制造外包:医疗健康行业的战略优势

作者:伟创力健康解决方案事业部总裁 Kate Benedict

当前,医疗健康行业正面临着前所未有的挑战,整个行业都正承受着不断上涨的成本压力。就行业内部而言,推出一款新型医疗器械产品往往需要耗时三到七年之久,有时甚至更为漫长;一款新药从研发开始到最终获批,平均需要历经12年的时间。因此,在保证可靠性和质量标准的同时,能够更快、更高效地推进变得至关重要。

在我多年掌舵医疗健康公司的经历中,我始终致力于探寻降低风险、并将资源重新投入到产品创新中的有效途径。其中一条重要途径便是与值得信赖的合作伙伴进行外包合作。在我看来,医疗健康领域的外包合作绝非仅仅是一种策略;它更是改变游戏规则的关键。外包能够助力实现一系列广泛的战略目标,包括利用外部制造合作伙伴的优势提升运营效率,推动企业的重大转型——这通常被称为“网络优化”。

“网络优化”正逐渐成为医疗健康领域的一股新兴潮流,它代表着企业通过实施战略性外包,将资源重新聚焦于核心业务上。

当得到妥善执行时,网络优化能够促使企业彻底革新其网络结构,通过优化资源配置来有效降低风险、集中力量于核心业务领域,同时在这一转型过程中大幅削减资本支出。

近期,Technavio发布报告预测,从2024年到2028年,医疗器械制造外包市场将以10.9%的复合年均增长率增长至504.4亿美元。这表明,众多医疗健康和制药企业看到了重塑其现有制造模式的机会。一个执行良好的外包模式可以带来多重益处,包括提高运营效率、降低供应链风险,以及内部团队专注于核心竞争力与创新的能力。通过与合适的伙伴携手,企业能够更有效地利用资金和资源来管理生产线投资,并确保严格遵守监管和质量标准,同时在生产线和工厂的转移过程中应对各种复杂挑战,从而有效缓解企业的相关担忧。

集中资源,强化专长

2023年,美国食品药品监督管理局(FDA)批准了比以往任何一年都多的新型医疗技术,为医疗健康与制药企业创造了一个更具竞争力的环境,以将创新解决方案推向市场。与此同时,成本压力上升、利润要求提高,以及全球供应链不确定性,共同促使企业必须寻求一种能够释放资源的途径,以便能够专注于自己最擅长的领域。

通过与专业的制造外包合作伙伴携手,医疗健康和制药企业能够充分利用他们在复杂生产流程管理及供应链配置方面的垂直整合能力和专业知识。这样一来,企业便能将内部资源集中投入到产品创新、研发等核心竞争力上。

在伟创力,我们致力于帮助客户优化整个产品生命周期并实现可持续发展目标。从确保产品设计的可制造性,到有效扩大生产规模,再到提供逆向物流及循环经济服务——同时分享来自其他行业的先进制造专业知识和最佳实践。

例如,我们使用先进的模拟技术为一种II类糖尿病产品的生产线创建了数字孪生体,帮助降低生产风险,并确保生产的连续性。我们还助力客户应对复杂的供应链管理挑战,在有效降低运营风险的同时,让他们能够更加专注于其他核心领域的发展。凭借由16,000多家供应商组成的庞大网络,我们与诊断行业的领军企业紧密合作,即使在COVID-19疫情期间遭遇半导体供应短缺的挑战,也成功确保了供应链的稳定运行。在此艰难时期,我们的客户展现出非凡的韧性,持续为数百万依赖其产品的患者提供传感器。

品质至上

尽管企业充分认识到将内部资源集中于产品创新上是明智的,但由于医疗健康行业对高质量标准和严格监管的要求,他们可能仍然会对外包持怀疑态度。同一份Technavio报告强调,虽然“外包医疗器械生产能够为企业带来接触最新技术和先进设备的机遇,但同时也伴随着一系列挑战。例如,医疗专业人士对产品质量有着极为严苛的要求,且必须严格遵守相关的法规规定。”

评估制造合作伙伴以确保他们能够满足法规和质量要求至关重要。

在伟创力,我们凭借与医疗健康和制药公司长达数十年的深厚合作经验,提供卓越的质量管理体系,确保客户能够顺利满足I、II和III类医疗产品严格的合规要求。随着监管预期的不断变化,我们持续演进我们的合作方式,致力于在产品全生命周期中与客户紧密协作,从早期的概念设计到人因工程学 (HFE),直至提供高度自动化的生产和报废解决方案。

与伟创力这样的制造伙伴合作,借助我们旗下14家通过FDA认证以及21家获得ISO 13485:2016认证的工厂,将助力医疗健康和制药企业轻松达到监管医疗产品的最高质量与合规标准。

重塑内部生产模式

即使端到端价值链可以带来明显的好处,将生产从内部转移到外包合作伙伴仍然会让人望而生畏或充满风险。 然而,医疗和制药公司在制定战略之前应该首先考虑它们想要的结果。

无论企业是寻求贴近终端市场、整合多个生产基地,还是旨在降低整体运营风险,都拥有多样化的选择。伟创力凭借强大的垂直整合能力和全球布局,为医疗健康行业的客户提供专业的技能、丰富的经验以及完善的基础设施,作为一个合作伙伴能够帮助他们实现外包战略目标。

举例来说,我们与一家专注于诊断监测的客户紧密合作,降低了他们整体供应链的风险。通过将分散在多个地区的五个制造基地整合至北美的一个伟创力制造中心,我们帮助客户减少了冗余流程,提升了运营效率,从而节约了成本并降低了风险。

我们所选的伟创力生产基地凭借其在医疗制造领域的专业知识和经验,以及高素质的团队,成功实现了快速且顺畅的过渡,确保了客户业务的正常运行。

战略合作以谋长远发展

医疗健康行业的格局将日益复杂,技术的飞速发展、慢性病患者群体的不断增加,以及到2050年,预计全球65岁及以上人口将达到15亿,从而催生新的市场机遇。为了在未来挑战中保持领先,并抓住前所未有的机遇,医疗健康和制药企业必须与外包合作伙伴建立战略合作关系。这些外包合作伙伴不仅能帮助他们优化自身网络,还能提供跨行业的专业技术、知识以及医疗产品设计、开发和制造方面的经验。

凭借我在医疗健康领域数十年的经验,我切身体会到战略外包对企业保持竞争优势的重要性。企业通过巧妙地利用外包合作伙伴的资本优势、技术投资以及各种资源,能够全神贯注地投入到核心的创新活动中,同时实现更灵活的运营,并有效地规避风险。在这个日新月异的行业中,持续审视并创新现有模式显得尤为重要,这样才能更好地满足医疗健康服务提供者和患者不断变化的需求。

助推国产算力高质量发展,北电数智为建设数字中国添砖加瓦

目前,我国的智算中心建设正呈现出蓬勃发展的态势。智算中心的建设不再局限于北京、上海、深圳等一线城市,已经扩展至县级地区,全国范围内的算力基础设施建设正在积极推进。

根据相关资料显示,尽管国内算力的覆盖范围广泛,但其利用率却相对较低,整体算力中心的利用率仅为50%。这一现象背后的原因不乏算力中心性能不足、无法满足大模型时代对算力的高需求、数据中心与当地产业需求不匹配等。显然,以算力规模和集群规模作为评价标准的时代已经过去,算力需求已经进入了从数量到质量转变的新时代。这种转变也意味着,计算领域关注点将集中在算力的效率、灵活性以及智能化水平。

北京电子数智科技有限责任公司(以下简称“北电数智”)作为⼀家专注于原创性、颠覆性、引领性科技创新的人工智能科技企业,在算力、算法和数据等方面实现了全栈产品和解决方案布局。

加速单芯片算力

目前我国已量产上市的GPU产品主要针对上一代算法进行设计,对于大模型相关算子的需求满足度尚需进一步完善。因此,必须通过扩展算子库、优化编译器等软件层面的手段,实现对单芯片算力利用率的提升。

北电数智的前进·AI异构计算平台具备多重优化特性,可通过模型量化加速、模型超参数调优、稀疏化推理等模型优化能力,算子融合加速、计算图优化、硬件访存优化等编译优化手段,提升单芯片的计算性能,增强国产算力芯片的自适应性。

加强混元异构集群性能

当前的智能计算中心大多依赖单一芯片制造商提供主要的计算能力,而多芯片混合异构架构将成为未来国产智能计算中心的发展趋势。

北电数智的前进·AI异构计算平台可以通过算子级模型拆分方法优化模型性能;通过基于自动机器学习算法的硬件拟定并执行自动调优策略,自动调整模型的配置和参数,找到在特定芯片下的最佳性能和效果;其框架可以支持大模型分布到多GPU上进行计算,提高模型的训练和推理效率,最终实现让合适的芯片做合适的事。

加大通信能力

在万卡集群时代,通信的重要性与单芯片算力不相上下。通信能力直接决定了大模型训练过程中数据传输的效率。高效、稳定、低延迟的网络对于智算中心的建设和运行至关重要。

北电数智通过打通各厂家的集合通信库来解决不同GPU芯片之间的通信问题,对通信库进行深度适配和优化,通过标准化的分布式通信接口,确保异构集群内的信息交换,且可以通过时间重叠等策略,将计算过程和通信过程互相重叠,减少了通信延迟对整体训练性能的影响。

智能化调度与运维保障智算集群稳定运行

智算集群的稳定性也很重要,实现算力最优解,需要一个高效可靠的智能云管平台,通过实时智能监控来实现分钟级的软硬件故障定位,并实现故障的自动检测和修复。

北电数智前进·AI异构计算平台支持多款国产芯片的广泛纳管,帮助用户实现对不同品牌、类型AI加速卡的统一管理,以确保各类AI芯片的无缝集成和优化利用。广泛的纳管能力也让用户能够根据具体需求,灵活地调整资源配置,优化算力供给满足各类训练推理任务。

前进·AI异构计算平台具有卓越的算力调度能力,可为不同场景提供多样化的调度策略,以精准匹配各类计算任务的不同需求。“潮汐调度”是该平台的一大特色亮点,其可根据计算任务的特性和资源需求的变化动态地分配和回收计算资源,尤其适用于渲染应用等场景,以最大化资源的利用率并减少执行时间;此外,“前进·AI异构计算平台”提供的“推训混布”策略可帮助大模型使用方实现同一算力集群既支持在线推理服务部署任务,又支持离线训练任务,从而显著提高算力资源的利用率,减少资源浪费,大幅降低运营成本。

11月21日,北电数智成功推出了国内首个算力概念验证(PoC)平台,并在北京数字经济算力中心正式启用。该平台依托北电数智的先进计算迭代验证平台——前进·AI异构计算平台,为国产算力集群提供专门的场景评测、适配和验证服务,同时也为场景持有方特定场景应用的开发,提供了多样化的算力适配试验空间,从而实现从基础算力到业务场景驱动的双向链路的无缝对接。目前,北电数智前进·AI异构计算平台已经成功对近⼆⼗家芯⽚企业的产品 ⼗余种芯⽚进行了测试与适配,协助国产算力的性能不断优化提升。

在国产算力发展从数量增长转向质量提升的背景下,北电数智通过前进·AI异构计算平台的多重优势,为重塑国产芯片的竞争力、推动数字中国建设添砖加瓦。

IGBT 模块在颇具挑战性的逆变器应用中提供更高能效

制造商和消费者都在试图摆脱对化石燃料能源的依赖,电气化方案也因此广受青睐。这对于保护环境、限制污染以及减缓破坏性的全球变暖趋势具有重要意义。电动汽车 (EV) 在全球日益普及,众多企业纷纷入场,试图将商用和农业车辆 (CAV) 改造成由电力驱动。

然而,这种转变使得电能需求快速增长,给电网带来了极大的压力。尽管能效很高,但电动汽车、数据中心、热泵等应用仍需要大量能源才能运行。

太阳能、风能、波浪能等新型可再生能源受到广泛欢迎,正逐渐成为主流。只有完全使用可再生能源的应用,才能被视为真正的“清洁”应用。

太阳能市场已经发展多年,相对成熟。Fortune Business Insights 的报告显示,目前太阳能市场规模估计为 2730 亿美元,到 2032 年有望增长到 4360 亿美元。2023年,北美太阳能市场占比超过了 40%。

可再生能源应用中的电源转换挑战

太阳能发电量正在迅速增长。国际能源署 (IEA) 的数据表明,2022 年,太阳能产生的电力比上一年度增长 26%,达到 1300 TWh。这标志着太阳能发电已超越风电,成为最大的可再生电力来源。

太阳能光伏 (PV) 板产生直流电 (DC),而电网需要交流电 (AC),因此中央光伏逆变器是大型并网装置不可或缺的一部分。光伏板产生的所有能量都会经过逆变器,因此逆变器效率具有重要影响。尽管太阳能取之不尽,用之不竭,但转换效率低下会导致输送到电网的能量十分有限。过程中所浪费的能量会转化为热量,进而又会构成严峻挑战,因为许多太阳能装置通常位于阳光充沛、温度较高的环境,如沙漠。

成本也是非常重要的考虑因素,可直接影响消费者的电费以及电力公司的盈利。为实现更高功率,许多中央逆变器并联使用多个转换模块,具体数量由每个模块的额定功率决定。每个模块功率容量越高,所需模块就越少,进而可以降低成本。

尽管电动汽车已经取得了长足进步,但 CAV 在向电力驱动转变方面仍进展缓慢。CAV 体型较大,每次行驶消耗的燃料和产生的排放也更多,虽然数量上仅占汽车总量的 2%,但其温室气体排放量占交通运输排放总量的 28%。虽然商用客运车(如公共汽车)的电动化已经初见成效,但大多数大型卡车、建筑机械和农业车辆(如拖拉机)仍然依赖柴油驱动。现在,情况开始发生变化。为达到欧盟、中国和美国加州等全球市场严格的零排放法规要求,预计到 2030 年,电动卡车(纯电和混合动力)销量占比将从目前的 5% 增加到 40%-50%。

相较于化石燃料商用车,电动商用车结构更简单,运动部件更少。在载重能力相同的情况下,电动车体积更小、可靠性更高、维护相关成本更低。目前电池成本大幅降低,电动 CAV 的总拥有成本已经低于内燃机 (ICE) 车辆。

与太阳能应用类似,效率也是电动 CAV 的关键要求。每辆车的电池电量有限,逆变器中转换过程的效率越高,车辆行驶距离就越长。或行驶同样的距离所需的电量就更少。

鉴于未来我们对太阳能和电动 CAV 的依赖,可靠性自然也就变得非常重要。

面向逆变器应用的先进电源技术

在三相太阳能光伏逆变器等的高功率应用中,三电平有源中性点箝位 (ANPC) 转换器是比较常见的拓扑。这种多电平拓扑结构专门用于提升系统的性能和效率。

普通中性点箝位 (NPC) 转换器使用二极管将直流链路电容的中性点连接到输出端。在 ANPC 配置(图 1)中,箝位由开关执行,因此能够改善控制、减少开关损耗并提高效率,并且能相应地减少对散热措施的需求,从而有助于实现尺寸更小、成本更低的方案。

拓扑结构的布置方式降低了各个开关上的电压应力,从而提高了可靠性。此外,ANPC 还能实现对电网有利的波形。

设计工程师可以通过并联多个功率模块,例如安森美 (onsemi) 的 QDual 3 IGBT 模块,创建高性能三电平有源中性点箝位模块,其系统输出功率可达 1.6 MW 至 1.8 MW。

QDual 3 模块集成了新一代 1200 V 场截止 7 (FS7) IGBT 和二极管技术,可为大功率应用提供更优异的性能。与前几代产品相比,FS7 技术显著改善了导通损耗。

在 FS7 IGBT 工艺中,沟槽窄台面带来了低 VCE(SAT) 和高功率密度,而质子注入多重缓冲确保了稳健性和软开关特性(图 2)。安森美中速 FS7 器件的 VCE(SAT) 低至 1.65V,适用于运动控制应用;而其 FS7 快速产品的 EOFF 仅 57 µJ/A,是太阳能逆变器和 CAV 等高功率应用的理想选择。

创新型 FS7 技术使新型 QDual3 模块中的芯片尺寸比上一代缩小了 30%(图 3)。这种小型化与先进的封装相结合,可以显著提高最大额定电流。在工作温度高达 150 摄氏度的电机控制应用中,QDual3 的输出功率为 100 kW 至 340 kW,比目前市场上的其他产品高出大约 12%。

可靠性是太阳能和 CAV 应用的关键,因此模块的构造和测试方式至关重要。例如,目前有许多类似方案使用引线键合方式来固定端子,而安森美则选择采用超声波来焊接模块。后者有助于增强电流承载能力,提供更优散热路径,并且比前者更为坚固(图 4)。

这种方法可以提高电导率,从而减少电力损失、提升效率。此外还能降低工作温度、增强机械刚度,以及提高模块的整体可靠性。

安森美的新型高功率 QDual3 技术

专用 QDual 3 半桥 IGBT 模块NXH800H120L7QDSG 适用于中央太阳能逆变器、储能系统(ESS)、不间断电源(UPS);而 SNXH800H120L7QDSG 则适用于 CAV。这两款器件均基于 FS7 技术打造,VCE(SAT) 和 EOFF 有所改进,进而降低了损耗、提高了能效。

目前,若使用 600 A IGBT 模块以 ANPC/INPC 架构来设计 1.725 MW 逆变器,总共将需要 36 个模块。然而,若使用额定工作电流为 800 A 的新型 NXH800H120L7QDSG 和 SNXH800H120L7QDSG,设计所需模块数量将减少 9 个。相应地,设计的尺寸、重量和成本将节省 25%。这对于太阳能应用和 CAV 应用来说都非常有价值,因为重量减轻和效率提高,将使得车辆行驶里程有所增加。

这些模块包含用于热管理的隔离底板和集成的 NTC 热敏电阻,并支持通过可焊接引脚将模块直接安装到 PCB 上,采用行业标准布局,有助于轻松将现有设计升级到新型 QDual3 技术。

安森美的所有 QDual3 模块均经过严格的可靠性测试,其可靠性水平超过市场上的其他同类器件。我们的湿度测试要求产品承受 960V 偏压长达 2000 小时,而同类器件仅需承受 80V 偏压 1000 小时。振动测试对于 CAV 应用至为关键,我们的产品在 30 G 峰值/10G RMS 条件下进行了长达 22 小时的测试,可满足 AQG324 要求。其他器件则是在振动水平低至 5 G 的条件下进行测试,持续时间短至 1 小时。

总结

全世界的可再生能源使用率越来越高,电网正承受着巨大压力。太阳能发电已经发展成熟,2022 年更是超过风电,成为可再生电力的主要来源。

尽管化石燃料驱动的车辆仍是主要的污染源,但 CAV 的电气化正在稳步推进,目前已初见成效。

安森美 FS7 等新型半导体技术支持开发低损耗、大功率器件,以满足这些领域的效率和可靠性需求。基于这项技术,安森美的新型 QDual3 器件采用紧凑封装,可实现高功率密度和出色能效。焊接良好的端子和超越业内其他器件的认证测试助力保障 QDual3 器件的稳健性能。

新一代 NXH800H120L7QDSG 和 SNXH800H120L7QDSG 模块电流能力高达 800 A,得益于此,逆变器设计所需的模块可减少 25%,并能够进一步简化设计、减小其体积、质量并降低成本。

这无疑是一项重大进展,安森美将继续潜心钻研 FS7 技术的高性能潜力,力求推出更多超越现有标准的模块,从而满足太阳能行业和 CAV 制造商不断增长的需求。

自动化巨头布局生成式AI,先瞄准PLC编程?

近期,“AI教父”杰弗里·辛顿发出警告,称未来30年内,AI的进步可能导致人类灭亡的概率高达10%至20%。但在过去一年,有关“AI威胁论”屡见不鲜,被“吓”到现在已经不足为惧了。

不得不承认的是,生成式AI的飞速发展依旧改变着各行各业的格局,这种入侵之势不可抵挡。根据IDC调研,企业每投入1美元于生成式AI,便能获得3.7倍的回报,AI使用率在2024年已提升至75%。更重要的是,未来两年内,大多数企业正在加速以Copilot和AI Agent为代表的定制化AI解决方案建设,推动技术向行业深度应用拓展。

技术先行,利益在前,对于自动化行业而言,AI的引入已不再是选择题,而是必然之路。西门子、ABB、罗克韦尔自动化、施耐德电气等巨头已经先发制人,而他们在上述领域的布局有共性、亦有个性。那么当前这些巨头在生成式AI方面的成效究竟如何?下文将简要探讨一下。

四大巨头布局生成式AI

殊途同归

过去几年,自动化巨头在生成式AI领域均有先行布局,发展至今不难窥见其中的共通之处。在合作商方面,大部分都绕不开微软和英伟达,而巨头们将成果正式投入使用的第一站,大多数都与PLC优化编程有关。

西门子

谈到西门子和微软的合作,就不得不提及今年工博会上展示的首款用于工业环境工程设计的生成式AI产品Industrial Copilot。在公布这款产品时,西门子表示,借助西门子Industrial Copilot,用户将能够快速生成、优化和调试复杂的自动化代码,并显著缩短仿真时间,几分钟即可完成以前耗时数周的任务。

而在去年汉诺威工业博览会期间,西门子正式展示了这款产品。西门子Industrial Copilot现已与TIA博途打通,能够帮助工程团队为可编程逻辑控制器(PLC)生成基础的虚拟化任务和代码,并自动处理重复性任务,在大幅减少工程团队工作量的同时保证复杂任务的工程设计不易出错,从而缩短开发时间、提高质量和生产率。通过将Industrial Copilot与TIA 博途无缝连接,西门子成为首家为全球工业企业提供面向工程的生成式人工智能产品的公司。
在官方所展示的视频可以看出,Industrial Copilot能够根据工程师通过自然语言描述的需求,该产品有助于通过自然语言输入自动编写/生成 PLC 编程代码,工程师只需要对代码进行检查及微调就能使用。

同年的工博会期间,这款产品迎来在中国的首度亮相。彼时,西门子中国数字化工业集团、工厂自动化事业部战略产品管理部总监Nicholas Hansen表示,这款软件还无法立即在中国落地,主要是本土化相关的工作尚需一定时间。西门子想为中国本土的需求打造一款适合本地用户的生成式AI解决方案,因此Industrial Copilot for Engineering这款软件在中国目前还正在与本地的大语言模型的合作伙伴进行沟通,也在不断地与各厂商在做技术方案上的最终确认。

在西门子与微软的合作中,西门子提供了海量的工业相关数据,微软提供大语言模型的算法。而在国内落地,需要既有工业基础,又有大模型功底的公司达成合作,我们很期待最终合作伙伴的揭晓。

而西门子布局生成式AI另一大合作伙伴则是英伟达,双方将生成式AI用于增强数字孪生方面。去年3月,西门子表示,全新解决方案将西门子 Xcelerator与英伟达Omniverse Cloud API相连接,依托生成式 AI技术,实现基于物理世界的实时可视化。同时将在Teamcenter X推出基于云的产品生命周期管理(PLM)软件,由英伟达Omniverse 技术提供支持,帮助工程团队创建直观逼真、基于物理世界的实时数字孪生,避免在工作流程中可能产生的浪费和错误。

ABB

就在上个月,ABB宣布与微软联合推出一款生成式人工智能解决方案ABB Ability™ Genix Copilot。据介绍,ABB Ability Genix Copilot是针对工业应用定制的GPT-4等大型语言模型,通过对大量数据进行情境化并以直观的方式提供可操作的见解,帮助能源、公用事业和其他行业提高效率、生产力和可持续性。

根据官方资料,Genix Copilot 利用 GPT-4 等大型语言模型,针对工业用例进行定制。与主要处理文本的传统自然语言处理不同,Genix Copilot 使用来自生产环境的真实数据,提供可立即实施以改善工业运营的见解。

若要将其成效量化,或可参考这组数据。在2023年7月,ABB宣布携手微软将Azure OpenAI服务整合到ABB Ability™ Genix工业分析和AI套件时曾提到,这款应用有望将资产生命周期延长高达20%,并将意外停机时间减少多达60%。

对于ABB而言,他们对于生成式AI的应用的另一大领域是机器人。作为全球工业机器人领域的代表性企业之一,ABB结合市场对生成式AI的需求,将AI嵌入全线业务,同时推进100个AI与机器人结合的项目。

施耐德电气

全球执行副总裁,首席数字官彼得·韦恺哲(Peter Weckesser)曾表示,施耐德电气关注两种类型的AI技术,一种是通过分析结构化数据来生成洞察的传统机器学习,另一种是从非结构化的数据中产出新内容的生成式AI,并在这两方面同时发力。

基于此,施耐德电气在去年汉诺威工业展上展示了其 Automation application copilot(自动化应用助手)解决方案,这款自动化应用助手利用生成式人工智能Gen AI的强大功能,来提高工程效率,为控制工程师提供辅助,以处理整个应用程序生成的任务流,包括应用程序架构、从相关库创建资产,以及代码/文档/测试用例的生成。

双方共创的Automation application copilot结合了施耐德电气在工业领域的深度技术专长与微软前沿的生成式人工智能(AI)技术,能够助工程师为可编程逻辑控制器(PLC)快速编写高质量、经过测试和验证的代码。这款自动化应用助手,能够实现重复任务的自动化并提供智能化代码建议,从而缩短编程时间。

另一方面,施耐德电气与英伟达也建立了合作伙伴关系,不过二者的成果集中在数据中心方面,可以说也为生成式AI打下了基座。施耐德电气在今年第一季度宣布与英伟达建立合作伙伴关系,双方致力于携手优化数据中心基础设施,共同推进人工智能(AI)和数字孪生技术的创新变革,推出了面向智算中心的首个参考设计等。

罗克韦尔自动化

罗克韦尔自动化在和微软的合作产品,对于强化PLC代码编写和用户管理方面已有成效。罗克韦尔已拓展了旗下 FactoryTalk Design Studio SaaS(软件即服务)设计软件组合,在其中加入了与微软合作开发的全新 GenAI(生成式人工智能)辅助工具。最新功能以 Microsoft Azure OpenAI Service 为依托,让工程师能够使用自然语言指令来执行各类任务,如产品引导、代码生成、故障排除和代码解释,让系统设计更快速、更直观。无需下载或安装,FactoryTalk Design Studio 可从 Web 浏览器访问。这创造了一个协作式、多用户的环境,实现了集成式版本控制,并能持续更新、纳入新功能,以此提高工业自动化系统设计的生产力和效率。

此外,罗克韦尔的 FactoryTalk Optix 食品和饮料模型(由罗克韦尔的数字和服务组合提供支持)将会加入微软的 AI 模型目录。这款模型能够直接为制造车间带来 AI 和 GenAI 的强大力量。这款随需应变的 AI 模型利用了微软的小型语言模型 (SLM) Phi-3,能够为机器操作员提供 AI 引导式指示,助力操作员们在熟悉的 FactoryTalk Optix 界面上开展过程和装置操作。有了经过专门训练的模型,员工就能轻松获取经过情景化处理的 AI 指引,以提高生产力、减少错误、加速决策。

自动化与AI交融之中,

中国厂商谁能对标微软?

上文可以看出,在中国巨头布局的生成式AI中成果中,PLC编程是一大重点方向。在此方面,除上述大厂外,倍福与微软开发的TwinCAT Chat聊天机器人同样具有代表性。在工博会的演示中可以看到,该产品可以根据自然语言自动生成PLC代码,自动生成HMI画面,能够优化、续写或者补全已有的程序代码,增添代码注释,并根据PLC代码反向推荐合适的I/O模块,自动选型。

当下选择投身生成式AI在PLC编程方向的巨头们,对于提高生产效率、减少错误,并简化编程效率等方面有着较高的预期。这也是自动化巨头们抢占先机,推出自动化代码生成的原因。

而面对这类AI“冲击”,中国工控网也询问了来自多个细分行业的工程师们如何看待。多数工程师表示,目前的PLC编程仍需要人作为决策者,谈不上“替代”二字,AI、工程师和项目本身之间的磨合还有很长的路要走。恰如其“Copilot”的定位,这些工具起到的是辅助作用,真正做决策的还是技术人员本身。

当然,这不代表工程师们没有焦虑情绪,工程师们正感觉到,需要快速学习外界的新知识,行业在逼着工程师们成为全能型人才,不及时了解先进产品的操作,也会有被淘汰的风险。

我们上述列举的行业巨头基本都是国外的大厂,这些应用在国内推广尚需时日。国内同样有中控技术、东土科技等先行者们在此方面有所布局,具体的使用效果还需等待验证才可出真知。

目前,对于国内外的厂商来说,生成式AI在工业领域的应用都还处于早期,对于数据质量、投入应用之后的磨合都需要时间。巨头们如今的投入并非单纯地借助生成式AI提高生产效率,更是在构建未来的自动化生态系统。

将编程等工作简单化,将工人推至更有作用、效率更高的决策地位,让自动化的生产模式变得更加灵活,这都是生成式AI会影响未来自动化的未来发展方向。在清洗积累多年的工业数据,并将积淀的行业经验数字化的过程中,巨头们或许都绕不开微软和英伟达这类参与者。

在思考中国工程师们何时能够应用到这些成果之前,我们也需要思考,中国同类厂商中,是否有能对标微软,成为巨头们合作伙伴的厂商呢?抑或是,工业中生成式AI在中国的落地,要走出一条不同寻常的道路?

华为、阿里、百度、科大讯飞等公司在工业和大模型方面都有坚实的技术基础,这其中会诞生自动化技术AI领域本土化落地的栽培者么?我们拭目以待。或许今年的工博会便有所揭晓。

全球首个!卡奥斯助力海尔入选工业4.0奖“AI创新领航”奖

1月6日,ROI-EFESO工业4.0奖获奖名单正式公布。依托卡奥斯COSMOPlat工业互联网平台,海尔合肥冰箱互联工厂凭借在AI技术融合应用方面的卓越成就,成为全球首个且唯一荣获ROI-EFESO工业4.0奖“AI创新领航”奖的企业。

从发泡、注塑工艺参数的精准调整,到复杂设备故障的智能诊断与答疑,卡奥斯COSMOPlat助力这间全球顶级的智能工厂实现了对AI的深度创新和应用,在以极致效率满足用户需求的同时,也打造出制造业以AI推动数字化变革的全球样板。

打造创新应用,引领智造“AI时代”

2013年,国际咨询管理机构瑞欧盈-埃非索(ROI-EFESO)设立工业4.0奖,表彰在工业界中推进杰出的数字化项目的企业。2024年,工业4.0奖进入第十二届评选。随着生成性AI技术的快速发展,本届工业4.0奖首次将AI创新应用作为评选维度之一,在全球寻找和评选制造业中利用AI实现突破性转型的典型样板。

“面对用户日益升级的多样化需求,我们每年推出超过260款新产品,以创新应对挑战。为提升多型号产品混流生产的效率和质量,我们创新应用生成式AI、机器学习等先进技术,部署了多个先进用例。从发泡气泡工艺参数的精准调整,到复杂设备故障的智能诊断与答疑,AI在每一个环节都发挥着关键作用,大幅提升了生产效率和产品品质,以极致效率满足用户需求,创造极致体验。”工厂负责人表示。

针对注塑工艺调优依赖人工经验、调参效率低等问题,工厂依托卡奥斯天智工业大模型创新打造注塑换型云调优平台,将原先只存在于工艺员大脑中的调试方法沉淀为智能算法。目前,基于不同工况和228种模具,平台可智能推荐13个最优方案,实现对85台注塑机换型工艺参数的一键部署和调控,设备综合效率(OEE)提升30%。

在设备管理方面,平台将设备说明书、维修指南、运行状态等封装成故障知识图谱,工人可利用大语言模型,实现设备故障人机交互式诊断,通过问答、图片等方式为工人提供维修指导,精准推送故障及维修方案。同时,卡奥斯COSMOPlat还助力工厂实现机器人自适应编程,利用多模态大模型,工程师和工人可通过语音输入指令,大模型可在10s内自动生成机器人运行轨迹代码,针对装配毫米级偏差自适应调整,确保装配精度,调试周期缩短83%。

沉淀最佳实践,推动能力持续升级

通过人工智能、工业互联网等科技创新和大规模定制的模式创新,以“端+云”一体的解决方案为核心,卡奥斯COSMOPlat持续推动制造业数字化、绿色化发展,实现了数字化技术、智能服务模式、可持续发展等多维度的实践引领,已4次获得工业4.0奖。

2020年,卡奥斯COSMOPlat助力海尔中德智慧园区入选ROI-EFESO工业4.0奖,成为全球首个获此奖项的中国企业;2022年,海尔胶州空调互联工厂、海尔莱阳厨电互联工厂入选ROI-EFESO“智能服务”工业4.0奖,通过以用户为中心的大规模定制模式塑造了行业首批服务转型的工业4.0示范标杆;2023年,海尔上海洗衣机互联工厂获得ROI-EFESO工业4.0智能可持续奖项,为行业绿色转型和技术创新提供了启发。

目前,卡奥斯COSMOPlat已沉淀出行业领先的灯塔工厂“1+7”立体服务体系,覆盖智造成熟度评估、数字化咨询、灯塔工厂建设、工业软件创新、可持续发展转型和集团级工业互联网平台、孪生制造一体化平台等解决方案,可有效助力制造企业降本增效,打造行业标杆。

在海尔合肥冰箱互联工厂,依托卡奥斯COSMOPlat工业互联网平台,工厂也建立起数字化学院,构建出低代码等六大孵化平台,不断加速创新模块研发。同时,借助平台资源,企业还与多所科研院所合作,拉通产学研一体化,培育出一批优秀的数字化工程师,成为企业创新技术和用例持续涌现的重要基础。

站在“AI时代”的新起点上,以此次再获工业4.0奖为新起点,卡奥斯COSMOPlat也将继续深入技术探索,为制造业数字化、绿色化转型打造更多解决方案与实践范本,与千行百业共享数字化新价值。