工业人工智能及应用研究现状及展望

吴善科

【关键词】工业自动化;工业人工智能;智能制造

人工智能已成为国家层面打造工业制造业整体竞争力的重要途径。近年来，工业人工智能技术的进步为智能制造提供了技术支撑，依靠实时数据监测和统计来辅助决策者进行管理，提高工作能效、提前预知市场需求、智能制造与仓储管理优化。基于图像识别、自然语言分析、社群网络、机器人等方面的技术为人工智能的成功应用奠定了基础，然而在工业应用场景下，所收集到的设备运行数据和架构与过去存在较大差异，造成数据的普适性和可用性欠缺，部分专业已经开始着手于研究方式的更新，但缺乏统一的指导思想和实施架构来有效优化发展策略，这使得工业人工智能的发展还有很长的一段路要走。

一、工业自动化的定义及发展

工业自动化历经数百年的发展，其发展简史如图1所示，第一次工业革命以蒸汽机的出现作为标志。在此期间，调速器的广泛推广推进了第一次工业革命的发展。第二次工业革命能源的来源也发生了变化[1]。电力的出现代替了之前的蒸汽动力，伴随着PID控制与逻辑控制的发展，机械动作和传送实现了自动化。工业生产中产量的需求、计算机和通讯技术的发展，使得一种名为逻辑程序控制器（PLC）的专用计算机控制程式得以在工业场景中广泛应用。在组态、过程控制软件的帮助下工厂生产的自动化水平获得进一步提升。工业过程的运行优化需求使得实时优化（RTO）和模型预测控制（MPC）技术快速发展。自动化水平的快速提升是第三次工业革命的显著特点，生产与管理过程逐渐向信息化、智能化的方向发展。随着第5代通讯技术的面世以及边缘计算与大数据的融合，工业互联网的建设进一步加快。为工业人工智能的发展打下坚实的基础。CPS和汇聚研究的出现，促进了工业自动化朝着数字化、网络化的方向快速发展[2]。

二、自动化的定义及发展

自动化的概念伴随着人类各项生产生活行为的发展，实现全面自动化是人类长久以来不变的目标。人工智能的核心目标与自动化的核心目标十分接近，都是建立机械系统与人工劳作之间的关联，将人类的感官、认知、决策、执行的功能以另一种方式呈现出来，完成人类不适宜完成的工作。现阶段人工智能的机理尚未完全研究透彻，无法用数学模型来表达所有的工作任务;输出与输入的关系受到众多复杂变量的干扰，数据难以进行量化和感知;决策与目标之间存在差异，使得自动化和人工智能技术的应用仍然存在较大的局限性。

三、智能制造对人工智能的要求

（一） 制造与生产全流程智能化

制造与生产全流程智能化的落脚点是实现工业生产的效率提升以及环境改善。如图2所示，操作者的管理智能化，将控制系统和加工装备融合为智能生产系统，将管理和生產的环节高效地结合起来;把ERP和MES转变为设备与人工合作的智能化管理决策平台;把企业资源计划系统、制造执行系统组合为工业一体化智能平台[3]。CPS系统中的运行主体是策划者、管理者和执行者。智能自主控制系统彻底改变了过程控制的思路与模式，管理的形式由开环流程、结果调整转变为全反馈机制、实时监控调整;自主协同控制。突出管理和决策的自动化进程，将全流程自动优化充分应用到生产和管理中。

四、工业人工智能的面临的挑战及应对策略

（一）技术层面存在的挑战

复杂条件下的动态多模组对象的采集、分配、转换。决策与控制过程集成优化：复杂环境下高度耦合的变量其控制策略的确定及数据信息的获取。例如能耗指标的优化决策是非凸动态优化[4]。非单一组别及复杂层次下管理与过程优化的集成。过程优化需面向不同的时间标尺和空间标尺;当前条件最优解随着环境条件和生产条件的变化而浮动;随后控制系统的参数设置也需要进行相应的调整[5]。过程控制方案对博弈理论的挑战，以AlphaGo和制造流程策略作为例子，在信息采集方面，AlphaGo有确定的规则，制造流程策略则采用开放策略，规则的不确定性很大;在过程特征方面，AlphaGo建立精确的数学模型以进行仿真试错，后者难以用数学语言进行精准描述。

（二） 优化策略

工业人工智能的发展可从研究方向和研究思路上进行优化以解决上述提到的多项难题。在研究方向上，开展复杂条件下的动态多模组对象的采集;多来源生产环境状况计算和带自检功能的复杂信息人工智能训练模式;平台与工业大数据双轮驱动的人工智能学习，工业指标与生产参数的预测与检测;机器自主过程控制与多机合作等方面的研究。重点关注基于产业分析的方式与工业大数据的有效结合;将新一代移动通讯技术、云计算等高新技术和自动控制领域的理论有机结合;加快工业人工智能领域基础设备的研制;进一步提升人工智能系统的优化性能以及稳定性能、加强不同学科领域的配合，实现理论研究与实际应用的双向促进。

五、结束语

工业人工智能由于其应用场景的特殊性，对于效率的提升以及系统的稳定有着更高的要求，需要智能化系统具备随生产要求不断优化的性能.尽管当前工业人工智能技术正在飞速发展，然而许多延伸方向的应用仍然处于起步阶段，工业生产中的许多困难还有待解决，如何让工业人工智能发挥更大的作用并创造更多的价值还需要长期的研究和发展。