工業(yè)與人工智能深度融合是必由之路

■文/張先燏 博士，上海交通大學(xué)機械與動力工程學(xué)院助理研究員

現(xiàn)階段，我國工業(yè)智能化程度還處于初始階段，潛在的工業(yè)智能場景可以為企業(yè)未來的工業(yè)智能化發(fā)展提供方向和目標(biāo)參考。

隨著人工智能技術(shù)的快速發(fā)展和工業(yè)智能制造需求的日益凸顯，工業(yè)與人工智能正在深度融合，工業(yè)正朝著智能化的方向演進。

在工業(yè)領(lǐng)域，圍繞工業(yè)價值鏈，即客戶需求、研發(fā)設(shè)計、運營管理、生產(chǎn)加工、工業(yè)服務(wù)等各個階段，工業(yè)與人工智能都在進行著深度的融合，并形成了典型的工業(yè)智能應(yīng)用場景，實現(xiàn)了工業(yè)過程的自感知、自認(rèn)知、自控制、自適應(yīng)、自反饋、自組織、自學(xué)習(xí)、自決策、自主化等智能功能。

在客戶需求階段，以家電制造領(lǐng)域（電梯）為例，在電梯安全運營的自控制應(yīng)用場景中，采用飛行時間（TOF）、圖像識別等技術(shù)可以解決顧客在扶梯和電梯使用過程中的擁堵、摔倒、電梯關(guān)人等問題，分析客戶輿情，提升客戶滿意度。在電梯數(shù)據(jù)自感知應(yīng)用場景中，基于大數(shù)據(jù)的智能技術(shù)可以自動在線采集電梯數(shù)據(jù)，分析電梯歷史數(shù)據(jù)，實現(xiàn)電梯顧客需求的精準(zhǔn)預(yù)測。在電梯客戶需求的自認(rèn)知應(yīng)用場景中，采用多模態(tài)的情感感知與表達(語音、視覺、文本)的跨媒體智能技術(shù)，可以實現(xiàn)對原始數(shù)據(jù)的語義分析識別，并生成標(biāo)簽化數(shù)據(jù)，從而獲取和分析電梯客戶的需求。

在研發(fā)設(shè)計階段，以航空航天裝備制造領(lǐng)域（飛機）為例，在基于專家系統(tǒng)的飛行訓(xùn)練的自學(xué)習(xí)應(yīng)用場景中，通過建立飛行訓(xùn)練標(biāo)準(zhǔn)知識庫、學(xué)習(xí)算法，不斷學(xué)習(xí)和積累新的飛行經(jīng)驗，有助于提高新機型、新功能的研發(fā)效率。在飛機零部件設(shè)計資源自組織應(yīng)用場景中，基于工業(yè)互聯(lián)網(wǎng)的社會資源的眾籌眾包技術(shù)，可實現(xiàn)飛機零部件跨區(qū)域的異地群體協(xié)同設(shè)計。在飛機飛行姿態(tài)的自適應(yīng)和自反饋應(yīng)用場景中，通過研發(fā)飛機客艙全姿態(tài)的自平衡自主無人服務(wù)機器人（可以自適應(yīng)飛機在空中飛行的不同姿態(tài)），能夠?qū)⒎?wù)產(chǎn)品（尤其是液體食物）平穩(wěn)送達乘客手中。

在運營管理階段，以港口裝備制造領(lǐng)域為例，在用戶配件獲取的自決策應(yīng)用場景中，通過機器學(xué)習(xí)技術(shù)與相關(guān)算法設(shè)計，建立整機、配件與供應(yīng)商之間的智能匹配數(shù)據(jù)模型，能夠向用戶提供優(yōu)化的配件匹配推薦信息，幫助用戶快速、準(zhǔn)確鎖定所尋找配件的合理范圍。在港口物流的無人自主化應(yīng)用場景中，采用混合增強智能技術(shù)可以實現(xiàn)港口碼頭中物流機器人之間的任務(wù)管理、調(diào)度、交互、協(xié)作。

在生產(chǎn)加工階段，以汽車制造領(lǐng)域為例，在汽車零部件智能識別的自感知應(yīng)用領(lǐng)域中，采用基于圖像和激光云的智能識別技術(shù)，可以實現(xiàn)對汽車生產(chǎn)車間的關(guān)鍵設(shè)備信息的智能識別和三維點云場景匹配，如車間物流箱號識別、吊具位姿檢測、零部件的定位抓放、物流小車自動行駛糾偏等。在汽車裝配資源自組織應(yīng)用場景中，采用基于知識資源的自組織與開放式共享的工業(yè)群體智能技術(shù)，能夠?qū)崿F(xiàn)汽車多機協(xié)同的智能裝配。

在工業(yè)服務(wù)階段，以海洋工程裝備制造領(lǐng)域為例，在設(shè)備監(jiān)測的自感知應(yīng)用場景中，通過對海洋工程設(shè)備的重要零部件（如變速器、編碼器、制動器、柴油發(fā)動機、鋼絲繩等）進行狀態(tài)監(jiān)測，可以收集歷史大數(shù)據(jù)并進行分析。在設(shè)備故障的自學(xué)習(xí)應(yīng)用場景中，采用機器學(xué)習(xí)的方法對歷史異常現(xiàn)象和其對應(yīng)的關(guān)鍵參數(shù)集進行建模，能夠建立各參數(shù)變化與零部件損傷的概率模型，后者能夠?qū)υO(shè)備當(dāng)前的健康狀態(tài)進行預(yù)測，并給予港口運營合理的建議，如合理安排維護計劃、備用件采購計劃等。