IBM两年实践让智能制造接地气，找到工业4.0的第一桶金

Posted 2020-09-08

（上图为IBM大中华区全球企业咨询服务部电子行业负责人徐闻天）

两年前，IBM发布了大数据白皮书《分析：速度的优势》，当时发现在2014年全球企业虽然把以客户为中心作为分析活动的主要目的，但企业越来越多地将注意力集中于利用大数据应对运营挑战，将数字化能力集成到业务流程中实现企业转型。

2015年10月中举行了IBM 物联网商务即兴创新大讨论并发布的结论之一，为物联网成熟度与认知设备智能的融合将为创造新价值以及与客户建立紧密关系提供前所未有的机会。尤其是物联网和认知计算正在重塑电子行业，智能终端与多个行业的融合使得电子行业边界在不断扩大。

由于电子行业在工业4.0中首先受到冲击，无论是产品的创新还是企业运营的转型，其经验都对整个工业4.0有着重要指导性意义。IBM大中华区全球企业咨询服务部电子行业负责人徐闻天日前分享了IBM这两年与中国电子制造企业共同摸索数字化转型的初步经验，总结出了一条接地气的工业4.0转型之路。

从物联网到认知计算再到商业模式的探索

在IBM与中国电子信息产业发展研究院于2015年10月共同发布的《中国制造业走向2025》白皮书指出，中国制造业正处于变革与转型的十字路口，制造业企业必须高瞻远瞩、主动求变、积极顺应“中国制造2025”战略方向，适应市场环境的具体要求，充分把握新工业时代下信息资源带来的机遇，构建以数据洞察为驱动的新价值网络。 

根据《中国制造业走向2025》白皮书的总结，未来随着新一代信息技术与制造业的深入融合，制造业生产方式将趋向智能化、网络化，企业组织将走向扁平化、虚拟化，产品模式将转向定制化、服务化。在这三大变化中，产品模式的转变是最容易吸引眼球，也是最具创意创新之处。因为产品的交付方式将发生巨大变化，未来很多产品都将以服务的方式交付，而不再是简单的以产品价值累加的方式体现。

徐闻天分享了他在过去三年参加美国CES大会的体会。前年IBM参加CES的时候，主要讲物联网和物联网相关的产品，同时略提到了一些认知计算；到了去年CES，IBM在物联网与认知计算这两个主题的分享比例接近50:50；而到了2017年的CES，IBM展示的几乎都是认知计算相关的产品与解决方案，而且是深入结合行业和垂直领域的产品。而整个2017年的CES，也充满着各种人工智能电子产品，几乎所有的电子产品都必备智能与服务功能。

HarmanKardon（哈曼卡顿）是Harman国际工业的一个部门，也是世界一流音响制造工业的顶级品牌之一，专门生产制造家用与车用音响。在去年的CES上，IBM与HarmanKardon合作推出了具备对话和认知功能的音箱产品，通过调用Watson API可以完成“纽约天气如何”等问题的语音问答与交互。在2017年的CES上，IBM与TCL合作在TCL电视上实现了基于英文的人机交互，比如用语音告诉TCL电视找到与Taylor Swift相关的视频，TCL电视就能理解语音并搜索和返回相关视频列表，再由用户选择播放。

在今年的CES上，IBM与HarmanKardon的合作更进一步，基于具有认知和交互能力的电子白板，通过语音方式订会议室、安排会议、接入各地视频会议现场、调用会议中用到的各种数据、进行会议记录并做相应翻译等，也就是说物联网与认知计算更加深入到企业场景里。

虽然智能终端的各种新形态、新服务和新交互体验都很炫酷，却实际很难真正获得第一桶金。智能硬件行业这两年来一直处于不温不火的状态，也是因为没有出现能真正触动消费者硬需求以及可规模化的商业模式。

创造智能终端的商业模式需要一个过程

在今年的CES上，类似亚马逊Alexa带有智能语音交互功能的产品比比皆是，从音箱到可穿戴设备再到各类家电，风头之劲、一时无两。而在3月初的上海AWE家博会上，作为全球三大家电与消费电子展之一，上海AWE展上也充满了各类智能产品，这些产品有多少消费者愿意为之买单呢？

徐闻天认为，结合了认知计算和人工智能的新终端设备需要一定的时间去积累相关的数据与知识，只有积累的数据与知识形成了一定规模才能真正产生所谓数据洞察，才能真正打动消费者为此买单。找到合适的场景，积累一定的数据与知识，形成可规模化的产品服务商业模式，这是“智慧的”产品的工业4.0落地之道，但也需要一个过程。

在本次上海家博会上，几乎所有家电厂商的产品都提供了智能对话功能，并与人工智能搭上了边。比如，美的展示了在厨房的大操作台上放置一个Pad，用户可以与之对话，说今天想吃什么菜或者想要做什么菜，Pad就能把指令传给智能冰箱，智能冰箱随即在网上调用菜谱并找到相应的食材，然后在网上下订单。当食材放到烤箱里之后就直接开始启动处理。

海尔展示的场景是女主人回家，智能空调自动感知后可根据室外天气和持续学习女主人平常喜欢的温度后，直接设定一个温度值。智能电视还能与女主人语音交互，除了问候以外还能提示《三生三世》完结篇是否要马上看或设定一个播放时间。当女主人到卧房睡觉时，智能家居能够根据睡眠状况调节空调的温度、室内湿度或者明暗度。

徐闻天认为，与两年前通过物联网和车联网等连接的电子设备、智能汽车、智能家居等产品相比，现在的电子智能终端更注重对于收集数据的智能分析与理解，这样才能找到针对消费者和用户的痛点。消费者愿意为解决痛点的产品和服务付费，这是基本的商业规律。

为什么会有这个观点呢？因为人工智能产品的成熟，需要一定的时间去积累数据从而形成知识与洞察。比如消费者与电视对话，电视需要学习特定消费者的语言习惯、发音方式和特点等，如果对话的准确性达不到80%或90%的话，消费者可能玩三次就不玩了。而语音识别只是第一步，之后还有语义分析与理解。分析完后就需要相应的知识库做决策支持，天气知识库、糖尿病知识库等，再把建议决策结果返回给消费者。如果其中哪一个环节出问题，消费者都不会买单。

“因此，IBM的观点是从工业4.0要想消费者那赚第一桶金比较困难，那么这第一桶金应该出自企业级场景。”徐闻天表示。

从典型企业场景赚取第一桶金

什么是从企业场景赚第一桶金呢？前面提到，2014年的时候，全球企业就将注意力集中于利用大数据应对运营挑战，将数字化能力集成到业务流程中实现企业转型。这其实就是把物联网与认知计算和人工智能应用于企业场景中，在企业场景找到企业痛点来提高运营效率、创造新价值，再把节约与创造出的资金用于支撑前端智能产品的研发以及后端数据的积累以及支撑的应用和技术平台。

徐闻天介绍说，IBM找到了三个比较典型的特殊企业场景，可用物联网和认知计算加以改造及创新，从而为企业创造价值。这三个特殊的企业场景就是呼叫中心、生产环节和维修环节。

在呼叫中心场景里，IBM提供的解决方案包括呼叫中心的质量管理、客户反馈分析以及了解用户使用习惯。在呼叫中心的质量管理方面，很多呼叫中心尽管保留有当天的对话录音，但往往采用人工抽检的方式进行质量检测，不仅效率低而且反馈周期长。采用IBM Watson的语音识别、语义分析以及知识库比较等功能与解决方案后，可以通过Watson让计算机自动分析所有的对话记录，即可大幅提高呼叫中心的质量。

而由于使用了Watson对所有对话录音进行分析，企业就可以收集客户的反馈信息，并把有共性的结果反馈给产品研发部门，用于产品分析和产品设计，比如哪个部件特别容易坏等。此外，Watson还能够自动学习用户使用产品的行为，结合企业的其它产品与服务进行交叉销售。 

在生产环节，IBM针对高价值设备提供预测性维修服务。通过IBM Watson可以分析高价值设备数据，经过学习积累知识库后，再用于设备日常运行做预测性判断。当通过预测性分析，判断出高价值设备可能濒临损坏或出问题的时候，IBM Watson就能提前发出预警并准确告之所需要维修的方式和配件情况。从计划性保养与维修到预测性保养与维修，IBM帮助电子制造企业更好的管理设备，从而节约了生产成本和创造更高的制造价值。

针对生产线，IBM还提供了图象识别技术用于不良品检测。比如对于手机组装件、半导体生产制造等，以往是通过在生产线上的摄像头或相机捕捉图象。对于直接在生产线旁边照的相片往往是离线处理，用人工方式找出不良品，或是在生产线上设置了摄像头，再用人工方式现场观察。这两种方式不仅效率低，而且后者更对人眼是一种损害。IBM Watson就能取代这些人工工作，做到自动化的进行图像识别与分析。

在辅助维修环节，IBM Watson就更能直接创造价值。Watson学习出来的产品数据库和知识库，能节约维修人员的学习时间和学习成本，而通过物联网和认知计算分析产品的问题后，还能自动通知维修人员带齐所需要的配件。

徐天闻表示，IBM与电子行业里的半导体、LCD等制造商、工业设备制造商、电信设备制造商、IT与办公设备制造商和消费电子设备制造商合作，在企业里不断积累数据、场景与算法，帮助企业从工业4.0转型中获得第一桶金。然后再通过与企业共创的方式，在面向消费者的过程中积累终端的数据、场景与算法，从而创造出智能终端产品的商业模式，这将是工业4.0的第二桶金。

通过过去两年在中国和全球市场的实践，IBM找到了工业4.0商业模式落地的路径，即从解决企业痛点的企业场景赚取第一桶金，再把节约和创造的资金用于前端智能消费产品的研发以及支撑数据积累的阶段，随后再通过能解决消费者痛点的数据洞察赚取第二桶金。在这个过程中，要积累数据、场景与算法，从而不断发展新的商业模式，在企业场景与消费场景中形成良性循环，直到真正全面实现工业4.0。

这就是一条切实可实行接地气的工业4.0之路。(文/宁川)

本文出自 “云科技时代” 博客，请务必保留此出处http://cloudtechtime.blog.51cto.com/10784015/1913334