人工智能也不斷推進(jìn)到工業(yè)領(lǐng)域。工業(yè)智能是指利用人工智能技術(shù)改造工業(yè)的生產(chǎn)方式和決策模式，達(dá)到系統(tǒng)性的降本、增效、提質(zhì)的作用，是當(dāng)前工業(yè)發(fā)展的重要趨勢，其實質(zhì)是實現(xiàn)設(shè)計模式創(chuàng)新、生產(chǎn)智能決策、資源優(yōu)化配置和生產(chǎn)過程智能感知等創(chuàng)新應(yīng)用，使工業(yè)系統(tǒng)具備自感知、自學(xué)習(xí)、自執(zhí)行、自決策、自適應(yīng)的能力，以適應(yīng)復(fù)雜多變的工業(yè)環(huán)境，完成多樣化的工業(yè)設(shè)計生產(chǎn)任務(wù)，提高生產(chǎn)效率和產(chǎn)品質(zhì)量。工業(yè)智能成為公認(rèn)的提升制造業(yè)整體競爭力的國家戰(zhàn)略。

工業(yè)智能系統(tǒng)框架

       工業(yè)智能集成了人工智能、工業(yè)互聯(lián)網(wǎng)、大數(shù)據(jù)、云計算和信息物理系統(tǒng)等新科技，使得工業(yè)生產(chǎn)運(yùn)行更加靈活、高質(zhì)量、高效率和節(jié)能，其應(yīng)用前景廣闊。阿里云強(qiáng)大的人工智能“工業(yè)大腦”集成了設(shè)備數(shù)據(jù)、產(chǎn)品生命周期數(shù)據(jù)以及相關(guān)數(shù)據(jù)等，與行業(yè)知識機(jī)制相融合，形成以數(shù)據(jù)、算力和算法三者融合為核心的智能制造技術(shù)體系，實現(xiàn)工業(yè)生產(chǎn)的降本、增效、提質(zhì)和安全。

       當(dāng)前產(chǎn)品生產(chǎn)所得利潤不僅與制造本身相關(guān)，還與市場環(huán)境和產(chǎn)品定位相關(guān)，將來的工業(yè)智能技術(shù)會涉及更多產(chǎn)品制造相關(guān)因素。本文作者研究的人工智能技術(shù)結(jié)合工業(yè)制造的應(yīng)用關(guān)系如圖所示。

圖為工業(yè)制造過程人工智能技術(shù)應(yīng)用框架示意

       工業(yè)智能包含產(chǎn)品市場需求、物流、生產(chǎn)和產(chǎn)品銷售等環(huán)節(jié)，其中涉及內(nèi)容包括：在生產(chǎn)時具備的條件，包括人員配置與素質(zhì)、設(shè)備情況、環(huán)境氣候與溫度濕度、各種實時匹配的物料以及動態(tài)能源消耗等；生產(chǎn)過程主要有幾個關(guān)鍵環(huán)節(jié)，包括各種相關(guān)工藝、精細(xì)化的生產(chǎn)管理、工業(yè)互聯(lián)網(wǎng)、物流計劃調(diào)度、能效和環(huán)保的要求等；生產(chǎn)過程中提取的工業(yè)大數(shù)據(jù)，再應(yīng)用人工智能技術(shù)對生產(chǎn)過程進(jìn)行有效控制，其中的關(guān)鍵技術(shù)包括人工智能的硬件、建模、決策、預(yù)測、數(shù)據(jù)、傳感和檢測等，最后形成高效和高質(zhì)量的產(chǎn)品，以產(chǎn)生良好的經(jīng)濟(jì)效益和社會效益。目前工業(yè)智能還沒有形成市場和產(chǎn)品鏈的整體應(yīng)用，只是在個別環(huán)節(jié)和技術(shù)上有些相關(guān)的成功探索，主要包括生產(chǎn)過程控制、設(shè)備故障診斷與健康預(yù)測、對象與質(zhì)量檢測、物料庫存管理、生產(chǎn)效益分析等。

工業(yè)智能關(guān)鍵技術(shù)

       本文從實際應(yīng)用角度將工業(yè)智能的關(guān)鍵技術(shù)分為硬件、傳感、檢測、數(shù)據(jù)、建模、決策、預(yù)測。

       （1）硬件

       人工智能必須依靠算力、算法和數(shù)據(jù)，這些需要硬件為基礎(chǔ)，必須具備專門的圖像、語音等處理能力強(qiáng)、運(yùn)算速度高的硬件。在分散處理、現(xiàn)場傳感檢測時，通常采用專門的人工智能（AI）芯片作為底層硬件，通常稱為邊緣計算網(wǎng)關(guān)。AI芯片按架構(gòu)體系分為通用芯片CPU和GPU（圖像處理單元）、半定制芯片F(xiàn)PGA、全定制芯片ASIC和模擬人腦的新型類腦芯片；按照應(yīng)用場景可分為訓(xùn)練芯片、推斷芯片、終端計算芯片等。人工智能先采用訓(xùn)練芯片訓(xùn)練數(shù)據(jù)得出核心模型，接著利用推斷芯片對新數(shù)據(jù)進(jìn)行判斷推理得出結(jié)論，模型和推理也可以從已有的SDK（軟件工具開發(fā)包）中獲取，終端計算芯片主要采用簡單實時性能的邊緣計算控制輸出。

       （2）傳感

人工智能場景中面對豐富多樣和大量的各種數(shù)據(jù)及相關(guān)技術(shù)，其中絕大部分?jǐn)?shù)據(jù)來源于傳感器。傳感器能將被測量的各種信息轉(zhuǎn)變成相關(guān)數(shù)字信號，通常需要將電量、物理量、生物量、視覺、味覺、聽覺等進(jìn)行感知，涉及到感知的精度、速度等。一種新型傳感器的發(fā)明，往往可以開發(fā)出相應(yīng)的儀器裝置。傳感器分為常規(guī)傳感器和智能傳感器:常規(guī)傳感器可以直接采集轉(zhuǎn)換處理壓力、溫度、流量、電壓等信號；智能傳感器是具有信息處理功能的傳感器。智能傳感器帶有微處理機(jī)，具有采集、處理、交換信息的能力，是傳感器集成化與微處理機(jī)相結(jié)合的產(chǎn)物。與一般傳感器相比，智能傳感器通過軟件技術(shù)可以實現(xiàn)低成本、高精度的信息采集，具有編程自動化、功能多樣化等顯著特點(diǎn)，已廣泛應(yīng)用于各種視覺、聽覺、物理量和電量等傳感檢測。

       （3）檢測

       工業(yè)智能系統(tǒng)的各個環(huán)節(jié)涉及供應(yīng)鏈、產(chǎn)品生產(chǎn)質(zhì)量、設(shè)備狀態(tài)、能耗、生產(chǎn)環(huán)境等，這些需要大量的生產(chǎn)前期各種基礎(chǔ)、生產(chǎn)物流、設(shè)備和環(huán)境等外界狀態(tài)感知數(shù)據(jù)收集，并進(jìn)行數(shù)據(jù)融合分析。這些檢測的精度、速度、可靠性、分析能力等性能以及價格決定了生產(chǎn)應(yīng)用的基礎(chǔ)。目前成品和部件從離線集中式檢測，逐步轉(zhuǎn)變?yōu)榧庸ぴ诰€、實時、嵌入到生產(chǎn)線及設(shè)備內(nèi)部的檢測；從獨(dú)立的感知和檢測轉(zhuǎn)變?yōu)槎鄠鞲衅鳌⒍嘣悩?gòu)數(shù)據(jù)的融合分析；從當(dāng)前數(shù)據(jù)狀態(tài)轉(zhuǎn)變?yōu)閿?shù)據(jù)標(biāo)準(zhǔn)化和溯源。檢測延伸就包含了診斷，當(dāng)生產(chǎn)過程異常導(dǎo)致產(chǎn)品質(zhì)量下降或者事故時，利用傳感器采集關(guān)鍵設(shè)備、生產(chǎn)線運(yùn)行以及產(chǎn)品質(zhì)量等獲得各種智能檢測數(shù)據(jù)，進(jìn)行自動特征提取，采用大數(shù)據(jù)分析、深度學(xué)習(xí)等方法進(jìn)行高精度智能診斷及溯源。

       （4）數(shù)據(jù)

       人工智能是建立在強(qiáng)大數(shù)據(jù)分析基礎(chǔ)上的，現(xiàn)在計算機(jī)的大容量、高速運(yùn)算能力和網(wǎng)絡(luò)云平臺給大數(shù)據(jù)應(yīng)用提供了極大的可行性和便利性。大數(shù)據(jù)通常用來形容各行各業(yè)運(yùn)行過程中發(fā)生的大量不同時序、多元異構(gòu)的數(shù)據(jù)，往往看起來這些數(shù)據(jù)關(guān)聯(lián)性不夠緊密，在關(guān)系型數(shù)據(jù)庫中分析時需要花費(fèi)大量時間和資源進(jìn)行處理。大數(shù)據(jù)不只是數(shù)據(jù)量大，而且數(shù)據(jù)種類多。要求實時性強(qiáng)。數(shù)據(jù)所蘊(yùn)藏的價值大。各行各業(yè)均存在大數(shù)據(jù)，但是眾多的信息和咨詢是紛繁復(fù)雜的，需要搜索、處理、分析、歸納、總結(jié)其深層次的規(guī)律，獲得規(guī)律性、有用的數(shù)據(jù)。

       （5）建模

       建模是認(rèn)識生產(chǎn)過程對象和控制方法的最基本環(huán)節(jié)，不同產(chǎn)品、生產(chǎn)過程和控制要求涉及的模型差異較大，甚至難以找到相關(guān)的模型。特定模型包含工業(yè)生產(chǎn)過程的機(jī)制與知識，表達(dá)了生產(chǎn)設(shè)備、工藝參數(shù)、原材料和產(chǎn)品質(zhì)量效率間的映射關(guān)系，設(shè)備或關(guān)鍵部件的退化機(jī)制，產(chǎn)線運(yùn)行狀況和工序之間的耦合關(guān)系。人工智能控制對象更加復(fù)雜和多樣，往往是多輸入多輸出的多變量系統(tǒng)、非線性系統(tǒng)、時變系統(tǒng)。要求控制系統(tǒng)更快、精、復(fù)雜時，必須采用狀態(tài)空間法、離散模型、人工智能等理論進(jìn)行建模和控制。

       （6）決策

       決策包括優(yōu)化、調(diào)度和控制等。由于產(chǎn)品、工藝和設(shè)備等不同，決策的方式差別很大。復(fù)雜工業(yè)生產(chǎn)通常由多工序、多臺套設(shè)備和不同加工要求組成，涉及實時市場信息、生產(chǎn)條件以及運(yùn)行工況，企業(yè)目標(biāo)、計劃調(diào)度、運(yùn)行指標(biāo)、生產(chǎn)指令與控制指令一體化優(yōu)化等，需要協(xié)同企業(yè)管理者和生產(chǎn)管理者的知識并進(jìn)行智能化處理。以ERP和MES變革為人機(jī)合作的管理與決策智能化系統(tǒng)，利用監(jiān)測設(shè)備和產(chǎn)線運(yùn)行狀態(tài)的數(shù)據(jù)，借助智能優(yōu)化算法，協(xié)同調(diào)度各個生產(chǎn)工序，控制相關(guān)的生產(chǎn)設(shè)備和工藝環(huán)節(jié)，實現(xiàn)生產(chǎn)全流程的產(chǎn)品質(zhì)量、產(chǎn)量、消耗、成本等綜合生產(chǎn)指標(biāo)控制，保證生產(chǎn)全流程的整體優(yōu)化運(yùn)行決策。自主智能控制系統(tǒng)感知生產(chǎn)條件變化，相互協(xié)同，解決多目標(biāo)沖突、干涉和多尺度現(xiàn)象，兼顧各種因素和權(quán)重影響，制定相應(yīng)的優(yōu)化決策目標(biāo)，實現(xiàn)制造與生產(chǎn)全流程全局優(yōu)化。

       （7）預(yù)測

       預(yù)測技術(shù)分為模型方法和數(shù)據(jù)驅(qū)動方法，在預(yù)測性維護(hù)、需求預(yù)測、質(zhì)量預(yù)測等方面應(yīng)用廣泛。預(yù)測大多用于智能制造中設(shè)備維護(hù)，但是預(yù)測對工業(yè)生產(chǎn)整體或者其他關(guān)鍵環(huán)節(jié)的作用更加重要，比如產(chǎn)品成本價格和質(zhì)量的趨勢、產(chǎn)品原材料成本和質(zhì)量的趨勢、產(chǎn)品銷售方式和市場趨勢等，這些比起設(shè)備維護(hù)的預(yù)測可能更加重要。比如最近缺芯事件對汽車產(chǎn)業(yè)的影響、原材料漲價對產(chǎn)品的影響等，其影響遠(yuǎn)遠(yuǎn)超過制造產(chǎn)品效率的提升。大數(shù)據(jù)技術(shù)、云服務(wù)技術(shù)和人工智能技術(shù)的快速發(fā)展促進(jìn)了預(yù)測技術(shù)不斷提升。

       預(yù)測性維護(hù)可利用工業(yè)設(shè)備運(yùn)行數(shù)據(jù)和退化機(jī)制經(jīng)驗知識，預(yù)測設(shè)備剩余正常工況使用時間并制定維修策略，從而實現(xiàn)高效安全運(yùn)行。需求預(yù)測根據(jù)廠商歷史訂單數(shù)據(jù)、市場預(yù)測及生產(chǎn)線運(yùn)行狀況，調(diào)節(jié)原料庫存、指導(dǎo)生產(chǎn)出貨進(jìn)度，進(jìn)行風(fēng)險管理并減少生產(chǎn)浪費(fèi)。質(zhì)量預(yù)測通過產(chǎn)線、原料狀態(tài)及相關(guān)生產(chǎn)數(shù)據(jù)分析產(chǎn)品質(zhì)量，并將生產(chǎn)流程調(diào)整為最佳產(chǎn)出狀態(tài)以避免殘次品，數(shù)字孿生技術(shù)可以有效促進(jìn)質(zhì)量預(yù)測。

工業(yè)智能典型應(yīng)用

       工業(yè)智能已在部分領(lǐng)域進(jìn)行應(yīng)用，取得較好的效果，包括智能制造體系途徑、傳感與檢測、設(shè)備維護(hù)預(yù)測，協(xié)作機(jī)器人、智能化生產(chǎn)等。

       （1）智能制造體系途徑

       工業(yè)智能由相關(guān)的技術(shù)體系、途徑與標(biāo)準(zhǔn)化方法架構(gòu)所組成，李杰、柴天佑等提出了一些系統(tǒng)性的方法來實現(xiàn)人工智能生產(chǎn)體系，并命名為工業(yè)智能，其核心技術(shù)包含數(shù)據(jù)技術(shù)、分析技術(shù)、平臺技術(shù)與運(yùn)籌技術(shù)。CPS的5C架構(gòu)則作為實現(xiàn)這個閉環(huán)功能框架，5C分別代表智能感知層、智能分析層、網(wǎng)絡(luò)層、智能認(rèn)知層、智能決策與執(zhí)行層。CPS集成計算、通信與控制于一體，其意義在于將物理設(shè)備連接到互聯(lián)網(wǎng)上，讓物理設(shè)備具有計算、通信、精確控制、遠(yuǎn)程協(xié)調(diào)和自治等五大功能。研制面向特定應(yīng)用領(lǐng)域的工業(yè)智能系統(tǒng)，使系統(tǒng)的適應(yīng)性、自主性、效率、功能、可靠安全、感知認(rèn)知準(zhǔn)確性、決策與控制精準(zhǔn)優(yōu)化遠(yuǎn)超以往的系統(tǒng)。

       （2）傳感與檢測技術(shù)

       工業(yè)智能需要使用大量傳感器獲取信息數(shù)據(jù)，在人工智能和一些獨(dú)特的需求下，常規(guī)的傳感器的處理速度和能力達(dá)不到要求。而人工智能傳感器能夠?qū)W習(xí)使用環(huán)境、習(xí)慣、感知，能夠自我測試、驗證、適應(yīng)和識別，可以智能分析處理、提供對應(yīng)的運(yùn)算，挖掘、保存和傳輸用戶需求的數(shù)據(jù)。

       目前應(yīng)用最多、最有特色的是工業(yè)智能視覺傳感器，已經(jīng)逐漸形成規(guī)模化的產(chǎn)業(yè)，2D向3D的轉(zhuǎn)變、靜態(tài)圖像到動態(tài)影像的第四次視覺技術(shù)突破，主要包含3D視覺、嵌入式視覺和多元化硬件加速等三大類技術(shù)。3D視覺采用了雙目視覺、結(jié)構(gòu)光、ToF技術(shù)、線激光掃描技術(shù)、光譜共聚焦等技術(shù)，主要用于尺寸檢測、定位引導(dǎo)、場景識別；嵌入式技術(shù)將用于實現(xiàn)圖像處理和深度學(xué)習(xí)算法的AI模塊集成至工業(yè)相機(jī)，實現(xiàn)邊緣智能控制；多元化硬件可以集成GPU、CPU、FPGA和SoC硬件一起，大大加快了深度學(xué)習(xí)算法和圖像處理的速度，減少了實現(xiàn)的難度。

       在各種形狀識別、產(chǎn)品與零部件的尺寸、外觀、顏色、光潔度和場景識別等高速檢測中，大大提高了檢測的精度和速度，特別在人臉圖像、復(fù)雜結(jié)構(gòu)件等對象檢測中，顯示出巨大潛力。

       （3）設(shè)備維護(hù)預(yù)測

       使用預(yù)測平臺對設(shè)備的剩余壽命進(jìn)行預(yù)測，該方法要求對設(shè)備狀態(tài)和運(yùn)行過程進(jìn)行持續(xù)監(jiān)控，分析歷史數(shù)據(jù)（例如機(jī)器學(xué)習(xí)技術(shù)）、完整性因素（例如視覺檢測顏色和形狀、磨損、成分、聲音等）、統(tǒng)計推斷方法和工程方法的推理，所以這種方法可以預(yù)測設(shè)備早期故障，并提供解決方案。機(jī)器學(xué)習(xí)具有強(qiáng)大的數(shù)據(jù)處理能力，可廣泛應(yīng)用于故障診斷與壽命預(yù)測等領(lǐng)域。基于機(jī)器學(xué)習(xí)的剩余壽命預(yù)測方法是預(yù)測性維護(hù)方法的一個重要分支，能夠較為準(zhǔn)確地對剩余壽命進(jìn)行預(yù)測，成為維護(hù)策略評估的重要指標(biāo)。

       西門子推出基于工業(yè)大數(shù)據(jù)分析的預(yù)測性維護(hù)軟件SiePA，在對工廠歷史運(yùn)行數(shù)據(jù)進(jìn)行深入分析的基礎(chǔ)上，以人工智能算法為工具，建立了預(yù)測性維護(hù)系統(tǒng)。ABBAbility船舶遠(yuǎn)程診斷系統(tǒng)能實現(xiàn)對電氣系統(tǒng)的預(yù)防性連續(xù)監(jiān)測，提供包括故障排除、預(yù)防性和預(yù)測性服務(wù)3個級別的服務(wù)，能夠通過更大范圍的預(yù)測性監(jiān)測使服務(wù)工程師數(shù)量減少70%，維護(hù)工作量減少50%。

       （4）協(xié)作機(jī)器人

       又稱智能機(jī)器人，具有結(jié)構(gòu)靈活性、安全性、感知能力、人機(jī)協(xié)作、編程方便等特點(diǎn)，充分發(fā)揮人類智能及機(jī)器人效率，掃除了人機(jī)協(xié)作障礙；可以大量應(yīng)用于對靈活性要求較高的密集勞動等場景，協(xié)助承擔(dān)復(fù)雜的手動工序和負(fù)重勞動，擺脫護(hù)欄或圍籠的束縛。協(xié)作機(jī)器人國外廠商主要包括ABB、KUKA、FANUC、YASKAWA、優(yōu)傲（UR）等，國內(nèi)有新松、遨博、節(jié)卡、艾利特、里工等公司。

       協(xié)作機(jī)器人具有視覺、聽覺、力覺和位置等多種傳感器，需要進(jìn)行機(jī)器人動力學(xué)建模、外界交互環(huán)境建模，采用多種智能控制策略，如柔順控制、協(xié)同控制、阻抗控制、協(xié)作控制、動態(tài)行為控制、認(rèn)知控制等，可以完成助力、叉車、移動和機(jī)床上下料等工作。如無人值守協(xié)作機(jī)器人，由移動小車和機(jī)械臂組成，帶有深度學(xué)習(xí)視覺模塊，結(jié)合XOS人機(jī)交互系統(tǒng)，可以替代多個操作工，自動完成加工中心、數(shù)控車床、沖壓機(jī)、鍛壓機(jī)等多臺機(jī)床的一系列上下料工作任務(wù)，簡單程序切換，能夠節(jié)約人工成本，提高生產(chǎn)效率。

       （5）智能化生產(chǎn)

       中國已經(jīng)具備較完整的制造業(yè)體系和基礎(chǔ)設(shè)施，在全球產(chǎn)業(yè)鏈中具有重要地位。在智能化生產(chǎn)方面也出現(xiàn)一批典型，從智能設(shè)計、智能產(chǎn)品、智能裝備、智能生產(chǎn)和個性化定制、智能管理、智能服務(wù)等方面推動企業(yè)轉(zhuǎn)型升級，初步涌現(xiàn)一批典型智能制造示范工程。

       山西智奇鐵路設(shè)備公司的高鐵輪對智能制造工廠，實現(xiàn)了“設(shè)備網(wǎng)絡(luò)化，數(shù)據(jù)可視化，生產(chǎn)過程透明化，生產(chǎn)環(huán)節(jié)智能化”的智能制造頂層戰(zhàn)略規(guī)劃，采用MES核心平臺實現(xiàn)產(chǎn)線智能化，應(yīng)用RFID管理實現(xiàn)倉庫可視化、透明化，以集控CPS平臺實現(xiàn)生產(chǎn)現(xiàn)場數(shù)字化與可視化，并應(yīng)用AI人工智能檢測與監(jiān)測、預(yù)測維護(hù)。

       奇瑞捷豹路虎基于5G的智能制造項目完成三大核心系統(tǒng)建設(shè)，建立起SAP企業(yè)管理軟件與解決方案、MES全功能生產(chǎn)過程執(zhí)行管理系統(tǒng)、LES物流執(zhí)行系統(tǒng)和管理模式等一流IT解決方案，建立了企業(yè)工業(yè)互聯(lián)網(wǎng)，產(chǎn)品設(shè)計生產(chǎn)生命周期數(shù)字一體化，供應(yīng)鏈上下游協(xié)同優(yōu)化，具有全生產(chǎn)過程能源優(yōu)化管理，產(chǎn)品全生命周期可溯的質(zhì)量管控能力，柔性制造的大規(guī)模個性化定制，遠(yuǎn)程智能運(yùn)維服務(wù)。

       中車長春軌道客車的高端軌道交通裝備精益化智能制造項目，以中車長客長春高速制造中心和轉(zhuǎn)向架制造中心為主，打造高端軌道交通裝備智能制造核心模式，實現(xiàn)制造全過程優(yōu)化控制、智能調(diào)度、狀態(tài)監(jiān)控、質(zhì)量管控。該模式持續(xù)推廣至全球5個國家生產(chǎn)基地，覆蓋軌道交通全車型制造及運(yùn)維業(yè)務(wù)，實現(xiàn)快速精準(zhǔn)的智能制造管理范式，實現(xiàn)制造全業(yè)務(wù)鏈條數(shù)據(jù)貫通和大數(shù)據(jù)體系分析；創(chuàng)新信息技術(shù)手段，助力全球制造精益一體化管理；深化應(yīng)用高級排程，打通供應(yīng)鏈整體鏈條；實現(xiàn)生產(chǎn)效率、配送效率、能源利用率、一次合格率較大幅度提升，為企業(yè)全球標(biāo)準(zhǔn)化制造業(yè)務(wù)提供了基礎(chǔ)。

工業(yè)智能技術(shù)難點(diǎn)

       雖然目前工業(yè)智能還只在特殊的方面應(yīng)用，但已經(jīng)體現(xiàn)良好效果，整體生產(chǎn)過程、關(guān)鍵環(huán)節(jié)的應(yīng)用還存在很多難點(diǎn)，有很大改善潛力和發(fā)展空間，其主要難點(diǎn)在于:

       （1）多源異構(gòu)數(shù)據(jù)的挖掘與應(yīng)用

       工業(yè)生產(chǎn)涉及各行業(yè)、不同加工過程、不同環(huán)境和不同市場，表現(xiàn)不完全、無標(biāo)注、無直接關(guān)聯(lián)樣本的動態(tài)特性和多源異構(gòu)數(shù)據(jù)。如何利用人工智能深度學(xué)習(xí)進(jìn)行完全標(biāo)注大樣本靜態(tài)特性的學(xué)習(xí)，進(jìn)而進(jìn)行歸類、分析、發(fā)掘和多維應(yīng)用；另外需要采用多源數(shù)據(jù)機(jī)器學(xué)習(xí)，研究現(xiàn)象、問題和效果的知識發(fā)現(xiàn)，這些是工業(yè)智能的基礎(chǔ)和迫切需求。

       （2）多目標(biāo)整體決策與過程優(yōu)化

       其中包含多層次多尺度決策與控制過程集成優(yōu)化、復(fù)雜系統(tǒng)多沖突目標(biāo)的實施動態(tài)求優(yōu)等。基于各種層次的信息感知，運(yùn)行決策與控制面向不同時間尺度和空間尺度。制造過程中的智能決策面臨著開放環(huán)境、信息不完全、規(guī)則不確定等難題。制造過程當(dāng)中難以建立決策仿真模型，同時最終決策需要權(quán)衡質(zhì)量、效率、消耗和市場等多沖突目標(biāo)，全局最優(yōu)解隨生產(chǎn)條件和運(yùn)行工況變化，控制系統(tǒng)設(shè)定值會隨全局最優(yōu)解變化。

       （3）產(chǎn)品生產(chǎn)全產(chǎn)業(yè)鏈預(yù)測

       產(chǎn)品生產(chǎn)最終獲得的是效益，不只是與產(chǎn)品生產(chǎn)的質(zhì)量和效率有關(guān)，往往物流、市場需求更加重要。比如產(chǎn)品原材料和人力資源成本、產(chǎn)品銷售方式和市場趨勢等，這些比起單一的設(shè)備維護(hù)預(yù)測、產(chǎn)品生產(chǎn)質(zhì)量預(yù)測更加重要。比如新冠疫情對相關(guān)產(chǎn)業(yè)的巨大影響，某些國家對芯片的封鎖造成缺芯事件、對汽車產(chǎn)業(yè)的影響，經(jīng)濟(jì)通脹使原材料大幅漲價對產(chǎn)品的影響等，目前這些都難以建立有效的預(yù)測模型，實現(xiàn)較準(zhǔn)確的預(yù)測控制。

       （4）智能制造裝備

       雖然我國在互聯(lián)網(wǎng)、物聯(lián)網(wǎng)、大數(shù)據(jù)、云計算等數(shù)字化技術(shù)以及5G的應(yīng)用上有一定優(yōu)勢地位，但制造最后的執(zhí)行單元還得是機(jī)床設(shè)備，我國大部分設(shè)備還落后于歐美和日本企業(yè)，比如在工業(yè)機(jī)器人、3D打印、大余量高速切削機(jī)床、芯片光刻機(jī)、高精度測量測試設(shè)備等方面存在很大差距。而工業(yè)智能對當(dāng)前世界的裝備則提出了更高要求，必將是一個極具創(chuàng)新的挑戰(zhàn)過程。

工業(yè)智能發(fā)展趨勢

       從總體上看，目前大部分制造企業(yè)仍處于自動化、數(shù)字化階段，部分龍頭企業(yè)和智能制造試點(diǎn)示范企業(yè)逐步開展智能化應(yīng)用，人工智能與制造業(yè)融合還處于起步期。2021年后人工智能在制造業(yè)中的6個應(yīng)用趨勢，現(xiàn)歸納整理如下:

       （1）基于深度學(xué)習(xí)的機(jī)器視覺缺陷檢測，可以通過單目和雙目的2D、3D視覺檢測，分析辨別物體屬性、表面特征、立體特征、運(yùn)動趨勢等。

       （2）通過機(jī)器學(xué)習(xí)預(yù)測設(shè)備故障。采用預(yù)測剩余使用壽命模型、預(yù)定時間段內(nèi)預(yù)測故障的分類模型、異常檢測模型可以標(biāo)記設(shè)備等方式進(jìn)行預(yù)測。

       （3）生產(chǎn)過程的數(shù)字孿生技術(shù)，生產(chǎn)過程的實時診斷和評估，產(chǎn)品性能的預(yù)測和可視化等。可以設(shè)計未來產(chǎn)品、模擬其性能。

       （4）智能制造的生成設(shè)計，其思想是基于機(jī)器學(xué)習(xí)的給定產(chǎn)品的所有可能設(shè)計選項，根據(jù)約束條件生成獨(dú)特設(shè)計思想的新產(chǎn)品。具有人工智能的設(shè)計生成器和鑒別器，其中生成器網(wǎng)絡(luò)為給定產(chǎn)品生成新設(shè)計，而鑒別器網(wǎng)絡(luò)對真實產(chǎn)品的設(shè)計和生成產(chǎn)品進(jìn)行分類和區(qū)分。

       （5）基于人工智能的能耗預(yù)測與優(yōu)化。制造商可以估算能源賬單，了解能源的消耗方式，由數(shù)據(jù)驅(qū)動優(yōu)化生產(chǎn)過程能源消耗。

       （6）智能供應(yīng)鏈。采用機(jī)器學(xué)習(xí)驅(qū)動的認(rèn)知供應(yīng)鏈管理系統(tǒng)，自動分析庫存、裝運(yùn)、市場趨勢、消費(fèi)者情緒和天氣等數(shù)據(jù)，具有需求預(yù)測、運(yùn)輸優(yōu)化、物流路線優(yōu)化、倉庫控制、人力資源規(guī)劃、供應(yīng)鏈安全、端到端的透明度等功能。

       結(jié)合制造業(yè)的發(fā)展現(xiàn)狀和工業(yè)智能的發(fā)展目標(biāo)，指出工業(yè)智能今后研究方向有:

       （1）復(fù)雜工業(yè)環(huán)境下運(yùn)行工況的多尺度多源信息的智能感知與識別。

       （2）復(fù)雜工業(yè)環(huán)境下基于5G的多源信息快速可靠的傳輸技術(shù)。

       （3）系統(tǒng)辨識與深度學(xué)習(xí)相結(jié)合的復(fù)雜工業(yè)系統(tǒng)智能建模、數(shù)字孿生與可視化技術(shù)。

       （4）關(guān)鍵工藝參數(shù)與生產(chǎn)指標(biāo)的預(yù)測與追溯。

       （5）復(fù)雜工業(yè)系統(tǒng)的智能自主控制技術(shù)。

       （6）人機(jī)合作的智能優(yōu)化決策。

       （7）智能優(yōu)化決策與控制一體化技術(shù)。

       （8）“端－邊－云”協(xié)同實現(xiàn)工業(yè)智能算法實現(xiàn)技術(shù)。

結(jié)論

       傳統(tǒng)人工智能技術(shù)較多應(yīng)用于大量的、感性的日常生活、社會交流、金融等行業(yè)，取得良好效果。工業(yè)智能用于解決特定工業(yè)問題，不僅需要采用AI算法和AI系統(tǒng)，還需要將人工智能、自動化、工業(yè)互聯(lián)網(wǎng)與各種制造領(lǐng)域知識緊密融合。

       當(dāng)前人工智能技術(shù)正在飛速發(fā)展，也體現(xiàn)出強(qiáng)大的生命力，但是工業(yè)智能的整體技術(shù)、關(guān)鍵技術(shù)仍處于起步階段，工業(yè)和工程界的許多實際難題還沒有得到有效解決，根據(jù)社會發(fā)展需求、科技創(chuàng)新發(fā)展方向，未來研究方向是將工業(yè)智能方法體系服務(wù)實際工業(yè)生產(chǎn)并創(chuàng)造更多價值。雖然我國建立了工業(yè)智能相關(guān)的頂層設(shè)計與政策引導(dǎo)，在制度層面支撐保障體系也不斷完善，但是工業(yè)智能需要大批具有跨學(xué)科研究能力的創(chuàng)新型科技領(lǐng)軍人才，也需要大批工程技術(shù)應(yīng)用人才。同時需要加快打造工業(yè)智能示范項目，建設(shè)工業(yè)智能公共服務(wù)平臺建設(shè)，加快發(fā)展工業(yè)智能單項技術(shù)，推動各類人工智能要素向企業(yè)數(shù)字化領(lǐng)域集聚，加快工業(yè)智能技術(shù)引領(lǐng)，這樣才能使我國在工業(yè)智能的研究與應(yīng)用走在世界前列，取得巨大的社會和經(jīng)濟(jì)效益。

（本文轉(zhuǎn)自新工業(yè)網(wǎng)。原文刊載于《機(jī)床與液壓》2022年5月 作者：唐露新 張儒鋒 姜德志 林建文 周書興）