人工智能(AI)正在改变制造业的竞争格局,但韩国制造现场产生的数据中,超过99%在使用一次后即被丢弃。业界指出,制造AI能力差距会转化为生产率和竞争力的差距,因此必须把现场数据转化为AI资产,并以AI为中心重新设计生产工艺。归根结底,要维持制造强国的竞争力,构建“AI原生工厂(AI Native Factory)”和化解制造AX(人工智能转型)两极分化已迫在眉睫。
首尔大学机械工程系教授尹炳东26日在首尔瑞草区盘浦洞“One Predict”接受采访时强调:“我国虽是世界级制造强国,但可供AI学习的‘可用制造数据’远远不足”,“如果无法把现场数据转化为可利用的资产,制造强国的未来也难以保证”。尹教授在美国爱荷华大学取得机械工程博士学位,曾任马里兰大学助理教授,2010年赴首尔大学任教,现担任首尔大学产业AX中心主任。2017年他创办工业设备预测性维护企业One Predict,发展由AI驱动的工厂解决方案,并正推动明年在KOSDAQ上市。
尹教授将故障与不良数据不足、熟练工人隐性知识消失、各工序数据断裂列为制造AI的最大难题。工厂正常运转占比高,AI需要学习的异常数据不足;即使发生异常,原因和处置结果也常常没有被系统性记录。熟练工人通过机器声音、振动、气味、温度变化等察觉异常的经验,也随着退休而消失。他解释说:“设备、传感器、生产管理系统(MES)、质量管理系统(QMS)中积累了海量数据,但缺少说明发生背景、工艺条件和设备状态的情境信息”,“把各工序数据连接起来,营造AI能够持续学习的环境,是制造AI的出发点”。
作为制造竞争对手的中国,由政府主导构建各行业高质量数据集和通用AI平台,并在汽车、电子、钢铁工厂等快速应用AI与人形机器人。中国还把AI工厂模式移植到欧洲等海外生产基地。美国和德国也在把生成式AI和自主型AI智能体接入生产、质量、供应链决策,着手克服制造业危机。
尹教授提出的解法是“AI原生工厂”。它不是在现有工厂上叠加AI解决方案,而是整合生产、质量、维护、安全、能源、物流、供应链数据,由AI智能体支持决策的工厂运营体系。做法是先把传感器、影像、设备与业务数据以AI可学习的形式积累起来,再把各业务的AI智能体连接到MES等系统。他说:“这不是无人工厂,而是由AI承担重复性监控与分析、人则专注于战略制定、创造性判断和例外情况应对的结构”,“在对现场员工进行岗位转换培训的同时,也应共享生产率提升带来的成果”。
他强调,政府的制造AX政策在普及图形处理器(GPU)和设备之外,同样要聚焦数据资产化、专业人才培养、共用算力基础设施、验证设施和可持续运营体系的建设。大企业拥有自有数据基础设施和专业人才,但中小企业从界定用AI解决哪些工艺问题的阶段就开始遇到困难。因此他向政府提出,应把产品和工艺每次变更时所需的数据更新、AI再训练和维护费用纳入支持体系。他还要求政府在对企业的AX支持结束之后,评估系统是否真正在运行,并是否扩散到其他生产线和合作企业。他强调:“制造AX两极分化会演变为产业竞争力的差距”,“政府应把通用数据平台、专业人才和验证环境作为公共基础设施来提供”。
尹教授还建议,应把AI原生工厂培育为韩国制造业新的出口产业。这是一种超越汽车、电池、船舶、电子产品等成品出口,由制造企业、建筑企业、自动化企业、AI企业组成联合体,把从工厂建设到自动化设备、AI软件以及质量、维护、能源、安全、供应链运营服务一并出口的模式。他解释说,工厂竣工之后还可提供AI软件和维护服务,从而持续创造收益。为此,他表示需要建立明确数据权利、安全和二次利用范围的标准合同以及制造数据治理体系。他有力地表示:“焦点不应放在现场机器人的数量上,而应放在把数据与工厂内决策连接得多快上”,“德国西门子董事会主席吉姆·斯纳贝也说过‘正在对标韩国的制造AX’,我们应更有自信,加快向AI原生工厂转型并克服AX两极分化”。






