工业制造须发展工业人工智能

　　工业制造分两类：离散制造和流程制造。这两类制造在生产线上基本上看不出差别，其实底层的工业装备、控制系统不同。一般而言，控制系统保证了产品的自动化。但是，在有些情况下产品无法实现自动化，其中一种情况就是个性化定制。

　　个性化定制要求底层的工业装备能够加工不同的产品。这要求装备一定是智能化的，且控制系统要变成智能系统，以感知不同装备、工艺。但是，当前的生产线无法解决个性化定制的高效化——这也是工业4.0提出的重要目标之一。

　　现在的工业流程，就是把参数确定好，把生产线变成 “黑灯工厂”。但如果原料或产品品种发生改变，工艺就要重做。这需要决策部门进行指标的调整，再由工程师将其设定在控制系统之中。

　　这正是自动化系统的现状。自动化系统的结构，其实就是人与信息物理系统融合的系统，也就是人参与的信息物理系统——信息系统得到的信息跟人的感知、认知得到的信息综合用以进行分析和决策。

　　比如特高压输电和选矿系统。虽然生产线是完全自动的，但为了得到不同的产品，都要重新进行分析、设计，把人为设置参数指令放到生产线。也就是说，流程中需要工程师等知识工作者的参与。

　　这样的系统存在哪些问题？人的决策行为制约其发展。为什么？原因在于人难以感知动态变化的运行工况，也难以及时处理异构信息。另外，人的决策是有主观性的，不同人的决策是不一样的，这就不能够保证整个生产线是高效、全优的。

　　鉴于此，未来怎么做？要想实现个性定制的高效化、流程工业的全局优化，就要把现在的人和控制系统、装备变成自主系统，把系统管理系统变机合作的决策系统。

　　这和原来的系统区别在于，它具有了感知、认知、决策功能，且其最终的目标是高效化和最优化的方向，如此企业生产结构、效率将会发生根本性的改变。

　　现在的生产结构是三层：企业资源计划系统、制造执行系统和离散装备控制系统（流程制造中叫做过程控制系统）。未来要变成两层结构：底层都是自主系统，上层为人机合作的决策优化系统，这便是未来制造流程的远景。

　　这会带来哪些挑战？我认为有三点。第一个挑战是，人工智能的典型代表是基于大数据的深度学习，但是深度学习直到现在并没有完全应用于制造流程。

　　在智能制造领域有三个难题：多尺度、多元信息的获取，预报模型，把决策和控制过程集成。这三个难题可归纳为多尺度、多元信息的动态感知。要实现智能制造，这是必须要解决的问题。

　　第二，在制造中人工智能要想比人出色，就要对产品质量，对于能耗、物耗包括运行状态有预测和追溯。所谓追溯就是出现问题以后，能够感知到底是由哪道工序或动作导致的。

　　今天的人工智能分两种：强人工智能和弱人工智能。强人工智能指和人相比具有全面的智能，但相当一部分科学家认为这无法实现；弱人工智能是在特定场景下比人做得好，就如今天的自动驾驶、机器人下棋可以做得很好，但它做不到两者兼备。第三次人工智能浪潮的迭起源于大数据、强大的计算和深度学习算法。我认为未来人工智能必须走向智能系统。

　　AlphaGo为什么不能在工业中应用？原因在于它是在一个完全确定的规则中，计算机可以了解所有的规则，并且在博弈过程中可以建立可试错的精确决策模型用以离线训练，一直训练到可以战胜人类。另外，它的决策是一个单目标——就是输赢，它可以用大量的计算机，且不考虑能耗。

　　而工业过程的决策是在开放环境下，规则不确定，工业过程难以建立决策可试错的模型。而且工业过程的决策是多目标、相互冲突的，比如要想把质量做好并不等于成本最低。

　　可以说，目前的人工智能技术、博弈技术，属于“大数据小任务”，而工业将来遇到的问题决策是“小数据大任务”——工业大数据对计算机而言都是小数据。

　　人工智能的最终目标，主要是实现人的智能行为的自动化和复制。从这个意义上来讲，人工智能不是单一的技术，而是用于特定任务的技术集合。

　　工业人工智能在国际上开始被提出，包括美国提出的工业人工智能、德国提出的“与经济结合推动智能”。在我国，中国工程院编制的关于新一代人工智能的发展规划，也提及要研究如何用人工智能解决智能制造的问题。

　　总结来说，工业人工智能目前在制造流程中主要完成三项工作：运行工况多元信息的感知和认知，工作经营层、生产层、运行层的协同决策，以企业综合生产指标优化为目标自动协同控制装备的控制系统。

　　这里有几个关键技术要解决：第一是关键技术复杂工业环境下运行工况多尺度、多元信息的智能感知和识别技术，第二是复杂工业环境下基于5G多元信息的快速可靠的传输技术，第三是系统辨识与深度学习相结合的智能建模、动态仿真和可视化的技术；第四是关键工艺参数和生产指标的预测和追溯技术；第五是人机合作的智能优化决策技术，特别是结果端、边、云协同实现智能算法的技术。只有攻克了这些技术，才有可能使工业发生性的改变。

　　有一种合作叫做真诚，有一种发展可以无限，有一种伙伴可以互利共赢，愿我们合作起来流连忘返，发展起来前景可观。关于论文推荐、团队介绍、图书出版、学术直播、招聘信息、会议推广等，请与我们联系。

　　感谢关注我们！我们《机械工程学报》编辑部将努力为您打造一个有态度、有深度、有温度的学术媒体！