工業(yè)人工智能的現(xiàn)狀與發(fā)展趨勢(shì)

唐露新，張儒鋒，姜德志，林建文，周書興

(1.廣州理工學(xué)院廣東省工業(yè)機(jī)器人集成與應(yīng)用工程技術(shù)研究中心,廣東廣州 510540；2.廣州阿普頓自動(dòng)化設(shè)備有限公司,廣東廣州 510530；3.廣州園大智能設(shè)備有限公司,廣東廣州 510510)

0 前言

近年來，智能制造是很多工業(yè)發(fā)達(dá)國家積極推進(jìn)和重點(diǎn)發(fā)展的領(lǐng)域，美國、歐洲和日本等都將目光轉(zhuǎn)向人工智能等核心技術(shù)，并不斷取得新的突破和應(yīng)用。2016年，美國發(fā)布了《國家人工智能研究和發(fā)展戰(zhàn)略計(jì)劃》和《為人工智能的未來做好準(zhǔn)備》等重要報(bào)告，前者提出了投資、人機(jī)協(xié)同、社會(huì)、安全、培訓(xùn)測(cè)試、標(biāo)準(zhǔn)和人才等7個(gè)人工智能領(lǐng)域的戰(zhàn)略方向，后者從政府與治理角度探討人工智能的挑戰(zhàn)與治理問題。美國 2020—2021年財(cái)務(wù)預(yù)算優(yōu)先智能和數(shù)字化制造，特別是結(jié)合工業(yè)物聯(lián)網(wǎng)、機(jī)器學(xué)習(xí)和人工智能的制造系統(tǒng)等領(lǐng)域。 2017年，德國發(fā)布“工業(yè) 4.0”，并提出面向經(jīng)濟(jì)的人工智能戰(zhàn)略，啟動(dòng)開發(fā)和應(yīng)用“學(xué)習(xí)系統(tǒng)”計(jì)劃，使工作和生產(chǎn)更加靈活和節(jié)省資源，從5個(gè)方面推進(jìn)數(shù)字策略，期望德國在 2025 年成為人工智能領(lǐng)軍者。2018年，歐盟發(fā)布《人工智能協(xié)調(diào)計(jì)劃》，制定了投資、研究應(yīng)用、人才、數(shù)據(jù)、倫理、公用和合作等7項(xiàng)具體行動(dòng)，希望使歐洲成為人工智能開發(fā)應(yīng)用的領(lǐng)先者。日本人工智能發(fā)展規(guī)劃稍遲一些，由人工智能技術(shù)戰(zhàn)略委員會(huì)、總務(wù)省、文部科學(xué)省以及經(jīng)濟(jì)產(chǎn)業(yè)省負(fù)責(zé)人工智能規(guī)劃，2017—2019年相繼出臺(tái)《人工智能技術(shù)戰(zhàn)略》《人工智能技術(shù)戰(zhàn)略執(zhí)行計(jì)劃》《人工智能戰(zhàn)略2019》等戰(zhàn)略計(jì)劃，以本國優(yōu)勢(shì)及社會(huì)問題為導(dǎo)向的發(fā)展思路，主要集中在工業(yè)、醫(yī)療和交通等三大領(lǐng)域。

2017年，我國發(fā)布《新一代人工智能發(fā)展規(guī)劃》，提出了面向2030年我國新一代人工智能發(fā)展的指導(dǎo)思想、戰(zhàn)略目標(biāo)、重點(diǎn)任務(wù)和保障措施，部署科技創(chuàng)新體系、產(chǎn)業(yè)、社會(huì)、軍民融合、基礎(chǔ)設(shè)施和重點(diǎn)科技項(xiàng)目等6項(xiàng)重點(diǎn)工作,投資1 500億發(fā)展人工智能產(chǎn)業(yè)，加快建設(shè)創(chuàng)新型國家和世界科技強(qiáng)國。隨后發(fā)布《促進(jìn)新一代人工智能產(chǎn)業(yè)發(fā)展三年行動(dòng)計(jì)劃(2018—2020年)》，并在《“十三五”國家科技創(chuàng)新規(guī)劃”》《“十三五”國家戰(zhàn)略性新興產(chǎn)業(yè)發(fā)展規(guī)劃》以及“科技創(chuàng)新2030-重大項(xiàng)目”等規(guī)劃文件中，都將人工智能列入發(fā)展重點(diǎn)，充分體現(xiàn)了我國政府發(fā)展人工智能的決心和魄力。更多人工智能相關(guān)政策文件見文獻(xiàn)[12]。

在人工智能戰(zhàn)略布局和時(shí)間起點(diǎn)方面，美國、德國、中國和日本都差不多，但相對(duì)政府層面而言，中國的規(guī)劃、支持和執(zhí)行力度更大，其中工業(yè)領(lǐng)域人工智能的應(yīng)用是美國、德國、中國和日本等國家智庫和高科技公司高度關(guān)注的焦點(diǎn)，成為公認(rèn)的提升制造業(yè)整體競(jìng)爭(zhēng)力的國家戰(zhàn)略。

對(duì)于近年來國內(nèi)外人工智能的發(fā)展?fàn)顩r有很多報(bào)告，其中包括國家智庫層面和企業(yè)民間層面的，評(píng)價(jià)體系也各有不同，因此也只是一個(gè)側(cè)面反應(yīng)。文獻(xiàn)[12]針對(duì)1990—2019年中美德英日韓等六國，對(duì)比產(chǎn)業(yè)核心技術(shù)專利數(shù)量，中國在產(chǎn)業(yè)人工智能方面前進(jìn)步伐較大，如圖1所示。浙江大學(xué)顧國達(dá)等構(gòu)建了一個(gè)系統(tǒng)全面的人工智能評(píng)價(jià)指標(biāo)體系，涵蓋人工智能的環(huán)境支撐力、知識(shí)創(chuàng)造力、產(chǎn)業(yè)競(jìng)爭(zhēng)力3個(gè)主要評(píng)價(jià)領(lǐng)域，2個(gè)具體指標(biāo)，既可從整體掌握經(jīng)濟(jì)體人工智能的綜合實(shí)力，又可從多維度對(duì)人工智能的發(fā)展成效進(jìn)行國際比較和動(dòng)態(tài)追蹤。利用2010—2018年人工智能領(lǐng)域的數(shù)據(jù)，對(duì)中國、美國、歐洲、日本、韓國和加拿大等6個(gè)代表性經(jīng)濟(jì)體的人工智能發(fā)展水平進(jìn)行測(cè)度，雖然整體水平呈現(xiàn)上升趨勢(shì)，但增速并不穩(wěn)定，各經(jīng)濟(jì)體間相對(duì)差距逐步擴(kuò)大，中國已進(jìn)入國際領(lǐng)先集團(tuán)，發(fā)展?jié)摿薮?，但產(chǎn)業(yè)競(jìng)爭(zhēng)力領(lǐng)域與美國差距不小，人力資本和企業(yè)經(jīng)營(yíng)等重點(diǎn)領(lǐng)域的短板亟須彌補(bǔ)。

圖1 人工智能產(chǎn)業(yè)核心專利數(shù)和國家分布示意

在2020年7月世界人工智能大會(huì)云端峰會(huì)開幕式上，工信部部長(zhǎng)苗圩致辭：“整體來看，我國人工智能產(chǎn)業(yè)發(fā)展勢(shì)頭良好，技術(shù)創(chuàng)新日益活躍，產(chǎn)業(yè)規(guī)模持續(xù)壯大，與行業(yè)融合應(yīng)用不斷深入，發(fā)展前景可期?！?/p>

1 工業(yè)人工智能系統(tǒng)框架

人工智能概念是1956年在美國達(dá)特茅斯學(xué)院人工智能研討會(huì)上提出的。人工智能是計(jì)算機(jī)科學(xué)或智能科學(xué)的分支，主要研究用機(jī)器和算法模仿和執(zhí)行人腦的某些思維和智力功能，期間經(jīng)歷了計(jì)算智能、感知智能和認(rèn)知智能等3個(gè)發(fā)展階段。通過不斷演進(jìn)，特別是腦科學(xué)、超級(jí)計(jì)算、大數(shù)據(jù)、工業(yè)互聯(lián)網(wǎng)、視覺檢測(cè)等領(lǐng)域的新理論新技術(shù)取得的突破和進(jìn)展，使得人工智能發(fā)展突飛猛進(jìn)。人工智能可以替代勞動(dòng)、增加勞動(dòng)供給；賦能一、二、三產(chǎn)業(yè)，提高生產(chǎn)效率；創(chuàng)造消費(fèi)者剩余，提高社會(huì)福利；賦能政府、提高政府效率，矯正失靈，具有顯著作用。

人工智能也不斷推進(jìn)到工業(yè)領(lǐng)域。工業(yè)人工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(shì)，其實(shí)質(zhì)是實(shí)現(xiàn)設(shè)計(jì)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(jì)生產(chǎn)任務(wù)，提高生產(chǎn)效率和產(chǎn)品質(zhì)量。工業(yè)人工智能成為公認(rèn)的提升制造業(yè)整體競(jìng)爭(zhēng)力的國家戰(zhàn)略。

工業(yè)人工智能集成了人工智能、工業(yè)互聯(lián)網(wǎng)、大數(shù)據(jù)、云計(jì)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(shí)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(shí)現(xiàn)工業(yè)生產(chǎn)的降本、增效、提質(zhì)和安全。

文獻(xiàn)[19]提出了工業(yè)人工智能生態(tài)系統(tǒng)概念，指出工業(yè)人工智能的分析技術(shù)、大數(shù)據(jù)技術(shù)、網(wǎng)絡(luò)技術(shù)、專業(yè)領(lǐng)域知識(shí)、證據(jù)理論等5個(gè)關(guān)鍵要素，并以機(jī)床主軸實(shí)時(shí)監(jiān)控與性能預(yù)測(cè)為例,展示工業(yè)人工智能的解決方案，實(shí)現(xiàn)降低維護(hù)成本、優(yōu)化產(chǎn)品質(zhì)量和提升效益的良好效果。

當(dāng)前產(chǎn)品生產(chǎn)所得利潤(rùn)不僅與制造本身相關(guān)，還與市場(chǎng)環(huán)境和產(chǎn)品定位相關(guān)，將來的工業(yè)人工智能技術(shù)會(huì)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2所示。工業(yè)人工智能包含產(chǎn)品市場(chǎng)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(shí)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(shí)時(shí)匹配的物料以及動(dòng)態(tài)能源消耗等；生產(chǎn)過程主要有幾個(gè)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(jì)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(duì)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(cè)、數(shù)據(jù)、傳感和檢測(cè)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(huì)效益。

圖2 工業(yè)制造過程人工智能技術(shù)應(yīng)用框架示意

目前工業(yè)人工智能還沒有形成市場(chǎng)和產(chǎn)品鏈的整體應(yīng)用，只是在個(gè)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(cè)、對(duì)象與質(zhì)量檢測(cè)、物料庫存管理、生產(chǎn)效益分析等。

2 工業(yè)人工智能關(guān)鍵技術(shù)

工業(yè)人工智能的關(guān)鍵技術(shù)從不同角度會(huì)有不同認(rèn)識(shí)：文獻(xiàn)[18]主要從應(yīng)用角度進(jìn)行分析；文獻(xiàn)[21]則從網(wǎng)絡(luò)層次定義，分為感知層、分析層、網(wǎng)絡(luò)層、認(rèn)知層、決策和執(zhí)行層。本文作者從實(shí)際應(yīng)用角度將工業(yè)人工智能的關(guān)鍵技術(shù)分為硬件、傳感、檢測(cè)、數(shù)據(jù)、建模、決策、預(yù)測(cè)。

(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(chǎng)傳感檢測(cè)時(shí)，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(jì)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 FPGA、全定制芯片ASIC和模擬人腦的新型類腦芯片；按照應(yīng)用場(chǎng)景可分為訓(xùn)練芯片、推斷芯片、終端計(jì)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(duì)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(jì)算芯片主要采用簡(jiǎn)單實(shí)時(shí)性能的邊緣計(jì)算控制輸出。

(2)傳感

人工智能場(chǎng)景中面對(duì)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(cè)量的各種信息轉(zhuǎn)變成相關(guān)數(shù)字信號(hào)，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(hào)；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(shí)現(xiàn)低成本、高精度的信息采集，具有編程自動(dòng)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(cè)。

(3)檢測(cè)

工業(yè)人工智能系統(tǒng)的各個(gè)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(cè)的精度、速度、可靠性、分析能力等性能以及價(jià)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(cè)，逐步轉(zhuǎn)變?yōu)榧庸ぴ诰€、實(shí)時(shí)、嵌入到生產(chǎn)線及設(shè)備內(nèi)部的檢測(cè)；從獨(dú)立的感知和檢測(cè)轉(zhuǎn)變?yōu)槎鄠鞲衅?、多元異?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(cè)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(shí)，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(cè)數(shù)據(jù)，進(jìn)行自動(dòng)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(jì)算機(jī)的大容量、高速運(yùn)算能力和網(wǎng)絡(luò)云平臺(tái)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(shí)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(shí)需要花費(fèi)大量時(shí)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(shí)時(shí)性強(qiáng)。數(shù)據(jù)所蘊(yùn)藏的價(jià)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(shí)生產(chǎn)過程對(duì)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(shí)，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(duì)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(shí)變系統(tǒng)。要求控制系統(tǒng)更快、精、復(fù)雜時(shí)，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。如文獻(xiàn)[27]采用機(jī)器學(xué)習(xí)算法對(duì)運(yùn)行對(duì)象的信息物理系統(tǒng)(Cyber-Physical Systems，CPS)所感知的信息流進(jìn)行建模分析，辨識(shí)了CPS中多子系統(tǒng)非線性耦合動(dòng)力學(xué)關(guān)系，挖掘了各子系統(tǒng)之間的切換邏輯，揭示了其演化趨勢(shì)規(guī)律。其方法普適性較好，已成功應(yīng)用于智能制造、智能電網(wǎng)等領(lǐng)域。

(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(tái)套設(shè)備和不同加工要求組成,涉及實(shí)時(shí)市場(chǎng)信息、生產(chǎn)條件以及運(yùn)行工況，企業(yè)目標(biāo)、計(jì)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(shí)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(cè)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(gè)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(shí)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(shí)現(xiàn)制造與生產(chǎn)全流程全局優(yōu)化

(7)預(yù)測(cè)

預(yù)測(cè)技術(shù)分為模型方法和數(shù)據(jù)驅(qū)動(dòng)方法，在預(yù)測(cè)性維護(hù)、需求預(yù)測(cè)、質(zhì)量預(yù)測(cè)等方面應(yīng)用廣泛。預(yù)測(cè)大多用于智能制造中設(shè)備維護(hù)，但是預(yù)測(cè)對(duì)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(jià)格和質(zhì)量的趨勢(shì)、產(chǎn)品原材料成本和質(zhì)量的趨勢(shì)、產(chǎn)品銷售方式和市場(chǎng)趨勢(shì)等，這些比起設(shè)備維護(hù)的預(yù)測(cè)可能更加重要。比如最近缺芯事件對(duì)汽車產(chǎn)業(yè)的影響、原材料漲價(jià)對(duì)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(cè)技術(shù)不斷提升。

預(yù)測(cè)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(yàn)知識(shí),預(yù)測(cè)設(shè)備剩余正常工況使用時(shí)間并制定維修策略,從而實(shí)現(xiàn)高效安全運(yùn)行。需求預(yù)測(cè)根據(jù)廠商歷史訂單數(shù)據(jù)、市場(chǎng)預(yù)測(cè)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(xiǎn)管理并減少生產(chǎn)浪費(fèi)。質(zhì)量預(yù)測(cè)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(cè)。

3 工業(yè)人工智能典型應(yīng)用

工業(yè)人工智能已在部分領(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(cè)、設(shè)備維護(hù)預(yù)測(cè)，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)人工智能由相關(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(shí)現(xiàn)人工智能生產(chǎn)體系，并命名為工業(yè)人工智能，其核心技術(shù)包含數(shù)據(jù)技術(shù)、分析技術(shù)、平臺(tái)技術(shù)與運(yùn)籌技術(shù)。Cyber-Physical System(CPS)的5C架構(gòu)則作為實(shí)現(xiàn)這個(gè)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(jì)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(jì)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)人工智能系統(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(cè)技術(shù)

工業(yè)人工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(cè)試、驗(yàn)證、適應(yīng)和識(shí)別，可以智能分析處理、提供對(duì)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)人工智能視覺傳感器，已經(jīng)逐漸形成規(guī)?；漠a(chǎn)業(yè)，2D 向 3D 的轉(zhuǎn)變、靜態(tài)圖像到動(dòng)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(cè)、定位引導(dǎo)、場(chǎng)景識(shí)別；嵌入式技術(shù)將用于實(shí)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(shí)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(shí)現(xiàn)的難度。在各種形狀識(shí)別、產(chǎn)品與零部件的尺寸、外觀、顏色、光潔度和場(chǎng)景識(shí)別等高速檢測(cè)中，大大提高了檢測(cè)的精度和速度，特別在人臉圖像、復(fù)雜結(jié)構(gòu)件等對(duì)象檢測(cè)中，顯示出巨大潛力。

(3)設(shè)備維護(hù)預(yù)測(cè)

使用預(yù)測(cè)平臺(tái)對(duì)設(shè)備的剩余壽命進(jìn)行預(yù)測(cè)，該方法要求對(duì)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(cè)顏色和形狀、磨損、成分、聲音等)、統(tǒng)計(jì)推斷方法和工程方法的推理，所以這種方法可以預(yù)測(cè)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(cè)等領(lǐng)域?；跈C(jī)器學(xué)習(xí)的剩余壽命預(yù)測(cè)方法是預(yù)測(cè)性維護(hù)方法的一個(gè)重要分支，能夠較為準(zhǔn)確地對(duì)剩余壽命進(jìn)行預(yù)測(cè)，成為維護(hù)策略評(píng)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(cè)性維護(hù)軟件SiePA，在對(duì)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(cè)性維護(hù)系統(tǒng)。ABB Ability船舶遠(yuǎn)程診斷系統(tǒng)能實(shí)現(xiàn)對(duì)電氣系統(tǒng)的預(yù)防性連續(xù)監(jiān)測(cè)，提供包括故障排除、預(yù)防性和預(yù)測(cè)性服務(wù)3個(gè)級(jí)別的服務(wù)，能夠通過更大范圍的預(yù)測(cè)性監(jiān)測(cè)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(duì)靈活性要求較高的密集勞動(dòng)等場(chǎng)景，協(xié)助承擔(dān)復(fù)雜的手動(dòng)工序和負(fù)重勞動(dòng)，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(dòng)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(dòng)態(tài)行為控制、認(rèn)知控制等，可以完成助力、叉車、移動(dòng)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(dòng)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(gè)操作工，自動(dòng)完成加工中心、數(shù)控車床、沖壓機(jī)、鍛壓機(jī)等多臺(tái)機(jī)床的一系列上下料工作任務(wù)，簡(jiǎn)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(jì)、智能產(chǎn)品、智能裝備、智能生產(chǎn)和個(gè)性化定制、智能管理、智能服務(wù)等方面推動(dòng)企業(yè)轉(zhuǎn)型升級(jí)，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(duì)智能制造工廠，實(shí)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(tái)實(shí)現(xiàn)產(chǎn)線智能化，應(yīng)用RFID管理實(shí)現(xiàn)倉庫可視化、透明化，以集控CPS平臺(tái)實(shí)現(xiàn)生產(chǎn)現(xiàn)場(chǎng)數(shù)字化與可視化，并應(yīng)用AI人工智能檢測(cè)與監(jiān)測(cè)、預(yù)測(cè)維護(hù)。

奇瑞捷豹路虎基于5G的智能制造項(xiàng)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(jì)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(gè)性化定制，遠(yuǎn)程智能運(yùn)維服務(wù)。

中車長(zhǎng)春軌道客車的高端軌道交通裝備精益化智能制造項(xiàng)目，以中車長(zhǎng)客長(zhǎng)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(shí)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(gè)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(shí)現(xiàn)快速精準(zhǔn)的智能制造管理范式，實(shí)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(jí)排程，打通供應(yīng)鏈整體鏈條；實(shí)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)。

4 工業(yè)人工智能技術(shù)難點(diǎn)

雖然目前工業(yè)人工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(chǎng)，表現(xiàn)不完全、無標(biāo)注、無直接關(guān)聯(lián)樣本的動(dòng)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(shí)發(fā)現(xiàn)，這些是工業(yè)人工智能的基礎(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(shí)施動(dòng)態(tài)求優(yōu)等?；诟鞣N層次的信息感知，運(yùn)行決策與控制面向不同時(shí)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(shí)最終決策需要權(quán)衡質(zhì)量、效率、消耗和市場(chǎng)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(huì)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(cè)

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(chǎng)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(chǎng)趨勢(shì)等，這些比起單一的設(shè)備維護(hù)預(yù)測(cè)、產(chǎn)品生產(chǎn)質(zhì)量預(yù)測(cè)更加重要。比如新冠疫情對(duì)相關(guān)產(chǎn)業(yè)的巨大影響，某些國家對(duì)芯片的封鎖造成缺芯事件、對(duì)汽車產(chǎn)業(yè)的影響，經(jīng)濟(jì)通脹使原材料大幅漲價(jià)對(duì)產(chǎn)品的影響等，目前這些都難以建立有效的預(yù)測(cè)模型，實(shí)現(xiàn)較準(zhǔn)確的預(yù)測(cè)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(jì)算等數(shù)字化技術(shù)以及5G的應(yīng)用上有一定優(yōu)勢(shì)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(cè)量測(cè)試設(shè)備等方面存在很大差距。而工業(yè)人工智能對(duì)當(dāng)前世界的裝備則提出了更高要求，必將是一個(gè)極具創(chuàng)新的挑戰(zhàn)過程。

5 工業(yè)人工智能發(fā)展趨勢(shì)

從總體上看，目前大部分制造企業(yè)仍處于自動(dòng)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。文獻(xiàn)[43]指出2021年后人工智能在制造業(yè)中的6個(gè)應(yīng)用趨勢(shì)，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(cè)，可以通過單目和雙目的2D、3D視覺檢測(cè)，分析辨別物體屬性、表面特征、立體特征、運(yùn)動(dòng)趨勢(shì)等。

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

(3)生產(chǎn)過程的數(shù)字孿生技術(shù)，生產(chǎn)過程的實(shí)時(shí)診斷和評(píng)估，產(chǎn)品性能的預(yù)測(cè)和可視化等。可以設(shè)計(jì)未來產(chǎn)品、模擬其性能。

(4)智能制造的生成設(shè)計(jì)，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(jì)選項(xiàng)，根據(jù)約束條件生成獨(dú)特設(shè)計(jì)思想的新產(chǎn)品。具有人工智能的設(shè)計(jì)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(jì)，而鑒別器網(wǎng)絡(luò)對(duì)真實(shí)產(chǎn)品的設(shè)計(jì)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(cè)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(dòng)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(dòng)的認(rèn)知供應(yīng)鏈管理系統(tǒng)，自動(dòng)分析庫存、裝運(yùn)、市場(chǎng)趨勢(shì)、消費(fèi)者情緒和天氣等數(shù)據(jù)，具有需求預(yù)測(cè)、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)人工智能的發(fā)展目標(biāo)，文獻(xiàn)[2，44]指出工業(yè)人工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(shí)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(shí)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(cè)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(shí)現(xiàn)工業(yè)人工智能算法實(shí)現(xiàn)技術(shù)。為此，文獻(xiàn)[2，44-46]都提出了一些解決問題的方法和嘗試。

6 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(huì)交流、金融等行業(yè)，取得良好效果。工業(yè)人工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(dòng)化、工業(yè)互聯(lián)網(wǎng)與各種制造領(lǐng)域知識(shí)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)人工智能的整體技術(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(shí)際難題還沒有得到有效解決，根據(jù)社會(huì)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)人工智能方法體系服務(wù)實(shí)際工業(yè)生產(chǎn)并創(chuàng)造更多價(jià)值。雖然我國建立了工業(yè)人工智能相關(guān)的頂層設(shè)計(jì)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)人工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(shí)需要加快打造工業(yè)人工智能示范項(xiàng)目，建設(shè)工業(yè)人工智能公共服務(wù)平臺(tái)建設(shè)，加快發(fā)展工業(yè)人工智能單項(xiàng)技術(shù)，推動(dòng)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)人工智能技術(shù)引領(lǐng)，這樣才能使我國在工業(yè)人工智能的研究與應(yīng)用走在世界前列，取得巨大的社會(huì)和經(jīng)濟(jì)效益。