一半的非計(jì)劃停機(jī)是由于設(shè)備在生命周期末段發(fā)生故障造成的。利用這些數(shù)據(jù)準(zhǔn)確預(yù)測(cè)故障并在影響較小的情況下維護(hù)或更換硬件，變得越來(lái)越重要。又因?yàn)椤百Y產(chǎn)和設(shè)備中的電子元件越來(lái)越復(fù)雜，軟件數(shù)量也越來(lái)越多”，靠人力已經(jīng)無(wú)法完成如此巨量的工作了。

進(jìn)一步說(shuō)，現(xiàn)代工業(yè)對(duì)CMMS的需求不僅在于預(yù)測(cè)何時(shí)需要進(jìn)行維護(hù)，更要其根據(jù)海量數(shù)據(jù)，提出優(yōu)化設(shè)備運(yùn)行的方案，這也超出了人力極限。

因此，IBM開(kāi)發(fā)了Maximo，通用開(kāi)發(fā)了Predix和Matlab預(yù)測(cè)性維護(hù)工具箱，都試圖利用機(jī)器學(xué)習(xí)和仿真模型實(shí)現(xiàn)上述效果，相關(guān)技術(shù)也被稱為“預(yù)測(cè)性維護(hù)系統(tǒng)”。

這項(xiàng)技術(shù)尚未大規(guī)模鋪開(kāi)，主要原因是對(duì)于設(shè)備制造商來(lái)說(shuō)，這是一個(gè)很難做到的事情，尤其是在某些情況下，因?yàn)閷?shí)現(xiàn)這一概念通常需要為他們的產(chǎn)品提供詳細(xì)的(因此是專有的和有深度保護(hù)的)建模數(shù)據(jù)。還有部分廠商從維修業(yè)務(wù)中獲利頗豐，自然不愿意主動(dòng)讓出這部分利益。

此外，許多預(yù)測(cè)模型也存在另一個(gè)問(wèn)題：雖然有大量可用數(shù)據(jù)，但大多數(shù)數(shù)據(jù)都是關(guān)于正常運(yùn)行的，故障數(shù)據(jù)不多。如何沒(méi)有足夠的故障數(shù)據(jù)，機(jī)器該如何學(xué)習(xí)預(yù)測(cè)故障的算法？部分壕氣的廠商會(huì)專門提供設(shè)備用作失敗測(cè)試，但有目的地破壞昂貴而復(fù)雜的硬件，并非人人都負(fù)擔(dān)得起的行為。這是現(xiàn)有AI技術(shù)的固有缺陷。

數(shù)字化的危險(xiǎn)

盡管信息技術(shù)和操作技術(shù)的結(jié)合具有巨大的潛力，使工業(yè)4.0概念(如預(yù)測(cè)性維護(hù))成為可能，但要認(rèn)識(shí)到，風(fēng)險(xiǎn)往往和收益結(jié)伴而行，尤其是在顛覆性變化的情況下，行業(yè)內(nèi)部很難意識(shí)到新威脅的到來(lái)。比如說(shuō)，過(guò)往的工業(yè)系統(tǒng)幾乎無(wú)法攻擊，但數(shù)字化程度的加深給了網(wǎng)絡(luò)攻擊可乘之機(jī)。

2017年，施耐德電氣Triconex安全儀表控制系統(tǒng)遭到TRITON病毒攻擊，以及更早之前烏克蘭電網(wǎng)遭到的“黑能源”木馬攻擊，都是其中典型案例。

與工業(yè)控制系統(tǒng)相比，預(yù)測(cè)建模系統(tǒng)的風(fēng)險(xiǎn)較小，但仍有理由擔(dān)心黑客從工廠訪問(wèn)原始分析數(shù)據(jù)。這些數(shù)據(jù)不一定會(huì)直接泄露關(guān)鍵信息，但結(jié)合大數(shù)據(jù)，可能會(huì)給對(duì)手提供大量有關(guān)制造操作模式、工廠效率和制造過(guò)程細(xì)節(jié)的信息，這些信息可用于其他目的。

德國(guó)聯(lián)邦教育研究部在工業(yè)4.0報(bào)告中指出，“最普遍的擔(dān)憂，工業(yè)4.0的數(shù)據(jù)不安全，商業(yè)機(jī)密無(wú)法保護(hù)，需要謹(jǐn)慎防止企業(yè)的信息被披露給競(jìng)爭(zhēng)對(duì)手”。

通用電氣和其他公司試圖通過(guò)將控制系統(tǒng)與傳感器數(shù)據(jù)網(wǎng)絡(luò)隔離，并在舊系統(tǒng)前面放置防火墻以阻止不需要的網(wǎng)絡(luò)流量來(lái)保護(hù)網(wǎng)絡(luò)。工業(yè)云計(jì)算通常通過(guò)虛擬專用網(wǎng)絡(luò)和其他措施與互聯(lián)網(wǎng)分開(kāi)。但最好的方法還是在將更多的工作移交給自主軟件和硬件機(jī)器人之前，對(duì)數(shù)據(jù)和命令的安全性進(jìn)行全面評(píng)估。