AR 新赛道 工业4.0的战略布局和产业创新应用

目前，在虚拟现实市场中分为VR、AR、MR，按照我的理解，简单介绍一下三类产品的差异。AR就像是一篇作文，其特征体现了时间、地点、人物的真实性，而VR的时间、地点、人物和故事情节是虚构的。在国内，对于MR的概念很多人理解为AR+VR，而这种理解并不准确，AR和VR是单独成立的产品。当用户使用MR进行视频通话时，无法确定通话对象是否真实或是虚构的，但目前为止MR的发展受到诸多方面的限制，所以还处在发展初级阶段。

目前AR在工业领域中，是不是所有的场景都可以应用？

从理论层面来讲是可以的。但是AR的发展却受到三个方面的限制：第一，操作流程非常烦琐。第二，操作标准和规范要求非常严格。以航空发动机为例，航空发动机的生产、组装和维修等流程的要求十分严格，只有严格的要求才能确保航空发动机的生产效率和质量。第三，安全要求非常高。在检验方面，虽然可以设立多道检验流程，但是无法避免不会出现错误，所以一旦在检验过程中出现疏忽，就会导致重大事故的发生。

在2016年互联网大会上，马云说：“把人变成机器，把机器变成人。”我们公司在发展AR的过程中，一定要把人变成机器。为什么要把人变成机器？在生产线上，如果工人在生产过程中，受到某种客观因素的影响，就会导致在生产中出现瑕疵或失误。

所以，我们要求人应该像机器人一样，通过系统和程序的安排，一丝不苟地进行生产，才能保证产品的产量和质量，同时提高安全性。

工业领域的痛点有哪些？工人在生产过程中，工人的工作方式基本上一成不变。我于1989年大学毕业，毕业后被分配到北京研究所工作，生产车间所呈现的生产模式，与30年后国内大型机器人工厂车间的生产模式几乎一模一样。

为什么会发生这种现象？

因为在信息化时代，所有生产工具没有进行创新性发展，导致一线员工几乎使用不到互联网和信息技术，管理人员也无法实时管理到员工的工作细节，同时一线员工工作所产生的大数据无法客观采集和输出，最终导致生产效率低下。

在生产过程中，经常出现管理者必须实时督促工人进行工作，来提高工人的工作效率。在管理者没有对工人进行督促时，工人的工作效率则会变低，所以在生产过程中，管理者无法对所有生产流程进行管理。另外工业大数据由于受到设备和大数据自身的品质问题影响，数据无法被全部采用。

另外，在培训方面最大的痛点是“记不住”，比如一个人从小学开始接受教育直至大学毕业，在步入社会时所学的知识基本被遗忘。微软总结出一个“721”模型，推算出人的一生中70%的知识，需要在社会和工作中进行学习，20%的知识在培训机构中学习而来，只有10%的知识是在学校中获取。所以对于一个人来说，最应该重视的是在社会实践中总结的知识和经验。针对工业领域的痛点和问题，我们把AR设计了实时指导、个人教练、透明管理、知识沉淀四大模块。

实时指导可以将互联网技术渗透到企业一线员工的每一项工作活动中，解放双手，指导工作，规范流程，节省时间，提高效率，降低成本，避免重复劳动，让移动互联网为劳动增值，让智能化工作成为现实。同时提供了多种及时解决工作中所遇问题的解决方法，如及时反馈工作中的错误，请专家或同事远程视频协助等。

个人教练让学习场景与工作场景无限接近直至重叠，即需、即学、即用、即评，重新构建在线学习的方式、方法、过程、结果，真正实现互动式和沉浸式场景与模拟训练，降低危险环境中的操作风险，改变对培训效果的评估模式，解决传统在线学习“学时不能用，用时不能学”和“遗忘曲线”的困境。

透明管理可以帮助管理人员根据工作环境不同，通过智能眼镜、智能手环、手机、Pad、PC等任意终端设备，实时对企业生产过程中从人到物的各个环节加以控制和管理，保证工作结果的高效率和高质量。通过对一线员工行为和劳动大数据的收集与分析，发现有待改进之处，并给出建议，同时对员工绩效客观评价，实现预防和实时解决问题式的智能化管理。

知识沉淀可实时捕获员工工作过程中的好的经验和技能，通过数据模型和大数据比对分析，智能化生成实战型课件，将隐性知识结构化，沉淀于平台，让所需员工按需获取，结构知识行为化，固化员工的工作行为，让系统成为知识管理的过滤器和沉淀器。

除了硬件、基础软件和AR引擎的建设外，我们还搭建了机器视觉引擎和工业引擎等。另外，我们针对工业领域的痛点，开发了全终端的工作辅助系统。

在流程规范的快速编辑方面，我们添加工作业务系统和实时操作指导等技术，并且可以依靠ERP系统进行对接，而工業数据自动汇集技术，可对设备进行检测和故障的预测分析。目前中海油、机翼、西门子等企业已经应用了我们的AR技术。endprint