工業(yè)4.0

首頁(yè) > 政策動(dòng)態(tài) > 工業(yè)4.0 > 正文

李杰：工業(yè)人工智能與工業(yè)4.0 制造

2018-11-08 來(lái)源：評(píng)論：0

摘要：在 Lee 等 (2015) 提出的5C架構(gòu)之下，本文深入的解釋了AI技術(shù)的現(xiàn)狀以及人工智能在工業(yè)應(yīng)用發(fā)揮作用時(shí)所需的生態(tài)系統(tǒng)。

　　工業(yè)人工智能與工業(yè)4.0制造

　　Jay Lee (李杰), Hossein Davari, Jaskaran Singh, Vibhor Pandhare

　　美國(guó)辛辛那提大學(xué)工業(yè)人工智能中心

　　Source：SME Manufacturing Letter 18 （2018）20-23

　　文章來(lái)源：美國(guó)NSF智能維護(hù)中心（ID：NSF-IMS）

　　摘要

　　最近白宮關(guān)于人工智能（AI）的報(bào)告（Lee，2016）強(qiáng)調(diào)了人工智能的重要性以及需要在該領(lǐng)域制定明確的路線圖和戰(zhàn)略投資的必要性。當(dāng)AI由科幻成為改變世界的前沿技術(shù)時(shí)，我們迫切需要系統(tǒng)性的去開發(fā)和部署AI，以便了解它在工業(yè) 4.0 這個(gè)下一世代工業(yè)系統(tǒng)中的真實(shí)價(jià)值。在 Lee 等 (2015) 提出的5C架構(gòu)之下，本文深入的解釋了AI技術(shù)的現(xiàn)狀以及人工智能在工業(yè)應(yīng)用發(fā)揮作用時(shí)所需的生態(tài)系統(tǒng)。

　　一、工業(yè)人工智能簡(jiǎn)介

　　人工智能（AI）是一門認(rèn)知科學(xué)，涵蓋了圖像處理、自然語(yǔ)音處理、機(jī)器人、機(jī)器學(xué)習(xí)等領(lǐng)域的豐厚研究。機(jī)器學(xué)習(xí)和人工智能傳統(tǒng)上被認(rèn)為是黑科技，往往缺乏有利的證據(jù)可以證明這些技術(shù)可以重復(fù)并始終如一的發(fā)揮作用使企業(yè)獲得投資回報(bào)。機(jī)器學(xué)習(xí)算法的功能仍然高度依賴開發(fā)人員的經(jīng)驗(yàn)和偏好，因此使得AI 在工業(yè)應(yīng)用中的成功受到限制。換個(gè)角度來(lái)看，工業(yè)AI 是一門嚴(yán)謹(jǐn)?shù)南到y(tǒng)科學(xué)，它專注于開發(fā)、驗(yàn)證和部署各種不同的機(jī)器學(xué)習(xí)算法以實(shí)現(xiàn)具備可持續(xù)性能的工業(yè)應(yīng)用。工業(yè)人工智能作為一種系統(tǒng)化的方法和規(guī)則為工業(yè)應(yīng)用提供解決方案，工業(yè)人工智能并且也是將學(xué)術(shù)界研究AI 的成果與工業(yè)應(yīng)用連接起來(lái)的橋梁。

　　AI 驅(qū)動(dòng)的自動(dòng)化尚未能對(duì)生產(chǎn)力的增長(zhǎng)產(chǎn)生可量化的重大影響【1】?，F(xiàn)今行業(yè)，除了面臨市場(chǎng)需求和競(jìng)爭(zhēng)的新挑戰(zhàn)，它們尚需要一個(gè)被稱為工業(yè)4.0的激進(jìn)變革，AI與工業(yè)物聯(lián)網(wǎng)（IIoT）【3】、大數(shù)據(jù)分析【4 - 6】、云計(jì)算【7 - 9】和信息物理系統(tǒng)【2, 10 - 11】的集成將使工業(yè)以靈活、高效和節(jié)能的方式運(yùn)作。由于工業(yè)人工智能還處于起步階段，必須明確其結(jié)構(gòu)、方法和挑戰(zhàn)以作為其在工業(yè)實(shí)施中的框架。為此，我們?cè)O(shè)計(jì)了工業(yè)人工智能的生態(tài)系統(tǒng)，它涵蓋這一領(lǐng)域的基本要素并且為更好的理解和實(shí)施提供了指導(dǎo)方針。另外，我們也描述了可以建立在工業(yè)人工智能之上的使能技術(shù)，圖1是工業(yè)人工智能與其他學(xué)習(xí)系統(tǒng)在一段時(shí)間內(nèi)對(duì)所期望的系統(tǒng)性能的比較示意圖。

　　圖1 工業(yè)人工智能與其他學(xué)習(xí)系統(tǒng)比較示意圖

　　二、工業(yè)人工智能的關(guān)鍵要素：ABCDE

　　工業(yè)人工智能可以用ABCDE的特征進(jìn)行分類，這些關(guān)鍵要素包含分析技術(shù) (Analytics Technology)，大數(shù)據(jù)技術(shù)(Big Data Technology),云或網(wǎng)絡(luò)技術(shù)(Cloud or Cyber Technology),專業(yè)領(lǐng)域知識(shí)(Domain Knowledge), 證據(jù)(Evidence)。

　　分析（A）是AI的核心，它只有在其他要素都存在時(shí)才能產(chǎn)生價(jià)值。大數(shù)據(jù)（B）與云（C）是提供數(shù)據(jù)來(lái)源和工業(yè)人工智能平臺(tái)必不可少的兩個(gè)要素，然而，專業(yè)領(lǐng)域知識(shí)（D）和證據(jù)（E）也是常常被忽略的兩個(gè)重要因子。專業(yè)領(lǐng)域知識(shí)（D）是下列事項(xiàng)的關(guān)鍵要素：

　　1）了解問題并專注于利用工業(yè)人工智能去解決它；

　　2）理解系統(tǒng)以便于收集正確且高質(zhì)量的數(shù)據(jù)；

　　3）了解參數(shù)的物理含義以及它們?nèi)绾闻c系統(tǒng)或流程的物理特性相關(guān)聯(lián)；

　　4）了解這些參數(shù)因機(jī)器而異。

　　證據(jù)（E）也是驗(yàn)證工業(yè)人工智能模型以及它們與累積學(xué)習(xí)能力相結(jié)合的重要要素。收集數(shù)據(jù)形態(tài)模式及與它相關(guān)聯(lián)的證據(jù)，我們才能改進(jìn)AI 模型使之更加準(zhǔn)確全面并且與時(shí)俱進(jìn)。圖1-b顯示AI如何帶領(lǐng)我們從可見空間到不可見，從解決問題到避免問題的發(fā)生。

　　三、工業(yè)人工智能生態(tài)系統(tǒng)

　　圖2顯示了建議的工業(yè)人工智能生態(tài)系統(tǒng)，它定義了發(fā)展工業(yè)人工智能系統(tǒng)的需求、挑戰(zhàn)、技術(shù)和方法的有序思維策略。從業(yè)者可依照此系統(tǒng)性指南去制定工業(yè)人工智能發(fā)展與部署的策略。在標(biāo)的行業(yè)中，這個(gè)生態(tài)系統(tǒng)定義了常見的未滿足需求，例如自感知、自比較、自預(yù)測(cè)、自優(yōu)化和自適應(yīng)。這張圖表還包括數(shù)據(jù)技術(shù)（DT）、分析技術(shù)（AT）、平臺(tái)技術(shù)（PT）和運(yùn)營(yíng)技術(shù)(OT)等技術(shù)。這 4 項(xiàng)技術(shù)在信息物理系統(tǒng)（CPS）【2】的背景下可以更容易的被理解。如圖 3 所示，這 4 項(xiàng)技術(shù) (DT、AT、PT、OT) 是成功實(shí)現(xiàn)連接、轉(zhuǎn)換、網(wǎng)絡(luò)、認(rèn)知和配置 (5C) 的使能者。下面本論文將簡(jiǎn)單描述這4項(xiàng)使能技術(shù)。

　　圖2 工業(yè)人工智能生態(tài)系統(tǒng)

　　圖3 實(shí)現(xiàn)CPS制造的使能技術(shù)

　　3.1 數(shù)據(jù)技術(shù) (DT)

　　數(shù)據(jù)技術(shù) (DT) 是那些能夠成功獲取在維度上具有顯著性能指標(biāo)的有用數(shù)據(jù)技術(shù)。因此DT通過(guò)識(shí)別獲取有用數(shù)據(jù)的適當(dāng)設(shè)備和機(jī)制成為 5C 體系"智能連接" 步驟的共同促成者。數(shù)據(jù)技術(shù)的另一個(gè)方面是數(shù)據(jù)通信。智能制造領(lǐng)域的通信并不僅僅只是把獲取的數(shù)據(jù)由源頭直接傳送到分析。它還涉及到 1) 物理空間中制造資源之間的相互作；2) 將計(jì)算機(jī)和工廠車間的數(shù)據(jù)傳輸和存儲(chǔ)到云中；3) 從物理空間到網(wǎng)絡(luò)空間的通信；4) 從網(wǎng)絡(luò)空間到物理空間的通信。此外DT 還需要考慮數(shù)據(jù)系統(tǒng)的 3B (Broken, Bad, Background) 問題也就是數(shù)據(jù)的分裂性、優(yōu)劣性和背景的數(shù)據(jù)【6】。

　　3.2 分析技術(shù) (AT)

　　分析技術(shù)將關(guān)鍵組件透過(guò)傳感器所采集到的數(shù)據(jù)轉(zhuǎn)換為有用的信息。數(shù)據(jù)驅(qū)動(dòng)的建模揭示了來(lái)自制造系統(tǒng)的隱藏模式及未知的相互關(guān)聯(lián)性并其他有用信息。此信息可用于資產(chǎn)健康狀況預(yù)測(cè)例如健康值或剩余壽命值, 可用于機(jī)器診斷預(yù)測(cè)和健康管理。分析技術(shù)將此信息與其他技術(shù)整合可以提高生產(chǎn)力和創(chuàng)新。

　　3.3 平臺(tái)技術(shù) (PT)

　　平臺(tái)技術(shù)包括將制造數(shù)據(jù)存儲(chǔ)、分析和反饋的硬件架構(gòu)。用于分析數(shù)據(jù)的兼容平臺(tái)架構(gòu)是實(shí)現(xiàn)敏捷性、復(fù)雜事件處理等智能制造特質(zhì)的主要決定因素。一般來(lái)說(shuō)有獨(dú)立式、嵌入式和云等三類的平臺(tái)配置。所以云計(jì)算在信息通信技術(shù)的計(jì)算、儲(chǔ)存和服務(wù)能力等方面是一項(xiàng)重大優(yōu)勢(shì)。云平臺(tái)可提供快速的服務(wù)部署，高度客制化、知識(shí)集成、高效的可視化并具有高度可擴(kuò)展性。

　　3.4運(yùn)營(yíng)技術(shù) (OT)

　　運(yùn)營(yíng)技術(shù)是指根據(jù)由數(shù)據(jù)中提取的信息所做出的一系列決策和行動(dòng)。向操作人員提供機(jī)器和過(guò)程健康信息是有一定價(jià)值, 但工業(yè) 4.0 工廠將超越這一范疇, 使機(jī)器能夠根據(jù)OT 所提供的洞察力進(jìn)行溝通和決策。這種機(jī)器與機(jī)器之間的協(xié)作可以在同一車間的兩臺(tái)機(jī)器之間，也可以在兩個(gè)相隔很遠(yuǎn)的廠區(qū)的機(jī)器之間發(fā)生。他們可以互相分享經(jīng)驗(yàn)如何去調(diào)整特定參數(shù)以達(dá)到最優(yōu)性能, 并根據(jù)其他機(jī)器的可用性調(diào)整其排程。在工業(yè) 4.0 工廠中, 運(yùn)營(yíng)技術(shù)是通向自感知、自預(yù)測(cè)、自配置、自比較等 4 項(xiàng)能力的最后一步。

　　四、案例研究：智能主軸系統(tǒng)

　　本節(jié)介紹工業(yè)人工智能的架構(gòu)在CNC 機(jī)床主軸的應(yīng)用和實(shí)施。在制造業(yè)，機(jī)床主軸的健康狀況是絕對(duì)重要的，此案例旨在展示 4 種賦能技術(shù)驅(qū)動(dòng)的工業(yè)人工智能可以為機(jī)床主軸提供實(shí)時(shí)監(jiān)控與性能預(yù)測(cè)的完整解決方案。此系統(tǒng)設(shè)計(jì)可以最大限度的降低維護(hù)成本同時(shí)優(yōu)化產(chǎn)品質(zhì)量。如圖 3 所示,考慮應(yīng)用場(chǎng)景中常見的未滿足需求是執(zhí)行的第一步。

　　為了解決未滿足的需求 (一個(gè)自感知和自優(yōu)化的機(jī)器) 必須關(guān)注 1）數(shù)據(jù)質(zhì)量 2）多區(qū)域的復(fù)雜度 3）機(jī)器之間的不同 4）專家系統(tǒng)的納入 5）多數(shù)據(jù)源的復(fù)雜度等五項(xiàng)挑戰(zhàn)。圖4 概述了如何運(yùn)用DT、AT、PT 和OT 應(yīng)對(duì)這些挑戰(zhàn)去開發(fā)一個(gè)智能主軸系統(tǒng)。

　　圖4智能機(jī)床主軸平臺(tái)技術(shù)

　　五、工業(yè)人工智能的挑戰(zhàn)

　　工業(yè)人工智能的期望是巨大且多方面的，即或要滿足企業(yè)界的部分期望也將會(huì)是人工智能在應(yīng)用時(shí)要面對(duì)的獨(dú)特且真實(shí)的挑戰(zhàn)。在現(xiàn)存的復(fù)雜挑戰(zhàn)中，下列問題具有更高的重要性及優(yōu)先性：

　　5.1 機(jī)器與機(jī)器之相互影響

　　當(dāng)AI演算法能夠準(zhǔn)確的將一組輸入數(shù)據(jù)集映射到一組輸出數(shù)據(jù)集時(shí)，它們也容易被因機(jī)器與機(jī)器間之不同而有的細(xì)微變量所影響。AI 算法需要確保單個(gè) AI 解決方案不會(huì)對(duì)其他下游系統(tǒng)的工作造成干擾或沖突。

　　5.2 數(shù)據(jù)品質(zhì)

　　AI演算法需要大量且具有最小偏差的干凈數(shù)據(jù)集，用不準(zhǔn)確或不充分的數(shù)據(jù)集去學(xué)習(xí)會(huì)產(chǎn)生有缺陷的結(jié)果。

　　5.3 網(wǎng)絡(luò)安全

　　越來(lái)越多地使用連接技術(shù)使得智能制造系統(tǒng)容易受到網(wǎng)絡(luò)攻擊。目前此類危險(xiǎn)程度并沒有受到足夠的重視，而且企業(yè)界對(duì)存在的網(wǎng)絡(luò)威脅也沒有完善的對(duì)策【12】。

　　六

　　結(jié)論

　　當(dāng)AI由科幻成為改變世界的前沿技術(shù)時(shí)，我們迫切需要系統(tǒng)性的去開發(fā)和實(shí)施AI，以便了解它在工業(yè) 4.0 這個(gè)下一世代工業(yè)系統(tǒng)中的真實(shí)價(jià)值。本研究旨在定義工業(yè)人工智能這一術(shù)語(yǔ)并將其納入工業(yè) 4.0 的范式中。本文也通過(guò)對(duì)工業(yè)人工智能生態(tài)系統(tǒng)在當(dāng)今制造業(yè)中的概述為工業(yè)人工智能系統(tǒng)的實(shí)現(xiàn)提供策略與指導(dǎo)原則。

　　參考文獻(xiàn)

　　【1】Lee K. Artificialintelligence, automation, and the economy. The White. House Blog; 2016.

　　【2】Lee J, Bagheri B, Kao HA. Acyber-physical systems architecture for industry 4.0-based manufacturing systems.Manuf Lett2015; 3:18–23.

　　【3】Da Xu L, He W, Li S.Internet of things in industries: A survey. IEEE Trans Ind Inf 2014;10(4):2233–43.

　　【4】Lee J, Lapira E, Bagheri B,Kao HA. Recent advances and trends in predictive manufacturing systems in big data environment. Manuf Lett 2013;1(1):38–41.

　　【5】Shi J, Wan J, Yan H, Suo H.November. A survey of cyber-physical systems. In: Wireless Communicationsand Signal Processing (WCSP), 2011 International Conference on. IEEE. 2011.p.1–6.

　　【6】Lee J, Ardakani HD, Yang S,Bagheri B. Industrial big data analytics and cyber physical systems for future maintenance& service innovation. Procedia CIRP 2015; 38:3–7.

　　【7】Zhang L, Luo Y, Tao F, LiBH, Ren L, Zhang X, et al. Cloud manufacturing: a new manufacturing paradigm. EnterpriseInf Syst2014;8(2):167–87.

　　【8】Wu D, Greer MJ, Rosen DW,Schaefer D. Cloud manufacturing: Strategic vision and state-of-the-art. J ManufSyst2013;32(4):564–79.

　　【9】Yang S, Bagheri B, Kao HA,Lee J. A unified framework and platform for designing of cloud-based machine healthmonitoring and manufacturing systems. J Manuf Sci Eng 2015;137(4):040914.

　　【10】BahetiR, Gill H.Cyber-physical systems. Impact Control Technol 2011;12 (1):161–6.

　　【11】LeitaoP, Karnouskos S,Ribeiro L, Lee J, Strasser T, Colombo AW. Smart agents in industrialcyber–physical systems. Proc IEEE 2016; 104(5):1086–101.

　　【12】TuptukN, Hailes S. Securityof smart manufacturing systems. J Manuf Syst2018; 47:93–106.

相關(guān)熱詞搜索：工業(yè)4 0 工業(yè)人工智能人工智能

上一篇：進(jìn)博會(huì) | 不二越帶來(lái)了全球運(yùn)行速度最快的焊接機(jī)器人 下一篇：貝加萊要把半數(shù)業(yè)務(wù)遷至中國(guó)