作者：赵鹏（智思方创始人，云与资本联合创始合伙人） 物联网智库 原创 这是我的第311个专栏。
2024年，我们将进入AIoT 2在0的新阶段，大量主流设备将智能化，生成式AI在行业中的应用是不可缺少的一块拼图。
最近，生成式人工智能（GENAI）在制造业中的应用正在不知不觉中取得进展。
以西门子为例，继去年与Microsoft联合开发“AI工业Co-Pilot”之后，本月西门子和AWS联手推动生成式AI在工业软件领域的普及。
AI工业副驾驶目标是使工人能够更有效地操作机器，过去需要数周才能完成的任务可以通过工业副驾驶员在几分钟内完成，这可以显着减少时间并提高生产力。
用于工业软件的 Genai 应用程序它涉及彻底改变企业处理生成式 AI 程序的方式，将基于 AI 的模型服务 Amazon Bedrock 与西门子的低**平台 西门子低代码 集成，只需单击几下，即可使用简单的图形界面和拖放指令加速工业软件开发过程。
随着生成式人工智能（GENAI）技术的快速发展，其应用前景备受关注。 GenAI是否会成为工业制造领域的“利器”，推动传统制造业的智能化升级，改善产业生态，目前行业评价褒贬不一。
在这些讨论的背后，一些科技公司正在积极拥抱GenAI，推动各种探索向前发展。
知名研究机构**也支持genai即将在多个行业扎根的说法。
高盛（Goldman Sachs）等代表性研究认为，GenAI的突破将为世界带来前所未有的变化。 随着NLP等新工具的引入，GENAI和NLP可以在十年内推动全球GDP增长7%，相当于为全球经济增加7万亿美元。
波士顿咨询集团（BCG）最近的一份研究报告分析了生成式人工智能在未来工厂中的应用，信息量更大。
主要内容包括：
genai没有取代传统的人工智能或现有的工业控制系统，而是发挥着补充作用，为未来的工厂铺平道路。
随着 genai 解决方案的发展，机器的自主性不断提高，使设备能够自我调节并适应不熟悉的环境。
在今天的文章中，我们将围绕BCG的这份研究报告，通过具体案例分析GENAI在工业制造中的应用潜力、实施路径和注意事项，以期为工业制造转型升级提供参考。
BCG 最近对制造商进行了调查，以了解他们对新兴技术的看法。
调查发现，尽管他们对数字化的热情如何，但包括GenAI在内的制造业高管都认为包括GenAI在内的人工智能是最有可能彻底改变运营的技术。
BCG 分析表明，AI 可以将车间生产力提高 20% 以上，投资回报仅为 1 到 3 年。
例如，一家汽车公司的 AI 应用程序将生产力提高了 21%。 其中，AI驱动的缺陷品顾问对参数进行优化，使废品率降低25%; 泵阀健康监测几乎消除了关键生产泵的故障，设备效率提升了7个百分点; 质检系统减少质检人力65%，提高检测精度。
人工智能技术来源众多，应用广泛。 机器学习和深度学习主要用于数据分析、分类、聚类等; GenAI，例如ChatGPT，可以根据提示创建新内容。
由于生成式人工智能为制造业创新提供了新的机会，因此试点项目是公司实践生成式人工智能的理想起点。 来自英伟达、西门子、隐形AI等公司的行业专家分享了工业GenAI赋能智能工厂的三个典型案例。
案例1：“合成数据”允许机器人拾取和放置不同的物体
在人工智能训练的帮助下，机器人已经获得了处理各种物体的能力，甚至是鸡翅。
NVIDIA 和 Soft Robotics 与食品制造商合作，使机器人能够准确识别成堆的鸡翅，并通过生成式 AI 解决方案捡起单个滑溜溜的鸡翅。
在过去。 这是一项极具挑战性的任务，因为翅膀的形状和姿势很难事先判断，而且有很多组合。 人工智能在构建逼真的 3D 数字孪生和模拟环境方面独树一帜。 相较于拍摄大量现实生活**，使用算法生成的“合成数据”来训练模型，可以大大节省时间和成本。
图为：Soft Robotics的机器人能够识别并从一堆鸡翅中捡起一个滑溜溜的鸡翅。
案例2：采用异常值检测，产线吞吐量翻倍
虽然厂长不可能无处不在，但智能设备可以。 Invisible AI 帮助制造商使用 GenAI 智能设备优化装配线。
一旦在工作现场的一部分的执行周期中发现异常，人工智能就会成为“千里眼”，提供对生产环境的洞察力，识别异常，并指导工程师解决关键问题。
图：使用人工智能工具，汽车制造商发现工作站的异常时间。
在隐形AI的帮助下，一家汽车制造商将生产线的产能翻了一番。 在另一个案例中，一家汽车 OEM 与 Invisible AI 合作，以识别未充分利用的站点，该 OEM 利用这一见解整合了工作站，并将每个班次的吞吐量提高了 5%，同时重新分配了 20% 的员工。
案例 3：新生产线和流程的敏捷仿真
数字孪生技术降低了新工厂设计和工艺变更的风险。 它建立了虚拟工厂的 3D 模拟环境，该环境与现有系统相连，外观和运行方式都像物理工厂。
更进一步，工业元宇宙使这成为可能，专门为制造商构建虚拟空间。 NVIDIA 和西门子正在通过数字孪生将虚拟技术带给广泛的工业用户。
图：制造生产的整个规划阶段都可以在工业元宇宙中进行。
数字孪生涵盖了广泛的技术，包括使用 genai。 该领域的用例非常新鲜，Freyr Batteries构建了完整的电池工厂虚拟模型，涵盖了基础设施、设备、人体工程学、安全等细节，实现了产品生产的真实模拟，大大降低了实际工厂规划的风险。
Genai 引入了一系列创新功能，但它不太适合故障检测、生产分析或定点优化等任务。 对于这些任务，传统人工智能有一个很好的解决方案。
尽管如此，GenAI在帮助制造商实现未来的智能工厂方面仍发挥着重要的支持作用。 其独特的功能使制造商能够自动化和增强工厂流程，并以新的方式帮助员工。
根据BCG的说法，GenAI可以在各个层面发挥作用，将工厂从被动转变为主动，最终转变为智能和自主运营。 它是实现未来智能工厂的重要推动力。
概括为 GenAI 功能，有三种典型的制造用例类型：辅助系统、推荐系统和自主系统
第一类是辅助系统。
这种类型的 genai 应用程序提高了编程、设备维护等实际工作的效率。 例如，传统上，工程师必须手动对机器和逻辑控制器进行编程。 genai工具可以自动生成**，减少工程量和时间成本，工程师只需审查和调整**。
同样，genai 可以汇总运营商的丰富经验和知识，并将其转化为数据驱动的建议。
它可以构建模型，通过数据分析来验证操作员对参数调整或处理优化设备的异常的建议。 通过自动化编码和翻译员工经验和知识，genai 可以在提高工作效率方面发挥重要作用。
第二类是推荐系统。
Genai可以提供建议并指导员工选择最佳方案。
Genai的应用价值可以从**性维护中看出。 过去，制造商使用固定周期维护来防止故障。 通过机器学习的应用，可以通过分析不同的传感器数据来识别模式和故障。
通过自动生成维护步骤的文本或图像说明，包括备件清单，进一步增强了这种最先进的维护流程。 这使维护人员能够将更多时间集中在执行上，从而提高效率并降低成本。 即使是没有经验的技术人员也可以借助 genai 工具有效地维修设备。
第三类是自治系统。
开发人员正在探索使用 Genai 来实现机器自主性。 例如，许多搬运操作仍然是手动的，难以自动化，因此Genai可以将工程师的语音提示（例如“给我备件47-11”）转换为机器人自动执行的一系列动作。 这减少了针对特定环境和任务的培训，降低了工程成本，并提高了生产力。
另一个例子是使用 genai 合成用于机器视觉质量控制的训练数据，从而可以快速启动系统，而无需在生产中收集大量真实世界的数据。
通过仿真学习和内容生成，GENAI可以自主适应新环境，大大提高制造业的自动化水平。
要在制造业中成功推出人工智能，仅仅确定应用领域是不够的，还需要在人员和技术方面打下坚实的基础。 genai应用程序的开发和运行所需的人类能力与传统人工智能相似。 然而，GenAI的技术架构更为复杂，包括：模型**、平台和基础设施，以及应用运营。
这些技术架构的选项组合，导致GENAI在制造业中具有多种运营模式，可以分为上图中的四种类型，每种类型都有自己的优势，制造商可以根据实际情况选择最佳解决方案。
一般来说，GenAI技术架构的实施有多种解决方案可供选择，每种解决方案都有自己的优点和缺点。 制造商应根据自己的实际情况和需求做出决定。
考虑到所有因素，制造商可以遵循以下五个步骤将GenAI集成到其运营中：
第一步是诊断当前情况，并确定GNAI应用的机会和价值提升机会。
第二步是设计目标愿景、战略和路线图。 评估各种genAI应用的好处，并确定人员和技术措施。 选择正确的 genai 模型以考虑效果、成本和响应速度。
第三步是制定genai解决方案和配套措施。
第四步是试行GenAI解决方案和支持计划，以激发组织内广泛采用的势头。
第五步是在生产中推出成熟的genai应用组合，并启动更多试点项目，以不断扩大应用场景。
生成式人工智能正在悄然改变我们的世界，它在制造业中的应用已成为一个热门话题。
本文通过案例分析，梳理了GENAI在智能制造中的价值和作用。 GenAI可以实现智能地图识别、语音交互、智能决策等，大大提升了工厂的自动化和自主化水平。
同时，我们也应该意识到GenAI的局限性，它在检测和分析方面仍然具有优势，两者应该在互补应用中应用。 要真正实现工业智能化，企业还需要注意技术框架的选择、人才培养、GenAI的逐步应用。
genai在为行业注入新动力的同时，也给企业管理带来了新的挑战。 要审慎应对，推动制造业稳步智能化升级。
参考文献： 1生成式人工智能在未来工厂中的作用 作者：Daniel Küpper、Kristian Kuhlmann、Monika Saunders、John Knapp、Kai-Frederic Seitz、Julian Englberger、Tilman Buchner、Martin kleinhans，**波士顿咨询集团
2.将 Genai Magic 转化为商业影响 作者：Nicolas de Bellefonds、Sylvain Duranton、Vladimir Lukic、Jessica Apotheker、Rich Lesser、Theo Breward、**波士顿咨询集团
3.工业制造中的四个 AI 案例研究成功案例，作者：Carrine Greason，**控制工程
4.AI 代理帮助解释其他 AI 系统 作者：Rachel Gordon，控制工程
精选文章
1.2.在开源的支持下，首款电力物联网操作系统如何释放AIoT+智慧电源的新动能？ 3.