人机协同现在还存在哪一些问题和困难_人机协同现在还存在哪一些问题

2020年，一场新冠肺炎疫情让中国经济措手不及。由于人力短缺和原材料运输困难，许多工厂被迫停产。但也有企业在人工智能的加持下，在逆境中抓住机遇，按下了发展的“快进键”。令人不解的是，预期中的智能机器人应用井喷并没有出现，那么制约机器人在工业生产中更广泛应用的因素有哪些呢？

3月11日，围绕后疫情时代工业智能化的机遇与挑战，腾讯优图、腾讯云、腾讯研究院联合主办了线上战略研讨会。清华大学大数据系统软件国家工程实验室总工程师王晨、罗明科学院院长郑宇、格创东智智能装备事业部总经理王云、天则智云解决方案副总裁施哲、腾讯优图实验室工业AI项目负责人黄亮等多位专家学者和业内人士在线齐聚。

大数据可以有效提升产品测试水平。

作为“新基础设施”的一部分，工业互联网行业近期迎来诸多利好。随着疫情的逐步好转，在后疫情时代，利用人工智能等前沿技术抗击疫情、恢复工作，工业智能将迎来新的发展机遇。

格创东智OT业务总监智能装备事业部总经理王云表示，每个企业、每个场景的应用都不一样，那么如何判断人工智能的价值？站在甲方的角度，要看投资回报。例如，如果一个解决方案可以取代100名工人，那么这些工人的成本就可以立即计算出来。如果这样的项目投资能在1.5年内收回，工业届愿意接受。

在产品质量检测中，利用大数据找到影响质量的因素，有很好的改进效果。王云补充道，比如一个产品出现质量问题，传统的经验是从Excel导入数据、掌握因素需要5-6个小时，然后找几个有经验的工程师去查，现在引入智能系统。在数据完善的前提下，可以在大数据的上千个因素中快速锁定可疑因素，30分钟解决问题。

中小企业的工业智能应该从一开始就开始

在讨论中，清华大学大数据系统软件国家工程实验室总工程师王晨认为，对于中小企业和民营企业来说，实现工业智能化应该从一开始就开始，绝不是从表面铺开。因为设想的方案能达到什么样的效果，恐怕厂商还没开始做的时候是不知道的。解决方案提供商可以提供与过去在大型企业中相同的水平，但这并不意味着在中小型企业中也可以达到相同的效果。工业智能与企业的技术、数据情况、数据存在质量、数据存储周期、传感器精度密切相关。具体问题一定要具体分析。

对此，腾讯优图实验室工业AI项目负责人黄亮表示赞同。在他看来，人工与自动化相结合，通用与定制相结合，工业场景解决方案的特点是高度定制化，不同细分领域有各自的业务特点，很难找到一个大而全的通用解决方案。如何保证方案的通用性，灵活适应不同的业务场景，是一个非常具有挑战性的问题，业界也在努力兼顾。

人机协作还有很多挑战。

参与讨论的嘉宾一致认为，工业互联网要想实现产业协同、平台协同，未来在5G、大数据、云技术的支持下，需要打破数据壁垒，形成更多场景下更智能的解决方案和应用。

人机协作最早是在工业领域发展起来的，协作机械手已经发展了很多年。系统上有很多安全传感器，也有很多护手功能，但是为什么现在很多企业还没有普及？对此，王云认为，站在甲方的角度，最重要的考虑是安全。疫情期间，人力成本更贵，自动机械手利用率提高，但毕竟还是在封闭空间做重复搬运。其实合作臂在机械部分已经做得非常好了，比如精度和稳定性，但是合作臂最重要的目的不是代替人做工作，而是代替人自动判断。接下来，业界应该思考如何匹配智能识别来帮助机器人做出判断。

为什么在人力紧张的疫情期，智能机器人没有出现预期的应用井喷？王云指出，协作机械臂还有一个问题，就是移动服务目前还没有大规模普及，大部分只能固定在一个工位做简单的重复性工作，而不是人工。未来的趋势是匹配现有设备，实现路径优化、算法优化、视觉优化，最终提供场景的多元应用。

疫情为工业智能化带来机遇。

那么这次疫情给未来工业智能的发展带来了哪些挑战和机遇？

王晨认为主要体现在协同工作、供应链、智能化三个方面。

首先是协作。许多人不得不远程工作。虽然大量制造企业已经在工厂复工，但总部并没有复工，仍在远程办公。在这个过程中，生产和设计的协作是一个重大挑战。目前主要的解决方法是通过数字化、云计算的信息系统来解决；

其次是供应链，这也是这次疫情暴露出的最大短板。之前建立的大数据平台是在疫情面前发现的，目前还处于低水平运营状态。很多企业不了解实时运营，也不了解上下游供应链。企业智能化生产需要对供应链的整体把握，但大数据的短板依然存在；

第三是智能决策。以前总说机器代替人。制造企业第一层次的机器替代，不是靠什么数字化、智能化实现的，而是靠自动化实现的。例如，机器人被委以机械化和重复性的工作，比人更高效、更稳定、更准确。今天强调的智能替代者，不仅会替代这些重复性的工作，还会替代企业中有专业知识的人和有经验的老工匠、师傅。这条路还很长。

天则智云解决方案副总裁石师哲哲表示，疫情带来的机遇是倒逼工业智能化发展，主要体现在技术替代人工的复杂工作、数据协同优化、信息化和数字化建设、平台建设四个方面。

第一，慢慢减少一些生产线上人力的参与，比如工业缺陷检测；二是数据协同优化，基于本地生产甚至上下游产业链集中数据的整体部署；第三，信息化和数字化建设在一定程度上是被迫的。疫情过后，行业引入人工智能技术的考虑，直接关系到未来的竞争力，更为长远；第四，基于大平台的开发模式引起了更多的关注，如文章会议和基于云的管理，这迫使企业开发更多的数字化解决方案。我相信人工智能在未来一定会在现有的数字化生产的基础上有更好的发展。