人工智能，本質上是利用數據進行深度學習，不斷優化與總結規律的技術。因此數據化程度越高的行業，實現智能化并引入人工智能，降低成本也就越容易。像網購、金融、咨詢行業的智能化，相對比較容易構建和想象。但在相對傳統的生產制造領域實現數字化與智能化，則相應需要更長的時間。

雖然說是傳統的生產制造，但數據依然是無處不在的。然而，在分工明確精細的工廠中，這些數據的形式卻是五花八門的——有紙質的合同、貨單，有工人腦中的記憶，有打卡機上的記錄，有管理人員系統上的流程（可能不同部門還用著不同的系統）。這些數據分散在各個環節，難以相互勾稽聯通形成統一的數據流用于分析和使用，就構成了所謂的數據孤島。

無人水餃工廠

智能制造，或者說是工業4.0的愿景，正是打通這些數據孤島，實現數據的全局化利用。在我看來，在實現必要的自動化之后，達成智能制造總體分為三步：

第一步是在盡可能實現自動化的同時通過更多的信息采集媒介將原先以其他形式存在的數據采集至統一的分析載體中；

第二步是利用統一的系統管理這些數據；

第三步則是通過對數據的分析利用，提高效率，作出決策，實現整體的提升。

信息數據采集

這些信息采集技術能夠將傳統生產中無序而大量的數據進行收集和初步的處理。舉例來說，通過視覺工業相機等人工智能領域的視覺識別媒介，在設定好識別對象和特征、方向、形狀和位置等參數之后，運用人工智能范疇的視覺識別技術對外觀上出現組裝錯誤、表面缺陷、損壞和缺失特征的產品進行篩選，分辨次品和良品；

人工智能領域的智能識別技術

通過RFID（Radio Frequency Identification）射頻識別技術對產品的運轉、物流跟行追蹤記錄。

在傳統生產中，企業可能只能對產品的數量和最終的次品數量有所記錄，但通過這些更加智能的信息收集方式，企業能夠對更多的參數進行收集，對產品的情況進行更細致的了解和分析，比如將次品的產生和溫度、濕度、工人的情況等多種參數結合起來。

系統管控數據&分析利用實現提升

這里需要的就是我們耳熟能詳的各種工業軟件系統和云技術了。它們能夠對數據進行有效的清洗和管理，并作出合理地分析。

在2017年云棲大會·成都峰會上阿里云的總監肖力就用協鑫新能源做例子說明了打通數據孤島之后對數據進行統籌分析的好處。

一個其他角度的容易理解的例子是地圖軟件app。這些地圖軟件就是將地圖數據和城市交通部門對堵車路段獲取的實時情況進行結合，給用戶展現出了標注堵車情況的地圖并進行導流，提高了交通運輸的效率。

實時路況信息和地圖信息的結合

另外肖云也舉了阿里云在智能制造中參與見證的實例進行說明。協鑫新能源作為光伏行業的領軍企業，工廠自動化程度極高，幾乎實現了無人運轉，但是他們對其中產生的巨量數據卻無法做到有效的利用。

而經過阿里云數據平臺的分析，協鑫的良品率跟生產過程中包括機房溫度、車間溫度、設備狀況等60多個數據維度有關。在半年的努力之后，協鑫的良品率提高了1%，而在他們巨大的體量影響下這就意味著每年上億元的成本節約，可謂是極大的效率提升。

熱成像技術收集設備和產品的溫度數據

通過打通原本不相互連通的數據孤島，再加以組合分析，就能獲得新的結論和規律進行效率的提升。在以往這一過程需要運用人類的聰明才智和長年累月的總結實現，但在工藝越來越復雜、參數越來越多的今天，人力已經越發無法輕松自如地對生產、管理過程做出決斷和改進。

而人工智能相關的信息收集技術和能力讓更多的數據維度納入工廠管理人員的觀察和考慮范圍，并通過各種系統更好的統籌規劃這一切。在未來，人工智能的深度學習能力會讓這些決策過程有更多的可能。

文章來源：信息化和軟件服務網