訪談｜梁子博 撰寫｜黃思語 編輯｜冀玉潔、梁子博 在全球低增長的環(huán)境下，技術浪潮正帶來商業(yè)模式的劇變，家電品牌正普遍面臨市場結構和增長方式調整的焦慮和迷茫。然而，在整體市場的低谷中，美的卻實現(xiàn)逆周期增長。 繼2013年A股上市后，今年9月17日，美的在港交所上市，據(jù)美的2024年前三季度財報，營收同比增長9.6%，以相對優(yōu)勢領跑整體家電行業(yè)。把時間線拉長至近三年，美的集團歸母凈利潤從7.8%上升至14.4%，增幅不斷擴大。 以下是美的通過供應鏈與制造數(shù)智化提效的一些事實與數(shù)字—— 內銷中，美的“以客戶為中心”的DTC變革，通過“產能交期可視、無交期不可售、訂單自動評審”實現(xiàn)100%訂單交期可視；外銷上，美的通過iBOS海外銷售一體化平臺系統(tǒng)，集端到端全流程信息，海外訂單履約效率提升30%。 供應鏈與制造環(huán)節(jié)，通過集成供應鏈平臺ISC實現(xiàn)全價值鏈提效節(jié)約10萬工時；智能家居業(yè)務中利用大小數(shù)據(jù)結合等方法，助力打造多個爆款產品；超過5000個工業(yè)AI模型，助力實現(xiàn)質檢、決策等多個智能制造環(huán)節(jié)的降本提效。 智能制造變革帶來的結果顯而易見，然而，改變非一日之功，內功也需要一點點修，相比結果，追溯變革的過程更有意義。 大模型如何在產線落地應用？AI如何賦能智能制造實現(xiàn)降本增效？從技術應用到管理提效的距離有多遠？AI落地技術研究的協(xié)同有效性又是怎樣的？ 帶著這些問題，虎嗅智庫與美的智能制造研究院院長付旭進行了一場深度對話，他不僅在理論上有深刻洞察，而且在實戰(zhàn)中積累了豐富的經驗，以期為正在探索數(shù)字化轉型和智能制造升級的企業(yè)帶來啟發(fā)。
智能制造本質：提質、降本與增效 在探索智能制造轉型的過程中，美的始終聚焦于制造的核心價值——提質、降本與增效。將這一理念轉化為具體實踐并非易事，它要求企業(yè)在工藝、裝備與數(shù)據(jù)等多個維度進行創(chuàng)新與優(yōu)化。 您認為美的在智能制造領域持續(xù)迭代變革，主要的驅動力是哪些？以及這種驅動力未來會如何演變？ 付旭：制造業(yè)講求務實，美的智能制造持續(xù)變革的驅動力依然是圍繞制造的本質，即提質、降本與增效。 關于降本增效，過去用精益管理，現(xiàn)在是通過技術來實現(xiàn)，您認為這兩點有哪些不同？哪個更好？ 付旭：這兩者相輔相成，并不沖突。MBS（即：Midea Business System，美的精益運營系統(tǒng)），仍然是美的制造的核心，是一套非常高效和有效的管理體系。 同時，靠精益管理解決不了所有問題，還必須研發(fā)新的智能制造技術，比如先進的算法、自動化裝備、工藝、材料等等，這就是技術驅動。管理和技術雙輪驅動，相輔相成。 工藝、裝備以及數(shù)據(jù)價值方面，有哪些提升生產效率或者產品質量的典型案例？ 付旭：這些案例非常多。在工藝方面，比如在注塑工藝、鈑金工藝、焊接工藝、PCBA工藝等方向，我們都有很多成功的技術突破；另外，結合工藝突破，在新材料的研究和應用上，也取得了很多實際落地的效果，包括高分子材料和金屬材料。 在裝備方面，我們重點關注提升工廠自動化水平，在集成機器人、AGV等開發(fā)自動化解決方案的同時，我們還要自主研發(fā)設計滿足工廠需求的各種非標自動化設備。 在數(shù)據(jù)方面，重點關注新一代數(shù)字化技術尤其是先進算法的突破及在智能制造上的應用研究，提升工廠的數(shù)字化和智能化水平，例如通過數(shù)據(jù)分析打破設備運營狀態(tài)“黑箱”的情況，甚至可以對設備的關鍵部件做故障預測維護，配合備件管理提升設備使用效率。 還有像智能檢測、品質優(yōu)化、能耗優(yōu)化、智能設計、工廠規(guī)劃仿真、數(shù)字孿生等等，在工廠都有實際的落地應用。 從AI 質檢到管理提效 在武漢美的暖通工廠生產線上，機器人臂在精確控制的環(huán)境下進行著組裝、焊接、檢測與包裝等一系列復雜操作。 幾乎每走幾步就能遇到一個AI檢測點，AI檢測的應用不僅是美的打造5G全連接工廠的重要組成部分，更是其提升生產效率和產品質量的關鍵舉措之一。 AI在視覺檢測方面的應用，具體做了哪些研究和成果？ 付旭：在智能制造研究院團隊，我們開展的視覺檢測研究可以簡單分為兩類：靜態(tài)視覺檢測和動態(tài)視覺檢測。 靜態(tài)視覺檢測主要是指通過采集一張圖片，實現(xiàn)對產品的各種缺陷檢測，比如塑料件和金屬件的外觀瑕疵檢測、PCB的AOI檢測、產品標貼的錯漏反檢測、關鍵零部件安裝的防錯檢測等等。 動態(tài)視覺檢測主要是指通過對一段視頻的內容進行分析處理，比如分析產線工人的一個完整的操作是否符合規(guī)范，就需要對一段視頻進行處理，并結合視頻內容的上下文和算法給出相應的判斷結果。 另外，我們還開展基于3D視覺的尺寸測量及視覺引導等技術的研究，也有實際的落地應用。 對于員工的AI賦能有哪些？ 付旭：從人員培訓、辦公效率的角度來講，AIGC的應用相對會多一些。 一部分是面向產線工人，體現(xiàn)在省人力、降低勞動強度；另一部分是面向工廠的管理輔助人員，利用AI可以輔助人處理海量數(shù)據(jù)。 原來設備運維全靠人工做設備數(shù)據(jù)的填寫，現(xiàn)在隨著設備具備了AI算法和數(shù)據(jù)采集的能力，設備運維從傳統(tǒng)人工維護的方式升級成數(shù)字化的方式。 咱們在AI落地層面，您認為可能受哪些因素或環(huán)節(jié)的影響比較大？ 付旭：要讓AI落地，本質還是它的有效性和實用性，不能盲目追捧業(yè)內出現(xiàn)的一些新概念。 AI現(xiàn)在有很多好的應用場景，比如ChatGPT在輔助辦公、提升工作效率方面，都有很大的幫助。 但在工業(yè)領域，這不一定是最實用、最有效的，還需要繼續(xù)探索和定義更有價值的AI應用場景，比如如何用大模型更好地提升AI檢測的準確性。 AI落地與技術協(xié)同的有效性 AI技術的研發(fā)從算法、智能模型的構建，到適配復雜的工業(yè)場景，都需要與企業(yè)現(xiàn)有的技術體系、業(yè)務流程實現(xiàn)深度協(xié)同，才能發(fā)揮出最大的效能。 美的智能制造研究院與集團層面的研發(fā)如何做協(xié)調配合？ 付旭 ：美的智能制造研究院是集團的研發(fā)平臺之一，主要面向大制造體系，包括制造、品質、供應鏈等，開展一些前沿技術的研究和應用創(chuàng)新。 我們是平臺單位，既需要做集團層面共性的前沿技術的主線研究，同時也會與事業(yè)部合作完成一些認為有挑戰(zhàn)有難度的迫切需求，內部團隊和業(yè)務間有規(guī)范且成熟的協(xié)作流程，研發(fā)成果傳遞、落實和實施路徑也比較清晰。 研究院一方面不會只專注于前沿技術的研究，因為研究技術本質上目的是解決實際問題，另一方面也不會只聚焦事業(yè)部業(yè)務需求，研發(fā)目標也要服務于集團戰(zhàn)略從長計議。 您認為做智能制造升級，在生產過程中哪個環(huán)節(jié)難度會比較大？例如根據(jù)實際經驗做升級改造，對于產線、設備的部署從技術維度或企業(yè)的角度，如何規(guī)劃和考量？ 付旭：智能制造轉型是很多企業(yè)堅定去做的事情。從發(fā)展的眼光看問題，不同的階段會涉及不同的考量，比如說團隊的資源、能力、規(guī)模都可能會影響投入。 不同的企業(yè)容忍度不一樣，要投入這項技術值不值得？有沒有長期投資的打算？投進去多少年能得到回報？這些涉及企業(yè)戰(zhàn)略和發(fā)展規(guī)劃，都需要仔細斟酌。 從技術維度講，相對簡單一些：要解決某個問題，應該用什么手段或用什么技術，這是非常清晰的。但這個投入值不值得，衡量的指標就是ROI。 整體上美的集團對研發(fā)類ROI比較寬松，也會根據(jù)實際情況動態(tài)做調整，需求不一樣，衡量維度的標準也不一樣。 對于通用性和普遍性技術的研究，咱們投入的重點主要在哪里？ 付旭：通用技術和普通技術之間沒有非常明確的界定。任何項目投入之前都會做評估，首先做需求評估，也就是這件事情值不值得做？ 其次是投入這件事的收益是什么？比如節(jié)省成本或者改善品質等。 做好這兩個階段的評估之后，如果表明這個事情值得做，下一步便開始怎么做，制定討論、預演不同的解決方案等。 技術研究如果沒做出來，或者說失敗了，有沒有相應的懲罰？ 付旭：智能制造研究院是鼓勵創(chuàng)新、大膽嘗試新方向的。研究有成功也可能有失敗。 研究院是容許失敗的，我們內部提倡的原則是：項目可以失敗，但必須是竭盡所能、明明白白地失敗。 通常失敗原因我們總結為兩類：一是技術本身不成熟，屬于行業(yè)長期痛點且突破成本巨大，無法成為通用技術研究對象；二是受團隊能力或工廠制造條件限制。 您認為在數(shù)字化轉型或者AI應用方面，應該避免哪些誤區(qū)，或者說您對一些打算應用AI的企業(yè)有什么建議？ 付旭：我認為最應該避免的誤區(qū)就是把數(shù)字化或者AI當成是萬能的，而沒有考慮企業(yè)的實際情況。每個企業(yè)能夠清晰地評估自身所處的階段非常關鍵。 從工業(yè)4.0的角度講，企業(yè)自身是處于1.0、2.0還是3.0需要判別清楚，然后才能找到通往工業(yè)4.0的正確和有效的路徑。如果連基礎的經營管理都沒有，何談AIGC的應用？ 其次是對技術的理解。要明確技術是不是真正能解決問題，投入新技術的初衷是解決當下業(yè)務的問題，或者服務長期發(fā)展的規(guī)劃，不能為了追求新概念而進行盲目投入。 另外在應用實踐過程中，要做好項目評估和技術目標，AI與當前系統(tǒng)需有效銜接，從研發(fā)到落地也需整合驗證。
正在改變與想要改變世界的人，都在 虎嗅APP |
關注我們：東遠物聯(lián)
抖音
微信咨詢
咨詢電話：
199-2833-9866D-Think | 廣州東遠智能科技有限公司
地址：廣州市白云區(qū)北太路1633號廣州民營科技園科創(chuàng)中心2棟16樓
電話：+86 020-87227952 Email：[email protected]
Copyright ©2020 東遠科技 粵ICP備2024254589號
免責申明：部分圖文表述來自于網絡，如有侵權請聯(lián)系作者刪除！
D-Think_ZT01加強型芯片注射器，PIT連續(xù)注
D-Think_ZT01-14T 1.4*8mm FDX-B植入式生物