焊管制造企業應用人工智能需優先解決的幾個問題

曹 笈， 曹國富

（嘉興夏禹科技有限公司， 浙江 嘉興314300）

0 前 言

人工智能 （artificial intelligence， AI）， 是工業智能制造的核心， 是研究、 開發用于模擬、 延伸和擴展人的智能的理論、 方法、 技術及應用系統的一門新的技術科學。 隨著大數據環境的快速形成， 云計算與邊緣計算的能力大幅提升， 深度學習帶動算法模型的持續優化和資本與技術的深度結合， 使人工智能從只能執行某種特定的工作到適應各種場景的人機對話， 人工智能正以前所未有的深度、 廣度和速度走進人類的生產、 生活領域。

筆者于2020 年初發表了一篇 《焊管智造AI+高頻直縫焊管制造的構想》 的論文， 得到了一些行業從業人員的關注， 本研究就人工智能在焊管行業的應用給出具體的建議， 為焊管行業實現智能制管提供一定參考。

1 人工智能在焊管行業應用的可行性

1.1 人工智能技術的成熟度

（1） 目前已經能夠利用各類傳感器并對傳感器時序數據 （包括機組運行速度、 實際焊接速度、 焊接溫度、 軋制力、 毛刺刀磨損程度以及震動狀態等） 進行分析， 從而對生產設備做出預測性維護與異常警示， 以確保設備穩定可靠運行。 這不僅能提升5%～20%的產能， 還能提高生產質量， 極大降低意外停機造成的成本損失。

（2） 隨著5G 等通信技術的愈發成熟， 已經能將企業的各類傳感數據、 控制數據、 生產工藝數據、 質量測量數據、 企業運行數據等整合到一個平臺上并進行系統分析、 虛擬檢測和過程控制， 提高產品自信度。

（3） 機器學習與深度學習已經被廣泛地應用于系統數據分析， 通過整合行業生產經驗數據， 使預測模型的實時性、 可靠性等更貼近現場應用， 使生產系統運行更合理、 產品質量更可靠。

（4） 機器視覺技術在人臉識別上的成功應用， 使得該技術可以運用到工業生產中， 建立識別準確率更高、 識別速度更快、 識別能力更強的應用模型。

1.2 焊管生產制造技術的特點

（1） 焊管生產設備的精度和管坯精度基本能夠滿足工業化連續生產與傳感器采集數據的需要。

（2） 焊管生產工藝流程相似度高， 盡管焊管尺寸、 材質差異大， 但制造原理和工藝流程相近， 對應道次軋輥孔型、 生產設備相似， 成組技術特征明顯， 方便人工智能中的傳感器、語言識別、 圖像識別、 數據庫和專家系統的建立與應用， 也使得焊管人工智能框架的構建相對簡單。

（3） 生產工藝可“復制”。 不同批次相同規格焊管， 只需更換對應的工模夾具就能實現重復生產。 同時， 如果軋輥精度、 管坯精度和設備精度足夠高， 那么生產工藝可 “復制”。 若同時引入成組技術， 將同一外徑、 不同壁厚的焊管按一組進行設計， 則可最大限度地減少人工智能建模數量， 降低設計難度與設計成本。

（4） 焊管生產的工藝成熟， 工藝參數較易獲取。

（5） 焊管行業聚集了一批研究型、 技能型專家學者， 容易建立可靠適用的專家系統。 一個好的專家系統既是行業成熟的標志， 也是應用人工智能、 順利實施智能制管的前提。

2 人工智能在焊管行業應用的必然性

近年來， 世界各國陸續發布了人工智能方面的戰略規劃。 美國國家科技委員會與美國網絡和信息技術研發委員會于2016 年10 月發表了 《國家人工智能研究和發展戰略計劃》； 日本經濟產業省于2017 年頒布了 《下一代智能推進戰略》；韓國第四次工業革命委員會于2018 年5 月發布了 《人工智能研究與發展 （R&D） 戰略》； 德國則在2012 年便提出了“工業4.0” 戰略。 當今世界主要工業國家在如此短時間內密集頒布關于人工智能的發展戰略絕非偶然， 是工業3.0 （廣泛應用電子與信息技術） 發展到工業4.0 （智能化）的歷史必然。

我國在2017 年7 月8 日經中央政治局常委會、 國務院常務會議審議通過了 《新一代人工智能發展規劃》， 該規劃指出， 人工智能的迅速發展將深刻改變人類社會生活。 其中， 特別指出要推廣應用智能工廠， 重點推廣生產線重構與動態智能調度、 生產裝備智能物聯與云化數據采集、 多維人機物協同與互操作等技術， 鼓勵和引導企業建設工廠大數據系統、 網絡化分布式生產設施等， 實現生產設備網絡化、 生產數據可視化、 生產過程透明化、 生產現場無人化， 提升工廠運營管理智能化水平。可見， 人工智能在工業生產中的應用是未來發展的必然趨勢。

人工智能研發與工業應用各取所需。 隨著人工智能在金融、 教育、 交通、 健康、 零售、 服務以及制造等領域取得巨大商業價值之后， 需要在更多工業生產中得到應用。 與此同時， 焊管行業亦需要借助人工智能實現智能制管， 以達到提高生產效率、 提升產品質量的目的。

因此， 智能制管必然會成為今后焊管制造的發展方向， 焊管生產企業要堅定信心， 應用人工智能提升中國焊管行業的運營能力和競爭能力。

3 應用人工智能需解決的幾個問題

3.1 成本投入

人工智能系統的價格， 因應用場景的不同而差異較大。 根據智能化的需求， 價格從幾萬到數百萬不等， 隨著AI 技術的日漸成熟， 其價格和使用成本都會大幅降低。 以移動通信終端變遷史為例， 手機從最早的 “大哥大”， 到目前的智能手機， 不僅技術上得到了非常大的進步， 而且價格從一開始的 “望而卻步”， 到現在的全民普及， 發生了巨大的變化。 同理，人工智能技術經過較長時間的積累， 通過新型算法的應用和基礎設施的完善， 其價格必定會大幅下降。 據 《計算機周刊》 報道， 斯坦福大學和麥肯錫公司研究的報告顯示， 人工智能的計算能力每三個月左右翻一番。 以圖像識別能力為例， 其隨時間變化的計算能力和成本數據見表1。

表1 圖像識別人工智能隨時間變化的計算能力與成本

由表1 可以看出， 其計算能力從2017 年10 月至2019 年7 月不到兩年時間內提高了122.7 倍， 成本降低了193.6 倍。 由此可見，隨著人工智能技術的不斷進步， 焊管生產用人工智能必定會以更低的價格被企業所接納。 另外， 要辯證地看投入， 既要看投入， 也要看產生的收益。 據美國麥肯錫全球研究院的研究指出， 僅僅是將人工智能運用在企業營銷、 供應鏈管理這兩項工作中， 就能夠在未來20 年創造出27 000 億美元的經濟價值， 平均每年約有1 350 億美元。 可想而知， 使用人工智能可為焊管企業創造非常大的經濟價值， 即節省人力成本、 時間成本、 設備損耗、 運營成本和供應鏈管理成本等。 目前， 應該為人工智能順利融合焊管行業而提前做準備， 組建專家團隊、收集制管工藝數據等。

3.2 收集數據

3.2.1 數據的重要性

數據、 運算能力、 算法模型、 傳感器和多元應用是構成人工智能的五大要素， 如果說運算能力是人工智能的 “大腦”， 算法模型是 “骨骼”，傳感器是 “口眼手鼻”， 多元應用是 “潛力挖掘”， 那么數據就是 “細胞”， 是所有這些的基礎。 數據及其相關性和準確性是構建人工智能模型的先決條件。

（1） 人工智能來源于數據， 沒有數據就談不上人工智能。 誰擁有數據多， 誰就能占領制高點， 擁有定義未來的權力。

（2） 人工智能的能力大小取決于有效數據量， 擁有有效數據越多， 人工智能就越智能。

（3） 人工智能最擅長的是通過數據找出數據間隱藏的內在邏輯， 總結已經發生事件的規律， 在此基礎上建立預測模型， 進而優化效率、提升質量、 降本增效， 否則便不可能設計出適合該企業的人工智能模型。

3.2.2 焊管行業的數據現狀

焊管行業的數據現狀主要表現為確切數據與模糊數據并存、 經驗數據與理論數據并存、定量施加與效果迥異并存、 顯性知識與緘默技術并存。

（1） 確切數據與模糊數據并存。 在高頻直縫焊管生產過程中， 一方面， 包括軋輥孔型初始尺寸、 管坯規格牌號、 輥軸直徑、 軸承型號等都有詳細的數據； 另一方面， 軋輥孔型磨損程度不均、 管坯性能波動幅度與頻率、 平輥軸實時彎曲變形程度、 立輥軸實時擾度、 軸承實時磨損程度等數據， 因涉及因素較多， 難以精確測量。 以平輥軸承磨損為例， 受操作習慣、 焊管規格、 使用時間、 管坯性能、 潤滑狀況、 軋制力、 輪班制度等因素影響， 只能定性地知道發生了磨損， 至于實際磨損了多少與瞬時磨損值則難以確定。

（2） 經驗數據與理論數據并存。 這在焊管生產中比較多見， 如成型立輥軋制力的施加、 焊接擠壓力的施加、 薄壁管成型的調整等過程， 都是經驗與理論兼備。 以薄壁管成型調整來說， 焊管成型理論清楚表明， 采用上山法可避免成型管坯邊緣出現 “鼓包”， 但是若按理論上山量預先逐道次增加軋輥高度， 不一定能解決“鼓包” 問題； 反而憑借經驗觀察“鼓包” 程度， 僅對少數幾道次軋輥高度用試錯法進行增減， 效果卻十分顯著。

（3） 定量施加與效果迥異并存。 最明顯地表現在焊管定徑尺寸的調整， 由于平輥與平輥軸、 平輥軸與軸承、 軸承與滑塊、 滑塊與壓下裝置之間以及立輥與立輥軸承、 立輥軸承與立輥軸、 立輥軸滑塊與調節裝置、 調節裝置與立輥架之間存在程度不等的配合間隙、 磨損間隙和彈塑性變形， 而且這些間隙和變形又隨焊管規格、 管坯材質不同所形成的變化量不等，即使按刻度施加調整量， 與想要達成的效果多數情況不一致， 需要反復多次調節才能達成預期效果。

（4） 顯性知識與緘默知識并存。 顯性知識是指能明確表達的知識。 所謂緘默知識是指人們受專業知識、 文化程度、 表達能力、 時空環境等因素制約， 不能用清晰的語言、 文字、圖畫或符號表達出來， 并被事實證明是正確的知識、 技術。 緘默知識在高頻直縫焊管成型過程中表現的比較突出， 一個經常發生的現象是： 在同一機組上， 用同一套軋輥成型同一條管坯， 甲操作者長時間調整不好， 乙操作者卻能在短時間內調整好； 而成型另一種焊管時甲乙操作者的情況可能恰好相反。 但是， 用確切數據說話， 用確切數據表達事物之間的關系，恰恰又是人工智能對應用場景進行客觀描述的最基本手段。 焊管專家和學者為此要盡可能將操作者心中的緘默知識顯性化、 數據化。 焊管生產工藝顯性化是實現工藝數據化的前提， 沒有工藝數據化， 便不可能設計出焊管行業適用的人工智能。

3.2.3 工藝數據的準備

（1） 建立體現數據的全面性、 代表性、 關聯性和透明性的數據庫， 收集整理現有顯性確切數據， 分門別類記錄在案。

（2） 收集被忽視、 被個體認為可有可無或似是而非的數據， 請技術專家和生產人員共同甄別驗證， 去偽存真， 將反映客觀真實的數據提煉出來。

（3） 對存疑數據不要輕易丟棄， 留待AI 專家進場后共同商榷， 因為有些數據也許在本行業專家眼中可能沒有用， 但在AI 專家看來卻是關鍵數據、 節點數據。

（4） 將經驗數據轉變為模型數據， 對經驗數據進行回歸總結， 將若干同類個性化、 趨勢化數據上升為理論數據， 使數據更具一般性、 代表性， 成為人工智能可用數據。

（5） 將模糊數據清晰化。 在焊管調整過程中， 經常會出現一些 “多一點” 與 “少一點”、“上一點” 與 “下一點”、 “輕一點” 與 “重一點”、 “左一點” 與 “右一點” 等介于量化與泛化之間的模糊數據， 要通過多次試驗， 逐步縮小模糊空間， 直至將這些模糊數據變為確切數據。

（6） 尋找定量施加與效果差異之間的原因與規律， 建立施加量與效果 （約等于施加量）、影響因素之間的函數關系， 使施加量等效于實際效果。

（7） 鼓勵那些掌握某種緘默知識的員工與專家一起進行專題交流討論， 使若隱若現的緘默內容在啟發式研討中逐漸明晰， 讓緘默知識在這樣的氛圍中不知不覺地被表達成顯性知識， 進而數據化， 實現緘默知識的積累、 傳承和規模化應用。

（8） 將極少目前無法量化的問題按綱記載在案， 留待AI 專家與行業技術專家協調解決。

此外， 還要自行研制或與設備制造商合作，制造出盡可能多的數顯工模夾具， 使工藝數據如力矩扳手一樣清晰展示在操作者眼前， 一是有利于逐步規范、 優化焊管工藝； 二是有利于嚴格執行焊管工藝， 變操作者心中有數為眼前有數據；三是為焊管用人工智能數據收集、 順利導入做好鋪墊。

3.3 組建專家團隊

人工智能與焊管行業融合是一個綜合的系統工程， 牽涉到機械、 力學、 化學、 電氣、 金屬學、 數學、 工藝、 檢驗、 管理、 計算機等學科，需要多學科專家學者協同配合， 必須組建屬于焊管行業的綜合專家團隊。

（1） 前期準備。 包括邀請行業專家和人工智能專家座談， 開展可行性論證， 推動行業協會與相關機構協調行動， 開展企業選擇， 數據準備等一系列工作， 條件成熟時建設具有焊管行業特色的專家系統。

（2） 協同配合。 在人工智能與焊管行業融合期間解決屬于本行業的問題， 提出需求，按人工智能專家的要求提供數據、 維護設備、培訓人員。

（3） 維護指導。 人工智能投入使用前， 必須對操作者進行培訓， 指導其正確使用與維護智能制管系統， 最大限度發揮人工智能的作用是焊管專家團隊的重任。

（4） 反饋改進。 在人工智能投入使用后，首先需要一個磨合期， 以檢驗人工智能的運行狀況； 其次還存在與制管設備的磨合期， 即智能制管磨合期， 以檢驗軟硬件的匹配友好程度。 在磨合期， 針對問題反饋， 需要行業專家與人工智能專家就專業問題進行專業溝通， 共同尋找解決之策。

3.4 組建機構

人工智能與焊管生產融合不單純是技術問題， 而是需要多學科合作， 以及長期艱苦細致的科研攻關。 行業協會、 科研院所、 重點企業應率先爭取項目和資金的支持。 同時， 在取得立項和啟動資金后進行項目推廣， 吸引金融機構和創投公司加入， 組建風險共擔、 利益共享的公司法人機構， 全面開展智能制管工作。

3.5 提高精度

實現智能制管， 除了要有一流的人工智能系統外， 還需要有高精度的制管設備與管坯等硬件做保障， 兩個方面缺一不可。

3.5.1 焊管設備精度

（1） 從焊管設備制造的角度看， 應用人工智能需要高精度、 高強度的焊管設備來承載， 也必定會出現一股設備更新潮， 帶來新的發展機遇， 以引導設備制造商向精細高端方向發展。 新設備要在高精度高強度的基礎上， 實現數字化、自動化， 如平輥上下移動、 立輥左右移動、 平立輥軋制中心模塊化、 平立輥軋制力顯示、 擠壓輥擠壓力數顯、 焊接匯合點溫度實時數顯等， 為智能制管準備好硬件。

（2） 從焊管設備使用者的角度看， 首先要與時俱進， 放棄粗放生產模式， 及時淘汰老舊生產線， 向高精設備要效率、 要效益。 以更換焊管規格為例， 如果能實現軋輥定位模塊化、 調整數據化， 那么換輥時間至少可以節省50%以上；其次， 對設備重要性要有清醒認識， 低精度設備不可能生產出高品質、 高附加值焊管， 同時所采集到的實時數據不能真實反映工藝狀態， 人工智能將失能。

3.5.2 管坯精度

這里的管坯精度指的是廣義精度， 包括尺寸精度、 力學性能、 化學成分等。 以力學性能為例， 若同一條管坯硬度差異較大， 雖然人工智能能夠感知到變化并做出相應處理， 但這種處理從時序上講畢竟具有滯后性， 也會對產品質量產生一定的影響。 焊管行業應該從現在起， 站在人工智能的角度對管坯精度提出更高要求， 以適應未來應用人工智能實現智能制管的需要。

此外， 精細化管理對人工智能的使用與維護極為重要。 要求企業的工藝、 設備、 材料、 環境、 人員、 銷售、 供應、 倉儲管理等更規范、 更精準。 譬如工藝管理， 從現在起首先要對現有工藝內容充實、 補充、 完善、 細化； 其次， 對每一個工藝參數再驗證、 再確認， 對模糊參數做清晰化處理， 務必精準； 第三， 強化工藝執行力度，嚴格工藝修改程序， 為今后實施智能制管形成良好的氛圍。

4 結束語

人工智能的迅速發展將深刻改變人類社會生活， 是工業廣泛應用電子與信息技術發展到現階段的歷史必然。 人工智能融入焊管生產、 實現智能制管具有充分的可行性與必然性， 也是焊管行業自身發展的需要。 焊管行業從業人員應及早行動起來， 從數據、 人才、 組織、 設備、 材料及管理等方面做好功課， 積極做好應用人工智能、 實現智能制管的前期準備工作。