焊管制造企業(yè)應(yīng)用人工智能需優(yōu)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(yè)智能制造的核心， 是研究、 開發(fā)用于模擬、 延伸和擴展人的智能的理論、 方法、 技術(shù)及應(yīng)用系統(tǒng)的一門新的技術(shù)科學(xué)。 隨著大數(shù)據(jù)環(huán)境的快速形成， 云計算與邊緣計算的能力大幅提升， 深度學(xué)習(xí)帶動算法模型的持續(xù)優(yōu)化和資本與技術(shù)的深度結(jié)合， 使人工智能從只能執(zhí)行某種特定的工作到適應(yīng)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(chǎn)、 生活領(lǐng)域。

筆者于2020 年初發(fā)表了一篇 《焊管智造AI+高頻直縫焊管制造的構(gòu)想》 的論文， 得到了一些行業(yè)從業(yè)人員的關(guān)注， 本研究就人工智能在焊管行業(yè)的應(yīng)用給出具體的建議， 為焊管行業(yè)實現(xiàn)智能制管提供一定參考。

1 人工智能在焊管行業(yè)應(yīng)用的可行性

1.1 人工智能技術(shù)的成熟度

（1） 目前已經(jīng)能夠利用各類傳感器并對傳感器時序數(shù)據(jù) （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(tài)等） 進行分析， 從而對生產(chǎn)設(shè)備做出預(yù)測性維護與異常警示， 以確保設(shè)備穩(wěn)定可靠運行。 這不僅能提升5%～20%的產(chǎn)能， 還能提高生產(chǎn)質(zhì)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(shù)的愈發(fā)成熟， 已經(jīng)能將企業(yè)的各類傳感數(shù)據(jù)、 控制數(shù)據(jù)、 生產(chǎn)工藝數(shù)據(jù)、 質(zhì)量測量數(shù)據(jù)、 企業(yè)運行數(shù)據(jù)等整合到一個平臺上并進行系統(tǒng)分析、 虛擬檢測和過程控制， 提高產(chǎn)品自信度。

（3） 機器學(xué)習(xí)與深度學(xué)習(xí)已經(jīng)被廣泛地應(yīng)用于系統(tǒng)數(shù)據(jù)分析， 通過整合行業(yè)生產(chǎn)經(jīng)驗數(shù)據(jù)， 使預(yù)測模型的實時性、 可靠性等更貼近現(xiàn)場應(yīng)用， 使生產(chǎn)系統(tǒng)運行更合理、 產(chǎn)品質(zhì)量更可靠。

（4） 機器視覺技術(shù)在人臉識別上的成功應(yīng)用， 使得該技術(shù)可以運用到工業(yè)生產(chǎn)中， 建立識別準(zhǔn)確率更高、 識別速度更快、 識別能力更強的應(yīng)用模型。

1.2 焊管生產(chǎn)制造技術(shù)的特點

（1） 焊管生產(chǎn)設(shè)備的精度和管坯精度基本能夠滿足工業(yè)化連續(xù)生產(chǎn)與傳感器采集數(shù)據(jù)的需要。

（2） 焊管生產(chǎn)工藝流程相似度高， 盡管焊管尺寸、 材質(zhì)差異大， 但制造原理和工藝流程相近， 對應(yīng)道次軋輥孔型、 生產(chǎn)設(shè)備相似， 成組技術(shù)特征明顯， 方便人工智能中的傳感器、語言識別、 圖像識別、 數(shù)據(jù)庫和專家系統(tǒng)的建立與應(yīng)用， 也使得焊管人工智能框架的構(gòu)建相對簡單。

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

（4） 焊管生產(chǎn)的工藝成熟， 工藝參數(shù)較易獲取。

（5） 焊管行業(yè)聚集了一批研究型、 技能型專家學(xué)者， 容易建立可靠適用的專家系統(tǒng)。 一個好的專家系統(tǒng)既是行業(yè)成熟的標(biāo)志， 也是應(yīng)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(yè)應(yīng)用的必然性

近年來， 世界各國陸續(xù)發(fā)布了人工智能方面的戰(zhàn)略規(guī)劃。 美國國家科技委員會與美國網(wǎng)絡(luò)和信息技術(shù)研發(fā)委員會于2016 年10 月發(fā)表了 《國家人工智能研究和發(fā)展戰(zhàn)略計劃》； 日本經(jīng)濟產(chǎn)業(yè)省于2017 年頒布了 《下一代智能推進戰(zhàn)略》；韓國第四次工業(yè)革命委員會于2018 年5 月發(fā)布了 《人工智能研究與發(fā)展 （R&D） 戰(zhàn)略》； 德國則在2012 年便提出了“工業(yè)4.0” 戰(zhàn)略。 當(dāng)今世界主要工業(yè)國家在如此短時間內(nèi)密集頒布關(guān)于人工智能的發(fā)展戰(zhàn)略絕非偶然， 是工業(yè)3.0 （廣泛應(yīng)用電子與信息技術(shù)） 發(fā)展到工業(yè)4.0 （智能化）的歷史必然。

我國在2017 年7 月8 日經(jīng)中央政治局常委會、 國務(wù)院常務(wù)會議審議通過了 《新一代人工智能發(fā)展規(guī)劃》， 該規(guī)劃指出， 人工智能的迅速發(fā)展將深刻改變?nèi)祟惿鐣睢?其中， 特別指出要推廣應(yīng)用智能工廠， 重點推廣生產(chǎn)線重構(gòu)與動態(tài)智能調(diào)度、 生產(chǎn)裝備智能物聯(lián)與云化數(shù)據(jù)采集、 多維人機物協(xié)同與互操作等技術(shù)， 鼓勵和引導(dǎo)企業(yè)建設(shè)工廠大數(shù)據(jù)系統(tǒng)、 網(wǎng)絡(luò)化分布式生產(chǎn)設(shè)施等， 實現(xiàn)生產(chǎn)設(shè)備網(wǎng)絡(luò)化、 生產(chǎn)數(shù)據(jù)可視化、 生產(chǎn)過程透明化、 生產(chǎn)現(xiàn)場無人化， 提升工廠運營管理智能化水平?？梢?， 人工智能在工業(yè)生產(chǎn)中的應(yīng)用是未來發(fā)展的必然趨勢。

人工智能研發(fā)與工業(yè)應(yīng)用各取所需。 隨著人工智能在金融、 教育、 交通、 健康、 零售、 服務(wù)以及制造等領(lǐng)域取得巨大商業(yè)價值之后， 需要在更多工業(yè)生產(chǎn)中得到應(yīng)用。 與此同時， 焊管行業(yè)亦需要借助人工智能實現(xiàn)智能制管， 以達到提高生產(chǎn)效率、 提升產(chǎn)品質(zhì)量的目的。

因此， 智能制管必然會成為今后焊管制造的發(fā)展方向， 焊管生產(chǎn)企業(yè)要堅定信心， 應(yīng)用人工智能提升中國焊管行業(yè)的運營能力和競爭能力。

3 應(yīng)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(tǒng)的價格， 因應(yīng)用場景的不同而差異較大。 根據(jù)智能化的需求， 價格從幾萬到數(shù)百萬不等， 隨著AI 技術(shù)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(shù)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(xiàn)在的全民普及， 發(fā)生了巨大的變化。 同理，人工智能技術(shù)經(jīng)過較長時間的積累， 通過新型算法的應(yīng)用和基礎(chǔ)設(shè)施的完善， 其價格必定會大幅下降。 據(jù) 《計算機周刊》 報道， 斯坦福大學(xué)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(shù)據(jù)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(nèi)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(shù)的不斷進步， 焊管生產(chǎn)用人工智能必定會以更低的價格被企業(yè)所接納。 另外， 要辯證地看投入， 既要看投入， 也要看產(chǎn)生的收益。 據(jù)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(yè)營銷、 供應(yīng)鏈管理這兩項工作中， 就能夠在未來20 年創(chuàng)造出27 000 億美元的經(jīng)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(yè)創(chuàng)造非常大的經(jīng)濟價值， 即節(jié)省人力成本、 時間成本、 設(shè)備損耗、 運營成本和供應(yīng)鏈管理成本等。 目前， 應(yīng)該為人工智能順利融合焊管行業(yè)而提前做準(zhǔn)備， 組建專家團隊、收集制管工藝數(shù)據(jù)等。

3.2 收集數(shù)據(jù)

3.2.1 數(shù)據(jù)的重要性

數(shù)據(jù)、 運算能力、 算法模型、 傳感器和多元應(yīng)用是構(gòu)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(yīng)用是 “潛力挖掘”， 那么數(shù)據(jù)就是 “細胞”， 是所有這些的基礎(chǔ)。 數(shù)據(jù)及其相關(guān)性和準(zhǔn)確性是構(gòu)建人工智能模型的先決條件。

（1） 人工智能來源于數(shù)據(jù)， 沒有數(shù)據(jù)就談不上人工智能。 誰擁有數(shù)據(jù)多， 誰就能占領(lǐng)制高點， 擁有定義未來的權(quán)力。

（2） 人工智能的能力大小取決于有效數(shù)據(jù)量， 擁有有效數(shù)據(jù)越多， 人工智能就越智能。

（3） 人工智能最擅長的是通過數(shù)據(jù)找出數(shù)據(jù)間隱藏的內(nèi)在邏輯， 總結(jié)已經(jīng)發(fā)生事件的規(guī)律， 在此基礎(chǔ)上建立預(yù)測模型， 進而優(yōu)化效率、提升質(zhì)量、 降本增效， 否則便不可能設(shè)計出適合該企業(yè)的人工智能模型。

3.2.2 焊管行業(yè)的數(shù)據(jù)現(xiàn)狀

焊管行業(yè)的數(shù)據(jù)現(xiàn)狀主要表現(xiàn)為確切數(shù)據(jù)與模糊數(shù)據(jù)并存、 經(jīng)驗數(shù)據(jù)與理論數(shù)據(jù)并存、定量施加與效果迥異并存、 顯性知識與緘默技術(shù)并存。

（1） 確切數(shù)據(jù)與模糊數(shù)據(jù)并存。 在高頻直縫焊管生產(chǎn)過程中， 一方面， 包括軋輥孔型初始尺寸、 管坯規(guī)格牌號、 輥軸直徑、 軸承型號等都有詳細的數(shù)據(jù)； 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(shù)據(jù)， 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(xí)慣、 焊管規(guī)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(fā)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(jīng)驗數(shù)據(jù)與理論數(shù)據(jù)并存。 這在焊管生產(chǎn)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(diào)整等過程， 都是經(jīng)驗與理論兼?zhèn)洹?以薄壁管成型調(diào)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(xiàn) “鼓包”， 但是若按理論上山量預(yù)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(jīng)驗觀察“鼓包” 程度， 僅對少數(shù)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(xiàn)在焊管定徑尺寸的調(diào)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(diào)節(jié)裝置、 調(diào)節(jié)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(guī)格、 管坯材質(zhì)不同所形成的變化量不等，即使按刻度施加調(diào)整量， 與想要達成的效果多數(shù)情況不一致， 需要反復(fù)多次調(diào)節(jié)才能達成預(yù)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(yè)知識、 文化程度、 表達能力、 時空環(huán)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(shù)。 緘默知識在高頻直縫焊管成型過程中表現(xiàn)的比較突出， 一個經(jīng)常發(fā)生的現(xiàn)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(diào)整不好， 乙操作者卻能在短時間內(nèi)調(diào)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(shù)據(jù)說話， 用確切數(shù)據(jù)表達事物之間的關(guān)系，恰恰又是人工智能對應(yīng)用場景進行客觀描述的最基本手段。 焊管專家和學(xué)者為此要盡可能將操作者心中的緘默知識顯性化、 數(shù)據(jù)化。 焊管生產(chǎn)工藝顯性化是實現(xiàn)工藝數(shù)據(jù)化的前提， 沒有工藝數(shù)據(jù)化， 便不可能設(shè)計出焊管行業(yè)適用的人工智能。

3.2.3 工藝數(shù)據(jù)的準(zhǔn)備

（1） 建立體現(xiàn)數(shù)據(jù)的全面性、 代表性、 關(guān)聯(lián)性和透明性的數(shù)據(jù)庫， 收集整理現(xiàn)有顯性確切數(shù)據(jù)， 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(shù)據(jù)， 請技術(shù)專家和生產(chǎn)人員共同甄別驗證， 去偽存真， 將反映客觀真實的數(shù)據(jù)提煉出來。

（3） 對存疑數(shù)據(jù)不要輕易丟棄， 留待AI 專家進場后共同商榷， 因為有些數(shù)據(jù)也許在本行業(yè)專家眼中可能沒有用， 但在AI 專家看來卻是關(guān)鍵數(shù)據(jù)、 節(jié)點數(shù)據(jù)。

（4） 將經(jīng)驗數(shù)據(jù)轉(zhuǎn)變?yōu)槟Ｐ蛿?shù)據(jù)， 對經(jīng)驗數(shù)據(jù)進行回歸總結(jié)， 將若干同類個性化、 趨勢化數(shù)據(jù)上升為理論數(shù)據(jù)， 使數(shù)據(jù)更具一般性、 代表性， 成為人工智能可用數(shù)據(jù)。

（5） 將模糊數(shù)據(jù)清晰化。 在焊管調(diào)整過程中， 經(jīng)常會出現(xiàn)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(shù)據(jù)， 要通過多次試驗， 逐步縮小模糊空間， 直至將這些模糊數(shù)據(jù)變?yōu)榇_切數(shù)據(jù)。

（6） 尋找定量施加與效果差異之間的原因與規(guī)律， 建立施加量與效果 （約等于施加量）、影響因素之間的函數(shù)關(guān)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(xiàn)的緘默內(nèi)容在啟發(fā)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(shù)據(jù)化， 實現(xiàn)緘默知識的積累、 傳承和規(guī)?；瘧?yīng)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(yè)技術(shù)專家協(xié)調(diào)解決。

此外， 還要自行研制或與設(shè)備制造商合作，制造出盡可能多的數(shù)顯工模夾具， 使工藝數(shù)據(jù)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(guī)范、 優(yōu)化焊管工藝； 二是有利于嚴(yán)格執(zhí)行焊管工藝， 變操作者心中有數(shù)為眼前有數(shù)據(jù)；三是為焊管用人工智能數(shù)據(jù)收集、 順利導(dǎo)入做好鋪墊。

3.3 組建專家團隊

人工智能與焊管行業(yè)融合是一個綜合的系統(tǒng)工程， 牽涉到機械、 力學(xué)、 化學(xué)、 電氣、 金屬學(xué)、 數(shù)學(xué)、 工藝、 檢驗、 管理、 計算機等學(xué)科，需要多學(xué)科專家學(xué)者協(xié)同配合， 必須組建屬于焊管行業(yè)的綜合專家團隊。

（1） 前期準(zhǔn)備。 包括邀請行業(yè)專家和人工智能專家座談， 開展可行性論證， 推動行業(yè)協(xié)會與相關(guān)機構(gòu)協(xié)調(diào)行動， 開展企業(yè)選擇， 數(shù)據(jù)準(zhǔn)備等一系列工作， 條件成熟時建設(shè)具有焊管行業(yè)特色的專家系統(tǒng)。

（2） 協(xié)同配合。 在人工智能與焊管行業(yè)融合期間解決屬于本行業(yè)的問題， 提出需求，按人工智能專家的要求提供數(shù)據(jù)、 維護設(shè)備、培訓(xùn)人員。

（3） 維護指導(dǎo)。 人工智能投入使用前， 必須對操作者進行培訓(xùn)， 指導(dǎo)其正確使用與維護智能制管系統(tǒng)， 最大限度發(fā)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(shè)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(yè)專家與人工智能專家就專業(yè)問題進行專業(yè)溝通， 共同尋找解決之策。

3.4 組建機構(gòu)

人工智能與焊管生產(chǎn)融合不單純是技術(shù)問題， 而是需要多學(xué)科合作， 以及長期艱苦細致的科研攻關(guān)。 行業(yè)協(xié)會、 科研院所、 重點企業(yè)應(yīng)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(gòu)和創(chuàng)投公司加入， 組建風(fēng)險共擔(dān)、 利益共享的公司法人機構(gòu)， 全面開展智能制管工作。

3.5 提高精度

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

3.5.1 焊管設(shè)備精度

（1） 從焊管設(shè)備制造的角度看， 應(yīng)用人工智能需要高精度、 高強度的焊管設(shè)備來承載， 也必定會出現(xiàn)一股設(shè)備更新潮， 帶來新的發(fā)展機遇， 以引導(dǎo)設(shè)備制造商向精細高端方向發(fā)展。 新設(shè)備要在高精度高強度的基礎(chǔ)上， 實現(xiàn)數(shù)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(shù)顯、 焊接匯合點溫度實時數(shù)顯等， 為智能制管準(zhǔn)備好硬件。

（2） 從焊管設(shè)備使用者的角度看， 首先要與時俱進， 放棄粗放生產(chǎn)模式， 及時淘汰老舊生產(chǎn)線， 向高精設(shè)備要效率、 要效益。 以更換焊管規(guī)格為例， 如果能實現(xiàn)軋輥定位模塊化、 調(diào)整數(shù)據(jù)化， 那么換輥時間至少可以節(jié)省50%以上；其次， 對設(shè)備重要性要有清醒認識， 低精度設(shè)備不可能生產(chǎn)出高品質(zhì)、 高附加值焊管， 同時所采集到的實時數(shù)據(jù)不能真實反映工藝狀態(tài)， 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(xué)性能、 化學(xué)成分等。 以力學(xué)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(yīng)處理， 但這種處理從時序上講畢竟具有滯后性， 也會對產(chǎn)品質(zhì)量產(chǎn)生一定的影響。 焊管行業(yè)應(yīng)該從現(xiàn)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(yīng)未來應(yīng)用人工智能實現(xiàn)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(yè)的工藝、 設(shè)備、 材料、 環(huán)境、 人員、 銷售、 供應(yīng)、 倉儲管理等更規(guī)范、 更精準(zhǔn)。 譬如工藝管理， 從現(xiàn)在起首先要對現(xiàn)有工藝內(nèi)容充實、 補充、 完善、 細化； 其次， 對每一個工藝參數(shù)再驗證、 再確認， 對模糊參數(shù)做清晰化處理， 務(wù)必精準(zhǔn)； 第三， 強化工藝執(zhí)行力度，嚴(yán)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(jié)束語

人工智能的迅速發(fā)展將深刻改變?nèi)祟惿鐣睿?是工業(yè)廣泛應(yīng)用電子與信息技術(shù)發(fā)展到現(xiàn)階段的歷史必然。 人工智能融入焊管生產(chǎn)、 實現(xiàn)智能制管具有充分的可行性與必然性， 也是焊管行業(yè)自身發(fā)展的需要。 焊管行業(yè)從業(yè)人員應(yīng)及早行動起來， 從數(shù)據(jù)、 人才、 組織、 設(shè)備、 材料及管理等方面做好功課， 積極做好應(yīng)用人工智能、 實現(xiàn)智能制管的前期準(zhǔn)備工作。