GIO白皮書：AI使能工業(yè)創(chuàng)新

2024年9月ORGANIZATIONSA/甜點制造業(yè)的創(chuàng)新開胃應(yīng)用Al在制造業(yè)的應(yīng)用由人類和AI廚師組成的混合團隊提供的意想不到的食譜前言的融合。兩位廚師擁有不同的能力和優(yōu)勢，象征著他們所走的不同道路?？梢园雅砹_斯階梯視為兩位廚師的“云服務(wù)”,預(yù)示著他們所走的不同道路終將相遇。在匯合點，創(chuàng)新燈泡被點亮。流動著的藍色和黃色的能量讓燈泡在菜肴上方閃耀著綠色的光芒。當(dāng)人類和Al團隊開始合作創(chuàng)新，在數(shù)據(jù)空制造業(yè)中AI使能的創(chuàng)新選集是GIO圓桌會議討論的成果，也是作者在為跨國公司工作并活躍于各個行業(yè)組織的過程中，開發(fā)和部署跨行業(yè)、跨地域的工業(yè)4.0解決方案所形成的跨文化經(jīng)驗的結(jié)晶。創(chuàng)新就是以不同的方式處理事情，找到新的做事方法。創(chuàng)新就是要打破傳統(tǒng)思維，接受新的想法，即使這些想法看起來不合常規(guī)或具有風(fēng)險。這種創(chuàng)新方法要求我們勇于承擔(dān)風(fēng)險，擁抱驚訝，創(chuàng)新還需要一定程度的適應(yīng)性和靈活性，因為我們必須能夠在事情沒有按計劃進行時調(diào)整方法。這可能具有挑戰(zhàn)性，因為它要求我們放棄先入為主的觀念，對新想法和新觀點持開放態(tài)度。不過，抱著這種心態(tài)，我們就能接觸到新的機會和潛在的解決方案，而這些機會和解決方案可能是我“創(chuàng)新開胃應(yīng)用”章節(jié)列出的創(chuàng)新故事均以引文開頭，每段引文都來自于歷史、哲學(xué)和科學(xué)領(lǐng)域的思想領(lǐng)袖，或節(jié)選自對作者產(chǎn)生影響的藝術(shù)作品。這種在編寫創(chuàng)新故事時從不同視角出發(fā)的隨著數(shù)字化使能行業(yè)轉(zhuǎn)型，導(dǎo)致OT、IT和電信行業(yè)的融合，這樣的實踐變得越來越重要。不同的問題解決方式、不同的標準、痛點和KPI可能會在多個利益相關(guān)方的合作中導(dǎo)致意見沖突。這就需要進行對話，使解決方案提供商、集成商和最終用戶/運營商這三個關(guān)鍵角色之間的互動成為目錄引言1第一道菜——設(shè)計和工程8一塊又一塊石頭#生成式設(shè)計9《孫子兵法》中的戰(zhàn)術(shù)#5G使能價值創(chuàng)造15金錘定律#云機器人18眼見為實?#光學(xué)檢測20主菜——運營26用我朋友的一點幫助#制造即服務(wù)27鐘聲為誰而鳴#流程中的質(zhì)量監(jiān)控31靈魂之樹#聯(lián)邦學(xué)習(xí)34未來已來#數(shù)據(jù)空間中的價值創(chuàng)造40我們?nèi)撕螘r再見#動態(tài)預(yù)測性風(fēng)險管理43根據(jù)其自身規(guī)律#自主工廠46甜點——維護49哪顆種子會長成?#預(yù)測性維護50預(yù)測的目標#面向鑄造廠的規(guī)范性AI53三元組之美#協(xié)同狀態(tài)監(jiān)控58六小時砍倒一棵樹#基于Al的服務(wù)生態(tài)62所有菜肴的新調(diào)料#生成式AI65引言本手冊總結(jié)了創(chuàng)新食譜，其中有些是“老式”Al,例如機器學(xué)習(xí)、神經(jīng)網(wǎng)絡(luò)(NN),有些則是新發(fā)展的Al,如基于模型的生成式人工智能，為開胃應(yīng)用增添了風(fēng)味。人類和AI能力的融合將設(shè)計出新的產(chǎn)品、流程甚至制造方式。正如我們從2011年諾貝爾經(jīng)濟學(xué)獎得主丹尼爾·卡尼曼那里了解到的那樣，人類的決策過程很容易出錯1。他的主要論點是產(chǎn)生決策的是兩種思維模式：“系統(tǒng)1”是快速的、本能的、感性的和有偏見的，而“系統(tǒng)2”則是緩慢的、理性的、耗費精力的和基于統(tǒng)計的。大多數(shù)時候，我們以為自己是根據(jù)“系統(tǒng)2"開展的行動，但事實上，我們?nèi)匀皇歉鶕?jù)“系統(tǒng)1”開展行動。由于創(chuàng)新需要應(yīng)對意外情況，局限于“系統(tǒng)1”的思維模式讓作者想起安托萬·德·圣?？诵跖謇锏闹鳌稇?zhàn)爭飛行員》(1942年)中的一句話：“Dansmacivilisation,celuiquidifferedemoi,loindemeléser,m'enrichit"(在我的文明中，與我不同的人非但不會傷害我，反而會豐富我)。他認為不同的觀點令人充實。有時，最成功的創(chuàng)新是那些通過協(xié)作、合作以及愿意傾聽和學(xué)習(xí)他人 (如今也包括Al系統(tǒng))意見而形成的想法。從這個意義上說，這句話可以被視為一則提醒，提醒我們以開放的心態(tài)、學(xué)習(xí)的意愿來對待創(chuàng)新，并專注于找到讓每個人都受益的解決方案?；贏l的決策依賴于數(shù)據(jù)，而且在大多數(shù)情況下，依賴于最好是經(jīng)過人類專家驗證的已訓(xùn)練模型。隨著復(fù)雜性的增加，Al可能會提出人類未曾想到的解決方案。從這個意義上說，如今的AI是“系統(tǒng)2”的自動助手。因此，我們發(fā)現(xiàn)，在尋找新的解決方案時，Al和人類行為方組成的混合團隊將是最好的創(chuàng)新者。考慮到生成式AI,我們認為一種新型創(chuàng)新文化正在不斷發(fā)展。與任何跨文化經(jīng)歷一樣，我們需要文化學(xué)習(xí)和溝通技能來應(yīng)對陌生和意外情況，從而將驚訝轉(zhuǎn)化為接受。驚訝是六種基本且普遍的情緒之一，這些情緒在所有文化中都是一樣的(PaulEkman)。人工智能系統(tǒng)的未來設(shè)計需要預(yù)見學(xué)習(xí)循環(huán)，以應(yīng)對人類的驚訝，并在需要時提供所用數(shù)據(jù)和模型的背景信息，因此雙方都需要學(xué)習(xí)。本書旨在作為跨文化的學(xué)習(xí)演練，也是一項仍在進行中的有關(guān)處理創(chuàng)新及人工智能支持創(chuàng)新的工作。本書還旨在邀請所有對創(chuàng)新感興趣的讀者和初創(chuàng)公司作為共同作者，與日益壯大的Al社區(qū)分享他們的解決方案和想法。從長遠來看，這將有助于開發(fā)和部署從設(shè)計上保證遵循用戶意圖的Al系統(tǒng)。由于Al尚處于早期階段，現(xiàn)在正是引導(dǎo)其發(fā)展、“教育”其能力以確保實現(xiàn)我們的意圖的時候。彭羅斯階梯上的二進制代碼是作者發(fā)出的“機器可讀”信息，旨在描述這個混合團隊踏上的旅程的愿景和使命。如果您現(xiàn)在就想知道這段信息的含義，您可以獲得生成式AI工具的翻譯支持，以節(jié)省時間。但是，隨著時間的推移——在您消化我們在后續(xù)章節(jié)中介紹的創(chuàng)新開胃應(yīng)用時——您就預(yù)料意外——在創(chuàng)新中與Al合作創(chuàng)新是指引入能為客戶創(chuàng)造價值的新事物(例如產(chǎn)品、服務(wù)、流程)。創(chuàng)新可能涉及新想法的形成、新技術(shù)(例如AI)的使用，或新商業(yè)模式的實施。創(chuàng)新的關(guān)鍵在于，在工業(yè)解決方案中采用創(chuàng)新時，必須為客戶創(chuàng)造價值。最近，新聞報道了許多創(chuàng)新的Al解決方案和AI用例，但這些方案必須在客戶側(cè)體現(xiàn)價值，而不是體現(xiàn)在使能工具或流程(AI)上。在工業(yè)流程創(chuàng)新中，常見的方法是在當(dāng)前未使用Al的解決方案的背景下描述問題或用例。這些解決方案通常是為人類操作量身定制的。引入Al最明顯的期望和方法往往是取代人類的勞動并與Al互動。但是，人類的局限性不是Al的局限性，Al的局限性也不是人類的局限性。因此，這種方法是不充分的。相反，應(yīng)將用例與人類的局限性解耦或進行抽象，并考慮采用新的方法，發(fā)揮Al的優(yōu)勢。這種基于Al的解決方案應(yīng)結(jié)合人類的優(yōu)勢，創(chuàng)建一個利用Al和人類優(yōu)勢的系統(tǒng)。但是，人類的優(yōu)勢最好由人類來執(zhí)行，而不是由機器進行不完美的模仿。由于任何AI方法都需要大量的數(shù)據(jù)集，而這些數(shù)據(jù)集必須是正確、一致、有標簽且完整的，因此以下局限性必須由人類智能來彌補：·Al系統(tǒng)無法檢測因果關(guān)系，但很擅長發(fā)現(xiàn)相關(guān)性?！I以現(xiàn)有數(shù)據(jù)為基礎(chǔ)，無法投射到?jīng)]有數(shù)據(jù)的領(lǐng)域(模型也是如此)。·解決方案反映了訓(xùn)練數(shù)據(jù)集的所有缺點(偏見等)。另一方面，人類智能建立在心智模型上，而心智模型是在較少的數(shù)據(jù)基礎(chǔ)上訓(xùn)練出來的，可以用于外推。在創(chuàng)新中與Al合作可以帶來很多好處，因為它可以讓組織快速、準確地處理和分析大量數(shù)據(jù)。不過，在與Al合作時，一定要預(yù)料意外，因為Al有時會產(chǎn)生意想不到的結(jié)果，或以人類可能無法預(yù)料的方式行事。與Al合作的關(guān)鍵挑戰(zhàn)之一是，通常很難完全理解Al是如何得出結(jié)論或做出決定的。在處理基于大量數(shù)據(jù)訓(xùn)練出來的復(fù)雜機器學(xué)習(xí)算法時，情況尤其如此。雖然這些算法在發(fā)現(xiàn)規(guī)律和進行預(yù)測時可能非常有效，但它們可能并不總是能夠解釋自己的推理，或清楚地說明它們是如何得出特定結(jié)果的。這種缺乏透明度的情況可能會導(dǎo)致意想不到的結(jié)果，使組織難以預(yù)測和消減潛在的風(fēng)險或挑系統(tǒng)可能會做出不符合組織價值觀或目標的決定，或者可能產(chǎn)生與人類期望不一致的結(jié)果。為了應(yīng)對這一挑戰(zhàn)，組織需要為其Al項目制定明確的目標和期望，并設(shè)立健全的流程，以確保所使用的Al系統(tǒng)符合企業(yè)的價值觀和目標。這可能包括對Al系統(tǒng)進行定期審查和審計，以確保其按照意圖運行，以及進行持續(xù)的訓(xùn)練和開發(fā)，以確保其保持更新和準確。對于AI系統(tǒng)的供應(yīng)商來說，這可能包括對出售給有其他價值觀或數(shù)據(jù)使用限制的其他國家的機器、系統(tǒng)或自動化解決方案盡管目前人工智能備受炒作和推崇，但需要注意的是，并非所有的Al解決方案都是智能的。大量實例表明，Al的行為愚蠢得令人吃驚。這主要是由于人工智能依賴于用于創(chuàng)建底層神經(jīng)網(wǎng)絡(luò)的良好訓(xùn)練數(shù)據(jù)。訓(xùn)練Al系統(tǒng)就是一個很好的“垃圾進、垃圾出”的例子：訓(xùn)練數(shù)據(jù)選擇不當(dāng)會導(dǎo)致系統(tǒng)反映出訓(xùn)練數(shù)據(jù)集的所有缺點和弱點。并且，如果系統(tǒng)在以后的使用中遇到了超出訓(xùn)練范圍的情況，其行為就會變得不可預(yù)測。因此，無論是網(wǎng)絡(luò)的規(guī)模還是訓(xùn)練數(shù)據(jù)的規(guī)模都不能表明Al解決方案的質(zhì)量。影響質(zhì)量的最主要因素是訓(xùn)練時使用的數(shù)據(jù)。由于這些數(shù)據(jù)通常是由人類選擇的，屬另一方面，并非每一個看起來很智能的技術(shù)系統(tǒng)都是基于目前所理解的AI(神經(jīng)網(wǎng)絡(luò))。復(fù)雜的工業(yè)設(shè)施，例如煉油廠、發(fā)電廠或類似設(shè)施，已經(jīng)在沒有使用Al的情況下運行了幾十年。確定系統(tǒng)的傳感器讀數(shù)用于確定其當(dāng)前狀態(tài)。然后通過動態(tài)模型方程運行該狀態(tài)，模擬對系統(tǒng)執(zhí)行器的不同指令。利用優(yōu)化算法，找到能使系統(tǒng)最接近理想狀態(tài)的最佳執(zhí)行器指令。然后將該指令下達給物理執(zhí)行器以運行流程。在每個控制步驟中都會重復(fù)這個算法，在某些情況下甚至?xí)詠喢爰壍拈g隔重復(fù)。由于動態(tài)模型方程是基于物理定律，系統(tǒng)可以處理以前沒有遇到過的情況，即沒有先前數(shù)總之，在創(chuàng)新中“與Al合作”可以帶來很多好處，但重要的是要預(yù)料意外，并積極應(yīng)對潛在的風(fēng)險和挑戰(zhàn)。這包括要設(shè)立明確的目標和期望，確保所使用的Al系統(tǒng)與公司甚至國家層面的價值觀和目標相一致，并對Al系統(tǒng)和人類能力的局限性進行期望管理。創(chuàng)新開胃應(yīng)用本章總結(jié)了作為工業(yè)用例引入的小型創(chuàng)新和突破性創(chuàng)新，每項創(chuàng)新都具有挑戰(zhàn)性的主題和令人驚訝的最終解決方案。技術(shù)成熟度各不相同，從研發(fā)項目的實際成果所產(chǎn)生的示范產(chǎn)品狀態(tài)，到市場上成熟的行業(yè)解決方案，不一而足。所選案例源自作者的專業(yè)經(jīng)驗，是在作者為ICT(信息和通信技術(shù))和自動化領(lǐng)域的跨國公司工作時為了制造流程的創(chuàng)新而開發(fā)的。在產(chǎn)品或制造流程以及生命周期的不同階段，必須應(yīng)對不同的挑戰(zhàn)。因此，下一章列出的用例分為以下三組：·設(shè)計與工程當(dāng)前，各行各業(yè)正處于雙軌轉(zhuǎn)型過程(數(shù)字化轉(zhuǎn)型和綠色轉(zhuǎn)型)中，產(chǎn)品和流程的碳足跡已成為一種新貨幣。由于可以訪問數(shù)據(jù)，Al會成為將經(jīng)驗流程知識轉(zhuǎn)化為預(yù)測性解決方案的關(guān)鍵使能器。這些解決方案將為客戶和相關(guān)價值鏈節(jié)省成本。在鋼鐵和橡膠等較為傳統(tǒng)的行業(yè)，為預(yù)測性和規(guī)范性Al創(chuàng)建模型仍舊任重而道遠。隨著時間的推移，經(jīng)驗會不斷積累。這是因為前端流程中的過程數(shù)據(jù)仍然缺失，需要傳感器集成來生成這些數(shù)據(jù)，這也是棕地更新的目標。傳統(tǒng)制造業(yè)的用例面臨更多的挑戰(zhàn)和瓶頸，因為它們：·通常是客戶自建的，無法與其他設(shè)施進行比較，即來自類似設(shè)施的數(shù)據(jù)往往是不相關(guān)的。·是為執(zhí)行特定任務(wù)而設(shè)計的，正常運行的結(jié)果是已知先驗，并遵循工程結(jié)構(gòu)和物理原理：這大多是基于物理模型完成的。因此，與消費者分析不同，工業(yè)客戶不希望了解平均(正常)運行情況，而是希望找到異常值(意外、故障)。·設(shè)計工廠或機器時考慮的特定任務(wù)會反復(fù)執(zhí)行。收集到的數(shù)據(jù)只有極小的差異，從而會證實先驗知識。有關(guān)意外和故障的數(shù)據(jù)非常罕見，不足以得出統(tǒng)計結(jié)論?！ぴ诠I(yè)設(shè)施的不同階段(工程——運行——維護)具有不同的生命周期。所有階段對于工廠的性能都同等重要。此外，工廠的生命周期比運行工廠所使用的軟件的生命周期更長。·許多工業(yè)流程都很危險。錯誤可能導(dǎo)致?lián)p害和人員傷亡，甚至造成更大規(guī)模的環(huán)境破壞。試錯是不可接受的。與用于大規(guī)模AI解決方案訓(xùn)練的數(shù)據(jù)集相比，有關(guān)工業(yè)流程的數(shù)據(jù)和信息更為稀缺。此外，歐洲目前的研發(fā)計劃(GAIA-X、Catena-X、Manufacturing-X)正致力于通過資助制造業(yè)的數(shù)字化轉(zhuǎn)型來解決其中的一些問題。歐洲議會于2022年4月6日通過的《數(shù)據(jù)治理法》旨在促進歐盟境內(nèi)的數(shù)據(jù)共享，從而使公司和初創(chuàng)企業(yè)能夠獲得更多數(shù)據(jù)，用于開發(fā)新產(chǎn)品和服務(wù)。只有當(dāng)利AngelikaNiebler(歐洲議會的德國議員)主導(dǎo)歐洲議會通過了上述法案，她表示：“數(shù)據(jù)只有經(jīng)過匯總、提煉并以正確的方式使用才有價值。一些企業(yè)可能甚至不知道可以利用其工業(yè)機器等產(chǎn)生的數(shù)據(jù)做些什么。更多的數(shù)據(jù)共享可以帶來新的商業(yè)模式，實現(xiàn)更高的效率，或者改進產(chǎn)品?！睆倪@個意義上說，下文列出的每一個創(chuàng)新用例都可能成為讀者想要跟進的一段旅程的起點，從而了解可以用數(shù)據(jù)做些什么。因此，我們希望將這些用例稱為創(chuàng)新開胃應(yīng)用，以引起讀者的好奇心，并介紹創(chuàng)新廚房中的全新“熱賣”食譜——人類和Al團隊提供的開胃菜(設(shè)計和工程階段)、主菜(運營階段)和甜點(維護階段)。在介紹每個創(chuàng)新用例之前，會有一段引文來闡述相關(guān)主題，并在結(jié)尾處提供有關(guān)商業(yè)價值主創(chuàng)新就是要改變觀點，提出正確的問題，并敢于創(chuàng)新。為了引入創(chuàng)新精神，在編寫創(chuàng)新故事時，每個用例都會以一段引文作為開頭，表示不同的角度。這是一種思維轉(zhuǎn)換的實踐，打破了傳統(tǒng)引文schmiedetNothungneu.從未感受過恐懼力量的人什么也鍛造不了。從這個意義上說，克服恐懼、擁抱未知的想法可能與創(chuàng)新過程有關(guān)，因為創(chuàng)新往往需要承擔(dān)風(fēng)險，涉足未知領(lǐng)域。要想為問題提出新的、具有創(chuàng)意的解決方案，就必須愿意挑戰(zhàn)自己的假設(shè)，在每個用例中，我們都會指出它將為客戶帶來哪些價值。在本書所涉及的工業(yè)、B2B環(huán)境中，價值歸根到底是指通過新的解決方案產(chǎn)生的現(xiàn)金。在進行投資決策時，通常需要計算凈現(xiàn)值，其中必須考慮解決方案帶來的正現(xiàn)金流。所以，我們要指出解決方案將對客戶現(xiàn)金產(chǎn)生積極影響的領(lǐng)域。為此，我們使用了圖1所示的雷達圖。收個生產(chǎn)力周盛不動產(chǎn)運營資本凈現(xiàn)值對圖表左側(cè)的區(qū)域有助于增加產(chǎn)品銷量，即通過增加銷量或通過提高設(shè)備運行效率(OEE)來增加產(chǎn)量。圖表右側(cè)是可以減少的成本項目：銷貨成本(COGS)、運營支出(OPEX),或資本支出(CAPEX)。右下方的部分是營運資金的變化。我們發(fā)現(xiàn)影響制造業(yè)的解決方案會影響庫存水平。對應(yīng)收賬款或應(yīng)付賬款有影響的解決方案可能與業(yè)務(wù)流程自動化更相關(guān)，為簡便起見，未將其包含在雷達圖中。請注意，雷達上列出的現(xiàn)金杠桿并不完整?？赡苓€有一些影響總收入或凈利潤的方面沒有列出。這些內(nèi)容將添加到圖表旁邊的注釋文本中，根據(jù)具體用例的情況對價值進行解釋。經(jīng)過我們多年的分析，雷達圖已被證明對大多數(shù)工業(yè)應(yīng)用而言是相當(dāng)全面和完整的。第一道菜——設(shè)計和工程作為第一道菜，我們傾向于從設(shè)計和工程過程中提供一些啟發(fā)性的開胃應(yīng)用，因為大多數(shù)創(chuàng)產(chǎn)品和系統(tǒng)的設(shè)計側(cè)重于滿足客戶的要求和技術(shù)規(guī)范，而工程則結(jié)合了科學(xué)和數(shù)學(xué)領(lǐng)域，在如今，我們看到工程學(xué)的定義發(fā)生了轉(zhuǎn)變：從傳統(tǒng)的機器設(shè)計和工程到社會技術(shù)系統(tǒng)的“工程”(德國國家工程院),社會和環(huán)境也成為價值鏈中新的利益相關(guān)方。政界要求開始關(guān)注與產(chǎn)品生命周期相關(guān)的循環(huán)經(jīng)濟，從設(shè)計階段開始，直至材料的回收和再利用。最新的例子是，歐洲要求遵守能源和產(chǎn)品碳排放方面的規(guī)定，以實現(xiàn)雙軌轉(zhuǎn)型目標(數(shù)字化轉(zhuǎn)型和綠色轉(zhuǎn)型)。到2050年，“基于模型的系統(tǒng)工程(MBSE)是對建模的形式化應(yīng)用，以支持系統(tǒng)需求、設(shè)計、分析、驗證和確認活動，從概念設(shè)計階段開始，貫穿整個開發(fā)和后續(xù)的生命周期階段。MBSE技術(shù)方法通常應(yīng)用于擁有復(fù)雜系統(tǒng)的各行各業(yè)，例如航空航天、國防、鐵路、汽車、制造業(yè)等。”(摘自維基百由于系統(tǒng)性能與設(shè)計階段設(shè)定的系統(tǒng)邊界密切相關(guān)，后期糾正設(shè)計和工程階段出現(xiàn)的錯誤會產(chǎn)生極高的成本。然而，數(shù)字孿生的興起能夠在產(chǎn)品的早期階段模擬物理屬性和環(huán)境參數(shù)，而不再需要花費高昂的成本來制造原型。因此，可以避免錯誤，減少材料和能源消耗，并避免回收原型硬件。此外，連接到云服務(wù)和訪問數(shù)字孿生可能會帶來更加靈活的系統(tǒng)邊界。通過按需部署云服務(wù)一塊又一塊石頭#生成式設(shè)計引文教堂不僅僅是石頭的堆砌。它是幾何學(xué)和建筑學(xué)。不是石頭決定了它，而是它用自己的意義豐富了石頭?！裼美寒a(chǎn)品設(shè)計和工程中的生成式AI對于制造企業(yè)來說，保持競爭力是成功的關(guān)鍵。最近在生成式Al領(lǐng)域取得的成功讓人們產(chǎn)生了將這種方法用于產(chǎn)品設(shè)計和工程的想法。通過利用機器學(xué)習(xí)和數(shù)據(jù)分析的力量，公司可以創(chuàng)造出滿足客戶需求的創(chuàng)新且高效的產(chǎn)品。●客戶的挑戰(zhàn)關(guān)于生產(chǎn)優(yōu)化和維護方面的Al應(yīng)用已經(jīng)有了很多論述。此外，這些精選的用例參考了幾篇致力于改善工廠運營的論文。然而，工廠設(shè)計和建造中的錯誤很難在運行時得到糾正，或者說，即使能被糾正，代價也非常高昂。工廠一旦建成，可能會按照“建成時”的配置運行數(shù)年而不作任何更改(例如制煉廠)。離散制造工廠在生產(chǎn)新產(chǎn)品系列時可能會進行重新配置。因此，在工廠的生命周期內(nèi)，我們可以確定三個周期：·工廠設(shè)計、建造和運營·產(chǎn)品設(shè)計和生產(chǎn)·產(chǎn)品制造和維護所有這些都包括生產(chǎn)運行。在調(diào)整設(shè)備的設(shè)定值來優(yōu)化運行時，可以基于大量持續(xù)收集的運行數(shù)據(jù)。然而，對于產(chǎn)品重新設(shè)計周期而言，從之前的產(chǎn)品中收集的數(shù)據(jù)可能并不相關(guān)，而且為了提供足夠的數(shù)據(jù)所需收集數(shù)據(jù)的頻率要低得多。工廠的設(shè)計周期大多甚至不是一個周期——周期是指工廠從建成到運行，直到幾十年后被拆除。因此，要想基于測量數(shù)據(jù)來優(yōu)化工廠設(shè)計，相關(guān)數(shù)據(jù)很難獲得。工廠工程和產(chǎn)品設(shè)計都必須依賴仿真能力來提供相關(guān)的優(yōu)化數(shù)據(jù)。一旦實現(xiàn)了這一點，就可以建造工廠，或者對工廠進行改造，以生產(chǎn)新的產(chǎn)品系列。最近，隨著ChatGPT、Dall-E等受到熱議的解決方案的發(fā)布，生成式Al算法受到了廣泛關(guān)注。生成式算法不僅能將輸入數(shù)據(jù)集映射到輸出數(shù)據(jù)集，而且通常具有更復(fù)雜的結(jié)構(gòu)。其中一類算法是生成對抗網(wǎng)絡(luò)(GAN)。在這種情況下，兩個網(wǎng)絡(luò)進行對賭。其中一個是生成器，經(jīng)過訓(xùn)練后可以根據(jù)輸入數(shù)據(jù)集創(chuàng)建輸出，例如根據(jù)描述創(chuàng)建圖片。另一個是判別器，負責(zé)接收原始輸入和生成器人工生成的輸入，并經(jīng)過訓(xùn)練來判斷輸入是生成的還是原始的。當(dāng)判別器檢測到人工輸入時，就會將這一信息反饋給生成器，讓生成器學(xué)習(xí)創(chuàng)建更逼真的輸出，并誘使判別器將生成器的輸出評定這樣的系統(tǒng)可以比作大師和評論家：大師提供作品，評論家評定好壞。然后，大師學(xué)習(xí)哪些這一概念可應(yīng)用于產(chǎn)品設(shè)計。系統(tǒng)接收零部件的規(guī)格。生成器可以創(chuàng)建符合規(guī)格的零部件設(shè)計。判別器根據(jù)規(guī)格對這些設(shè)計進行評定，然后生成器創(chuàng)建新的設(shè)計，使其變得更好，最終滿足規(guī)格要求。為了使這些系統(tǒng)更加有效，它們不能只依賴Al模型。生成式設(shè)計工具能夠?qū)α悴考奈锢砣祟愒O(shè)計師從一組表現(xiàn)相似的生成式設(shè)計中選擇最終設(shè)計，或在整個過程中根據(jù)人類經(jīng)驗調(diào)所產(chǎn)生的生成式設(shè)計通常具有更加有機的外觀：設(shè)計沿著力場和應(yīng)力矢量分配材料，從而形成在自然界中經(jīng)?？吹降慕Y(jié)構(gòu)，特別是植物的生長形態(tài)。這些在地球歷史上不斷演變的形態(tài)是最有效的結(jié)構(gòu)之一。傳統(tǒng)的減材機械無法有效地制造這種結(jié)構(gòu)。為了創(chuàng)造上述結(jié)構(gòu)，增材制造通常是首生成式設(shè)計可以在材料使用和重量方面更加高效。它們還能產(chǎn)生人類未曾感知到的全新設(shè)計軟件是一個特例。軟件是以文本(編程語言)的形式設(shè)計的，近期基于語言的模型(例如ChatGPT)非常適合處理文本。很多參考文獻讓ChatGPT寫的不是文章或論文，而是計算機軟件。而編寫正確、安全代碼的細節(jié)可能會由Al智能體負責(zé)。即使是像PLC應(yīng)用這樣的專業(yè)軟件，這也是●產(chǎn)生的價值益坐生產(chǎn)力生益坐生產(chǎn)力生不動產(chǎn)運營資本自由現(xiàn)金流凈現(xiàn)值水￥自動創(chuàng)建供檢視的變體可提高員工的工作效自動化程度更高的設(shè)計可提高產(chǎn)品配置的靈活性，縮短上市時間?！窠Y(jié)論生成式算法的飛速發(fā)展，尤其是在語言、圖像和視頻方面的發(fā)展，也為工程領(lǐng)域帶來了巨大的潛力。正如它們在軟件工程中展現(xiàn)出的優(yōu)勢一樣，不理解計算機語言但理解物理語言的類似解決方案可以為更快地設(shè)計產(chǎn)品或組件提供巨大支持。此外，它們還能更精確地滿足人類設(shè)計師提出的規(guī)格要求。目前，許多PLM供應(yīng)商都提供此類軟件包，在不久的將來，我們可能會看到這一領(lǐng)域取得更多進展。為了真正從新方法和由此產(chǎn)生的優(yōu)化設(shè)計中獲益，在許多應(yīng)用中都需要對制造進行調(diào)整以包含增材制造能力，從而能夠創(chuàng)造出設(shè)計的形狀。生成式設(shè)計和增材制造共同創(chuàng)造了新的機遇，為設(shè)計工程師提供了更強大的工具。未來并非命運的安排#產(chǎn)品的二氧化碳跟蹤引文ZukunftistkeinSchicksalsschlag,sonderndieFolgederEntscheidungen,diewirheutetreffen.未來并非命運的安排，而是我們今天所做決定的結(jié)果?！裼美寒a(chǎn)品和流程設(shè)計中的產(chǎn)品碳足跡跟蹤我們可以在今天做出的影響產(chǎn)品和流程的未來的決定往往在產(chǎn)品和流程設(shè)計階段就開始了。目標是通過“設(shè)計”,在整個生命周期內(nèi)盡可能實現(xiàn)可持續(xù)發(fā)展。設(shè)計階段還包括材料回收和二次可持續(xù)產(chǎn)品倡議(SPI)是歐盟“綠色新政”的一部分，就產(chǎn)品碳足跡(PCF)的申報提出了Wegener教授博士認為：“DPP有助于極大地提高能源和材料供應(yīng)的安全性，從而增強經(jīng)濟韌性”3。從這個意義上說，有助于可持續(xù)發(fā)展的數(shù)字產(chǎn)品護照已成為一種新的貨幣，使企業(yè)在與不遵ZVEI在2023年漢諾威工業(yè)博覽會上示范了首款高度集成的產(chǎn)品?。作為用例，ZVEI選擇了一臺由多個模塊組成的控制機柜，其中每個模塊都由其數(shù)字孿生(資產(chǎn)管理殼)進行描述5。由于每個資產(chǎn)管理殼中的子模型都包含其制造過程中的產(chǎn)品碳足跡(PCF)數(shù)據(jù)，因此，將每個模塊組裝過程中的所有單個PCF相加，就可以輕松計算出整個機柜的綜合碳足跡。如下圖所示，*2./en/subjects/zvei-show-case-pcfcontrolcabinet*3./watch?v=OPCSgWFx3NM*4.德國電氣工程師協(xié)會：/en/*5.https://schaltschrankbau-magazin.de/workflow-prozesse-dienstleistungen/mehrwert-veranschaulichen/圖2:ZVEI展示的“PCF@控制機柜”示范了首個數(shù)字產(chǎn)品護照(DPP4.0)圖2是DPP示范產(chǎn)品，顯示了整體PCF值，因為所有被集成組件的PCF值都得到了跟蹤和匯總。ZVEI提出的DPP4.0概念是基于在工業(yè)4.0計劃框架內(nèi)開發(fā)的兩個重要支柱：●通過IEC61406(識別鏈接)的數(shù)字銘牌(DNP4.0)和如圖3所示，工程流程包括公司與相關(guān)IT系統(tǒng)之間的許多接口。除了必須傳輸工程數(shù)據(jù)外，各個組件的數(shù)據(jù)也必須從供應(yīng)商傳輸?shù)较到y(tǒng)集成商。在這個簡單的例子中，已經(jīng)有15家公司參與其中，需要從這些公司獲取56種產(chǎn)品和組件的數(shù)據(jù)以實現(xiàn)增值，最終形成由93個零部件組成的一個LogisticsLogistcsphysicalflow圖3:工程辦公室、系統(tǒng)集成商和客戶之間的價值鏈數(shù)據(jù)共享為了促進生產(chǎn)和產(chǎn)品的可持續(xù)發(fā)展，我們在設(shè)計產(chǎn)品時就必須考慮到產(chǎn)品的整個生命周期。這包括監(jiān)控整個供應(yīng)鏈以及組件和材料的回收和再利用。需要使用AI工具來分析和選擇數(shù)字市場中不同供應(yīng)商提供的組件的數(shù)字孿生。在工程階段，將通過優(yōu)化多個參數(shù)來選擇組件，例如匹配技術(shù)規(guī)格、有關(guān)能源和PCF消耗的環(huán)境要求、客戶對交貨時間和成本的要求，以及供應(yīng)鏈的韌性。當(dāng)前的差距表明，需要進一步開展研發(fā)工作，開發(fā)未來的生成式預(yù)訓(xùn)練Al模型，以訪問和分析數(shù)字市場中提供的資產(chǎn)和生產(chǎn)能力的數(shù)字孿生?！癞a(chǎn)生的價值閑置時間監(jiān)管合規(guī)：對產(chǎn)品進行二氧化碳跟蹤，減少數(shù)噸的產(chǎn)品紙質(zhì)文檔，從而獲得競爭優(yōu)勢。產(chǎn)品吸引力：DPP將幫助利益相關(guān)方和消費者在購買和使用產(chǎn)品、產(chǎn)品所體現(xiàn)的環(huán)境影響，或可回收材料含量方面做出更明智的決定6。生命周期成本：DPP為產(chǎn)品的再利用/再循環(huán)提供了必要的信息。菱侖水生命周閑置時間監(jiān)管合規(guī)：對產(chǎn)品進行二氧化碳跟蹤，減少數(shù)噸的產(chǎn)品紙質(zhì)文檔，從而獲得競爭優(yōu)勢。產(chǎn)品吸引力：DPP將幫助利益相關(guān)方和消費者在購買和使用產(chǎn)品、產(chǎn)品所體現(xiàn)的環(huán)境影響，或可回收材料含量方面做出更明智的決定6。生命周期成本：DPP為產(chǎn)品的再利用/再循環(huán)提供了必要的信息。菱侖水生命周運營資本益￥生產(chǎn)力自由現(xiàn)金淤凈現(xiàn)值●結(jié)論和展望2022/2023年漢諾威工業(yè)博覽會上的示范產(chǎn)品令人印象深刻，展示了如何在資產(chǎn)管理殼(AAS)和數(shù)字銘牌(DNP4.0)的幫助下呈現(xiàn)產(chǎn)品信息，并在相關(guān)流程中自動使用。計算控制機柜在整個供應(yīng)鏈中的產(chǎn)品碳足跡(PCF)就是一個很好的例子。這個技術(shù)解決方案能夠提供產(chǎn)品信息，還體現(xiàn)了數(shù)字產(chǎn)品護照(DPP4.0)的概念。AAS旨在簡化系統(tǒng)集成和減少工程工作量。這將得到作為子模型的AAS的附加元信息的支持。這將為更深入地集成其他網(wǎng)絡(luò)(如GAIA-X和Catena-X)奠定基礎(chǔ)7。*6./nl/insights/digital-product-passport/*7./fileadmin/user_upload/Presse_und_Medien/Publikationen/2022/Mai/Show-《孫子兵法》中的戰(zhàn)術(shù)#5G使能價值創(chuàng)造引文故其戰(zhàn)勝不復(fù)而應(yīng)形于無窮故其戰(zhàn)勝不復(fù)，而應(yīng)形于無窮。孫子：《孫子兵法》——第6章：虛實●用例：5G使能價值創(chuàng)造過去，我們制造了完美的機器，現(xiàn)在仍然如此。但是，與量產(chǎn)場景和通過固定設(shè)計來滿足客戶要求的規(guī)格不同，我們?nèi)缃衩媾R的新挑戰(zhàn)是如何使系統(tǒng)具有適應(yīng)性、彈性和可持續(xù)性?！窨蛻舻奶魬?zhàn)為了實現(xiàn)量產(chǎn)，機器的有線解決方案和固定設(shè)計為我們贏得了“過去的勝利”,但現(xiàn)在我們可以考慮增加無線連接，以數(shù)據(jù)為基礎(chǔ)創(chuàng)造價值，不再區(qū)分聯(lián)網(wǎng)的硬件、軟件和服務(wù)。機器和模塊可以在工廠內(nèi)外進行連接，以實現(xiàn)新的生產(chǎn)范式，例如共享生產(chǎn)場景。5G能夠?qū)C器進行棕地更新，使系統(tǒng)邊界更加靈活，因為基于數(shù)據(jù)的云服務(wù)可以集成更多的功能，這與最初的設(shè)想不謀而合。隨著市場上出現(xiàn)的“類電纜”(確定性)無線網(wǎng)絡(luò)解決方案(5G+:5G及更高代際),傳統(tǒng)機器可以通過5G進行更新，按需增加模塊和傳感器，并部署智能云服務(wù)，以實現(xiàn)質(zhì)量和流程控制等。這就是對現(xiàn)有機器進行“棕地更新”,例如將焊接、銑削、鉆孔和數(shù)控制造所需的生產(chǎn)機器連接到云端，實現(xiàn)基于數(shù)據(jù)的在線流程自動化。這樣一來，由于車間不再需要其他硬件，可以在減少二氧化碳足跡的情況下實現(xiàn)更高的質(zhì)量，而且基于資產(chǎn)數(shù)字孿生，可以在數(shù)字空間中進行復(fù)雜的仿真和服務(wù)提供。在漢諾威工業(yè)博覽會和5G-ACIA(互聯(lián)產(chǎn)業(yè)和自動化聯(lián)盟)的網(wǎng)絡(luò)研討會上展示的與基于5G的智能制造相關(guān)的各種創(chuàng)新用例中，都可能涉及基于Al的挑戰(zhàn)。用例1——安全和模塊認證(基礎(chǔ)設(shè)施即服務(wù)：laaS):與安全相關(guān)的機器驗證以云服務(wù)的形式提供。通過在車間運行的資產(chǎn)的數(shù)字孿生了解安全風(fēng)險，并頒發(fā)虛擬證書。利用Al服務(wù)進行環(huán)境篩查和物體檢測，以監(jiān)控是否發(fā)生未曾預(yù)料的額外安全風(fēng)險。此外，通過進一步的研發(fā)來涵蓋Al服務(wù)本身的風(fēng)險，從而開發(fā)可信服務(wù)?！ransportSafetyprotocomachineverificationasCloudServicesModulex·Reliablewirelesstransportlayerforfieldbusandsafetyprotocols·Fastmachinereconfigurationwithautomatedsafetyverificationmachineverification圖4:通過自動安全驗證實現(xiàn)快速的機器重配置(EcoConnectRom,2019)如圖4所示，自適應(yīng)的無線聯(lián)網(wǎng)機器的最新安全認證場景是基于車間運行資產(chǎn)的數(shù)字孿生。與車間資產(chǎn)(例如機器人)相關(guān)的風(fēng)險由其數(shù)字孿生在特定環(huán)境場景下進行描述。Al可用于監(jiān)控環(huán)境，即是否仍按計劃進行，甚至可以展望幾秒鐘后的未來。這種預(yù)測性風(fēng)險管理帶來了新的動態(tài)認證流送到下一個生產(chǎn)步驟或客戶處。如果在運輸過程中發(fā)現(xiàn)缺陷，AGV會把產(chǎn)品運至維護區(qū)，請求人工操作員的支持。用于質(zhì)量控制的AI服務(wù)包括對Al模型進行訓(xùn)練，并利用共享同一用例的其他多臺機器的進一步數(shù)據(jù)更新數(shù)據(jù)庫。這就是所謂的“聯(lián)邦學(xué)習(xí)”,可為所有地點提供最佳性能，因為缺陷一旦在單個UC1"MobileEye"-AIUC1"MobileEye"-AIUC2"ValueAdding"-AIServiceforProductInspectionduringtransportTESTBEDsUplinkvideodatarateE2EroundtripdelayAuonaticaHiahtech-Summt2021,Munich,June22~2021Endarsedby5GACIA圖5:利用5G質(zhì)檢測試臺對AGV進行棕地更新(HMI2022)靈活性：5靈活性：5G為生產(chǎn)提供了必要的靈活性，可上市時間：如果機器采用無線連接，工廠車生命周期成本：基礎(chǔ)設(shè)施投資可在其生命周因此，預(yù)計到2030年，5G技術(shù)將使全球制造業(yè)的國內(nèi)生產(chǎn)總值(GDP)增加高達7,400億美的眾侖水運營資本生存貨收個自由現(xiàn)金淤凈現(xiàn)值●結(jié)論和展望5G+無線連接可以使能連網(wǎng)生產(chǎn)和AI服務(wù)的新型工業(yè)場景。目前已為5G機器人和制造業(yè)創(chuàng)建了各種測試臺，并發(fā)布了相關(guān)評估結(jié)果(5G-ACIA,2021-2023年漢諾威工業(yè)博覽會)?！衿渌畔⒑蛥⒖嘉墨Ihttps://5/testbeds/testbed-5g-based-smart-manufacturing-and-industrial-ai-services/https://5/insight/endorsed-testbeds/8.Adib,D.(2019):5G對制造業(yè)的影響——2030年實現(xiàn)7,400億美元收益。STLPartners顧問公司，倫敦。金錘定律#云機器人引文如果你唯一的工具是一把錘子，那么就很容易把所有事情都當(dāng)成釘子來對待?！裼美阂岳@線機為例的云制造電動發(fā)動機是使用傳統(tǒng)繞線機器制造的。然而，這些機器的設(shè)計限制了新型發(fā)動機產(chǎn)品線的高昂的產(chǎn)品成本和復(fù)雜的繞線技術(shù)要求新的自適應(yīng)制造解決方案能夠制造從消費類電機到機械和汽車的各種產(chǎn)品線。電動發(fā)動機日益增長的市場潛力需要靈活的生產(chǎn)能力和構(gòu)件，例如傳統(tǒng)機器人系列。繞線工藝已經(jīng)超越了傳統(tǒng)繞線機的功能，被重新視為一種焊接工藝。機器人將叉形針插入定制的定子孔中，而不是繞銅線。如圖6所示，在第二個生產(chǎn)步驟中，通過焊接針元件形成發(fā)動機的這一工藝創(chuàng)新是人為的，但也可能是未來Al分析數(shù)字孿生并識別可用于制造產(chǎn)品的不同生產(chǎn)能力的良好范例。可以訪問產(chǎn)品和工藝能力的數(shù)字孿生(資產(chǎn)管理殼)的通用Al模型或許可以為任工藝工程師必須決定是批準還是駁回這樣的解決方案。下方的圖6介紹了基于魯棒的機器人構(gòu)件的敏捷生產(chǎn)能力，展示了電動發(fā)動機的不同制造流程。*9./wiki/Law_of_the_instrument*10./wbkintern/Forschung/Projekte/AgiloDrive/index.php工程設(shè)計(傳統(tǒng))·傳統(tǒng)繞線機上的電機繞線·產(chǎn)品(發(fā)動機)的設(shè)計限制與繞線工藝有關(guān)創(chuàng)新設(shè)計(利用不同的能力)·重新定義繞線工藝。插入針頭并通過焊接進行連接·利用敏捷構(gòu)件使產(chǎn)品要求與生產(chǎn)技能相匹配Wiring圖6:KIT項目AgiloDrive展示了敏捷生產(chǎn)能力的構(gòu)件●產(chǎn)生的價值鹵鹵侖生產(chǎn)力自由現(xiàn)金流燈運營資本水姓設(shè)備TCO:基于機器人的靈活繞線方法使專用繞線機變得過時?？梢灾匦屡渲脵C器人以覆蓋其他產(chǎn)品類型，而繞線機的靈活性僅限于特定的姓靈活性：無需新機器即可生產(chǎn)客戶定制的電●結(jié)論云機器人創(chuàng)新使智能機器人具有更高的計算效率和更低的功耗。由于需要的硬件更少，制造成本可以降低。產(chǎn)品生命周期中的產(chǎn)品和流程的碳足跡得以減少。眼見為實?#光學(xué)檢測引文眼見為實，但感受才是真理。圖7:Dall-E生成的圖片：“人員輕觸在產(chǎn)汽車以檢測缺陷”設(shè)計出一種能夠檢測隱形屬性的光學(xué)系統(tǒng)!這無疑是一項工程挑戰(zhàn)。這項創(chuàng)新開胃應(yīng)用涵蓋兩個領(lǐng)域：設(shè)計和運行，不過創(chuàng)新是在設(shè)計域完成的，并在運營領(lǐng)域證明了其價值?！窨蛻舻奶魬?zhàn)白車身(BIW)是指在汽車制造過程中，車身框架連接在一起的階段，即在噴漆完成之前，以白色車身是油性的，因此不會反射任何光線。所以，人眼無法看到表面缺陷，只能由經(jīng)過培訓(xùn)的質(zhì)量“檢驗”人員在白色車身被運往噴漆車間的過程中通過觸覺檢測。如圖7所示，人員輕觸整輛車，以感受并修復(fù)凹凸等表面缺陷，使其符*11./wiki/Body_in_white任何缺陷都會導(dǎo)致額外的成本，因為在噴涂工藝后，這些缺陷就會顯現(xiàn)出來，必須進行修復(fù)和再次噴涂，從而導(dǎo)致非常高昂的成本和時間損失。由于人工檢驗結(jié)果取決于檢驗人員的個人主觀能力，存在不可靠性，因此需要對這項流程進行創(chuàng)新：設(shè)計一種集成視覺系統(tǒng)的流程，用于在白色車身運往噴漆車間的過程中客觀檢測車身表面缺陷。巴伐利亞州公共資助的名為“ABIS——自動車身檢驗系統(tǒng)”的研發(fā)項目由此啟動。由于存在時間和在線流程整合等多方面的限制，對整輛汽車進行三維數(shù)據(jù)采集并不可行，因此該項目利用了一項專利，實現(xiàn)了一次性的數(shù)據(jù)采集。這背后的基本思路是使用投影儀一相機對，其中投影儀以傾斜角度向表面區(qū)域投射灰階正弦波圖案，而攝像機則垂直于該表面區(qū)域。任何表面缺陷都會導(dǎo)致在圖像中檢測到局部相移，從而可以計算出該缺陷確切的三維尺寸。由于圖像尺寸僅覆蓋20厘米乘20厘米的區(qū)域，因此采用了集成多個相機和投影儀對的門式系統(tǒng)設(shè)計。當(dāng)白色車身經(jīng)過門式機器人被傳送到噴漆車間時，每個投影儀和相機對都會根據(jù)汽車的CAD文件和運動過程中的實際位置被引導(dǎo)到正確的位置。如圖8所示，這樣就可以對整輛汽車進行無縫檢驗。圖8:自動車身檢驗系統(tǒng)“ABIS”從手工到機器人檢驗的演進以支持向量機為基礎(chǔ)的機器學(xué)習(xí)算法經(jīng)過訓(xùn)練，能夠以可接受的檢測率和“誤報”率對表面異常進行檢測和分類。由12臺PC組成的網(wǎng)絡(luò)只需2秒鐘就能在每輛車的25,000個數(shù)據(jù)集中識別并定位缺陷。檢測到的缺陷位置被傳送至噴墨機器人處，以便對缺陷進行標記和維修。另一個已解決的挑戰(zhàn)是保證長期的流程能力，避免在臨時發(fā)生流程轉(zhuǎn)變后出現(xiàn)局部最優(yōu)或數(shù)據(jù)訓(xùn)練的問題。因此，經(jīng)過訓(xùn)練的歷史數(shù)據(jù)以“紅綠燈”的形式顯示，在顯示的實際缺陷中，“綠色”表示已接受的缺陷，“紅色”表示未接受的缺陷，如圖9所示。圖9:聯(lián)邦教育與研究部資助的研發(fā)項目“OPAQ”中開發(fā)的用戶界面12●產(chǎn)生的價值減少了汽車生產(chǎn)線的停線時間，降低了流程減少了汽車生產(chǎn)線的停線時間，降低了流程成本和隱性質(zhì)量成本，原因是將平均流程成熟度從4西格瑪提高到了6西格瑪。每提高一個西格瑪成熟度，成本降低達銷售收入的10%,因為停線成本高達每小時數(shù)百萬美通過在線解決方案提高流程效率(30%),提高質(zhì)量(從5西格瑪提高到6西格瑪)。菱菱×率生。銷售價格不動產(chǎn)益水●結(jié)論通過不斷擴大的數(shù)據(jù)庫以及針對先前流程的較短反饋回路，可以識別并消除導(dǎo)致缺陷的根本原因。甚至可以優(yōu)化沖壓車間的工具和沖壓條件，因為工具中殘留的任何異物都會產(chǎn)生系列缺陷，需要在白車身工藝中進行修復(fù)。通過上述創(chuàng)新和系統(tǒng)演進，可以將生產(chǎn)流程控制和質(zhì)量保證任務(wù)整合在一個系統(tǒng)中?？煽俊⒖陀^的測量數(shù)據(jù)的透明度使工廠操作人員能夠同時監(jiān)控生產(chǎn)流程和所生產(chǎn)的車身部件的質(zhì)量。13這是超感觀感知嗎?#具備視覺能力的未來網(wǎng)絡(luò)引文Voicimonsecret./lesttrèssimple:onnevoitbienqu'aveclec?ur.L'essentielest這就是我的秘訣，一個非常簡單的秘訣；只有用心，才能看清事物的本質(zhì)，眼睛是看不見的。下一代移動無線網(wǎng)絡(luò)(5.5G)將具備有趣的感知能力?！裼美?.5G——物理世界和網(wǎng)絡(luò)世界的融合隨著未來網(wǎng)絡(luò)(5.5G)的發(fā)展(預(yù)計于2030年到來),一個“每個人、每個物品”都能連接和訪問數(shù)據(jù)空間的新世界可能會到來，因為物理世界和網(wǎng)絡(luò)世界正在融合，這為制造業(yè)自動化創(chuàng)新打開了新的窗口?！窨蛻舻奶魬?zhàn)數(shù)據(jù)空間的價值創(chuàng)造以制造業(yè)供應(yīng)鏈的數(shù)據(jù)可追溯性為基礎(chǔ)，并通過工業(yè)互聯(lián)網(wǎng)(IIT)和運營技術(shù)(OT)的雙向轉(zhuǎn)換得以實現(xiàn)。但如今，電信業(yè)也在豐富制造業(yè)，提供了新型的無線設(shè)計和運行模式，例如對機器和流程進行棕地更新。客戶面臨的挑戰(zhàn)是，電信行業(yè)標準化進程(3G、4G、5G+)的發(fā)展速度遠高于制造業(yè)，制造業(yè)使用的許多傳統(tǒng)系統(tǒng)需要保持互操作性，有時甚至需要保持長達數(shù)十年。太赫茲范圍的新頻譜、更快的速度(可能達到1Tb每秒)、低于一毫秒的時延、精確到厘米級的超定位，以及每平方公里連接的更多設(shè)備，都有可能在制造業(yè)用例中實現(xiàn)自動化領(lǐng)域的創(chuàng)新。如下圖10所示，5.5G和6G將是一個融合物理世界與網(wǎng)絡(luò)世界的連續(xù)體。HUAWEIHUAWEIComplexconnectedneuralsystemSensing,Learning,Inferencing,etc.*6GwillgobeyondcommunicationstobeaplatformforAlandSensingwithkeycapabilities.Aglobal6Gstandardisthekeytothesuccessof6G.Industryconsensusarebuilding.Human,machine,andenvronment圖10:6G將成為Al和感知的平臺每個5.5G網(wǎng)元都將原生集成通信、計算和感知能力，促進從云端集中智能向深度邊緣泛在智能的演進。Al部分是網(wǎng)絡(luò)固有的，是未來實現(xiàn)大規(guī)模應(yīng)用的基礎(chǔ)設(shè)施的一部分。基于深度邊緣智能網(wǎng)絡(luò)感知：5.5G將具備網(wǎng)絡(luò)感知能力。在頻段、帶寬和天線不斷增加的推動下，通信系統(tǒng)將集成無線感知能力，通過無線電傳輸、回波、反射和散射探索物理世界。通信系統(tǒng)還將提供高分辨率感知、定位、成像和環(huán)境重建能力，以提高通信性能，支持更廣泛的網(wǎng)絡(luò)服務(wù)場景。它涵蓋了一極致連接：未來網(wǎng)絡(luò)將提供通用的高性能無線連接和極致體驗，其速度可與光纖媲美。峰值速率高達1Tbit/s,體驗速率為10-100Gbit/s,時延為亞毫秒級，連接密度是5G的十倍，可實現(xiàn)厘米級定位、毫米級成像，以及基于可控誤差分布的端到端系統(tǒng)可靠性。未來，這些將不僅使能以人為中心的沉浸式服務(wù)，還將加速垂直行業(yè)的全面數(shù)字化轉(zhuǎn)型和生產(chǎn)效率升級14,如圖11所示。圖11:2023年漢諾威工業(yè)博覽會：華為表示6G或?qū)⒏淖兾磥頇C器人的設(shè)計方式15Al將成為5.5G通信系統(tǒng)的一項服務(wù)和原生特性，并且，5.5G將成為支持基于Al的服務(wù)和應(yīng)用的端到端系統(tǒng)。具體來說，5.5G空口和網(wǎng)絡(luò)設(shè)此外，每個5.5G網(wǎng)元都將原生集成通信、計算和感知能力，促進從云端集中智能向深度邊緣分布式和聯(lián)邦學(xué)習(xí)將有助于優(yōu)化計算資源、本地學(xué)習(xí)和全局學(xué)習(xí)，并有助*14./-/media/corp2020/pdf/tech-insights/1/6g-white-paper-en.pdf?la=en*15.https://www.hannovermesse.de/event/6g-enabled-future-robotics/vor/104321要求。從這個意義上說，未來核心網(wǎng)功能將下沉到深度邊緣網(wǎng)絡(luò)，而基于云的軟件運營將轉(zhuǎn)向大規(guī)●產(chǎn)生的價值新的產(chǎn)品和市場可能會圍繞新的產(chǎn)品和市場可能會圍繞AI服務(wù)發(fā)展。5.5G有合并價值鏈、現(xiàn)有業(yè)務(wù)，甚至行業(yè)的潛力，因此制造業(yè)可以實現(xiàn)去中心化的平臺經(jīng)濟。感知能力可能為新的解決方案帶來新的可能性?，F(xiàn)在處于發(fā)展的早期階段，有待挖掘更多價值。鹵公會水上市時間銷售價格運營資本×自由現(xiàn)金生產(chǎn)力益●結(jié)論和展望從5G到6G網(wǎng)絡(luò)的演進將整合通信、感知、計算和智能等各種能力，因此有必要重新定義網(wǎng)絡(luò)架構(gòu)。新的網(wǎng)絡(luò)架構(gòu)應(yīng)支持原生可信，并能靈活適應(yīng)協(xié)同感知、分布式學(xué)習(xí)等任務(wù)，以大規(guī)模推廣Al應(yīng)用。數(shù)據(jù)以及由此衍生的知識和智能是5.5G和6G網(wǎng)絡(luò)架構(gòu)重新設(shè)計的驅(qū)動力。新的數(shù)據(jù)治理架構(gòu)支持數(shù)據(jù)合規(guī)和變現(xiàn)，以及先進的隱私保護和量子攻擊防御17。*16./-/media/corp2020/pdf/tech-insights/1/6g-white-paper-en.pdf?la=en*17.D.K.PinTa等人，6G的通感一體化：動機、用例、要求、挑戰(zhàn)和未來方向，D.Tan,JiaHe以及另外四位作者，W.Tong,2021年2月23日發(fā)表，《計算機科學(xué)》,2021年第1屆IEEE聯(lián)合通信與感知(JC&S)國際在線研討會主菜——運營作為主菜，我們希望提供運營階段的精選開胃應(yīng)用，因為創(chuàng)新必須在運營階段證明其價值。工業(yè)數(shù)字化進程正在快速推進，相關(guān)標準(例如OPC-UA以及資產(chǎn)和服務(wù)的數(shù)字孿生)也在不斷出臺。車間——OT(運營技術(shù)領(lǐng)域)到IT(工業(yè)網(wǎng)絡(luò)領(lǐng)域)的數(shù)據(jù)可追溯性成為新商業(yè)案例和運營范式的使能器，設(shè)計和工程階段開始與運營階段融合。適應(yīng)性、互操作性和自主性將成為可持續(xù)發(fā)展和彈性制造的新型關(guān)鍵要素(《德國工業(yè)戰(zhàn)略2030》,PI4.0)。雖然上一節(jié)指出，設(shè)計階段定義的系統(tǒng)邊界限制了運營特性，但由于這兩個階段開始融合，新的選擇也隨之出現(xiàn)。傳感器可以集成到傳統(tǒng)系統(tǒng)和機器中，生成過程數(shù)據(jù)，這些數(shù)據(jù)可以通過無線網(wǎng)絡(luò)(例如5G+、Wi-Fi)連接到內(nèi)部硬件(邊緣設(shè)備)或外部數(shù)據(jù)中心(公有云或私有云)。這樣就可以在本地部署云服務(wù)，提供原本沒有預(yù)料到的能力。這一過程被稱為“棕地更新”,是實在運營階段，根據(jù)流程性能指標(流程能力)的統(tǒng)計測量結(jié)果來監(jiān)控理想的系統(tǒng)輸出。在對流程進行統(tǒng)計控制時需要使用這些KPI,例如在流程存在了一段時間后。當(dāng)超過質(zhì)量基準時，工廠或機器操作員將采取行動，從正在進行的流程轉(zhuǎn)變中恢復(fù)系統(tǒng)。最近的工業(yè)運營要求是達到6西格用我朋友的一點幫助#制造即服務(wù)引文我靠朋友的幫助過得不錯。披頭士樂隊，《用我朋友的一點幫助》●用例：共享生產(chǎn)——“制造即服務(wù)”圖12所示的共享生產(chǎn)場景是GAIA-X用例的一部分，由國家層面的公共資金支持，目的是在共享生產(chǎn)資源的基礎(chǔ)上開展合作：ConnectedProductionLineConnectedProductionLine圖12:共享生產(chǎn)：跨工廠和跨公司生產(chǎn)展示；智慧工廠——KL2025愿景——“自主產(chǎn)線L4”18●客戶的挑戰(zhàn)這種生產(chǎn)范式提供了各種解決方案，以便在需要時利用數(shù)字市場提供的生產(chǎn)能力——自己的車間不具備這種能力，或者將未使用的生產(chǎn)能力提供給新客戶。開放式和模塊化的生產(chǎn)方式使各個公司能夠跨越公司界限，以更加密切和透明的方式展開合作，定制生產(chǎn)。生產(chǎn)和增值網(wǎng)絡(luò)的控制是數(shù)據(jù)驅(qū)動的，數(shù)據(jù)的所有權(quán)持續(xù)得到保障。與正常的價值鏈一樣，數(shù)據(jù)的收集和處理可以挖掘新商業(yè)模式的潛力。不同之處在于，組建臨時的增值網(wǎng)絡(luò)可以進一步提高潛力，并在每種場景下(共同)開發(fā)新的商業(yè)模式。*18.https://www.bmwk.de/Redaktion/EN/Artikel/Digital-World/GAIA-X-Use-Cases/shared-production.html該用例已在2022年和2023年漢諾威工業(yè)博覽會上進行了概念驗證。歐洲各地的不同生產(chǎn)線已聯(lián)網(wǎng)，可根據(jù)客戶的配置定制產(chǎn)品。圖13:自主產(chǎn)線L4示范產(chǎn)品提供了一個數(shù)據(jù)空間，用于連接公司內(nèi)部和公司自主產(chǎn)線L4代表基于可擴展的可信架構(gòu)進行“共享生產(chǎn)”19。如下圖14所示，該用例是由聯(lián)smartFactory>OnlineProductconfigurationbycustomer>Registration:Enterprises,Capabilities,Services>AutomatedProductionplanning>SharedProduction&CloudServiceDeploymentHANNSoyERCA×https://www.data-infrastructure.eu/GAIAX/Redaktion/EN/Artikel/UseCases/shared-production.htmlEQ\*jc3\*hps36\o\al(\s\up7(TEC),KA)EQ\*jc3\*hps36\o\al(\s\up7(HNISCHE),SERS)EQ\*jc3\*hps36\o\al(\s\up7(U),L)EQ\*jc3\*hps36\o\al(\s\up7(N),A)EQ\*jc3\*hps36\o\al(\s\up7(VERS),UTE)EQ\*jc3\*hps36\o\al(\s\up7(TAT),RN)ZVEl:FederalMinistryforEconomicAffairsandClimateAction圖14:共享生產(chǎn)的特點是基于技能的全歐洲互聯(lián)智慧工廠，能夠提供產(chǎn)品*19.https://www.elektroniknet.de/automation/smartfactory-kL-erarbeitet-shared-production.182372.2.htmlAl未來的作用將主要體現(xiàn)在工程階段，即為數(shù)字市場提供的生產(chǎn)服務(wù)尋找和匹配合適的數(shù)字孿生(AAS:資產(chǎn)管理殼)。在匹配過程中，AI工具將幫助設(shè)計師在符合客戶要求的不同生產(chǎn)能力中，根據(jù)能耗和產(chǎn)品碳足跡(PCF)的最佳值做出選擇。圖15描繪了通過AAS將工程重新視為連接技能的過程?；诜?wù)的數(shù)字孿生，在符合GAIA-X要求的數(shù)據(jù)空間中產(chǎn)生價值。AlsupportedConnectivityofValueaddingmatchingthedigitalAl高圍圍圍圍Productfeature圍圍圍圍Servicefeature圖15:在生態(tài)系統(tǒng)中使用EDSEclipse數(shù)據(jù)空間連接器以符合GAIA-X要服務(wù)并不局限于工程階段。此外，它們還將支持客戶打造制造生態(tài)系統(tǒng)，連接合作伙伴以滿足共享生產(chǎn)的需求，并基于自動拍賣來達成合作?！癞a(chǎn)生的價值產(chǎn)品吸引力：新的商業(yè)模式促使在不斷發(fā)展的新市場上提供和請求獲取生產(chǎn)能力。投資成本：在需要時使用制造服務(wù)可減少對本地新生產(chǎn)能力的投資。生產(chǎn)效率：當(dāng)合同隨客戶需求的減少而減少時，可避免生產(chǎn)閑置的風(fēng)險。公會水生命兩生產(chǎn)力×銷售價格益●結(jié)論在當(dāng)今產(chǎn)品特性飽和、價格極具競爭力的市場上，制造商正在探索全新的服務(wù)型商業(yè)模式，以擴大利潤并與客戶建立更牢固的關(guān)系。許多制造商發(fā)現(xiàn)，在產(chǎn)品組合中增加服務(wù)，可以使其產(chǎn)品與眾不同，并獲得競爭優(yōu)勢。由于制造企業(yè)可以通過設(shè)計靈活的工廠、共享資產(chǎn)，以及分離工廠所有權(quán)和使用權(quán)來應(yīng)對關(guān)上述用例還表明，人工智能、人類和機器是未來的夢之隊，高科技生產(chǎn)并不會把人趕出工廠。共享生產(chǎn)的特殊系統(tǒng)架構(gòu)實現(xiàn)了不斷發(fā)展的工業(yè)數(shù)據(jù)空間(例如作為汽車網(wǎng)絡(luò)的Catena-X21以及作為橫跨各行業(yè)細分領(lǐng)域的Manufacturing-X22網(wǎng)絡(luò))這一形式的彈性和可持續(xù)性。*21.https://www.plattform-i40.de/IP/Redaktion/EN/Downloads/Publikation/Manufacturing-X_long.html*22./en/#:~:text=Catena%2DX%20is%20the%20first,The%20claim%20is%20data%20sovereignty鐘聲為誰而鳴#流程中的質(zhì)量監(jiān)控引文Sehnwir'süberglastersc看到水管已經(jīng)變黃!我在其中浸泡了一小塊；如果它呈現(xiàn)出釉層，就可以開始澆鑄了?！裼美贺灤┱麄€生產(chǎn)過程的質(zhì)量監(jiān)控在許多生產(chǎn)流程中，質(zhì)量控制是在子組件結(jié)束安裝時或者在重要中間時點進行的。如果質(zhì)量問題是由不符合規(guī)范的機器參數(shù)或來料缺陷造成的，那么在質(zhì)量檢測之前仍在生產(chǎn)線上的零部件也可能存在問題。盡早發(fā)現(xiàn)質(zhì)量問題有助于提高產(chǎn)量。在引文中，人們在澆鑄之前對金屬件進行了檢設(shè)備綜合效率(OEE)是衡量某一設(shè)備可生產(chǎn)多少產(chǎn)品的指標。它包括三個方面：生產(chǎn)效率、可用性和質(zhì)量。生產(chǎn)效率和可用性通過增加正常運行時間和生產(chǎn)速度來增加產(chǎn)量。提高質(zhì)量就是減少無法使用的產(chǎn)品數(shù)量。所以，可以減少因低質(zhì)量而浪費的材料和能源。這不僅對OEE有影響，還能節(jié)省能源和材料。因此，質(zhì)量是生產(chǎn)環(huán)節(jié)的一個重要因素。如今，許多生產(chǎn)流程都將質(zhì)量保證作為生產(chǎn)的最后一步。通過系統(tǒng)的質(zhì)量檢測或從一批產(chǎn)品中抽取樣品來檢查成品是否符合規(guī)格要求?？梢栽谏a(chǎn)環(huán)節(jié)中對這些樣品進行在線分析，也可以在質(zhì)量保證實驗室進行離線分析。不良質(zhì)量可能來自個別生產(chǎn)錯誤，也可能來自生產(chǎn)線上的系統(tǒng)性錯誤。在后一種情況下，必須對整批產(chǎn)品進行分析，并有可能將這批產(chǎn)品丟棄。必須找到并修復(fù)生產(chǎn)錯誤。如果在生產(chǎn)流程的最后階段才發(fā)現(xiàn)并糾正錯誤，那么生產(chǎn)出的這批無用的產(chǎn)品已經(jīng)耗費了大量的精力。在流程早期跟蹤問題有助于節(jié)省處理有問題的產(chǎn)品所需的時間、材料和精力?？梢蕴崆巴Ｖ股a(chǎn)并且解決問題，這樣就不會生產(chǎn)出整批有缺陷的產(chǎn)品。此外，將測試范圍從單個樣品擴大到生產(chǎn)的每件產(chǎn)品，可避免發(fā)出有問題的產(chǎn)品，以及避免在現(xiàn)場進行昂貴的更換或維修?！窕贏l的解決方案——機遇人工檢驗產(chǎn)品質(zhì)量時通常使用目測。他們會檢測出不當(dāng)?shù)耐繉?、裂縫等問題。圖像識別是一項成熟且成功的Al應(yīng)用。Al不僅可以區(qū)分貓和狗，還可以通過訓(xùn)練檢測出合格產(chǎn)品和故障產(chǎn)品之間的區(qū)別。智能手機使用的攝像頭使得小型、低價、高質(zhì)量的圖像捕捉設(shè)備大量出現(xiàn)。人工檢驗需要人眼能看到被檢驗的產(chǎn)品，而攝像頭則可以放置在有限的空間內(nèi)，例如機器內(nèi)，以監(jiān)控生產(chǎn)過程中任何階段的產(chǎn)品質(zhì)量。攝像頭不僅可以檢測產(chǎn)品中的故障，還可以監(jiān)控實時生產(chǎn)過程，并檢測出肉眼無法檢測到的不當(dāng)操作。在實驗室取樣進行的更深入分析很難完全集成到生產(chǎn)過程中，因為這往往需要時間和昂貴的設(shè)備。如果有足夠的實驗室測試數(shù)據(jù)，并能與生產(chǎn)流程中的傳感器讀數(shù)相關(guān)聯(lián)，那么就有可能找到一種解決方案，讓經(jīng)過訓(xùn)練的Al模型將實驗室測量結(jié)果與傳感器讀數(shù)相關(guān)聯(lián)，從而根據(jù)流程傳感器大致預(yù)測實驗室測試的結(jié)果。然后，實驗室測試可集中在Al系統(tǒng)標記為有問題的材料上。除了在生產(chǎn)流程早期檢測出不良質(zhì)量外，Al還能幫助提高質(zhì)量。利用高質(zhì)量的產(chǎn)品測量結(jié)果以及相應(yīng)的流程設(shè)置和規(guī)格對AI進行訓(xùn)練后，Al可以學(xué)習(xí)到哪些參數(shù)能夠?qū)崿F(xiàn)優(yōu)異的結(jié)果(“黃金批次”),從而輸出最優(yōu)流程設(shè)置。在生產(chǎn)流程中，來料質(zhì)量可能會對產(chǎn)品質(zhì)量產(chǎn)生重大影響。可按照上述相同方式進行來料質(zhì)量評估。不過，如果可以提供上游流程的生產(chǎn)質(zhì)量信息，例如提供數(shù)字產(chǎn)品護照，就可以透明地共享這些信息。將上游數(shù)據(jù)與生產(chǎn)數(shù)據(jù)進行整合能夠獲得更全面的質(zhì)量信息。運輸過程中的質(zhì)量仍有待監(jiān)控，即交付的零件是否在整個供應(yīng)鏈中得到了適當(dāng)處理。這就需要在價值鏈上進行更廣泛的資產(chǎn)跟蹤，并且可將其視為一個單獨的用例?！癞a(chǎn)生的價值輪必主要價值在于：生產(chǎn)的次品數(shù)量減少了，因輪必水附帶效應(yīng)是：由于需要丟棄的零部件減少，生產(chǎn)這樣的零部件所使用的能源和材料也隨之減不動產(chǎn)自由現(xiàn)金凈現(xiàn)值不動產(chǎn)自由現(xiàn)金凈現(xiàn)值存貨運營資本因此，高質(zhì)量的產(chǎn)品可以帶來更高的銷售價格。雖然預(yù)測性維護是最突出的用例之一(在單獨的一節(jié)中描述),但值得注意的是，監(jiān)控生產(chǎn)的產(chǎn)品本身就是一個非常有價值的用例。這兩個用例相輔相成，因為生產(chǎn)設(shè)備的劣化(通過預(yù)測性維護檢測到)很有可能導(dǎo)致產(chǎn)品問題，而檢測到缺陷產(chǎn)品也可能導(dǎo)致檢測到機器故障。由于Al模型必須基于產(chǎn)品的屬性進行訓(xùn)練，因此從劣質(zhì)生產(chǎn)中收集數(shù)據(jù)尤為重要。Al模型(“良好質(zhì)量”)也可以從工程工具(如工程用例中所述)的設(shè)計數(shù)據(jù)中得出。如果在整個流程中應(yīng)用AI可以提升質(zhì)量，這將帶來更高的OEE并減少材料和能源浪費。靈魂之樹#聯(lián)邦學(xué)習(xí)引文靈魂之樹……通過樹的種子與世界直接交互電影《阿凡達1》靈魂之樹與伊娃連接，伊娃通過樹的種子與世界直接交互。盡管人類沒有神經(jīng)隊列，靈魂之樹可以通過其延伸的根纖維的物理接觸直接與人的神經(jīng)系統(tǒng)連接。靈魂之樹的根須可以與納美人發(fā)●用例：用于聯(lián)網(wǎng)生產(chǎn)質(zhì)檢的聯(lián)邦學(xué)習(xí)“制造生態(tài)系統(tǒng)中的質(zhì)檢”這一用例與共享生產(chǎn)GAIA-X項目“SmartMA-X”有關(guān)，由智慧工廠-KL作為協(xié)調(diào)者，并已在2022年漢諾威工業(yè)博覽會上進行了展示。成熟度級別為“概念驗證”,“制造即服務(wù)(MAAS)”解決方案連接了多條生產(chǎn)線，以制造定制的卡車樣品，如圖16和圖17所示。盡管卡車在設(shè)計、外形、材料和工藝上有所不同，但它們都需要視覺質(zhì)量檢驗。與在本聯(lián)邦學(xué)習(xí)是一種機器學(xué)習(xí)框架，使多個設(shè)備可以協(xié)作學(xué)習(xí)一個模型，而無需共享它們的私有數(shù)據(jù)。這給醫(yī)療保健、金融等關(guān)鍵領(lǐng)域提供了大量機會，在這些領(lǐng)域，與其他組織或設(shè)備共享私有然而，聯(lián)邦學(xué)習(xí)面臨著幾個挑戰(zhàn)：通信效率、數(shù)據(jù)異構(gòu)性、系統(tǒng)健壯性和隱私保護。其中一個關(guān)鍵挑戰(zhàn)是客戶端選擇，也就是在每一輪聯(lián)邦學(xué)習(xí)訓(xùn)練中分別選擇一部分客戶端參加?？蛻舳说呐c客戶端選擇相關(guān)的一些客戶挑戰(zhàn)包括：·在選擇客戶端時，如何平衡通信成本和模型性能?·在選擇客戶端時，如何處理客戶端的動態(tài)性和異構(gòu)性(例如可用性、可靠性、資源約束等)?在協(xié)作學(xué)習(xí)中，所有站點與云模型共享其Al模型參數(shù)，云模型將其插值，并生成優(yōu)化的參數(shù)集，然后以服務(wù)形式將其部署在所有本地站點上。這樣可以在所有站點上都檢測到故障，雖然某些故障可能之前只在一個站點上發(fā)生過。一個明顯且非常重要的優(yōu)勢是，所有敏感的產(chǎn)品和工藝數(shù)據(jù)都保存在本地，只將Al模型權(quán)重與云模型共享，用于協(xié)作學(xué)習(xí)。雖然數(shù)據(jù)法案正推動在工業(yè)數(shù)據(jù)空間進行數(shù)據(jù)共享，但尚未制定出如何保護參與數(shù)據(jù)生態(tài)系統(tǒng)的合作伙伴產(chǎn)生價值的解決方案——仍無法解決行業(yè)擔(dān)憂。這就導(dǎo)致企業(yè)在利用如此重要的數(shù)字數(shù)據(jù)上存在知識不對等的創(chuàng)新障礙，阻礙了數(shù)字化和價值創(chuàng)造。利用知識產(chǎn)權(quán)保護價值生成的方法將支持行業(yè)伙伴共享數(shù)據(jù)，從而在不披露敏感數(shù)據(jù)的情況下獲得聯(lián)邦服務(wù)的收益。由于共享生產(chǎn)的場景是基于自主產(chǎn)線L4的范式，所以該服務(wù)具有高度可擴展性。此外，邀請合作伙伴參與，由于所展示的棕地方案通過5G連接實現(xiàn)傳感器的集成，從而進行邊緣和云端分析，伙伴的傳統(tǒng)機器能夠獲得新的功能。所展示的質(zhì)量檢驗服務(wù)涵蓋檢測表面缺陷(如凸起或凹痕)和違反產(chǎn)品資產(chǎn)管理殼(AAS)中所述的產(chǎn)品規(guī)格(如CAD文檔)的缺陷等。該解決方案旨在促進數(shù)據(jù)主權(quán)、數(shù)據(jù)安全和數(shù)據(jù)互操作性，使組織在協(xié)作的同時保持對其數(shù)據(jù)的控制。在這種情況下，該服務(wù)的潛在用戶(買方視角)可以下載和使用該服務(wù)，并輕松使用自己生產(chǎn)線中的數(shù)據(jù)集。以符合Gaia-X工業(yè)4.0的方式提供質(zhì)量檢驗服務(wù)(供應(yīng)商視角)就是借助AAS來描述質(zhì)量檢驗服務(wù)(其特征、特性、屬性和能力)。根據(jù)檢驗任務(wù)的不同，可能會使用額外的傳感器，或者融合不同來源的數(shù)據(jù)。基于Gaia-X連接器，合作伙伴可以連接到相關(guān)的數(shù)據(jù)空間，并提供(供應(yīng)商)或使用(買方)基于AAS的軟件服務(wù)描述。這意味著可以在Gaia-X服務(wù)目錄中找到該服務(wù)，服務(wù)提供商可以通過圖16所示的市場提供這樣的軟件服務(wù)。SM"SoftwareServices"[IRI,https///ids/sm/6531_90823022SMG"ServiceOffering001"(11elements)Prop-QualitylnspetionTruckUS?-SMC"GeneralConditions"(elements)SMC"lnputData"Belements)Prop"Colouredlmages"◎Selection=Mandatory)Prop"MinimumResolution"◎Selection=Optional}Prop"ColorSpace"◎Selection=Mandatory)SMG-OutputData"(Qelements)SMG"Performance"(telements)Prop"AveragePrecisionSMG"HardwareRequirements"(4elements)Prop"MinRAM"PropOperatingsystemPropContinerizedsoftware°SMGTermsOfDelveryAndPaymentBelements)Ref"LocationOfProvider"SMG"Limitations"(Zelements)Prop"Lightning"PropCameraPosition°SMGCapabilityReferences(1elements)Re]-offeredByCapabilityoo01SMGConditionsOfUse"(1elements)Gaia-Xcataloguegaia-xEnterprise圖16:面向軟件服務(wù)的工業(yè)4.0數(shù)據(jù)空間客戶可以連接到相關(guān)數(shù)據(jù)空間，可以瀏覽市場上可用的軟件服務(wù)，選擇一個符合其要求的軟件服務(wù)，下載(例如，作為一個Docker容器)并在自己的生產(chǎn)線中使用。所有這些操作都是在通過AAS提供的通用服務(wù)描述的幫助下執(zhí)行的。因為“質(zhì)量檢驗”也是登記在市場上的一項服務(wù)，所以客戶可以下載該服務(wù)，或者如果該服務(wù)已經(jīng)在客戶側(cè)運行，則只需基于全局聯(lián)邦模型更新模型權(quán)由于質(zhì)量檢驗服務(wù)是基于聯(lián)邦學(xué)習(xí)算法，因此客戶也可以基于其本地數(shù)據(jù)集進行一輪額外的訓(xùn)練，從而提升模型質(zhì)量。在這個用例中，聯(lián)邦學(xué)習(xí)可以為多個領(lǐng)域的質(zhì)量控制帶來顯著收益，例如在工業(yè)制造應(yīng)用領(lǐng)域。在確保數(shù)據(jù)隱私和機密性的同時，聯(lián)邦學(xué)習(xí)可以利用不同來源的數(shù)據(jù)，這也是群體智能中協(xié)作動態(tài)的體現(xiàn)。聯(lián)邦學(xué)習(xí)可以使數(shù)據(jù)驅(qū)動的機器學(xué)習(xí)模型利用不同來源的數(shù)據(jù)，同時不損害數(shù)據(jù)所有者的隱私和機密性。聯(lián)邦學(xué)習(xí)還可以通過整合不同客戶端的本地知識和偏好來提高數(shù)據(jù)的質(zhì)量和多與孤立的客戶端模型相比，聯(lián)邦學(xué)習(xí)與目標檢測的集成產(chǎn)生了顯著的準確性和精度提升。我們的研究結(jié)果表明，全局聯(lián)邦模型在避免局部數(shù)據(jù)共享的同時，即使在不同的條件下也能保持韌性，如在不同的光照、相機角度和對象組合下。請參見圖17。Q98trainingWindshieldTypeAWindshieldTypeBWindshieldTypeCWindshieldTypeDClient1trainingi鑒于聯(lián)邦學(xué)習(xí)的可擴展性，很多領(lǐng)域都可以利用聯(lián)邦學(xué)習(xí)的潛力。除了所示的用例，在數(shù)據(jù)共享受隱私因素限制的領(lǐng)域，如醫(yī)療或車聯(lián)網(wǎng)的交通管理中，聯(lián)邦學(xué)習(xí)的收益也是顯而易見的。聯(lián)邦學(xué)習(xí)具有合作的性質(zhì)，多個客戶端收斂形成一個全局模型，所以聯(lián)邦學(xué)習(xí)是一個革命性工具，可以在數(shù)據(jù)驅(qū)動的價值創(chuàng)造中增強魯棒性和適應(yīng)性【5】,【7】。質(zhì)量檢驗任務(wù)是從對象中抽象出來的，并與對象中的感興趣區(qū)域(ROI)相關(guān)。因此，無需任何訓(xùn)練就可以在客戶端1的生產(chǎn)現(xiàn)場(制造各種卡車)識別出缺陷，盡管缺陷是發(fā)生在客戶端2的生產(chǎn)現(xiàn)場(制造不同的卡車設(shè)計或部件)且訓(xùn)練也是基于客戶端2的數(shù)據(jù)。檢驗任務(wù)是一樣的。由于檢驗任務(wù)與產(chǎn)品設(shè)計和材料屬性無關(guān)，因此全局模型可以利用參與其中的本地生產(chǎn)單元的所有輸入，進而為每個合作伙伴提供優(yōu)化后的Al模型參數(shù)。圖18:不同車型的卡車質(zhì)量檢驗：局部與全局學(xué)習(xí)的比較【7】圖18展示了一個包含四個卡車駕