当工业4.0遇见AI：现在的智能制造有多“智能”？

这类方案是对AI应用大门的进一步拓宽，或许HLS高层次综合不仅代表了Mentor的策略，它更像是AI在各领域实现普及的趋势，包括工业制造。当然在此过程中，少不了应用层做验证，包括协同建模（co-modeling）、Virtual-ICE、SW debug、性能监测应用等各种应用验证技术。xgNesmc

除此之外，机器学习本身也在反哺EDA工具，比如在芯片测试期间，Tessent Yield Insight能够告诉客户和工厂，影响产量的错误究竟是出现在芯片设计环节还是制造环节；还有利用机器学习提升芯片良率的Calibre Machine Learning OPC（机器学习邻近效应修正）和Calibre LFD with Machine Learning；甚至利用半导体制造数据，来反馈设计优化流程方案，“比如说，同时采用X光和AOI（自动光学检测）的时候，我们可以判断哪些层级X光可以略过，因为X光是个慢速机器，经常会成为制造瓶颈。”xgNesmc

现在的智慧工厂有多智能？

AI的最有趣之处大概就在于，整个技术供应链上的诸多环节，既通过出售AI技术来赚钱，同时自己也是AI技术的使用者。Mentor这样的EDA厂商大概就是最好的例证。在探讨了智能制造解决方案提供商、AI芯片制造商以及EDA厂商这三个层级之后，我们大致上已经将AI现阶段在智慧工厂的价值勾勒出来了，即便从芯片制造商层级就不难发现，AI技术在工业制造中仍在发展初期。xgNesmc

除了文首提及ROJ在数字工厂方面借由西门子方案的实现，如今在世界范围内逐步发展智能制造乃至AI技术的先进工厂大约也不在少数。前不久我们踏入林德（Linde）东亚区远程控制中心，可对智慧工厂的发展程度做管中一窥。林德是目前全球最大的气体供应商，其业务也涵盖了为晶圆厂提供电子气体。不过这里，我们不探讨其作为半导体上游供应商的价值，而将其作为智慧工厂的实践者来审视一番。xgNesmc

xgNesmc

林德在中国大陆地区有总共350公里的管道，部分气体就是通过管道供应给客户的。远程控制中心能够对管道系统、空气分离装置、制氢装置、食品级二氧化碳提纯，进行中央化的远程监控。远程监控设备，能够显示这些装置和系统的运行效率与状态，同时还能对数据进行分析。xgNesmc

林德公司大中华区远程运行中心总监陆贤表示：“当发现监控的动设备参数有上升趋势，就会结合当时的设备运行状态进行详细分析，及时做出调整和相应措施，包括对客户供应气体的可靠性。”“数据趋势往上走，虽然现在没有报警，但就要开始准备备件了。”“甚至通过对数据的分析，预测三个月后的情况。”这是数字工厂典型的实际应用了，看起来很像预测性维护。xgNesmc

“小型制氮现场是无人的，大型空分现场也只配备最少的人员。”“一些大型空分、液体空分会有一套先进控制系统，可根据客户的压力、纯度等波动，自动调整装置负荷。超过设定值，客户一侧则会切换到备用系统。”xgNesmc

而在林德远程控制中心的数字化程度中，让人感受“数字化”程度最深的是针对宁波的数字化管网控制。“宁波有82公里长的氮气、氧气、氢气系统装置，沿着永江穿越市区。”在出现压差较大等情况，发生报警时，远程控制中心就需要做出响应。xgNesmc

控制中心的图形化界面里，显示了整个宁波的俯瞰3D图——地图通过无人机拍摄并做建模，其上清晰描绘林德气体管线途经的区域，甚至包括埋地管线。和谷歌地球一样，远程控制中心的操作人员可对其进行任意放大缩小操作，观察气体管道状况，查看管道实时数据，包括管道直径、压力、材料、所在高度等；甚至还能调取周期性的现场巡检视频。xgNesmc

在真正的机器学习实现上，“我们正在实施一个专家分析系统，这个系统就是运用机器学习相关技术，通过数据的自动采集、分析，定期或不定期地完善搭建的模型，做到分析结果精确、运行标准设置精确。”陆贤表示。xgNesmc

“我们未来运行现场智能化包括，机器自我学习，帮助我们更安全、高效、可靠地运行装置；建立更加精准和有效的装置能耗模型，监控并优化能源消耗情况；建立更智能的运行培训工具——准确模拟空分实际运行，用以更高效地培养我们的工程师；大数据分析工具开发，预测空分设备未来的运行情况。”林德大中华区消费市场营销总监陈闻翊表示。