人工智能技术赋能的FMEA产品生态探索与实践

人工智能领域，普遍包含机器学习、知识图谱、自然语言处理、人机交互、计算机视觉、生物特征识别、AR/VR七个关键技术。人工智能技术的应用领域非常广泛，此文我们将一起探索人工智能技术在FMEA产品上应用的可行性。

众所周知，在AI+时代，人工智能改变世界的三大关键要素是：核心技术、行业专家和行业大数据。

就FMEA工具本身而言，有资深的行业专家深度参与，有规范的行业标准定义可靠性分析的方法论，但最终分析的数据，只能文件式、离散式、孤岛式的存储，无法结构化，难以形成可分析的大数据。

笔者在行业思考与实践中找到了人工智能技术在FMEA产品中应用的关联关系，这中间核心的载体就是工业互联网。

首先关于工业互联网的目标之一在于实现全要素、全产业链、全价值链的互联互通。站在行业落地的视角来看，由于实施主体都是工业制造企业，企业的最终目标是通过数字化的生产与数字化的管理达到价值链的重塑。

而数字化生产的全要素“人、机、料、法、环、测”，同时也是FMEA分析中需要去覆盖的全要素，从研发设计端的DFMEA到生产制造过程的PFMEA，二者之间需要相互依存，相互验证，信息流和数据流需要相互流通，相互反哺，从而实现逻辑严谨且有数据支撑的可靠性分析。

当下，围绕FMEA工具的可靠性分析方法论在行业中得到广泛推广，越来越多的行业开始重视可靠性分析，并应用FMEA工具，但在分析过程中，信息与数据的获取依旧大多依赖人工，尤其是在失效分析和风险评估阶段，主观性太强。

我们知道FMEA的分析及应用会贯穿在研发设计和生产制造中，当我们用全新的互联网产品视角去重构这款工具的时候，我们不仅要从输入端引入新的技术，更要在输出端将FMEA数据进行结构化存储，将行业的知识经验由零散的信息转化为可以自身迭代的行业标准；

同时也会预留与其他研发设计辅助、生产制造管理、质量管控等工具的数据流通接口，从而实现从孤岛式分析转变为各类分析工具、管理工具的协同协作，基于信息和数据，智能推荐、智能决策，实现真正意义上的中国“质”造，进一步落地中国“智”造，为行业释放更多资源，去除管理冗余，释放企业利润，提升品牌竞争力。

分析了FMEA工具如何助力数字化生产落地，我们再来看看人工智能与工业互联网的结合思考。

人工智能技术公司多数在公共核心技术和深度学习平台方面都构建了自己的平台，该技术的投入成本高，行业头部效应明显，比如科大讯飞就在不断开放自己的AI开发者平台，赋能行业应用。

这里不去过多赘述专业技术，笔者也不具备这个知识储备，我们就根据如下这幅图来看看人工智能技术对行业的应用思考，归类为“产品智能、数据智能和业务智能”三个维度去看它的价值，这里我们重点探讨下数据智能。

数据智能的前提是数据获取的智能，结合行业知识，且有行业大数据支撑。其中前文提到的“知识图谱和机器学习”技术会是重点应用。

“知识图谱”依托知识库的深度知识推理能力，逐步扩展的认知能力，帮助行业从业者对特定的问题进行分析、推理、辅助决策。

关联到FMEA主要就是在DFMEA/PFMEA阶段，七步法分析中都需要大量的工程师经验支撑，而当前这些知识经验是被动输入到工具中去的，即便是同类项目在不同的阶段发生，只要是负责的工程师不同，同样的分析方法得出的指导建议都会有所差异，过往的同类项目经验难以得到复用。

如果应用知识图谱技术，同类项目的分析过程中，FMEA工具可以智能推荐失效模式背后可借鉴的失效原因，以及对应的预防和探测措施等，大量复用过往的知识经验，并且通过计算机不断自我学习，让FMEA工具的智能属性越来越强。FMEA工具中的功能库、措施库、失效库等知识库/模型库的构建也就具备了可行性。

再来看看“机器学习”技术在FMEA中的应用，机器学习就是让机器具有计算智能，感知智能和认知智能。

简单来理解就是提供给机器大量的信息，结合算法和行业模型，让机器自我学习、自我进化。比如设备可以自己主动发出信号“需要维护保养”，“制造参数再偏移会对制造质量产生影响”，“检验结果不符合类似参数产品”等。

与FMEA结合就是在分析生产要素和机器设备有关的部分时，可以更科学客观，比如探测度的识别不再依赖人工的判断，而是来源于机器真实状态的数据反馈。目前机器学习应用在制造领域比较广泛的还是检验设备类型，解放了制造型企业对检验人员劳动力的需求。

在分析了人工智能技术落地FMEA工具应用的可行性之后，落地应用的核心还是要对现有FMEA工具重构，使之具备互联网产品的协同协作属性，信息流和数据流可以与其他设计类、研发管理类、过程管理类软件产品互通有余。

笔者的创业公司就在进行这方面的深度思考与实践（可以参考下图），越是专注行业，越是可以发现更多的产品机会，越是能感受到实业需要被更多技术高质高效赋能，巨大的市场空间，巨大的升级空间，既有意义又有趣的行业和创业。

对于工具类产品，覆盖全行业标准且产品能兼具基于标准迭代而支持产品迭代的扩展性能力，也是一家好的产品公司需要去深度思考的部分，技术的发展给了很多产品智能的可行性，也给了产品人更多耐心和耐力的考验，值得尊重的行业，值得尊重的产品人，资本市场和需求市场都会给出积极的反馈。

在笔者构思这篇文章的同时，正好遇到市政府领导一行来访，调研工业互联网服务型企业，领导围绕企业数字化升级和智能化改造，给与了很多意见和建议。

在国家战略的大旗之下，各地政府和行业从业者纷纷解读工业互联网要如何赋能与落地实业，趁着话题，不少融资能力强的企业拿着PPT圈了不少钱，也有很多企业默默无声的，靠着自己的产品和技术能力自造血地持续经营着。

无论是前者还是后者，终究还是要回归务实，在工业互联网行业摸爬滚打外加兴趣使然，笔者总是愿意更多地深度思考。

回归到如上话题“企业数字化升级和智能化改造”，根本是组织能力的体现，落地步骤是基于数字化架构背后的信息化和自动化的补课，单点突破还是高举高打，背后都是诊断先行，方案先行，一把手旗帜下的分步实施，陈词滥调，执行起来还是万般困难，人性的阻碍中，总有更多是凌驾于技术本身的挑战。

上文仅代表笔者个人观点，欢迎探讨。