以人为本的智能制造

编者按

本文原载于2018年10月的《质量文摘》。作者瑞恩·戴（Ryan E. Day）是《质量文摘》的特约编辑和内容营销计划负责人，他过去的7年一直在研究和采访顶级商业领袖和持续改进专家。本文通过对Drishti公司的创始人兼首席执行官Prasad Akella的访谈，探讨了人类员工与机器人的关系、智能制造的未来等问题。

第四次工业革命正离我们越来越近。随着企业范围的软件发展成为一种能够实现生产力变革的工具，对实时生产数据的收集变得越来越普遍。虽然数量还不多，但现在已经出现了无人值守工厂，例如日本的全自动FANUC生产设施等。在几乎所有可以想象的领域，人工智能已经成为一个无所不在的组成部分。“工业4.0”和“智能制造”现在是制造行业中最流行的术语。伴随着对它们的大肆宣传，有人提出了在第一次工业革命发生时相同的警告：“这样发展下去，人类的未来将走向何方？”

关于人类与机器人的误解

虽然自动化只是工业4.0的一个方面，但它似乎获得了过多的媒体关注，关注度仅次于人工智能。关注的焦点是对机器人和全自动化取代制造业中人类员工的恐惧。考虑到关于当前自动化程度对失业水平的影响的争论仍然很热烈，或许这是一个值得研究的问题。

由于媒体对机器人技术的进步进行了太多的报道，因此很容易得出结论：机器人将很快成为制造业的主要劳动力。网络媒体上充斥着机器人展示其灵活性和速度的视频，但是，机器人实际上能成为工厂新的主要员工吗？

20世纪90年代，普拉萨德·阿克拉领导了通用汽车公司在工厂车间开发协作机器人的项目，并彻底改变了车间的面貌。阿克拉在斯坦福大学获得机器人学博士学位，从事机器人技术实际应用数十年，他对制造业中的机器人问题有着深刻的理解。

作为Drishti公司的创始人兼首席执行官，阿克拉就制造业和机器人的话题，与《质量文摘》杂志瑞恩·戴进行了一次对话。

问：在各种媒体上，我们都会看到有关自动化、机器人和人工智能的新闻。相比之下，你的观点似乎更加以人为本。我们的未来不是要依靠更多、更好的机器人吗？

阿克拉：新闻总是在危言耸听，不是吗？“机器人将替代我们所有的工作”，这听起来似乎是可能的，特别是在制造业领域，但这些新闻并未反映实际情况。

事实上，高达90%的制造任务仍是由人类执行的。此外，我相信，即使面对快速发展的人工智能和机器人技术，人类将继续在制造行业中占据主导地位。这主要有以下三个原因。

首先，即将到来的几十年内没有足够的机器人可以取代人类。据估计，一个新的机器人可以取代五、六名工人，但现在人类员工和机器人的比例约为135:1。到2020年，全球工业机器人数量预计仅增加170万，根本不可能取代全球各个工厂中超过3.4亿的人类员工。

其次，制造业的发展趋势离不开人类员工。例如，大规模定制趋势（每个消费者想要根据自己的特定需求定制产品）正在围绕“最小生产批量”、增加产品选项以及从订单到交付的更短时间，对制造业进行重新塑造。富士康这样的公司非常依赖手工劳动：机器人无法像人类员工那样快速适应不断变化的市场需求。

最后，即使机器人变得更加灵活，仍然没有足够的机器人专家为它们提供支持。每个机器人都需要一个由程序员、流程工程师和熟练技术人员组成的生态系统。因此，即使资本有需求，技能差距和劳动力短缺可能也会限制机器人的扩张。

问：是否在某些领域人类更有优势？

阿克拉：当然。我们来谈谈针对流程变化的培训和应对。机器人需要一个生态系统来学习。具体而言，它们需要熟练的工程师、程序员和流程设计师，但这些人现在都供不应求。另一方面，人类学东西很快，能够适应新的过程或意外情况，而不会发生纰漏。

同样，人类比机器人更灵活。看一下机器人的“手”，它们在技术上被称为“末端执行器”，机器人和自动化设备用它们对物理材料进行处理。现在的工厂中，通用的末端执行器相对较少，柔软、可控且能够灵巧地操纵或大或小物体的通用末端执行器更少。大多数零部件和流程都需要定制的末端执行器，当流程或零部件发生变化时，末端执行器也需要进行改变。但是人类员工就不用，我们可以随意调整我们的力道。

最后，人类更容易形成规模。全球有超过3.4亿人从事制造业，而仅有大约200万台工业机器人。如果你关注过特斯拉发生的事情，就应该非常清楚这一点：机器人生产线很难设计、安装、扩展和运行。与此同时，政府数据也告诉我们，特斯拉弗里蒙特工厂附近地区有14.1万名制造工人，其中任何一个人都可以在第二天早上出现在特斯拉工厂的大门口。

问：工业4.0似乎是数字连接的资产，即连接到数据系统的机器。人类员工应该如何适应这种情况？

阿克拉：工业4.0是关于数据的。具体来说，它是在寻找隐藏在大规模数据中的机会。到目前为止，大规模数据集的唯一来源是机器，因为从机器中提取数据非常容易。工业4.0对人类员工有所忽视，因为很难从大规模的人类活动中提取数据。

这意味着人类员工是工业4.0的最大盲点。如果说高达90%的价值创造和可变性来自人类劳动力，你却只能从10%的机器工作中获得尽可能多的数据，你通过这些数据获得的洞察力不太可能解决最重要的问题和机会。

最直接的是，工业4.0团队可能认为无法测量人驱动的过程，因为这非常困难，并且100年来一直是一个未解的难题。Drishti很自豪能够为关于工业4.0的讨论添加一个全新的维度。

问：Drishti系统提供的全新内容是什么？

阿克拉：从人类活动中获取数据的最常见方式100年来没有什么改变。我谈论的是对工业操作效率（工效）的研究。它们是一个世纪前由弗雷德里克·泰勒、弗兰克·吉尔布雷斯、莉莉安·吉尔布雷斯在亨利·福特时代开创的科学管理理论，其关键工具是秒表和试算表。

今天，当我走进工厂时，我看到工程师站在周围进行工效研究，使用笔记本电脑打字，用智能手机计时，这和100年前的技术没什么两样。工效研究仍然是手工和主观的。你没有获得足够大的数据集，因为你所观察的人知道你正在观察他这个的事实，你所获得的数据会有所偏颇，可能与你不在场的情况有所不同。

与利用这些数据所做决策的重要性相比，关于人驱动过程活动的数据集显然不足。从日常人员配备到产能规划，再到为制造商销售的产品设定价格等，工厂在做出这些决策时或多或少带有盲目性。

Drishti的系统从它所观察到的人驱动的每个过程步骤或操作来创建数据，解决了这个问题。工厂首次可以从人类劳动力中获得连续的、系统的分析。

这值得关注是因为：首先，Drishti正在创建一个源自人驱动过程活动的全新数据集；其次，它正在部署人工智能，让其在工厂车间与人类员工合作并增强他们的能力，而不是取代他们。

问：我们正在谈论的是不是对改进工作流程和劳动生产率的经典科学管理方法的大规模升级？

阿克拉：是的。如果你拥有丰富的数据集，那么经典的方法和原则就会变得更加有用。与此同时，这些数据拥有令人难以置信的使用方法，是科学管理理论无法预料的。我们的客户每天都会向我们反馈关于此数据集的新应用。

关于制造环境中人类员工的效率，我们已经有了一些非常有趣的数据。这些数据有可能帮助我们重新思考我们的工作和生活，它们即将发生非常深刻的变化。未来，我坚信将出现一门新学科：大规模分析人类身体行动的科学。

问：如果Drishti的系统可以显著最大化人类的劳动，那对制造业生产力意味着什么？

阿克拉：不仅是“最大化”，我倾向于这样理解：多年来，制造商一直在假设人类的素质和生产力达到了上限的前提下，作出影响深远的决策。我想向他们提出一个问题：如果能够解除这个上限，会有什么变化？它将如何改变自动化的投资回报率？难道这不会让每个工人突然变得更有价值吗？并且，是不是也将更难以证明机器人替代人类员工的合理性？

在这方面，Drishti系统有两个相关部分。第一个是分析工具，生态系统中的每个人（工程师、主管、工厂经理）都使用它来寻找改进系统的新方法。

第二个是人类与人工智能合作，使车间一级的操作人员受益。Drishti系统基本上充当了操作人员的第二大脑和第三只眼。它可以帮助他们记住应该做的事情，并帮助他们发现错误，以确保正确的操作。这是利用机器人帮助技术，使人们在面对自动化时更具竞争力。

问：这种生产力水平提升还有进一步的影响吗？

阿克拉：Drishti系统代表了真正的数字化转型——采取迄今为止无法衡量的东西并将其带入数字世界。如果它真的是我们所希望的颠覆性技术，那么你会看到最具前瞻性的工厂将围绕这个新数据集重新调整整个生态系统。

想想20年前ERP系统是如何改变这个行业的。它们提供了几乎与企业各个方面相关的基本财务和交易数据。现在，这些数据决定了众多大规模、全球性企业的生存和消亡。

Drishti系统也具有类似的潜力。试想一下：什么是工厂？在最抽象的定义中，工厂是进行人类操作以增加原材料价值的地方。对于制造商而言，人类活动是他们存在的全部原因。如果突然之间，他们拥有了关于所有这些活动的完整而准确的数据集，那么我可以肯定地说，其影响将超越生产力，从而实现最纯粹的数字化转型。

（张红 编译）