「AI前沿」智能製造和人工智慧的場景應用(附201……

文章推薦指數: 80 %
投票人數:10人

本文由微信公眾號工業智能化(ID:robotinfo)整理自先進位造業、經濟參考報、網際網路周刊發布,轉載請註明!

作者:趙東偉、李曉華

如何讓普通的生產工廠插上智能的翅膀成為真正的智能工廠正在成為製造業共同思考的問題。

作者:趙東偉

製造業中生產過程中每天產生海量的數據,這些數據都存儲在資料庫裡面,而真正能夠 發揮實際價值的數據卻非常少,從而造成數據資源的極大浪費。

如何對生產過程中的海量數 據進行處理從而發揮數據的價值,將數據不再僅僅是數據,而成為生產的資產是每個製造業 管理者都關心的問題。

為了實現對數據的利用,降低生產成本提高生產效率,很多供應商都 提出了智能工廠的解決方案。

目前社會上提到的智能工廠很多,而真正能夠做到智能化的卻 很少。

筆者基於多年在製造業中的工業機理模型經驗和在智能技術領域的一些實踐, 介紹下目前智能技術以及其在製造業場景的應用情況。

一、人工智慧、雲計算、大數據、

物聯網的關係是什麼?

提到智能技術大家首先聯想到的就是人工智慧、大數據、雲計算、物聯網等。

而很多人對這些名詞間的關係模稜兩可。

因此有必要首先介紹下其間的聯繫。

為了便於讀者理解,這裡不 引用每個名詞的通用定義,而採用通俗易懂的方式進行解釋。

人工智慧從狹義角度講就是以 CNN 卷積神經網絡為代表的模型算法, 具體的應用圖像識別和語音識別。

目前社會上所有提到的人工智慧技術包括人臉識別、自動駕駛、語音交互、阿爾法狗、指紋識別等等均是基於 CNN 卷積神經網絡為核心算法的應用。

因此,人工智慧本質就是一種算法。

雲計算本質是一 種從資源到架構的全面彈性, 通俗的講, 比如對於一台電腦,有 100 個任務,那麼電腦在執 行這 100 個任務時就要有個排隊,依次進行,而當數據量很大時, 超大的任務量將會造成電 腦伺服器崩潰。

而雲計算就是可以將一台電腦的伺服器虛擬成多台電腦,比如我們很多人都用過 VMware 的虛擬機軟體,該軟體可以把我們的 PC 機電腦虛擬成擁有不同內存、存儲容 量和網絡的小電腦, 這樣 100 個任務將會同時分解到多台電腦去執行, 這就是分布式計算, 從而大大提高計算效率。

大數據通俗的講就是海量的數據, 具有複雜的數據關係。

物聯網通俗講就是通過網絡協議將生產過程中的儀器儀表、 視頻、語音、文本等數據全部進行連接。

為了通俗理解他們間的關係,筆者將其關係表示如下圖所示,並以一方高人的成長曆程作為比喻。

物聯網、網際網路比喻作為一個人的成長環境, 通過在社會、 學校、環境中的不斷學習, 將會收穫海量的知識,這些海量的知識就是大數據。

要想有效的利用海量知識並發揮其價值 需要各種數據模型(包括統計分析、機器學習、人工智慧、工藝機理模型)對數據進行訓練, 這種訓練的過程比喻為一個軍師(或者老師)對人的指導、培養過程。

而數據模型的分析訓 練需要雲計算進行快速高效的疊代,從而形成豐富的知識經驗,成為一方領域的高人。

而雲 計算就相當於人類的大腦。

二、 數據模型包括哪些?

如何對模型進行選擇?

由以上分析可知,一方高人的形成包括數據採集層、數據存儲層、數據模型層、數據計算 層,其中數據採集和數據存儲依託於目前的 MES 系統已經能夠很容易的實現。

數據計算依 托於阿里雲、華為雲、百度雲的計算服務也能容易做到。

目前的核心限制環節在於數據模型層,即如何將生產中產生的大數據通過數據模型轉換為有價值的信息。

因此,筆者在本節著重對數據模型的選擇進行介紹。

對於數據模型的分類仁者見仁智者見智,沒有統一的 定義,筆者結合多年的工作經驗, 認為主要分為以下四類, 包括統計分析、機器學習、深 度學習以及工藝模型。

由於篇幅關係,本文將不再具體解釋每個模型的具有原理和算法, 後續將會詳細討論。

數據模型詳細具體分類如下圖所示,由圖可知,統計分析模型主要包 括線性回歸、多元線性回歸、非線性回歸、 spc 分析、相關性分析等;機器學習模型主要 包括邏輯回歸、支持向量機、 k-means 聚類、神經網絡學習、決策樹、貝葉斯模型、隨機 森林等;深度學習(人工智慧)主要包括 CNN 卷積神經網絡網絡等;工藝模型主要涉及冶金或者化工行業的物理化學反應,包括熱力學和動力學相關理論知識,生物發酵化學反應 以及基於邊界條件的最優解等問題。

以上介紹了數據模型的分類,那麼如何對模型進行選擇呢?

由於每個模型有其特殊的需求,本文主要根據數據的類型、數據量以及應用業務場景的不 同將其分為分類、回歸、聚類、 降維、深度學習五大類,如下圖所示。

通過該圖結合生產 的數據類型、數據量以及數據實現的目標從而有效的選擇需要的數據模型。

三、智能技術在製造業中有哪些應用?

對於智能技術,筆者認為從廣義角度講,凡是能夠代替人工操作並能夠有效提高工作效率的都可稱作為智能技術;從狹義角度講,智能技術主要是以機器學習、深度學習等複雜算法為核心,並將數據轉換為有價值信息的技術。

因此, 智能技術在製造業中的應用從廣義角度講可以概括為運營管理、智能模型、智能裝備 等方面,每個方面包含內容如下圖所示。

其中運營管理包括財務管理、供應鏈、資金管理、人力資源、協同辦公、智能物流、設備管理、能源管理、安環管理和自動報表等。

智能模型 主要包括統計分析、機器學習、工藝模型、企業大數據、成分預測、設備預警、智能調度、 輔助決策以及人工智慧等。

智能裝備主要包括機器人、自動化裝備等。

從狹義角度講,智能技術在製造業中的應用主要包括以下 7 個方面,其中統計分析主要依託於柱狀圖、餅狀圖、散點圖等實現對生產重要數據的實時展示和輔助決策等;圖像智能識別技術主要應用在車牌識別、人臉識別、鋼鐵企業表面質檢檢測系統、標記號碼自動識別等; 語音智能識別技術主要依託於科大訊飛等成熟產品,實現在局部區域進行人機對話操作,從 而減少人員數量;基於實時數據的智能預測主要基於生產過程實時的工藝數據和檢化驗數據 依託於智能模型對終點成分進行預測判定,以及根據設備重要工藝參數進行智能故障預警等。

基於歷史數據的智能預測主要是針對無法實時獲取生產實時數據的類型,需要根據歷史 數據通過智能模型對終點成分、溫度、壓力以及設備故障等進行預測報警,還包括通過歷史 數據的判定分析,結合智能模型,發現現場操作人員的數據作弊問題。

基於聚類分析的專家系統主要包括通過對歷史數據多維度的分析,通過聚類算法實現對產品質量以及新產品性能 等進行智能預測。

基於邊界條件的最有決策問題主要針對於一定限制條件下,對於某個目標通過建立線性方程組實現線性規劃求解,從而實現最佳成本優化以及不同價格物料的最優匹 配,典型的應用場景為配料過程。

對於更加具體的應用場景,將會在後續文章進行詳細介紹。

註:本篇文章主要是對智能技術和其在製造業場景的應用進行簡要的概述,對於細節並未詳細展開,希望讓讀者能夠有個全面的了解。

後續將會對細節進行介紹,敬請期待。

由於個人 水平有限,難免有不當之處,敬請批評指正。

(本文完)

智能製造和人工智慧,是不是兩碼事?

製造就是製造,就是它本身。

不需要用各種先鋒旗幟來混淆視聽。

製造就是製造,不要總是被引領

去年早些時候,「網際網路+」曾經被視為「智能製造」的靈丹妙藥。

經過一段時間的爭吵、實踐和沉澱,「製造業+網際網路」的融合,才勉強修成正果。

這看上去不過是一個詞的順序顛倒,背後卻是不同角色的利益集團,在進行話語權的角斗。

而在今年,隨著「人工智慧」出現在政府報告中,「AI2.0+製造」眼看著又要出現在江湖。

這對於中國製造2025,恐怕又是一次身不由己的晃動。

「智能製造」自身已經完全被輿論所異化。

定語「智能」二字,奇怪地成為最大的主角和樂趣,而「製造」本身則淪為配角。

在這種情況,引入「AI2.0」只會助長本來已經熱氣騰騰的「智能」。

要不要就叫做「人工智慧製造」?讓「製造」乾脆直接淪為「第三角色」。

AI2.0,真的能引領智能製造嗎?

即使是IBM的沃森,現在也面臨著大量的問題。

沃森跟西門子合作,在工業領域也不過是配角。

只玩算法的,是不會弄明白工業的。

大家總喜歡用谷歌的AlphaGo舉例子說明AI跑得有多快,可這跟製造業,能有多大的關係。

我們幾乎也沒有任何案例說明AlphaGo在工業領域有多大的進展。

說白了,那不過是一場秀而已。

對製造而言,機器人、大數據都是大家吹過且正在漂浮的泡泡;人工智慧則正在全新升騰。

這些泡泡,如果來自市場和投資商一起吹動的,政府樂見其成;然而,如果政府花費太多心思放在這一類技術上面,那麼智能製造勢必誤入歧途,這種「智能」過熱的製造,將是製造業的悲劇。

為什麼製造業需要被ICT引領呢?製造就是製造,就是它本身。

不需要用各種先鋒旗幟來混淆視聽。

機器人+製造,也差點成為我們智能製造的主流,「機器換人」這一口號前兩年還曾大行其道,但現在迅速過氣成為沒人願意提及的晦氣詞。

機器人不是不能引領製造,但要看國情。

請加微信公眾號:工業智能化(robotinfo) 馬雲都在關注

日本2015年1月出台《機器人國家戰略》之後,矢志不移地將機器人在跟物聯網、跟日本製造緊密地結合。

那是有原因的,日本已經是世界排名數一數二的機器人強國,借用自己的優勢是順水推舟的事情,而中國機器人現在關鍵三大部件,都未能取得突破;在開源機器人系統、軟體又有落後的情況下,奢談機器人與製造的關係,最終勢必淪為「中國是機器人最大的市場」這種我們屢見不鮮的結局。

在上周浙江餘姚舉辦的中國機器人峰會,凱文·凱利這個在中國瘋狂收割出場費的美國預言家,倒是從側面給了我們一個提醒。

他認為,在現有的基礎上,人工智慧技術第一個影響到的領域應該是金融領域,而且這種影響已經開始;另一個就是零售行業。

也許凱文凱利並不懂製造業,但他應該在美國也沒有看到這種跡象。

彎下身子搞「製造」,而不是翹起腳尖搞「智能」,是當下工業界需要正面應對的問題。

不要再干「語不驚人誓不休」的大事啦,而是要下沉搞出一些「寒窗十年無人知」的突破。

調門過熱的智能製造

智能製造是過熱的,正在演變成一場無心而起的非市場化的逐利行為。

這方面原因,綜合了多種指向不同的志向,既有新奇元素的加入,容易理解,容易「說出水平」,也有急功近利的示範工程、領導視察的需要。

重要的是,智能製造已經儼然成為「中國製造2025」的主輿論、主焦點,萬般寵愛——無論是資金投入、各級政府言行還是政策研究機構,這對發展2025,將會非常不利。

智能製造的調門起的太高,是不太適合中國工業極其不均衡的國情。

中國工業是一個超級熔爐,這裡面生米、熟米各種夾生飯十分不同,千層餅萬層酥的現象比比皆是。

而共性的問題,則是工業思想淡漠、四基工程薄弱、製造工藝跟不上等問題。

這些問題,都不是「智能」的事情。

但卻是中國工業真正可以「強國」的根基。

筆者前些日子去瀋陽鳳城考察增壓器產業集群。

這個鳳凰山腳下的增壓器產業區,呈現出生龍活虎的市場活力。

許多企業搞技改、搞工藝改進、搞橫向聯合,有聲有色,好一片民營企業的勃生之相。

有一兩家可以隱隱地看到德國「隱形冠軍」那種作派的影子。

然而就「智能製造」而言,這裡幾乎「紋絲不動」。

以生產方式為例,目前基本解決了設備數控化的問題,但自動化正處在呼之欲來的階段。

而信息化幾無培育,數據分析更是不見蹤跡。

而至於工業思想、戰略意識,則基本處於民營企業原生態自發生長的階段。

差距相當不小。

精益只有一點若有若無的影子,一些零星的5S看板掛在每個車間的裡面。

如果智能製造之風,不能更好地扶持如此有活力的「增壓器之都」——鳳城,那麼只能說,我們的「智能製造」調門起的太高。

這裡有數百家企業,每家企業都有多多少少幾十號員工——他們是東北不景氣的工業局勢下的一面閃亮的旗幟。

「春風不度鳳凰山」,那就是春風不識百姓門,「智能製造」之風不該只盤旋在少數企業的上空。

在美國面向未來的先進位造夥伴計劃中,國家製造創新網絡是重要的一環。

然而,從其分布來看,14個創新中心絕大部分都跟材料、工藝、電子相關,跟數字化製造、跟智能製造都只是各有一個。

而且即使「智能製造平台」強調的也是能源效率和公共平台問題。

就是這樣,「人工智慧」都沒排上隊呢。

想想也是,如果谷歌、FaceBook都可以搞人工智慧,山姆大叔何必親自上呢?

少談一點智能,多談一點製造,對中國製造2025尤其重要。

中國製造2025是強國階段的第一步,僅僅是第一步。

對於「智能」而言,放到2035作為重點,恐怕都未必太晚。

中國當下,似乎把製造業轉型重點放在了智能製造上。

然而,中國絕大部分企業連數字化製造都沒有摸門,如果奢談智能製造,中國製造將很容易進入了一個「迷霧陣」。

「智能製造是2025的主戰場」,這一選擇,難免過於樂觀。

而這會誤導中國製造2025的大好氣候。

智能製造沒有版本論

越來越多的實踐和輿論表明,工業4.0可以看成是德國製造最強有力的一次國家營銷之筆。

筆者在三年前,就對此深懷警惕之意。

至少現在,大多人已經開始將「工業4.0」跟「第四次工業革命」區分開來。

如果從工業歷史發展階段,來嚴格地地考察工業4.0到底是什麼?那麼很難給出一個令人信服的結論。

它看上去,更像是一個版本概念,不過是一個武斷的「工業斷代史」思路,是歷史階段論的說法。

如果這樣理解,那麼就難免會有補課論之說。

因此,「工業2.0補課、工業3.0普及、工業4.0示範」就會出現。

這種說法,正是對「工業4.0斷代史」思維的一種本能式的應激反應。

「人工智慧+製造」最終目的是加快製造業轉型升級

作者:李曉華

中國社會科學院工業經濟研究所和騰訊研究院共同研究編制的《「人工智慧+製造」產業發展研究報告》認為,對於複雜的製造業來說,網際網路的定位更應該在「助力者」而非「顛覆者」,幫助製造企業加快轉型升級的步伐。

「人工智慧+製造」本質是追求人機協同

人工智慧作為一類信息技術,誕生於20世紀50年代,幾乎與計算機同步。

60多年來人工智慧涉及的技術和派系眾多,學界並沒有一個明確的定義。

對於大多數公眾而言,從其發展目的的角度,可以簡單將其理解為「與人類一樣聰明的人造機器」。

將這個聰明的「機器」放入製造業中,主要的作用就是使機器能夠「達到甚至超過人類技工水平」,以實現企業生產運營效率的提升。

這個放入「人工智慧」的「智能化」過程,與過去製造業追求「自動化」的過程實際上有本質的差異。

「自動化」追求的是機器自動生產,本質是「機器替人」,強調大規模的機器生產;而「智能化」追求的是機器的柔性生產,本質是「人機協同」,強調機器能夠自主配合要素變化和人的工作。

因此,「人工智慧+製造」未來所追求的,不應是簡單粗暴的「機器替人」,而應是將工業革命以來極度細化、甚至異化的工人流水線工作,重新拉回「以人為本」的組織模式,即讓機器承擔更多簡單重複甚至危險的工作,而人承擔更多管理和創造工作。

「人工智慧+製造」必然走向平台模式

製造業是一個龐大的產業,同一個廠房裡,可能有好幾種來自不同廠家的生產設備,這些設備往往採用各自的技術和數據標準,彼此之間並不能直接連通和交互。

不同的工廠乃至不同的製造業企業,差異就更大了。

這樣的差異使得傳統製造業信息化難度大、效率提升有限。

網際網路的普及和發展催生了「平台模式」,平台內信息傳播的速度大大增加、交易成本大大降低,有效促進了經濟效率的提升。

近幾年,網際網路的這個模式逐漸擴展到了各行各業。

對於製造業而言,這個模式就是「工業網際網路平台」。

未來「人工智慧+製造」的實現的重要基礎就是這個平台,由這個平台為產業提供通用的算力(工業雲計算和邊緣計算)、算據(工業大數據)和算法(工業人工智慧)能力,從而推動整個產業的轉型升級。

根據調研公司MarketsandMarkets的數據顯示,這三部分代表的全球工業網際網路平台市場規模占整體「人工智慧+製造」的比例,將從2016年的24%增長為2025年的36%,達到2.6千億美元。

網際網路助力「人工智慧+製造」的三類典型場景

網際網路經過數十年發展,已成為信息革命的中堅力量,也是當前人工智慧技術發展的領航者。

其連接、數據、雲、算法和安全等五方面的經驗與積累,能夠有效支持其推動人工智慧與各產業結合落地。

對「人工智慧+製造」而言,目前網際網路助力的典型場景主要有三類:

一是產品注智,從軟體到硬體的智能升級。

網際網路可以將其人工智慧算法,以能力封裝和開放方式嵌入到產品中,從而幫助製造業生產新一代的智能產品。

如谷歌開發出專用於大規模機器學習的智能晶片TPU、騰訊AI開放平台對外提供計算機視覺等AI能力等。

二是服務注智,提高營銷和售後的精準水平。

網際網路可利用其人工智慧算法,為製造企業提供更精準的增值服務。

一是售前營銷,以人工智慧進行用戶側需求數據的多維分析,實現更實時、精準的廣告信息傳遞;二是售後維護,以物聯網、大數據和人工智慧算法,實現對製造業產品的實時監測、管理和風險預警。

如三一重工結合騰訊雲,把分布全球的30萬台設備接入平台,利用大數據和智能算法,遠程管理龐大設備群的運行狀況,有效實現故障風險預警,大大提升了排障效率並降低維護成本。

三是生產注智,增強機器自主生產能力。

網際網路可幫助製造企業,將人工智慧技術嵌入生產流程環節中,使得機器能夠在更多複雜情況下實現自主生產,從而全面提升生產效率。

目前主要應用在工藝優化,即通過機器學習建立產品的健康模型,識別各製造環節參數對最終產品質量的影響,最終找到最佳生產工藝參數;智能質檢,即藉助機器視覺識別,快速掃描產品質量,提高質檢效率。

總之對於複雜的製造業而言,網際網路需要更多從合作者、助力者、服務者的角度看待。

正如騰訊董事會主席兼執行長馬化騰所言,騰訊「不會進入各行各業取而代之,而是做好連接、工具和生態三個角色」。

在此基礎上,人工智慧等新一代信息技術才能更有效地發揮作用。

智能製造的市場正迎來發展的黃金時代

2016年的達沃斯世界經濟論壇,將主題鎖定在「第四次工業革命」。

全球範圍內,第一次工業革命是「蒸汽革命」,第二次是「電氣革命」,第三次是「信息革命」,第四次工業革命,是由大數據、雲計算、智能機器人和3D列印技術等掀起的新一波洶湧澎湃的創新浪潮,也就是通常所說的工業4.0。

2012年,美國通用電氣提出了工業網際網路概念,隨後美國五家行業龍頭企業聯手組建了工業網際網路聯盟,將這一概念大力推廣開來。

與此同時,在大洋彼岸的德國也提出了相似的工業4.0概念。

而中國在2015年《政府工作報告》中首次提出實施「中國製造2025」,此後,「中國製造2025」一直是貫穿國務院工作部署的關鍵詞之一。

德國工業4.0是立足機械製造、自動化工業、工業軟體等領域的優勢,基於CPS信息物理系統,在智能工廠與智能生產兩個方向展開研究;美國工業網際網路是基於美國全球領先的網際網路等IT技術,通過CPS信息物理系統,最終目的是實現「再工業化」;而在「中國製造2025」規劃中,智能製造是主攻方向,是未來製造業發展的重大趨勢和核心內容,也是解決我國製造業由大變強的根本路徑。

無論是德國的工業4.0,美國的工業網際網路,還是中國製造2025,其本質內容都是一致的,都指向一個核心,那就是智能製造。

智能製造是一種由智能機器和人類共同組成的人機一體化智能系統,它在製造過程中能進行智能活動,諸如分析、推理、判斷、構思和決策等。

它把製造自動化的概念更新,擴展到柔性化、智能化和高度集成化。

從製造大國向製造強國轉變

隨著人口紅利逐漸消失、知識紅利日益凸顯,中國製造業轉型升級已成為大勢所趨。

2015年5月公布的《中國製造2025》是我國製造業未來十年行動綱領的,明確提出把智能製造作為兩化深度融合的主攻方向,其核心是加快推進位造業創新發展、提質增效,實現從製造大國向製造強國轉變。

2016年12月,國家工業和信息化部、財政部聯合發布了《智能製造發展規劃(2016-2020年)》,作為指導「十三五」時期全國智能製造發展的綱領性文件。

2017年11月27日,國務院印發了《關於深化「網際網路+先進位造業」發展工業網際網路網際網路的指導意見》,提出要深入貫徹落實黨的精神,以全面支撐製造強國和網絡強國建設為目標,圍繞推動網際網路和實體經濟深度融合。

十九大報告中指出,要加快建設製造強國,加快發展先進位造業,推動網際網路、大數據、人工智慧和實體經濟深度融合,在中高端消費、創新引領、綠色低碳、共享經濟、現代供應鏈、人力資本服務等領域培育新增長點、形成新動能,為企業的發展指明了方向。

智能製造是一個長期的過程,對於企業而言,推動智能製造的驅動力一個是為了好的利潤,另一個就是為了直接生產更好的產品為用戶服務,提供更合適的價格、高質量的產品。

對於企業而言,智能製造在效率、質量和供應鏈上都有促進作用。

因此,推進智能製造、中國製造2025是一項複雜而龐大的系統工程,需要製造企業不斷探索,循序漸進。

美美與共,智能製造產業集群強勢來襲

智能製造在全球範圍內快速發展,已成為製造業重要發展趨勢。

從智能裝備行業的區域競爭格局來看,目前,國內的智能製造裝備主要分布在工業基礎較為發達的地區。

據《2016—2017中國智能製造年度發展報告》顯示,我國正在形成珠三角、長三角、環渤海和中西部四大產業集聚區,將進一步提升各地智能製造的發展水平。

其中,環渤海地區和長三角地區是裝備製造的核心區。

以數控工具機為核心的智能製造裝備產業的研發和生產企業主要分布在環渤海地區、長三角地區及西北地區,其中以遼、魯、京、滬、蘇、浙和陝等地區最為集中。

此外,關鍵基礎零部件及通用部件、智能專用裝備產業在豫、鄂、粵等地區也都呈現較快的發展態勢,其中以洛陽、襄樊、深圳最為突出。

同時,工業機器人將是未來智能裝備發展的一個新熱點,京、滬、粵、蘇將是國內工業機器人應用的主要市場。

與此同時,多地都在加快智能製造的發展,結合地方特色,打造智能產業集群。

一些自主創新能力強、主業突出、產品市場前景好、對產業帶動作用大的智能製造大型骨幹企業在各地崛起,不斷形成智能製造企業集群和產業集群。

站在新的歷史起點,守望「新工業革命」的未來


請為這篇文章評分?


相關文章 

製造業智能變革之道

隨著中國經濟發展的戰略轉型及中國製造2025、工業4.0概念的提出,製造業迎來了新的發展浪潮。在這個背景下,越來越多的傳統企業感受到了重重壓力,開啟了轉型與變革之路。對於製造企業而言,如何部署企...