楊家榮

上海電氣集團(tuán)股份有限公司 中央研究院 上海 200070

1 研究背景

制造是一個(gè)復(fù)雜的過(guò)程,完成一個(gè)產(chǎn)品的生產(chǎn)制造,需要經(jīng)歷設(shè)計(jì)、造型、加工成形、裝配、質(zhì)檢等復(fù)雜工序,涉及材料、工藝、人員、設(shè)備、檢測(cè)等多個(gè)方面。當(dāng)前,制造企業(yè)正在通過(guò)不懈努力和探索,利用各種先進(jìn)技術(shù)和手段,提升生產(chǎn)效率和質(zhì)量,降低成本。隨著科技的發(fā)展,自動(dòng)化技術(shù)開(kāi)始普及和應(yīng)用,計(jì)算機(jī)控制系統(tǒng)的飛速發(fā)展為制造業(yè)帶來(lái)了新的機(jī)遇[1]。進(jìn)入新一輪工業(yè)革命以來(lái),大數(shù)據(jù)、人工智能等技術(shù)解決了海量數(shù)據(jù)的采集、存儲(chǔ)和分析等關(guān)鍵問(wèn)題,使不少制造企業(yè)開(kāi)始嘗試應(yīng)用人工智能技術(shù)替代人工操作,并取得了良好的效果。不少學(xué)者和專家提出,人工智能與制造業(yè)的融合應(yīng)用是促進(jìn)實(shí)體經(jīng)濟(jì)發(fā)展的重點(diǎn)方向,是制造業(yè)數(shù)字化、網(wǎng)絡(luò)化及智能化轉(zhuǎn)型發(fā)展的關(guān)鍵。目前,人工智能作為新一輪科技革命和產(chǎn)業(yè)變革的核心驅(qū)動(dòng)力,已經(jīng)逐步成為各國(guó)的發(fā)展重點(diǎn)。近年來(lái),不論在歐、美發(fā)達(dá)國(guó)家,還是在我國(guó),政府和產(chǎn)業(yè)界均高度重視這一趨勢(shì),紛紛采取行動(dòng)大力推進(jìn)人工智能基礎(chǔ)性研究及產(chǎn)業(yè)應(yīng)用,傳統(tǒng)的制造業(yè)生產(chǎn)也在人工智能技術(shù)的驅(qū)動(dòng)下進(jìn)一步取得突破[2]。

2 人工智能發(fā)展現(xiàn)狀

人工智能概念的誕生至今已超過(guò)60年。1956年,在美國(guó)達(dá)特茅斯會(huì)議上首次出現(xiàn)了人工智能術(shù)語(yǔ),代表人工智能正式誕生。此后,人工智能經(jīng)歷了幾次發(fā)展高潮和嚴(yán)冬期。如今,人工智能正迎來(lái)第三次發(fā)展高潮。2012年,深度神經(jīng)網(wǎng)絡(luò)技術(shù)在圖像識(shí)別領(lǐng)域開(kāi)始應(yīng)用,加拿大多倫多大學(xué)Hinton教授的團(tuán)隊(duì)使用AlexNet深度神經(jīng)網(wǎng)絡(luò)在ImageNet大賽中奪冠,在計(jì)算機(jī)視覺(jué)領(lǐng)域產(chǎn)生了極大的影響。此后,各種新型網(wǎng)絡(luò),如GoogleNet、ResNet等層出不窮,一次次刷新ImageNet大賽的分類準(zhǔn)確率。深度學(xué)習(xí)算法的應(yīng)用使語(yǔ)音、圖像、語(yǔ)義識(shí)別技術(shù)取得了突破性進(jìn)展,圍繞相關(guān)領(lǐng)域,如圖像、自動(dòng)駕駛等,人工智能技術(shù)的創(chuàng)新大量涌現(xiàn),迅速進(jìn)入發(fā)展熱潮,并在深度學(xué)習(xí)算法、海量算據(jù)和高性能計(jì)算算力的支持下,逐步進(jìn)入產(chǎn)業(yè)化應(yīng)用初期[3]。我國(guó)、美國(guó)、日本,以及主要?dú)W洲國(guó)家出臺(tái)了與人工智能相關(guān)的政策與國(guó)家計(jì)劃,為人工智能產(chǎn)業(yè)發(fā)展創(chuàng)造了良好的環(huán)境。雖然人工智能的應(yīng)用存在不少問(wèn)題,真正的人工智能時(shí)代還未到來(lái),但是全球的人工智能產(chǎn)業(yè)正迅速發(fā)展,并深入到交通、醫(yī)療、航空等各個(gè)領(lǐng)域,逐漸改變?nèi)祟惖纳a(chǎn)、生活方式[4-5]。

3 人工智能技術(shù)與制造業(yè)的融合

人工智能與制造業(yè)的融合屬于智能制造范疇,利用人工智能技術(shù)賦能制造業(yè),擁有巨大的發(fā)展?jié)摿?是智能制造、產(chǎn)業(yè)升級(jí)的主方向。據(jù)埃森哲公司測(cè)算,到2035年,人工智能技術(shù)的應(yīng)用將使制造業(yè)總增長(zhǎng)值接近4萬(wàn)億美元,年度增長(zhǎng)率達(dá)4.4%。人工智能技術(shù)與制造業(yè)的融合,其根本的目的是提高效率,降低成本。作為新的生產(chǎn)要素,人工智能對(duì)制造業(yè)的賦能,主要集中在產(chǎn)品研發(fā)、設(shè)備維護(hù)、生產(chǎn)制造、質(zhì)量檢測(cè)、產(chǎn)品服務(wù)等幾個(gè)方面。

3.1 產(chǎn)品研發(fā)

人工智能應(yīng)用于產(chǎn)品研發(fā),可使設(shè)計(jì)人員在設(shè)計(jì)階段進(jìn)行大量驗(yàn)證和模擬。設(shè)計(jì)軟件在集成了人工智能模塊后,可以更好地提高設(shè)計(jì)效率。Fusion360產(chǎn)品創(chuàng)新軟件平臺(tái)集成了人工智能和機(jī)器學(xué)習(xí)模塊,機(jī)器學(xué)習(xí)模塊可以用于模擬仿真分析與驗(yàn)證。例如,塑膠產(chǎn)品在收縮、成形之后,使用普通計(jì)算方式,結(jié)果可能與實(shí)際數(shù)值之間產(chǎn)生較大的誤差,通過(guò)用機(jī)器學(xué)習(xí)的方式來(lái)調(diào)動(dòng)整個(gè)數(shù)據(jù),則可以減小誤差,提高分析結(jié)果的準(zhǔn)確性。在整個(gè)設(shè)計(jì)的不同階段,都可以通過(guò)機(jī)器學(xué)習(xí)來(lái)幫助用戶找到類似設(shè)計(jì),從而加快設(shè)計(jì)進(jìn)程。

3.2 設(shè)備維護(hù)

企業(yè)中大型、復(fù)雜的關(guān)鍵設(shè)備一旦發(fā)生故障,會(huì)造成停機(jī)或產(chǎn)線停產(chǎn),所帶來(lái)的經(jīng)濟(jì)損失往往是巨大的。因此,企業(yè)都迫切希望在故障發(fā)生時(shí),設(shè)備維護(hù)人員能夠迅速、準(zhǔn)確判斷故障性質(zhì)和部位,及時(shí)恢復(fù)系統(tǒng)正常運(yùn)行[6]。人工智能在設(shè)備維護(hù)方面的應(yīng)用主要是預(yù)測(cè)性維護(hù)。預(yù)測(cè)性維護(hù)是不同于失效后維修和定期維護(hù)的一種基于狀態(tài)的維護(hù)方式,準(zhǔn)確地評(píng)估設(shè)備的健康狀態(tài),是實(shí)施有效預(yù)測(cè)性維護(hù)的前提。預(yù)測(cè)性維護(hù)通過(guò)采集設(shè)備機(jī)組各部位的振動(dòng)數(shù)據(jù)、潤(rùn)滑油液數(shù)據(jù)和溫度變化數(shù)據(jù),采用人工智能訓(xùn)練模型,與實(shí)際運(yùn)行數(shù)據(jù)進(jìn)行對(duì)比,及時(shí)發(fā)出警報(bào),提醒維護(hù)人員,提高生產(chǎn)系統(tǒng)的安全性,有效減少停機(jī)時(shí)間。圖1所示為上海電氣開(kāi)發(fā)的發(fā)電機(jī)智能監(jiān)測(cè)與管理系統(tǒng)。這一系統(tǒng)使發(fā)電機(jī)工作過(guò)程中各個(gè)關(guān)鍵部件的健康狀況透明化,并在故障發(fā)生前監(jiān)測(cè)、預(yù)警部件的健康衰退征兆,從而實(shí)現(xiàn)在故障發(fā)生前通過(guò)及時(shí)維護(hù)來(lái)避免故障發(fā)生。

3.3 生產(chǎn)制造

企業(yè)在生產(chǎn)過(guò)程中,需要對(duì)機(jī)器進(jìn)行諸多參數(shù)的設(shè)置。人工智能在生產(chǎn)制造方面的應(yīng)用主要是通過(guò)機(jī)器學(xué)習(xí)建立模型,識(shí)別各制造環(huán)節(jié)內(nèi)外部參數(shù)對(duì)最終產(chǎn)品質(zhì)量的影響,通過(guò)動(dòng)態(tài)調(diào)節(jié)和改進(jìn)生產(chǎn)過(guò)程中的參數(shù),最終找到最佳的生產(chǎn)工藝參數(shù)。例如,在注塑過(guò)程中,可能需要隨時(shí)調(diào)整和控制注塑機(jī)的溫度、冷卻時(shí)間等,有時(shí)還需要根據(jù)實(shí)際生產(chǎn)的反饋進(jìn)行動(dòng)態(tài)調(diào)整,而注塑參數(shù)可能會(huì)受到各種外部因素的影響,包括生產(chǎn)車間當(dāng)前環(huán)境溫度、不同批次原材料特性等。通過(guò)收集所有原材料數(shù)據(jù)、設(shè)備狀態(tài)數(shù)據(jù)、環(huán)境數(shù)據(jù),利用人工智能技術(shù)可以自動(dòng)改進(jìn)設(shè)置,調(diào)整機(jī)器的參數(shù)。圖2所示為上海電氣開(kāi)發(fā)的設(shè)備熱處理監(jiān)測(cè)及智能優(yōu)化系統(tǒng)。這一系統(tǒng)可以自動(dòng)收集熱處理過(guò)程中的參數(shù),通過(guò)機(jī)器學(xué)習(xí)建立模型,為熱處理過(guò)程中隨時(shí)調(diào)整冷熱風(fēng)機(jī)的出口溫度參數(shù)提供輔助決策。

3.4 質(zhì)量檢測(cè)

質(zhì)量檢測(cè)的核心技術(shù)是基于深度學(xué)習(xí)的機(jī)器視覺(jué)技術(shù)。人工智能技術(shù)與缺陷檢測(cè)結(jié)合,可以大幅提高檢測(cè)的準(zhǔn)確度與效率。例如,檢測(cè)零件或產(chǎn)品的表面缺陷及尺寸,傳統(tǒng)的方式主要依賴人工,靠目視來(lái)進(jìn)行質(zhì)量檢測(cè),這種檢測(cè)方式一方面由于人與人的差異使檢測(cè)標(biāo)準(zhǔn)難以統(tǒng)一,另一方面同一個(gè)人在不同時(shí)間、處于不同狀態(tài)也會(huì)影響檢測(cè)標(biāo)準(zhǔn)的執(zhí)行。長(zhǎng)時(shí)間在強(qiáng)光源下通過(guò)目視檢測(cè),還會(huì)帶來(lái)視力的損傷。當(dāng)面臨快速批量生產(chǎn)的產(chǎn)品檢測(cè)時(shí),靠人力只能抽檢,無(wú)法做到全檢。機(jī)器視覺(jué)技術(shù)可以彌補(bǔ)上述缺陷,使質(zhì)檢標(biāo)準(zhǔn)更為統(tǒng)一、穩(wěn)定,檢測(cè)速度更快[7-8]?；谏疃葘W(xué)習(xí)的缺陷檢測(cè)技術(shù)已開(kāi)始應(yīng)用于汽車面板檢測(cè)、手機(jī)屏幕檢測(cè)、印制電路板檢測(cè)、紡織品檢測(cè)等領(lǐng)域。美國(guó)斯坦福大學(xué)的吳恩達(dá)教授與制造業(yè)企業(yè)合作,將機(jī)器視覺(jué)應(yīng)用于精確質(zhì)量分析領(lǐng)域,使用機(jī)器學(xué)習(xí)算法對(duì)極少量的樣本圖像進(jìn)行訓(xùn)練,利用人工智能技術(shù)檢測(cè)電路板等產(chǎn)品中的微觀缺陷,取得了良好的效果。如圖3所示,機(jī)器視覺(jué)系統(tǒng)可以有效檢測(cè)出材料疊裝過(guò)程中表面的異物,以及材料表面劃痕、邊緣變形、翹曲、生銹、氣泡等質(zhì)量缺陷,大大提升產(chǎn)品的質(zhì)檢效率。目前,深度學(xué)習(xí)在圖像特征提取、目標(biāo)識(shí)別等領(lǐng)域均得到大量應(yīng)用,在焊接特征缺陷提取與分類方面,同樣具有應(yīng)用優(yōu)勢(shì),已經(jīng)應(yīng)用于焊縫氣孔、未焊透和裂紋等特征缺陷的提取與分析中。

圖1 發(fā)電機(jī)智能監(jiān)測(cè)與管理系統(tǒng)

圖2 熱處理過(guò)程狀態(tài)監(jiān)測(cè)及智能優(yōu)化系統(tǒng)

圖3 機(jī)器視覺(jué)系統(tǒng)質(zhì)量檢測(cè)

3.5 產(chǎn)品服務(wù)

在產(chǎn)品服務(wù)方面,依托工業(yè)互聯(lián)網(wǎng)的發(fā)展,人工智能技術(shù)將為工業(yè)互聯(lián)網(wǎng)提供智慧大腦,開(kāi)展各類遠(yuǎn)程智慧運(yùn)行維護(hù)服務(wù)。通過(guò)建立智能裝備及產(chǎn)品遠(yuǎn)程運(yùn)行維護(hù)服務(wù)平臺(tái),能夠?qū)ρb備和產(chǎn)品的上傳數(shù)據(jù)進(jìn)行有效處理、存儲(chǔ)與管理,并通過(guò)數(shù)據(jù)挖掘和分析,為用戶提供日常運(yùn)行維護(hù)、備品備件管理、預(yù)測(cè)性維護(hù)、故障預(yù)警與診斷、運(yùn)行優(yōu)化、遠(yuǎn)程升級(jí)等服務(wù)。圖4所示為上海電氣開(kāi)發(fā)的磨煤機(jī)遠(yuǎn)程智能監(jiān)測(cè)與管理系統(tǒng)。這一系統(tǒng)可以對(duì)磨輥、磨碗、葉輪的磨損進(jìn)行監(jiān)測(cè),及時(shí)提供各類預(yù)警信息。

圖4 磨煤機(jī)智能監(jiān)測(cè)與管理系統(tǒng)

4 人工智能技術(shù)應(yīng)用的發(fā)展趨勢(shì)

人工智能技術(shù)在制造業(yè)中應(yīng)用的發(fā)展趨勢(shì)主要有三個(gè)方面。

(1) 人工智能技術(shù)將通過(guò)更可靠的需求預(yù)測(cè)、更好的預(yù)測(cè)變更對(duì)制造產(chǎn)生的影響,提高企業(yè)的生產(chǎn)能力。同時(shí)通過(guò)優(yōu)化生產(chǎn)制造工藝,為制造環(huán)節(jié)提供各種智能決策,提高產(chǎn)品質(zhì)量和生產(chǎn)效率,降低成本,減輕工人負(fù)擔(dān)[9-10]。

(2) 機(jī)器學(xué)習(xí)算法可以優(yōu)化和改善制造流程,及時(shí)預(yù)警備品備件信息,減少庫(kù)存。未來(lái),使用人工智能技術(shù)的門檻將進(jìn)一步降低,以硬件即服務(wù)、軟件即服務(wù)的形式提供給制造業(yè)從業(yè)者。硬件即服務(wù)指采用硬件租賃的方式,降低用戶的使用成本。軟件即服務(wù)指為制造業(yè)用戶提供全套解決方案,真正做到提高生產(chǎn)效率。

(3) 人工智能與工業(yè)互聯(lián)網(wǎng)的結(jié)合將會(huì)更緊密?；ヂ?lián)網(wǎng)的普及和發(fā)展催生了平臺(tái)模式,這一模式逐漸擴(kuò)展到制造業(yè),產(chǎn)生工業(yè)互聯(lián)網(wǎng)平臺(tái)模式。目前,歐美制造業(yè)的代表GE、西門子、施耐德等,都推出了工業(yè)互聯(lián)網(wǎng)平臺(tái),而國(guó)內(nèi)出于數(shù)據(jù)安全性的考慮,對(duì)數(shù)字資產(chǎn)的重視程度也越來(lái)越高,工業(yè)互聯(lián)網(wǎng)平臺(tái)處于激烈的競(jìng)爭(zhēng)中,海爾、航天科工、美的、三一重工等都推出了相應(yīng)的平臺(tái)。2017年11月,《國(guó)務(wù)院關(guān)于深化“互聯(lián)網(wǎng)+先進(jìn)制造業(yè)”發(fā)展工業(yè)互聯(lián)網(wǎng)的指導(dǎo)意見(jiàn)》發(fā)布,指出未來(lái)人工智能+制造實(shí)現(xiàn)的重要基礎(chǔ)是工業(yè)互聯(lián)網(wǎng)平臺(tái),由工業(yè)互聯(lián)網(wǎng)平臺(tái)為產(chǎn)業(yè)提供通用的算力、算據(jù)和算法能力,從而推動(dòng)整個(gè)制造產(chǎn)業(yè)的轉(zhuǎn)型升級(jí)。

5 人工智能與制造業(yè)融合的難點(diǎn)

現(xiàn)階段,人工智能技術(shù)在制造業(yè)中的應(yīng)用,其難點(diǎn)集中在數(shù)據(jù)、算法、融合度等方面。

(1) 在數(shù)據(jù)方面,數(shù)據(jù)采集的數(shù)量、質(zhì)量不盡如人意。工業(yè)控制的發(fā)展歷史悠久,網(wǎng)絡(luò)存在協(xié)議、接口和總線等標(biāo)準(zhǔn)不統(tǒng)一等問(wèn)題,早期很多供應(yīng)商為了搶占標(biāo)準(zhǔn)的制高點(diǎn),避免本公司產(chǎn)品被迫接入其它公司控制器進(jìn)而被兼容,推出了許多私有協(xié)議標(biāo)準(zhǔn)。目前來(lái)看,短期內(nèi)要實(shí)現(xiàn)各個(gè)數(shù)據(jù)接口的統(tǒng)一,可能性不大,如何進(jìn)行統(tǒng)一采集與管理數(shù)據(jù),是工業(yè)大數(shù)據(jù)分析的最大難點(diǎn)。此外,工業(yè)大數(shù)據(jù)以基于時(shí)間序列的數(shù)據(jù)為主,價(jià)值密度低,使與大數(shù)據(jù)相關(guān)的智能算法無(wú)法發(fā)揮最大效能。未來(lái),可以利用射頻識(shí)別、傳感器、邊緣計(jì)算等進(jìn)一步獲取生產(chǎn)線上的真實(shí)數(shù)據(jù),為訓(xùn)練人工智能系統(tǒng)提供數(shù)據(jù)支持。

(2) 在算法方面,以深度學(xué)習(xí)算法為代表的人工智能技術(shù)無(wú)法滿足工業(yè)生產(chǎn)的所有需求,可靠性和精準(zhǔn)性有待提高。一方面,算法訓(xùn)練的周期問(wèn)題會(huì)影響正常生產(chǎn)流程的進(jìn)行。另一方面,許多工業(yè)場(chǎng)景太復(fù)雜,對(duì)可靠性的要求非常高,現(xiàn)階段的深度學(xué)習(xí)算法尚無(wú)法滿足制造業(yè)高可靠性的要求。

(3) 在融合度方面,目前從事人工智能算法研究的人才多集中在高校與研究機(jī)構(gòu),在制造企業(yè)中相關(guān)研究人員較少。人工智能技術(shù)在產(chǎn)業(yè)應(yīng)用時(shí),需要結(jié)合應(yīng)用領(lǐng)域的專業(yè)知識(shí),許多企業(yè)雖然擁有大量行業(yè)經(jīng)驗(yàn)知識(shí),對(duì)產(chǎn)品設(shè)備的運(yùn)行特性十分了解,但是缺少掌握最新算法技術(shù)的人才。例如,人工智能技術(shù)應(yīng)用于企業(yè)的產(chǎn)品質(zhì)量缺陷檢測(cè)時(shí),要對(duì)檢測(cè)異常的圖像進(jìn)行標(biāo)定,以便獲取高質(zhì)量的訓(xùn)練數(shù)據(jù)集,這就需要專業(yè)的算法研究人員?？梢?jiàn),目前市場(chǎng)中最緊缺的人才,是既懂得人工智能原理和應(yīng)用技術(shù),又在行業(yè)中有深厚積累的復(fù)合型人才。人工智能領(lǐng)域的專家、人才與制造業(yè)的融合度仍有待提高。

6 結(jié)束語(yǔ)

對(duì)于制造業(yè)而言,最大的挑戰(zhàn)是使人工智能技術(shù)應(yīng)用到行業(yè)中。目前來(lái)看,人工智能技術(shù)與制造行業(yè)的深度融合還需要相當(dāng)一段時(shí)間。結(jié)合Gartner最新發(fā)布的新興技術(shù)成熟度曲線判斷,未來(lái)十年,隨著計(jì)算能力的發(fā)展、數(shù)據(jù)集的積累、深度神經(jīng)網(wǎng)絡(luò)領(lǐng)域的進(jìn)步,人工智能與制造行業(yè)將有更深度的融合,并將賦能更多的生產(chǎn)環(huán)節(jié)。

人工智能融入制造業(yè)的根本目的是提質(zhì)增效,并降低成本。制造企業(yè)需要清醒地認(rèn)識(shí)到,人工智能僅僅是一種工具或方法,企業(yè)的本質(zhì)是制造+人工智能,而不是人工智能+制造,生產(chǎn)制造才是企業(yè)的根本核心。不論外界如何宣傳,如果無(wú)法與企業(yè)自身的實(shí)際應(yīng)用需求相結(jié)合,那么必然無(wú)法取得良好的效果。在人工智能應(yīng)用實(shí)踐過(guò)程中,制造企業(yè)必須先做好儲(chǔ)備,開(kāi)展數(shù)據(jù)的采集和積累,以及人工智能人才的培養(yǎng),對(duì)企業(yè)歷年來(lái)積累的專業(yè)領(lǐng)域知識(shí)進(jìn)行梳理,并結(jié)合現(xiàn)有的軟硬件基礎(chǔ),分析人工智能技術(shù)怎么用、如何用好的問(wèn)題,然后在條件成熟的一些制造環(huán)節(jié)中進(jìn)行試點(diǎn),同時(shí)不能急于求成。只有這樣,才能真正用好并激發(fā)出人工智能技術(shù)的效能,最終實(shí)現(xiàn)智能制造。