当大语言模型(LLM)与神经网络相遇时,塑料加工行业将面临怎样的变革?Tangram Technology公司总经理、特许能源经理Robin Kent对此进行了解答,并提出了更多思考。
近期,我有幸在爱尔兰聚合物集团2025年会议上聆听了克劳斯玛菲公司的Jonas Schwarz关于“通过高分辨率数据推动注塑成型技术进步”的演讲。Jonas阐述了在每个成型周期中如何收集海量数据,并利用这些数据帮助加工企业从被动应对事件转向主动控制工艺过程。与此同时,过去两年人工智能工具的迅猛发展有目共睹。最著名的人工智能工具大多是基于海量文本数据训练的大语言模型。任何人工智能的核心组件之一都是“神经网络”,它接收输入数据,通过转换和处理最终生成输出。
但当这两大趋势交汇时,塑料加工将何去何从?设备产生的庞大数据量(以PB为单位)需要先进的分析工具、算法以及快速响应能力,才能提取出具有指导意义的有效信息。需要处理的数据量之大、可用时间之短,可能已超出人力所能及的范围。工厂中的工作人员(即“湿件”,相对于“软件”和“硬件”而言)在数据处理速度和洞察力方面将难以跟上数据流的节奏。
这将推动高级分析与算法的崛起,实现数据的自动分析并无需人工干预即可作出响应。简单的应用如机器人自动校正因自身或外部振动导致的定位误差;复杂的系统则包括注塑机监控模腔填充压力曲线,每个周期自动调整参数以修正材料特性或设备响应的变化,最终目标是实现工艺性能的100%可重复性。
机器的分析与自我调整将彻底改变工厂运作模式。当前技术主要聚焦于设备或服务层面,但这仅仅是智能化的开端。真正的智能工厂将把集成化与自我调节提升到新高度——从原料采购、投入生产到物流配送的全流程自动化。未来我们可能面对的是运作机制无需理解也不必关心的工厂,唯一需要确认的就是产出符合预期。
理论终结?著名统计学家George Box曾断言:“所有模型都是错误的,但有些是有用的。”2008年谷歌研究总监Peter Norvig对此重构:“所有模型都是错误的,而如今没有模型也能成功。”在这个数据富集的时代,假设与理论不再必要。数据自身就在讲述故事,任何模型都显得多余。海量数据使得我们可以直接寻找相关性而无须探究因果关系。只要工艺有效,我们只需遵循数据指引即可。
我们习惯于归纳或演绎推理,但分析技术改变了一切。这里没有理论假设,分析只是追随数据,不会生成系统响应模型。智能自调节工厂与分析方法的结合,可能导致机器自我调整却无人(包括机器自身)知晓调整原因。随着大数据与分析技术重要性提升,方法论日趋“去理论化”,数据与行动之间仅剩相关性维系,理论被边缘化。
这意味着什么?设备差异仅是这场变革的冰山一角。其他潜在影响包括:科学注塑的消亡。当前指导工艺参数设定的科学注塑理论(尽管应用不足)将失去意义——当数据可直接指引时,谁还需要理论?参数表与操作指南消失。开机即自动运行的设备不再需要设定手册。调机师傅失业。由设备与云端决策调整时,人工调机岗位不复存在。计划员与生产经理冗余。系统精准掌握生产状态并动态调度设备时,这些职位失去存在价值。工厂全远程控制。通过工业4.0云连接实现全球25台、60台乃至1000台设备的集中控制。实际操作者可能是从未见过注塑机、下周就将转战制药行业的“临时数据科学家”。云服务器、数据分析及数据科学家的投资激增,可能超过实体注塑设备及其运营维护的投入。
我们必须摒弃固有认知。分析结果可能违背直觉、脱离现有思维模型,但它们基于数据支撑。这些“去理论化”的结论虽仅依赖历史数据,但我们日常使用的理论何尝不是如此?我们正步入一个“后科学”时代,其中“有效”远比“为何有效”更重要。
我们该如何应对?工业4.0与人工智能的碰撞将使行业面目全非。1980年的注塑从业者能认出2025年的大部分设备与工艺,但2025年的从业者在2070年将几乎找不到熟悉元素。变革不仅体现在设备本身(尽管快速大规模增材制造也可能改变格局),更在于控制方式及控制者类型与数量的根本性变化。这场变革即将带来震撼,其来临之快可能超乎想象。