吳善科

【關(guān)鍵詞】工業(yè)自動化;工業(yè)人工智能;智能制造

人工智能已成為國家層面打造工業(yè)制造業(yè)整體競爭力的重要途徑。近年來，工業(yè)人工智能技術(shù)的進(jìn)步為智能制造提供了技術(shù)支撐，依靠實時數(shù)據(jù)監(jiān)測和統(tǒng)計來輔助決策者進(jìn)行管理，提高工作能效、提前預(yù)知市場需求、智能制造與倉儲管理優(yōu)化?；趫D像識別、自然語言分析、社群網(wǎng)絡(luò)、機器人等方面的技術(shù)為人工智能的成功應(yīng)用奠定了基礎(chǔ)，然而在工業(yè)應(yīng)用場景下，所收集到的設(shè)備運行數(shù)據(jù)和架構(gòu)與過去存在較大差異，造成數(shù)據(jù)的普適性和可用性欠缺，部分專業(yè)已經(jīng)開始著手于研究方式的更新，但缺乏統(tǒng)一的指導(dǎo)思想和實施架構(gòu)來有效優(yōu)化發(fā)展策略，這使得工業(yè)人工智能的發(fā)展還有很長的一段路要走。

一、工業(yè)自動化的定義及發(fā)展

工業(yè)自動化歷經(jīng)數(shù)百年的發(fā)展，其發(fā)展簡史如圖1所示，第一次工業(yè)革命以蒸汽機的出現(xiàn)作為標(biāo)志。在此期間，調(diào)速器的廣泛推廣推進(jìn)了第一次工業(yè)革命的發(fā)展。第二次工業(yè)革命能源的來源也發(fā)生了變化[1]。電力的出現(xiàn)代替了之前的蒸汽動力，伴隨著PID控制與邏輯控制的發(fā)展，機械動作和傳送實現(xiàn)了自動化。工業(yè)生產(chǎn)中產(chǎn)量的需求、計算機和通訊技術(shù)的發(fā)展，使得一種名為邏輯程序控制器（PLC）的專用計算機控制程式得以在工業(yè)場景中廣泛應(yīng)用。在組態(tài)、過程控制軟件的幫助下工廠生產(chǎn)的自動化水平獲得進(jìn)一步提升。工業(yè)過程的運行優(yōu)化需求使得實時優(yōu)化（RTO）和模型預(yù)測控制（MPC）技術(shù)快速發(fā)展。自動化水平的快速提升是第三次工業(yè)革命的顯著特點，生產(chǎn)與管理過程逐漸向信息化、智能化的方向發(fā)展。隨著第5代通訊技術(shù)的面世以及邊緣計算與大數(shù)據(jù)的融合，工業(yè)互聯(lián)網(wǎng)的建設(shè)進(jìn)一步加快。為工業(yè)人工智能的發(fā)展打下堅實的基礎(chǔ)。CPS和匯聚研究的出現(xiàn)，促進(jìn)了工業(yè)自動化朝著數(shù)字化、網(wǎng)絡(luò)化的方向快速發(fā)展[2]。

二、自動化的定義及發(fā)展

自動化的概念伴隨著人類各項生產(chǎn)生活行為的發(fā)展，實現(xiàn)全面自動化是人類長久以來不變的目標(biāo)。人工智能的核心目標(biāo)與自動化的核心目標(biāo)十分接近，都是建立機械系統(tǒng)與人工勞作之間的關(guān)聯(lián)，將人類的感官、認(rèn)知、決策、執(zhí)行的功能以另一種方式呈現(xiàn)出來，完成人類不適宜完成的工作?，F(xiàn)階段人工智能的機理尚未完全研究透徹，無法用數(shù)學(xué)模型來表達(dá)所有的工作任務(wù);輸出與輸入的關(guān)系受到眾多復(fù)雜變量的干擾，數(shù)據(jù)難以進(jìn)行量化和感知;決策與目標(biāo)之間存在差異，使得自動化和人工智能技術(shù)的應(yīng)用仍然存在較大的局限性。

三、智能制造對人工智能的要求

（一） 制造與生產(chǎn)全流程智能化

制造與生產(chǎn)全流程智能化的落腳點是實現(xiàn)工業(yè)生產(chǎn)的效率提升以及環(huán)境改善。如圖2所示，操作者的管理智能化，將控制系統(tǒng)和加工裝備融合為智能生產(chǎn)系統(tǒng)，將管理和生產(chǎn)的環(huán)節(jié)高效地結(jié)合起來;把ERP和MES轉(zhuǎn)變?yōu)樵O(shè)備與人工合作的智能化管理決策平臺;把企業(yè)資源計劃系統(tǒng)、制造執(zhí)行系統(tǒng)組合為工業(yè)一體化智能平臺[3]。CPS系統(tǒng)中的運行主體是策劃者、管理者和執(zhí)行者。智能自主控制系統(tǒng)徹底改變了過程控制的思路與模式，管理的形式由開環(huán)流程、結(jié)果調(diào)整轉(zhuǎn)變?yōu)槿答仚C制、實時監(jiān)控調(diào)整;自主協(xié)同控制。突出管理和決策的自動化進(jìn)程，將全流程自動優(yōu)化充分應(yīng)用到生產(chǎn)和管理中。

四、工業(yè)人工智能的面臨的挑戰(zhàn)及應(yīng)對策略

（一）技術(shù)層面存在的挑戰(zhàn)

復(fù)雜條件下的動態(tài)多模組對象的采集、分配、轉(zhuǎn)換。決策與控制過程集成優(yōu)化：復(fù)雜環(huán)境下高度耦合的變量其控制策略的確定及數(shù)據(jù)信息的獲取。例如能耗指標(biāo)的優(yōu)化決策是非凸動態(tài)優(yōu)化[4]。非單一組別及復(fù)雜層次下管理與過程優(yōu)化的集成。過程優(yōu)化需面向不同的時間標(biāo)尺和空間標(biāo)尺;當(dāng)前條件最優(yōu)解隨著環(huán)境條件和生產(chǎn)條件的變化而浮動;隨后控制系統(tǒng)的參數(shù)設(shè)置也需要進(jìn)行相應(yīng)的調(diào)整[5]。過程控制方案對博弈理論的挑戰(zhàn)，以AlphaGo和制造流程策略作為例子，在信息采集方面，AlphaGo有確定的規(guī)則，制造流程策略則采用開放策略，規(guī)則的不確定性很大;在過程特征方面，AlphaGo建立精確的數(shù)學(xué)模型以進(jìn)行仿真試錯，后者難以用數(shù)學(xué)語言進(jìn)行精準(zhǔn)描述。

（二） 優(yōu)化策略

工業(yè)人工智能的發(fā)展可從研究方向和研究思路上進(jìn)行優(yōu)化以解決上述提到的多項難題。在研究方向上，開展復(fù)雜條件下的動態(tài)多模組對象的采集;多來源生產(chǎn)環(huán)境狀況計算和帶自檢功能的復(fù)雜信息人工智能訓(xùn)練模式;平臺與工業(yè)大數(shù)據(jù)雙輪驅(qū)動的人工智能學(xué)習(xí)，工業(yè)指標(biāo)與生產(chǎn)參數(shù)的預(yù)測與檢測;機器自主過程控制與多機合作等方面的研究。重點關(guān)注基于產(chǎn)業(yè)分析的方式與工業(yè)大數(shù)據(jù)的有效結(jié)合;將新一代移動通訊技術(shù)、云計算等高新技術(shù)和自動控制領(lǐng)域的理論有機結(jié)合;加快工業(yè)人工智能領(lǐng)域基礎(chǔ)設(shè)備的研制;進(jìn)一步提升人工智能系統(tǒng)的優(yōu)化性能以及穩(wěn)定性能、加強不同學(xué)科領(lǐng)域的配合，實現(xiàn)理論研究與實際應(yīng)用的雙向促進(jìn)。

五、結(jié)束語

工業(yè)人工智能由于其應(yīng)用場景的特殊性，對于效率的提升以及系統(tǒng)的穩(wěn)定有著更高的要求，需要智能化系統(tǒng)具備隨生產(chǎn)要求不斷優(yōu)化的性能.盡管當(dāng)前工業(yè)人工智能技術(shù)正在飛速發(fā)展，然而許多延伸方向的應(yīng)用仍然處于起步階段，工業(yè)生產(chǎn)中的許多困難還有待解決，如何讓工業(yè)人工智能發(fā)揮更大的作用并創(chuàng)造更多的價值還需要長期的研究和發(fā)展。