工业转型机遇来临，人工智能开启全新制造时代

近年来，中国劳动成本和材料价格处于快速上涨通道，昂贵成本将很多制造企业被逼上了悬崖，从而引发中国制造业出现一些新的变化，其中一个是部份企业开始转移向东南亚地区，寻找更多便宜的劳动力。另外一个是有企业开始回流美国，主要受到美国“制造业回归”的政策影响。

除了成本上的压力，制造业还要面临不断变化的市场。随着个性化需求的增长，对于工厂要求能实现小批量多品种的生产，可以根据客户需求定制任意产品。传统工厂必需转型升级才能达到这样的标准，所以德国提出了工业4.0，通过信息技术与操作技术的结合，帮助工厂进一步降低制造成本，解决人力短缺的问题，满足市场个性化的需求。

最近，中国工业技术软件产业联盟在北京成立，工业和信息化部和北京索为系统联手国内领先科研院校及第三方机械大力推动工业智能技术的发展以及百万工业APP上云。工业技术软件化是人工智能的必由之路，此联盟有望提升机器的能力，一步步代替人类决策，实现制造业的智能化。

智能制造已经成为全球制造业发展的趋势，随着物联网、云计算、大数据分析、人工智能的发展和工业机器人技术的进步和推动，传统厂开始进入了转型升级大浪潮。加上各国出台政策大力支持，越来越多的人看到了新的机遇，自动化企业也开始纷纷布局。

1、物联网

物联网是实现智能制造的重要环节，作为工业4.0的实践者同样也是工业物联网的领先企业，博世力士乐最近推出了一款式全新的物联网连接套件Hogglund，此套件可以将驱动电机等设备连接到博世力士乐的知识中心，实现对驱动设备的实时监控、分析、咨询等服务。

据悉，该软件组合包括Hogglunds CM和Hogglunds CM premium和博世力士乐公司专有的预测维修系统，Hogglunds CM提供初级监控和日志记录，而CM premium提供完整的健康指数，包括历史数据、趋势和更深层次的分析。

此软件还包含了一个诊断工具，使用增强现实为客户提供远程服务支持。通过移动设备或智能眼镜、中心服务专家能够看到现场实时情况，这意味着他们能够提供指导和支持。博世力士乐有经验丰富的专家，可以为客户提供即时分析、实时咨询和状态监测以及预测性维护和其他形式的支持。

2、机器视觉

自动化领先厂商欧姆龙在不久前收购了美国机器视觉专家迈思肯，计划将先进的二维码识别技术与它的自动化系统集成，进一步推进制造设备和生产线的控制，使用物联网来连接制造层上几乎所有的物体，包括部件，设备和机器人。

最近，迈思肯推出了最新LVS-7510系列标签检测系统，凭借着卓越的条码检验和验证功能，此系统拥有1D/2D符号检验和验证、瑕疵检测、数据和代码匹配等功能，可以帮助厂商实现缺陷检测、减少返工、控制浪费和避免责任。

据悉，当生产过程中检测出错误时，系统软件会在图表上改变颜色，甚至可能通过灯光、声音等警告用户。缺陷检测功能以检测图案或变形字符、有污渍或污损的物体。系统提供了一个可变数据函数，可以防止模式验证区域内的预期变化，防止错误记录为瑕疵。

3、云计算

云计算在工业领域蕴含着巨大的市场，行业一些巨头纷纷推出了相应的工业云平台，工业数字化转型的步伐开始加快。最近，西门子联手亚马逊打造了Mind Sphere工业软件平台，预计将在下个月会推出新版本Mind Sphere，此软件将运行在马逊云Amazon Web Services(AWS)上。

Mind Sphere作为西门子专门为工业领域设计的开放式物联网操作系统，目前已经可以在思爱普(SAP)的云端平台正式运作，此前有媒体报道称将部署在微软的Azure云计算平台上。西门子Mind Sphere可以进行数据采集、数据分析、同时提供各种开发工具及软件应用服务，有助于评估和利用用户数据，帮助用户提高设备性能，优化资产，从而最大限度保证了设备的正常运转。

数据分析是实现先明决策的前提，Mind Sphere作为一款物联网软件，可以对工业设备的海量数据进行记录、分析，从要提升工厂生产的效率。Mind Sphere以PaaS(平台即服务)的形式，为企业提供了一个可扩展，自行开发各种应用的云端系统。

4、人工智能

人工智能是智能制造的关键技术，通过机器学习算法，可以让设备拥有认识能力和决策能力，从而实现真正的智能制造。最近吴恩达公开了其重大项目landing.ai，此项目旨在帮助制造商利用人工智能技术，而富士康成为他的第一个客户。富士康将与人工智能研究人员利用机器学习等AI技术将工厂效率提升到新的高度。

吴恩达是斯坦福大学教授，加入谷歌后创建一个能够识别猫脸图片的系统，这个项目就是谷歌大脑，而吴恩达因此成为“谷歌大脑之父”。后来吴恩达加盟百度，开始百度大脑的探索。Landing将以顾问方式为客户提供专业的知识经验，这不像谷歌和亚马逊公司的产品如USAA的NFL。

吴恩达和他的团队正在构建工具，通过机器视觉对电路板瑕疵进行检测，可以应用于许多不同的客户。过去这种乏味的工作通常由人工完成。吴因达研究团队大约20名，他们还利用机器学习来调整设备的配置，以提产品高质量和材料的使用。