约翰纳斯·维采姆：《工业4.0是否走向衰败》

约翰纳斯·维采姆：你好！尊敬的高省长、尊敬的各位来宾、女士们、先生们，我来自欧洲，非常荣幸可以参与本次世界数字经济大会，并且和大家讨论一下和机器人相关的产业，首先我们先看一下工业4.0，我们知道工业4.0来源于德国，我们知道它是来自德国的词汇。接下来我们再看一下一些细节，虽然现在已经接近了午饭时间，我们有一些超时，还是希望大家能够耐心听好我的演讲。现在可以看到，工业4.0技术和创新在AI以及大数据等方面有很大的促进作用，它也逐渐在欧洲地区落地，形成了非常多的应用。这里可以看到一些技术的应用，到2025年，根据中国制造2025以及“一带一路”的倡议，可以看到有非常多技术领域的应用。认知性的人工智能的应用是非常重要的，目前我们不仅关注人工智能的架构，同时我们也关注华为或者是5G相关的人工智能的基础设施，如何在物联网方面进行运用。目前我们也关注CPS，也就是信息物理系统，如何能够帮助我们的工业领域、制造业领域提升一个层次。

这里给大家简要介绍一下相关的合作伙伴和掌握的资源，首先第一个是德国人工智能研究中心，现在也逐渐在中国落地，在北京有一个办公室。整个人工智能研究中心在政治层面也有相关的合作，致力于一些关键技术的研究，这里我也想要介绍一下在创新和技术应用领域的重要要素，其实我也想给大家展示一下深圳、硅谷非常有趣的应用，还有其他合作伙伴的应用，我想展示很多的视频，接下来给大家放这些视频。现在我们也会讨论到工业4.0的演示，人工智能的利好其实是非常多的，对于我们很重要。这里也是目前我们能够见到的人工智能方面的技术进展，接下来我也会给大家介绍非常多预测性的人工智能案例，如果回望目前所处的阶段，其实可以看到，目前还处在一个基础的智能阶段。拿华为来说，现在华为在致力于一些预测性的研究，以我个人的意见来说，其实我们还要不断的去上升到一个自学习的分析方式，当然这是一个普遍的想法。未来需要不断对状态进行监测、预测，其实这并不是一个完全的认知性的模式。在自学习方面没有统计数据，但发现数据的复杂模式，这样的话可以实现一个更为可扩展的，逐步升级的系统，这就会在不同的工业领域得到应用。

很遗憾我不会讲中文，但是这里我也列出了相关的问题，用中文来列出，方便大家理解。比如说状态监控，我们讨论到状态监控的时候，会有非常多的问题，这里可以看到，很多工业体系有非常多的状态监控系统，到什么时间段我们的基础设施才能真正实现一个诊断性的监控或者是预警式的管理呢？这里给大家展示一个例子，这是我们在深圳的一个案例。这里可以看到整个设备上有非常多的传感器，这里就可以预警性的预测一些维护上的注意事项，以及移动检查、移动巡检、检查计划、ERP系统，都是基于AI的网信系统。关于管理方面，我们有非常多关键的参考体系，现在AI已经成为工业领域非常重要的技术，能够让企业在未来实现更多的成功，大家过去应该也都有看过和这相关的介绍。

这张幻灯片有点复杂，我后面会给大家放一个小视频，这边有一些主要的信息，我们有机器信息、维护信息以及生产信息，现在这些信息在中国以及其他的国家被源源不断的产生出来，我们会基于这些信息产生智能，我们会基于这些信息形成数据库，我们能从这些数据库当中学到知识、诊断，后来我准备了很多视频，比如说博士、上海创新实验室等等其他平台。我这边给大家播放一些非常好的应用案例，我想让我的朋友帮我放一下视频，这边可以看到不同的传感器，这个是实时的传感数据，包括温度、湿度，这个是西门子的传感器，这边可以看到这个系统的健康系统，还有它的KPI，也就是主要绩效指标。右边那个柱子上可以看到，它发现了一些问题，如果我在不同的信息类别上进行组合的话，将这些信息综合来看，就可以知道大概发生什么问题，然后跟工程师说，要查看一下这个情况。现在它还不是自我学习的，但是你可以引起注意，然后去检查一下这个阀门或者其他零部件的情况，我们必须跟工程师进行对话，把这些诊断让一个团队知道，然后去获得一个解决方案。现在我们有很多关于人工智能和大数据的应用，但是人的因素还是非常重要的，我们还是需要一个团队，让这个结果成为一个结果。

这个是戴姆勒卡车的例子，这个例子当中我们可以看到这个焊接机的维护，通过AI的技术能够给这个焊接机做更好的维修和检查工作，这边可以看到，我们AI的技术以及数据感应，可能给我们一个维修的计划，这是一个非常动态、实时的系统，可以将当前动态、固定的维修计划变成一个静态的维修计划。还有能源管理，这个是几周之前的例子，这边可以看到，我们对能源消耗的观测，我们希望可以更好的使用可再生能源的发电，这样对能源的消耗进行动态的管理。还有更多的AI技术，它是一个过程，其实我们是把结果作为服务，结果即服务。我们看一下用户以及数据科学，以及IT部门这几个环节的关系，其实它是一个由团队驱动的工作，这边可以看到，我们会有一些发现或者规律，它可能会让我们有一个不同的方法来进行这个工作。它不是一个由上而下的变化，而是二维的发生过程，这张也是非常的技术，我在展会上有一个展位，如果大家对我们的模型、系统设计想更多的了解，可以去我的展位上更多的聊聊。这边是传感器，上面一层有物理模型进行转化，这个架构之上，我们会自动的发现，这个是数据驱动的过程，会随着时间不断的变化，这是非常动态的系统。这边给大家做一个实验室的视频，这个也是中国工业4.0的龙头科技公司，这个是中国的一家公司，我和这家公司也有深度的合作，大家可以看到，这边有一个MES（生产执行系统），这是中国式的解决方案。我们需要让不同的技术组装起来，我们也需要一个非常开放的团队，以团队驱动的方式来获得最后的结果。在德国工业4.0研究院有一个非常类似的方法，我们通过对两边的经验和方法做了一个结合，并且通过非常开放、非常直接的合作来进行这个项目。

我们继续下面的幻灯片，昨天我和一个朋友聊了一下智能电网，左边可以看到这样的结构，在中国也是存在的，要从左边这种结构变成右边这种结构是非常困难的，从左边这个金字塔的结构变成完全平面的结构，我们要解决的难题是如何实现这个变化。我知道中国的一些生产性企业，特别是在中国的二三线城市的制造型企业，主要是在这个层级，它们还没有安装生产执行系统或者更高级的系统，然后他们问我，他们怎么样去升级？怎么样去部署下一代的信息技术？对于他们来说，这将是一个非常有挑战性的过程，我们需要进行万占价值链的改造。我和高校都有非常紧密的合作，这边可以看到，这里是一个非常典型的生产流水线，可以看到不同的工位上产生不同的价值。我们要从非常小的点开始改造，比如说这边的一个小系统，这还不是人工智能，这只是一个非常基本的现代生产管理系统，然后我们可以到这个零部件的工位上，在这个工位上如何挖掘价值？首先必须找到一个升级改造的点，然后把他们连接起来，然后从MES系统变成工业4.0的制造系统，如果没有经过这样的改造，工业4.0永远不会成为可能。我们在这个系统当中会获得流传数据和性能数据，我们可以从失效和机器故障中学到非常宝贵的经验，主要是建立在传感器的场景当中。如果我们没有对这个工厂以及相关的人有仔细的了解，这样的系统也没有办法顺利执行起来。

接下来我们看一下一个非常实际、现实的AI应用案例，这是一个认知性的AI案例，其实它并不复杂，这边我们会有一个平板电脑，平板电脑在屏幕上显示，会识别到这个电荷，这个对于形状的识别也是基于过去的训练，这个是在汉诺威展会上展示的应用案例。德国工业4.0研究院的领导在展会上对这个技术做了推荐，这边也是一个基于AI的视觉系统。这个是来自欧洲一个非常知名的研究所，有一个规律发现的软件，下面这辆车是保时捷，这个是在法兰克福的汽车工业展会上，做了这个技术的展示，这边可以看到，我们可以将这个视觉技术用于汽车的保养以及故障检查，这样我们的保养工程师就可以清楚的知道应该对汽车做怎样的保养。它不是一个非常漂亮的视觉系统，它背后是代表了一个非常强大的图形识别的能力。不难想象，在这个应用案例当中，我们需要去取样，然后与它的背景光进行联系，我们拿这个平板电脑来回走动，它会提取不同的图像，然后进行分析。AI机器人和人是非常不同的因素，我们看到物联网、AI，在这个案例中都有使用，这个人周边有很多的传感器，这是非常德国式的思维，我们不想把人完全移出工厂，变成无人工厂，只让工厂用机器人，这个不是我们的方式，人工智能研究会并不推崇这样的方式，我们还是会保留人的角色，还是让人保留在这个价值链上，这边的模拟是基于传感器的，通过这样的模拟去研究汽车组装线的效率，有的时候汽车组装要在头顶上工作，这张图片上可以看到，在这个案例当中，这个技工如何移动他的手指，都会被机械臂模拟起来，从而进行相似的操作。

这里是另外一个应用案例，这里也有一个小的视频，可以看到是在阿布扎比的一条公路上，我们通过技术去预测各种不同的交通状况，然后用一个识别性的计算机来进行相应的操作，我们去预测可能会发生的交通堵塞，这并不是一个监测的系统，其实是为了进行下一步的预测，这是它的工作机理，机遇传感器和各种数据，这是目前我们所进行的模式验证和相应的一些技术流程。这也是一个非常有趣的用户案例，是由日立进行的，人们可以运用各种工具来减少人失误，这是另外一个数字化的系统，来赋能或者培训相关的工作人员，为我们带来了非常多的附加值，可以很好的去教育、培训工人。这里我们并不是想要完全的剔除人工，而是希望通过这样的技术，让人员的技能提高一个层次。这里大家可以看到，这个人可能发生一些失误的时候，通过工具对他的一行为改正，纠正自己的行为，这里我们运用了人力，同时也运用了数字化的流程。明天我可以向大家展示其他的案例，今天由于时间关系，我要快一点放这个视频。

接下来我们再说一说数字孪生，这里可以看到有不同水平、不同层级的模式，当一个新的产品诞生的时候，比如宝马的SUV，我们要把它放在ERP系统当中，在执行层面，在验证阶段就需要一个焊接机器人，它可以自动提取一些数据，在工业层面可以自动的去识别什么阶段需要更换什么零件。这里我们就要做出一个镜像，这里可以看到有非常多的PIC计划，这个模式是由弗兰霍夫研究院执行的，这是智能工厂的标准化模式。过去标准化是驱动整个价值链发展的重要因素，我们的领域有非常多的创业公司，深圳尤其多，但现在我们也和一些创业公司有合作，进行了相应的项目，得到了政府的支持。如何能够更好的进行技术在工业上的管理，这是非常重要的，这里我也提供了一个博士的视频，没办法展示视频了，讲的是PIC系统。

最后总结一下，工业4.0其实是能够不断提升我们的技能，而不是让我们最后对整个工业制造流程没有耐心而放弃，所以我们知道，要实现工业4.0，还是需要更多的资金支持。这里是我所做的一些项目，这位先生是深圳公司的一位总工，希望刚才的演讲对大家有益，希望大家喜欢我的演讲，谢谢！