工業人工智能及應用研究現狀及展望

吳善科

【關鍵詞】工業自動化;工業人工智能;智能制造

人工智能已成為國家層面打造工業制造業整體競爭力的重要途徑。近年來，工業人工智能技術的進步為智能制造提供了技術支撐，依靠實時數據監測和統計來輔助決策者進行管理，提高工作能效、提前預知市場需求、智能制造與倉儲管理優化。基于圖像識別、自然語言分析、社群網絡、機器人等方面的技術為人工智能的成功應用奠定了基礎，然而在工業應用場景下，所收集到的設備運行數據和架構與過去存在較大差異，造成數據的普適性和可用性欠缺，部分專業已經開始著手于研究方式的更新，但缺乏統一的指導思想和實施架構來有效優化發展策略，這使得工業人工智能的發展還有很長的一段路要走。

一、工業自動化的定義及發展

工業自動化歷經數百年的發展，其發展簡史如圖1所示，第一次工業革命以蒸汽機的出現作為標志。在此期間，調速器的廣泛推廣推進了第一次工業革命的發展。第二次工業革命能源的來源也發生了變化[1]。電力的出現代替了之前的蒸汽動力，伴隨著PID控制與邏輯控制的發展，機械動作和傳送實現了自動化。工業生產中產量的需求、計算機和通訊技術的發展，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場景中廣泛應用。在組態、過程控制軟件的幫助下工廠生產的自動化水平獲得進一步提升。工業過程的運行優化需求使得實時優化（RTO）和模型預測控制（MPC）技術快速發展。自動化水平的快速提升是第三次工業革命的顯著特點，生產與管理過程逐漸向信息化、智能化的方向發展。隨著第5代通訊技術的面世以及邊緣計算與大數據的融合，工業互聯網的建設進一步加快。為工業人工智能的發展打下堅實的基礎。CPS和匯聚研究的出現，促進了工業自動化朝著數字化、網絡化的方向快速發展[2]。

二、自動化的定義及發展

自動化的概念伴隨著人類各項生產生活行為的發展，實現全面自動化是人類長久以來不變的目標。人工智能的核心目標與自動化的核心目標十分接近，都是建立機械系統與人工勞作之間的關聯，將人類的感官、認知、決策、執行的功能以另一種方式呈現出來，完成人類不適宜完成的工作。現階段人工智能的機理尚未完全研究透徹，無法用數學模型來表達所有的工作任務;輸出與輸入的關系受到眾多復雜變量的干擾，數據難以進行量化和感知;決策與目標之間存在差異，使得自動化和人工智能技術的應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） 制造與生產全流程智能化

制造與生產全流程智能化的落腳點是實現工業生產的效率提升以及環境改善。如圖2所示，操作者的管理智能化，將控制系統和加工裝備融合為智能生產系統，將管理和生產的環節高效地結合起來;把ERP和MES轉變為設備與人工合作的智能化管理決策平臺;把企業資源計劃系統、制造執行系統組合為工業一體化智能平臺[3]。CPS系統中的運行主體是策劃者、管理者和執行者。智能自主控制系統徹底改變了過程控制的思路與模式，管理的形式由開環流程、結果調整轉變為全反饋機制、實時監控調整;自主協同控制。突出管理和決策的自動化進程，將全流程自動優化充分應用到生產和管理中。

四、工業人工智能的面臨的挑戰及應對策略

（一）技術層面存在的挑戰

復雜條件下的動態多模組對象的采集、分配、轉換。決策與控制過程集成優化：復雜環境下高度耦合的變量其控制策略的確定及數據信息的獲取。例如能耗指標的優化決策是非凸動態優化[4]。非單一組別及復雜層次下管理與過程優化的集成。過程優化需面向不同的時間標尺和空間標尺;當前條件最優解隨著環境條件和生產條件的變化而浮動;隨后控制系統的參數設置也需要進行相應的調整[5]。過程控制方案對博弈理論的挑戰，以AlphaGo和制造流程策略作為例子，在信息采集方面，AlphaGo有確定的規則，制造流程策略則采用開放策略，規則的不確定性很大;在過程特征方面，AlphaGo建立精確的數學模型以進行仿真試錯，后者難以用數學語言進行精準描述。

（二） 優化策略

工業人工智能的發展可從研究方向和研究思路上進行優化以解決上述提到的多項難題。在研究方向上，開展復雜條件下的動態多模組對象的采集;多來源生產環境狀況計算和帶自檢功能的復雜信息人工智能訓練模式;平臺與工業大數據雙輪驅動的人工智能學習，工業指標與生產參數的預測與檢測;機器自主過程控制與多機合作等方面的研究。重點關注基于產業分析的方式與工業大數據的有效結合;將新一代移動通訊技術、云計算等高新技術和自動控制領域的理論有機結合;加快工業人工智能領域基礎設備的研制;進一步提升人工智能系統的優化性能以及穩定性能、加強不同學科領域的配合，實現理論研究與實際應用的雙向促進。

五、結束語

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