跳出物联网看智能制造：领域知识网络带来产业变革新动力？
文丨智能相对论
作者丨叶远风
在产业升级浪潮下，由于实体经济地位的特殊性，以数字化、智能化推动制造业转型升级的重要性已经得到广泛认同，催生了大热的智能制造创新。
而谈及智能制造，多数人的第一印象，都是流水线上那些终端传感器所组建的物联网体系，让企业洞察生产过程，提升效率、降低成本、优化生产。
但是，对制造企业而言，转型升级的需求是全面的、涉及企业经营方方面面的，这种智能制造打法可能并不是一家企业谋求发展的全部，也不是制造业能够成功升级的全部。
在制造业转型升级过程中，一个趋势越来越明显，那就是对企业内外部数据资源的连接和整合。
例如，如火如荼的工业互联网就强调结合物联网、人工智能、云计算、大数据等技术，为制造业企业提供端到端的智能制造解决方案。在这个趋势下，对研发设计、生产制造、设备管理、仓储物流、外部协作等各个环节领域的信息化的应用进行协同和打通，实现一盘棋，充分打通从设备订单下达到产品交付的数据流程，已经成为很多解决方案的追求。
而与此类似地，还有一种新的打法正在加入制造业数字化、智能化进程当中。
国内领先的全域数据能力提供商爱数，不久前向业界公开了其“领域认知智能”布局的核心领域知识网络及其实践。通俗理解，领域知识网络即在特定垂直场景下信息数据收集、整理、分析、输出等的一整套体系，是企业传统知识管理之上，进行更广泛的数据挖掘和更深度的智能化成果输出的产物。
以帮助客户企业打造数据驱动型组织为价值输出的爱数，通过领域知识网络，正在给制造业转型带来新的进化空间，反过来，制造业的探索也让领域知识网络的创新价值得到彰显。
领域知识网络，带来制造业有关“信息”的两个跃迁
从爱数的领域知识网络实践来看，其与智能制造一样，都是在“信息”的收集、处理和价值输出上进行创新，但领域知识网络实现了两个关于信息的维度跃迁。
1、从生产环节被动收取，到经营全流程主动收集
一般而言，当前在制造业如火如荼应用的智能制造，主要针对的往往都是生产环节，将物联网与人工智能充分结合，用摄像头、温度传感器等终端，配合边缘智能、云计算控制生产过程。
这里有两个关键词，一是生产环节，二是被动（只有产生数据时才获取）。而领域知识网络一方面针对的是一个制造企业生产经营全流程的数据，另一方面其进行的是主动信息收集。
从爱数的官方介绍看，目前领域知识网络主要针对三类信息，一是企业内部业务知识，包括企业各项业务沉淀的数据与文档；二是制造业通用知识，主要是领域内的百科、规范类知识；三是制造产业情报知识，即企业所属产业链上的关联知识。
通过这种全面的主动信息收集，一个制造企业始终在主动对接所有有关的信息，时刻准备为企业整体经营提供全面支持。
2、从信息数据的算法处理，到企业领域的知识转化
从另外一个视角看，当下的智能制造很多时候其信息收集后的转化，往往集中在单一能力上，呈现“收集-处理-输出”短链路过程。最典型如产品质量检测，查看产品图片后，AI进行分析，既准又快输出结果。
而于此进行对照，可以发现领域知识网络在制造业这里的价值，更倾向于系统化的企业领域知识转化，其考虑的是企业有关数据信息问题的整体解决，而不是针对某个特定的环节应用。
目前，领域知识网络尝试解决企业经营中有关信息和数据的三个问题：
因为内部部门墙、外部缺乏获取途径，导致“找不到”信息、数据；
因为结构化数据难治理、非结构化数据难提取等原因导致“用不好”信息、数据；
因为信息、数据没有与业务缺乏清晰关联等导致相关人员“看不懂”；
一次性解决找不到、用不好、看不懂三大痛点问题，与智能制造通常做法不同，领域知识网络推动着企业实现智力层面的全面进步。
当然，值得一提的是，在一家企业，领域知识网络与智能制造是相互配合的关系，前者完全不是对后者的排斥替代，它们以各自的优势共同服务于制造业的数字化升级，或者，从广义上说，领域知识网络落地到制造业场景后，也是一种智能制造的探索。
“信息”获取的模式和应用的方式改变，从四个维度推动制造业转型升级
爱数官方给出了一个制造业领域知识网络的整体搭设框架：
这个框架表达了领域知识网络如何从数据中来，又如何支撑具体的产业应用。以这个框架为起点，结合领域知识网络的构建细节，可以看出领域知识网络对照智能制造能够给制造企业带来哪些不一样的价值。
1、以降低摩擦的方式提升企业经营效率
无论是全局经营决策，还是具体的业务活动，制造企业都需要最准确的现实信息来支撑，如果出现信息不对称，就会出现主观愿望与现实情况的不符合，引起内部经营的“摩擦”，这是影响经营效率的最主要因素之一。
而领域知识网络的一个重要价值，是通过全面、深入、实时的垂直场景知识沉淀，让企业的生产经营始终能够与真实的情况对齐。
例如，智能搜索应用为企业提供统一的认知搜索入口，相比较一般的信息搜索，能够以清晰的方式呈现出企业内外部多来源的异构知识，无论是生产物料的状况，还是上下游合作企业的情况，亦或是业务相关的政策规范，都能清晰、准确呈现，帮助经营活动有效进行。
又例如，智能问答能力让企业管理者、员工以自然语言交互的方式，快速获取准确的需要的知识，针对业务症结降低信息不对称的可能性。
如果说智能制造直接在产线上表现出效率价值，那么领域知识网络的效率价值则深入全局，更加潜移默化。
2、强化企业弹性，敏捷应对复杂市场变化
应对复杂“多变”的外部局势，企业唯有强化“不变”的组织弹性，用敏捷的运营动作来契合外部的需要、实时做出调整，获得竞争优势。
智能制造可以看作是让制造企业锻炼了生产能力的“内功”，而领域知识网络则让一个制造企业有了更多的“招式”，即强化企业的组织弹性。
以领域知识网络提供的360°业务视图为例，该应用为一个制造企业构建包含全业务流程的知识链条，一键分析业务间的知识关联，展开企业全局的清晰认识：
此外，爱数的产业知识服务，又可以让已经对自身有清晰认识的制造企业，快速、系统获取产业情报，做出应对。
3、通过专家型知识资源的共享，缩小人力能力差距
智能制造对企业的一个重要价值，是一些重要的生产环节不再一定要依赖经验丰富“老工人”，例如产品质检，AI提供了一种几乎与之相当的“次品鉴别”能力，而又能部署到所有产品流程当中去。
领域知识网络对制造业的价值同样类似，知识的全面获取、结果的便捷输出，提升的是整个企业的智力能力，而非单个工人。通过智能问答、认知搜索这样的能力，几乎每个业务执行者都能快速获取与专家知识相当的能力，获得原本只有专家级别的员工才有的价值创造能力。
事实上，这种不依赖员工个人，而通过体系化的方式实现企业能力的提升，几乎是所有企业、机构的普遍愿望，而领域知识网络天然契合这种愿望。
4、随时代红利水涨船高，知识价值的普惠
对很多所谓的“传统”制造企业，或者缺乏创新资源的中小制造企业而言，智能制造将AI的能力快速普惠，让这些企业快速获得齐平行业普遍水平的产业效率。
而领域知识网络在产业、领域内的知识融合，恰恰也在帮助企业获得知识价值的普惠。
正如爱数所言，当下产业结构呈现领域内集团化、联盟化趋势，竞争关系也由敌对转向多赢，这时候，领域知识网络让企业具备丰富的产业知识，共同沉淀领域内通用知识，就能帮助企业随着信息爆炸时代的红利而做到智力“水涨船高”。
单一企业通过不断自我更新的产业知识体系，始终紧跟行业知识能力水平，不被落下，这是领域知识网络带来的知识价值的普惠。
制造业只是典型样本，领域知识网络正在成为数字经济变革的底层标配
回过头来看，领域知识网络与当下很多互联网科技产品所强调的“知识管理”十分类似，例如百度如流也强调企业内外部的知识整理，钉钉、企业微信开辟了专门的知识管理应用连接。
但实际上，相对于这些平台以知识的收集、整理为主要内容，领域知识网络的价值更在于以认知能力的构建提升企业整体的智力水平——一般的“知识管理”帮助企业学习如何“配菜”，领域知识网络在帮助企业做“厨师”。
这一点，与爱数过去在数据驱动方面的创新密不可分。
日前，爱数在SMART大会上发布了最新的AnyDATA Framework 2，帮助企业建立对数据的认知能力。
在AnyDATA的帮助下，企业能够将那些代码存储的冰冷数据变成知识，形成对企业内外部的领域认知——有自己的观点和思想，从而推动企业能力的提升，“知其然也知其所以然”，不再死读书、死记硬背。
如此，企业也就真正实现了“数据驱动型组织”的转变，能够以数据驱动决策、数据驱动创新、数据驱动运营。
在实践中，以AnyDATA的数据和技术优势，爱数与中新天津生态城就围绕智慧城市开展了战略合作，以区域产业链和企业的清晰画像推动智慧城市的发展，例如更精准进行招商引资等。
有了AnyDATA的加持，领域知识网络实现前文提到的诸多价值也就在意料之中了。
总而言之，沉淀企业核心知识资产、赋能业务智能化、助力集团/产业内的知识共享，领域知识网络将在数字化时代大放异彩，同时推动数据驱动型组织真正实现广泛落地。
*本文图片均来源于网络
此内容为【智能相对论】原创，
仅代表个人观点，未经授权，任何人不得以任何方式使用，包括转载、摘编、复制或建立镜像。
部分图片来自网络，且未核实版权归属，不作为商业用途，如有侵犯，请作者与我们联系。
•AI产业新媒体;
•澎湃新闻科技榜单月度top5;
•文章长期“霸占”钛媒体热门文章排行榜TOP10;
•著有《人工智能 十万个为什么》
•【重点关注领域】智能家电（含白电、黑电、智能手机、无人机等AIoT设备）、智能驾驶、AI+医疗、机器人、物联网、AI+金融、AI+教育、AR/VR、云计算、开发者以及背后的芯片、算法等。
转载请在文章开头和结尾显眼处标注：作者、出处和链接。不按规范转载侵权必究。
未经授权严禁转载，授权事宜请联系作者本人，侵权必究。
本文禁止转载，侵权必究。
授权事宜请至数英微信公众号(ID: digitaling) 后台授权，侵权必究。
评论
评论
推荐评论
暂无评论哦，快来评论一下吧！
全部评论（0条）