切換到寬版
  • 22閱讀
  • 0回復

柴天佑院士:從人類感知到智能決策,制造業智能化關鍵問題解讀 [復制鏈接]

上一主題 下一主題
 

股票配資

      鋒網按:工業互聯網作為當下國內制造業轉型升級的利器。制造流程如何轉變?人工智能如何融入到工業互聯網發展進程中?在這個過程中存在哪些機遇和挑戰?
      
      10月18日,在2019工業互聯網全球峰會上,中國工程院院士、東北大學學術委員會主任、流程工業綜合自動化國家重點實驗室主任柴天佑發表了主題演講工業互聯網與工業人工智能,給出了這些工業互聯網發展前期關鍵問題的答案。
      

      
      工業互聯網發展初期存在的四個問題
      
      首先簡單回顧一下工業互聯網發展現狀。
      
      美國的工業互聯網主要做的工作是資產優化,為不同企業向服務型企業轉型提供一個模式。
      
      德國工業4.0也代表著工業互聯網,他們當時以制造流程優化為目的,強調實現個性定制的高效化,為中小企業發展提供模板。
      
      其實,工業互聯網發展到今天,還存在一些問題:
      
      第一,缺乏IT和OT技術融合。現在我們所采用的互聯網技術,包括5G、邊緣計算、云平臺技術,和現在我們第三次工業革命形成的PLC、DCS管控系統,從硬件軟件缺乏深度融合。
      
      第二,缺乏在工業互聯網環境下,制造業轉型升級新模式和高質量發展研究。
      
      第三,工業互聯網缺乏與工業人工智能技術的深度融合。
      
      第四,針對工業互聯網實際落地,缺乏系統體系架構、功能體系、自主可控的核心關鍵技術與實施路徑的深入研究,特別是缺乏智能制造系統的新一代硬件、軟件和系統及關鍵核心技術。
      
      跨企業工業互聯網系統:從人類感知到智能決策
      
      我們跨企業工業互聯網應該如何走?下圖給出了這一問題的答案。
      

      
      跨企業工業互聯網系統的主要目標功能包括:
      
      第一,對企業的安全進行監控和預警;
      
      第二,對企業能耗進行監測和預警;
      
      第三,對企業環境檢測和預警;
      
      第四,對于不同的中小企業,通過大數據驅動,提高企業管理和決策智能化水平。
      
      對于集團企業的工業互聯網系統而言,系統包括「內網系統+集團企業智能化軟件平臺+企業內部各類自動化系統」,然后通過特殊的安全系統和機制實現互聯。
      
      這一系統主要目標功能包括:
      
      第一,在大數據環境下,實現企業經營管理和決策的智能優化;
      
      第二,實現制造業企業向服務型轉型,即企業不再只是生產產品,同時還要對產品的后服務,以及將來的產品維護、運維提供服務。
      
      第三,實現供應商企業、供貨商企業集成優化,使企業的經營決策既考慮到工況,又考慮到供應鏈,形成一個優化的決策。
      
      那么,一個企業級系統將來如何發展?下圖就反應了一個企業一定有生產制造性,原來是由計算機管控系統。
      

      
      但是在這樣的產業信息化過程中并沒有考慮智能化的問題,也沒有考慮到在工業大數據環境,要想將這些功能加強,必然要做以下工作:
      
      第一,要做智能傳感。現在的傳感感知是靠人,這些感知如何通過智能傳感、無線傳輸、邊緣計算,去預測、優化決策、大數據監控,并向上接入工業云。
      
      為什么需要工業云?工業過程的數據是變化,通過某一段數據訓練的模型無法用到整個生產過程中,因而必須要做一個自適應的機器學習系統。再加入物聯網技術,也就形成了現在的企業物聯網+企業智能化軟件平臺。
      
      對于這個系統而言,必須要考慮工業網絡化系統安全,這是有特殊的安全要求的。這樣,這個系統就實現了制造流程的全局化、個性制造流程化。
      
      企業工業網絡化系統的目的是執行定制化生產任務。當然,對于這樣一個系統而言,必須要考慮工業網絡化系統的安全,工業系統有其特殊的安全需要。
      
      下面以一個制造流程的智能系統為例,來說明如何實現工業互聯網的產業應用。如下圖所示。
      

      

      
      但是我們都知道,人本身是難以處理多元信息的感知的,人難以快速計算多元信息的感知,再加上人會由于知識水平的不同、能力不同,決策往往也不一致。所以在這種情況下,下一步就要將這個系統變成一個新的系統。
      
      新系統的目標是實現企業高效化決策和生產,這個系統最終變為兩個系統,把底層人控制的控制系統和加工系統,轉換成為智能控制系統;把所有信息化分層決策,轉換成為人機合作的智能優化系統,最終由原來的三層結構形成兩層結構。
      

      
      未來的情況就會形成上圖右側這樣的兩層結構,一個是智能自主控制系統,一個是人機合作的智能優化決策系統,這樣的制造流程智能自主系統將隨決策指令協同路徑實現制造流程的高效化和可預測化。
      
      從工業自動化到工業人工智能,如何轉型?
      
      將來的制造流程智能系統的發展方向是怎樣的呢?
      

      
      當然,這樣的系統必須采用人工智能技術來實現。
      
      談到人工智能技術,我們會區分強人工智能和弱人工智能,強人工智能是指擁有和人一樣的智慧,以及全面的智能。但是今天一些人認為強人工智能是無法實現,當然也有人認為實現強人工智能大概需要50年。我們今天可以實現的是弱人工智能,特點是針對一個特定的場景、目標要比人做得好。例如現在的人工智能技術可以用于開車(自動駕駛),也可以用于下棋,但是不能兩者兼備。
      
      在工業應用中,將來應該是實現工業環境應用的特殊人工智能技術,到今天為止,人工智能仍然沒有大家公認的定義,但是他的核心目標是要實現智能行為的自動化和可復制,不是單一技術,是特定任務的技術集合。
      
      現在的人工智能算法是靠數據訓練得到的,它的準確率是高,但是為什么高,我們說不清楚。
      
      人工智能下一步發展方向將會是:
      
      第一,由現在的不可解釋的人工智能,發展到可解釋的人工智能技術。因為只有可解釋,人才可以進行推理。
      
      第二,人工智能將會向智能系統發展。工業流程中我們現在應用的是自動化控制系統,將來將會轉變為智能控制系統。
      
      現在的人工智能和自動化之間有什么相同點和不同點?
      
      從目標來講,自動化減少了人的體力和腦力勞動,從而提高工作效率的效果和效益,AI是人的智能行為的復制,它們采用的手段是一樣的,都是算法和系統。此外,它們的共同點還在于都是通過機器延伸和增強人類的感知、認知決策執行功能,使人增強認識世界和改造世界的能力,去完成人無法完成的特定任務,或者是特定任務比人完成得更好。
      
      不同之處在于,它們處理問題的對象是不同的。
      

      
      第一類是機理清楚,動態可以用微分方程調控,靜態可以用代數方程描述的對象,通過我們所學到的機理知識,我們知道了其中的因果關系,可以通過因果關系以小數據來進行建模、分析、控制和優化。
      
      第二類是如圖像這類很難用數學模型(微分方程、代數方程等)描述的對象,它的信息是在一個空間里邊,是一個大數據范疇,這時候可以用大數據和機器學習來處理和建模,這是今天的人工智能技術。
      
      所以人工智能技術發展到今天的深度學習是基于大數據實現的,但是今天的成果有一個條件,就是必須是一個封閉環境下的大數據。我們今天在工業中所遇到的對象,它的整個機理不清晰,難以建立數學模型,我們現在的技術,我們各類專業知識是無法解決這樣問題的;另外,工業中的輸入輸出信息處于開放環境,是可變的(且不確定),人的決策并無法將所有因素都考慮到。
      
      在這樣的情況下,再加上工業上的信息難以獲取,特別是多元信息的獲取,我們的決策目標是沖突的(我們要質量好,那么它的產量不一定高;產量高,成本不一定低)。
      
      這類對象應該是我們未來將自動化和人工智能技術相結合發展新的技術,即工業人工智能技術。
      
      對于工業人工智能,各個國家都極為重視,包括美國、德國等,中國的智能制造業也是把下一代的人工智能技術應用到工業制造中。所以下一步的目標是將工業制造實現智能化。
      
      工業互聯網系統研發思路
      
      什么是工業人工智能的含義?
      
      當前來看,針對產品與工藝設計、經營管理與決策、制造流程運行管理與控制等工業生產活動中目前仍然依靠人的感知、認知、分析與決策能力和經驗與知識來完成的知識工作,實現知識工作的自動化與智能化來顯著提高經濟效益。
      
      以制造流程知識工作為例,目前有三類工作:運行工況多源信息感知與識別, 經營層、生產層和運行層的協同決策,以及以企業綜合生產指標優化為目標,自動協同制造裝備控制系統的動作。
      
      人工智能在短期內的核心經濟目標是什么?
      
      是以以前無法實現自動化的任務實現自動化。
      
      最近美國提出的“補充和增量人類能力的AI系統”,實際上都是人類知識工作能力如何起作用。
      
      鑒于這種情況,接下來我們將會面臨三方面挑戰:
      
      第一,復雜工業環境下多元信息的動態感知;
      
      第二,預報模型,因為我們下一步要做的事是要比人強,人最大的能力是推理,要比人強,需要具備預測能力;
      
      第三,決策與控制過程集成優化。
      
      由此也需要三項技術:復雜工業系統的動態感知技術、復雜工業環境下5G快速可靠傳輸技術、云邊端協同智能算法實現技術。
      
      針對工業互聯網系統研發的具體思路,柴天佑院士最后也總結為以下幾點:
      
      第一,找準問題,應該找在工業過程的感知、認知、決策中的執行問題,選好場景;
      
      第二,確定目標,以最優秀的知識工作者為目標,并最終進行超越;
      
      第三,采用CPS思想,也就是采用系統為目標的研究思路,把計算資源和物理資源融合,研究更強大的系統。這里就應該把研發工業互聯網系統與研發面向特定領域的工業系統結合起來。這里具體又包括三部分:
      
      第一,模型驅動的自動化和模型驅動的原來各個專業知識,應該和數據驅動的人工智能技術進行深度的融合和協同;第二,研發工業互聯網與研發面向各種制造流程的智能算法系統密切結合;第三,研發工業互聯網與PLC(DCS)管控系統深度融合。
      
      第四,基礎研究、研發、時延與工業應用相結合;
      
      第五,匯聚國家重點實驗室、高技術公司與制造行業的科技力量,形成學科交叉長期合作的研究機制。
      
      
快速回復
限80 字節
如果您提交過一次失敗了,可以用”恢復數據”來恢復帖子內容
 
上一個 下一個
      彩90彩票首页