今天小編分享的互聯網經驗：對話美的：如何修出智能制造的“内功”，歡迎閱讀。
訪談｜梁子博
撰寫｜黃思語
編輯｜冀玉潔、梁子博
在全球低增長的環境下，技術浪潮正帶來商業模式的劇變，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，在整體市場的谷底中，美的卻實現逆周期增長。
繼 2013 年 A 股上市後，今年 9 月 17 日，美的在港交所上市，據美的 2024 年前三季度财報，營收同比增長 9.6%，以相對優勢領跑整體家電行業。把時間線拉長至近三年，美的集團歸母淨利潤從 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智化提效的一些事實與數字——
内銷中，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 100% 訂單交期可視；外銷上，美的通過iBOS 海外銷售一體化平台系統，集端到端全流程信息，海外訂單履約效率提升 30%。
供應鏈與制造環節，通過集成供應鏈平台 ISC 實現全價值鏈提效節約 10 萬工時；智能家居業務中利用大小數據結合等方法，助力打造多個爆款產品；超過 5000 個工業 AI 模型，助力實現質檢、決策等多個智能制造環節的降本提效。
智能制造變革帶來的結果顯而易見，然而，改變非一日之功，内功也需要一點點修，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 落地技術研究的協同有效性又是怎樣的？
帶着這些問題，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，而且在實戰中積累了豐富的經驗，以期為正在探索數字化轉型和智能制造更新的企業帶來啟發。
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。将這一理念轉化為具體實踐并非易事，它要求企業在工藝、裝備與數據等多個維度進行創新與優化。
您認為美的在智能制造領網域持續迭代變革，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：制造業講求務實，美的智能制造持續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，現在是通過技術來實現，您認為這兩點有哪些不同？哪個更好？
付旭：這兩者相輔相成，并不衝突。MBS（即：Midea Business System，美的精益運營系統），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、裝備以及數據價值方面，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、钣金工藝、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 等開發自動化解決方案的同時，我們還要自主研發設計滿足工廠需求的各種非标自動化設備。
在數據方面，重點關注新一代數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，提升工廠的數字化和智能化水平，例如通過數據分析打破設備運營狀态 " 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、品質優化、能耗優化、智能設計、工廠規劃仿真、數字孿生等等，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，機器人臂在精确控制的環境下進行着組裝、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：靜态視覺檢測和動态視覺檢測。
靜态視覺檢測主要是指通過采集一張圖片，實現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、產品标貼的錯漏反檢測、關鍵零部件安裝的防錯檢測等等。
動态視覺檢測主要是指通過對一段視頻的内容進行分析處理，比如分析產線工人的一個完整的操作是否符合規範，就需要對一段視頻進行處理，并結合視頻内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據。
原來設備運維全靠人工做設備數據的填寫，現在随着設備具備了 AI 算法和數據采集的能力，設備運維從傳統人工維護的方式更新成數字化的方式。
咱們在 AI 落地層面，您認為可能受哪些因素或環節的影響比較大？
付旭：要讓 AI 落地，本質還是它的有效性和實用性，不能盲目追捧業内出現的一些新概念。
AI 現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。
但在工業領網域，這不一定是最實用、最有效的，還需要繼續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 檢測的準确性。
AI 落地與技術協同的有效性
AI 技術的研發從算法、智能模型的構建，到适配復雜的工業場景，都需要與企業現有的技術體系、業務流程實現深度協同，才能發揮出最大的效能。
美的智能制造研究院與集團層面的研發如何做協調配合？
付旭 ：美的智能制造研究院是集團的研發平台之一，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新。
我們是平台部門，既需要做集團層面共性的前沿技術的主線研究，同時也會與事業部合作完成一些認為有挑戰有難度的迫切需求，内部團隊和業務間有規範且成熟的協作流程，研發成果傳遞、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部業務需求，研發目标也要服務于集團戰略從長計議。
您認為做智能制造更新，在生產過程中哪個環節難度會比較大？例如根據實際經驗做更新改造，對于產線、設備的部署從技術維度或企業的角度，如何規劃和考量？
付旭：智能制造轉型是很多企業堅定去做的事情。從發展的眼光看問題，不同的階段會涉及不同的考量，比如說團隊的資源、能力、規模都可能會影響投入。
不同的企業容忍度不一樣，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？這些涉及企業戰略和發展規劃，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，應該用什麼手段或用什麼技術，這是非常清晰的。但這個投入值不值得，衡量的指标就是 ROI。
整體上美的集團對研發類 ROI 比較寬松，也會根據實際情況動态做調整，需求不一樣，衡量維度的标準也不一樣。
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裡？
付旭：通用技術和普通技術之間沒有非常明确的界定。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麼？比如節省成本或者改善品質等。
做好這兩個階段的評估之後，如果表明這個事情值得做，下一步便開始怎麼做，制定讨論、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，我們内部提倡的原則是：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。
您認為在數字化轉型或者 AI 應用方面，應該避免哪些誤區，或者說您對一些打算應用 AI 的企業有什麼建議？
付旭：我認為最應該避免的誤區就是把數字化或者 AI 當成是萬能的，而沒有考慮企業的實際情況。每個企業能夠清晰地評估自身所處的階段非常關鍵。
從工業 4.0 的角度講，企業自身是處于 1.0、2.0 還是 3.0 需要判别清楚，然後才能找到通往工業 4.0 的正确和有效的路徑。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。要明确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務的問題，或者服務長期發展的規劃，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标，AI 與當前系統需有效銜接，從研發到落地也需整合驗證。
更多全文，将提供給虎嗅智庫 502 數字化俱樂部社群參閱。
502 數字化決策俱樂部是由虎嗅智庫發起、由領先的行業專家和各行業數字化決策者組成的社群組織，旨在推動中國產業數字化轉型和創新。其服務涵蓋思享數字化内參、數字化決策交流群、數字化案例工作坊、标杆參訪、數字化項目對接 & 咨詢等。
502 數字化決策俱樂部實行定向邀請與審核加入制。目前 502 俱樂部開放報名，歡迎相關行業的企業數字化決策者申請。有意者請掃描以下二維碼填寫相關資料。
關于虎嗅智庫：
虎嗅智庫是一家聚焦企業數字化、AI 創新實踐的新型研究服務機構，為產業智能化進程中的甲乙雙方，提供有洞察性的研究報告、案例評選，以及線上會議、線下活動與參訪服務，以支持企業高管在智能化、數字化方面的明智決策。
我們提供的核心價值：
及時與優質的洞察，了解技術、了解行業、了解同行與對手；
為決策者技術與產品戰略決策、產業規劃、解決方案選型提供重要參考；
幫助市場全面了解前沿科技及所影響產業的發展狀況，還有未來趨勢。
