借鑒日本經(jīng)驗(yàn)推動(dòng)人工智能與制造業(yè)深度融合

賽迪智庫

2019 年 4 月 3 日至 5 日，第三屆日本人工智能展（AI EXPO TOKYO 2019）于東京舉辦，該展是日本規(guī)模最大的人工智能專業(yè)展會(huì)，賽迪研究院應(yīng)邀參加本次展會(huì)。目前，日本已涌現(xiàn)出一批人工智能企業(yè)，它們多以知識(shí)圖譜和深度學(xué)習(xí)為基礎(chǔ)技術(shù)，面向制造業(yè)領(lǐng)域典型應(yīng)用場(chǎng)景開發(fā)人工智能產(chǎn)品與服務(wù)，并積累了一定經(jīng)驗(yàn)。我國應(yīng)借鑒日本經(jīng)驗(yàn)，加強(qiáng)技術(shù)供給能力定制和工業(yè)需求特點(diǎn)適配，推動(dòng)人工智能與制造業(yè)深度融合。

從實(shí)踐看日本企業(yè)注重

分場(chǎng)景部署人工智能技術(shù)

從此次日本人工智能展上發(fā)現(xiàn)，人工智能技術(shù)在制造業(yè)的應(yīng)用集中在設(shè)備、生產(chǎn)線、供應(yīng)鏈等場(chǎng)景，能夠?qū)崿F(xiàn)生產(chǎn)現(xiàn)場(chǎng)協(xié)作優(yōu)化、產(chǎn)品質(zhì)量監(jiān)測(cè)管理、物流供應(yīng)能力優(yōu)化;所展現(xiàn)的人工智能與制造業(yè)創(chuàng)新，大多以知識(shí)圖譜和深度學(xué)習(xí)技術(shù)為基礎(chǔ)，開發(fā)能夠滿足設(shè)備監(jiān)測(cè)、質(zhì)量管理、生產(chǎn)協(xié)作、產(chǎn)能優(yōu)化、生產(chǎn)經(jīng)營管理、產(chǎn)品全生命周期優(yōu)化等需求的產(chǎn)品或服務(wù)。制造業(yè)系統(tǒng)包含設(shè)備級(jí)、車間級(jí)、企業(yè)級(jí)、協(xié)同級(jí)等層級(jí)，其對(duì)應(yīng)的關(guān)鍵技術(shù)環(huán)節(jié)和重點(diǎn)應(yīng)用場(chǎng)景也呈現(xiàn)出一定的規(guī)律性分布。

一方面，知識(shí)圖譜在處理工業(yè)機(jī)理明確、精確度高、關(guān)聯(lián)性強(qiáng)的問題上效果良好。例如，NTT 推出的生產(chǎn)管理優(yōu)化工具“WinActor”、SOPPRA 開發(fā)的供應(yīng)鏈管理系統(tǒng)“AgentSOPPRA”、Macnica.ai 推出的企業(yè)經(jīng)營管理優(yōu)化工具“企業(yè)語義網(wǎng)”，均利用知識(shí)圖譜技術(shù)，優(yōu)化了制造企業(yè)或大型生產(chǎn)組織的生產(chǎn)和管理效率。由此可見，知識(shí)圖譜是解決已知工業(yè)機(jī)理問題的重要手段，適用于工業(yè)企業(yè)庫存管理、生產(chǎn)成本優(yōu)化、用戶需求管理、供應(yīng)鏈優(yōu)化等場(chǎng)景。

另一方面，深度學(xué)習(xí)能提升對(duì)工業(yè)機(jī)理模糊、計(jì)算高度復(fù)雜問題的解決能力。例如，伊藤忠株式會(huì)社開發(fā)的生產(chǎn)過程模擬軟件 WITNESS，采用深度學(xué)習(xí)方法，對(duì)生產(chǎn)設(shè)備運(yùn)行、工藝參數(shù)等數(shù)據(jù)進(jìn)行綜合分析，找出最優(yōu)參數(shù)，量化生產(chǎn)指標(biāo)隨時(shí)間的變化，大幅提升運(yùn)行效率與工業(yè)品質(zhì)量。

富士集團(tuán)通過收集工業(yè)互聯(lián)網(wǎng)和傳感器等數(shù)據(jù)，利用深度學(xué)習(xí)算法，挖掘更深層次隱藏結(jié)構(gòu)與特征的抽象關(guān)系，精準(zhǔn)識(shí)別工業(yè)質(zhì)量指標(biāo)，打破傳統(tǒng)機(jī)器學(xué)習(xí)模型的泛化能力界限，實(shí)現(xiàn)對(duì)物體的分析和識(shí)別;AI Hayabusa幫助中小制造業(yè)企業(yè)在生產(chǎn)線上安裝人工智能檢測(cè)系統(tǒng)以及鏡面檢測(cè)機(jī)器人，通過深度學(xué)習(xí)算法擬合設(shè)備運(yùn)行復(fù)雜非線性關(guān)系，提升設(shè)備故障預(yù)測(cè)準(zhǔn)確率，減少設(shè)備故障率，降低損耗成本。從日本企業(yè)的實(shí)踐中可以發(fā)現(xiàn)，深度學(xué)習(xí)適用于工業(yè)品復(fù)雜缺陷的質(zhì)量檢測(cè)、設(shè)備微小故障的檢測(cè)和預(yù)測(cè)性維護(hù)、設(shè)備自執(zhí)行、不規(guī)則物體分揀、制造工藝優(yōu)化、流水線指標(biāo)軟測(cè)量等場(chǎng)景。

從供需匹配看技術(shù)定制化

是發(fā)展“AI+制造”的關(guān)鍵

知識(shí)圖譜和深度學(xué)習(xí)是兩大主要技術(shù)抓手。制造業(yè)領(lǐng)域發(fā)展人工智能有“一強(qiáng)一弱”兩方面的現(xiàn)實(shí)約束?！耙粡?qiáng)”指制造業(yè)各環(huán)節(jié)具有強(qiáng)專業(yè)性、關(guān)聯(lián)性、流程型、時(shí)序性特點(diǎn)，對(duì)制造工藝精確度的要求高、約束性強(qiáng)，需要嚴(yán)謹(jǐn)、可控、透明的系統(tǒng)科學(xué)加以支撐;“一弱”指工業(yè)領(lǐng)域的數(shù)據(jù)輸入有限，工業(yè)數(shù)據(jù)處理過程參數(shù)量大，工業(yè)機(jī)理隱匿。

從日本的發(fā)展實(shí)踐看，知識(shí)圖譜基于專家系統(tǒng)和認(rèn)知科學(xué)，適用于機(jī)理明確但影響因素繁雜的場(chǎng)景;深度學(xué)習(xí)基于數(shù)據(jù)科學(xué)和深度神經(jīng)網(wǎng)絡(luò)算法架構(gòu)的新突破，多用于解決復(fù)雜度高、機(jī)理未知的難題。知識(shí)圖譜和深度學(xué)習(xí)技術(shù)從不同維度提升了生產(chǎn)效率，降低了生產(chǎn)成本。

為不同場(chǎng)景量身定制部署方式是應(yīng)用發(fā)展路徑。不同制造業(yè)場(chǎng)景產(chǎn)生的計(jì)算難度和影響因素?cái)?shù)量不同，人工智能技術(shù)規(guī)律也有差別。

從參展日本企業(yè)的實(shí)踐來看，設(shè)備級(jí)和車間級(jí)工業(yè)問題的影響因素通常相對(duì)較少，但工業(yè)機(jī)理復(fù)雜程度較高、計(jì)算難度較大，適合利用深度學(xué)習(xí)方法提升對(duì)未知機(jī)理工業(yè)問題的解決能力;企業(yè)級(jí)和協(xié)同級(jí)工業(yè)問題通常影響因素繁多但工業(yè)機(jī)理相對(duì)明確，適合應(yīng)用知識(shí)圖譜技術(shù)路線提升解決問題的效率。

發(fā)展啟示：應(yīng)從兩方面深化

人工智能與制造業(yè)融合

配合工業(yè)需求提供定制化的深度學(xué)習(xí)技術(shù)能力。制造業(yè)場(chǎng)景對(duì)嚴(yán)謹(jǐn)可控、快速反應(yīng)、場(chǎng)景適配的要求高，應(yīng)從三方面深化深度學(xué)習(xí)在制造業(yè)中的應(yīng)用。

一是計(jì)算芯片方面，應(yīng)推動(dòng)能耗比低、處理性能高、實(shí)時(shí)性強(qiáng)的 AI 芯片應(yīng)用于制造業(yè)領(lǐng)域，提升設(shè)備的端側(cè)推理能力。

二是算法框架方面，應(yīng)加強(qiáng)定制化端側(cè)專用算法框架研制，提升生產(chǎn)終端設(shè)備的實(shí)時(shí)反饋能力。

三是計(jì)算可靠性方面，需要著力推動(dòng)深度學(xué)習(xí)算法的透明化、可解釋化研究，打破算法的技術(shù)黑箱，推動(dòng)其在制造業(yè)中實(shí)現(xiàn)更廣泛應(yīng)用。

構(gòu)建規(guī)范化的知識(shí)圖譜通用技術(shù)體系?？山梃b日本經(jīng)驗(yàn)，按照不同應(yīng)用場(chǎng)景的現(xiàn)實(shí)需求，建立包括知識(shí)建模、知識(shí)抽取、知識(shí)融合、知識(shí)存儲(chǔ)和知識(shí)計(jì)算等在內(nèi)的規(guī)范化的知識(shí)圖譜部署策略、標(biāo)準(zhǔn)體系和建模方法，推動(dòng)知識(shí)圖譜技術(shù)在制造業(yè)領(lǐng)域的應(yīng)用走向通用化、體系化、成熟化。