工業(yè)自動化中人工智能的應用
前言：想要寫出一篇引人入勝的文章？我們特意為您整理了工業(yè)自動化中人工智能的應用范文，希望能給你帶來靈感和參考，敬請閱讀。
摘要：人工智能是一個研發(fā)訓練計算機來執(zhí)行以前只有人類才有能力的智能行為方法的研究領域。自動化的目的是代替人或輔助人去完成人類生產(chǎn)、生活和管理活動中的特定任務，提高工作效率、效益和效果。二者都是通過機器延伸增加人類認識世界和改造世界的能力。文章從人工智能的定義及發(fā)展、自動化的定義及發(fā)展、智能制造對人工智能的要求、工業(yè)人工智能的涵義、面臨的挑戰(zhàn)及應對策略等方面進行了闡述，分析了人工智能與工業(yè)自動化的關系。
關鍵詞：人工智能；自動化；工業(yè)人工智能
1人工智能與自動化
1.1人工智能的定義及發(fā)展簡史
1.1.1人工智能的定義美國國家科技委員會于2016年制定的《為人工智能的未來做好準備》指出，目前并沒有一個普遍接受的人工智能定義。一些人把人工智能定義為是計算機化的系統(tǒng)，能夠表現(xiàn)出通常被認為是需要智能的行為；其他人將人工智能定義為一個系統(tǒng)，該系統(tǒng)能夠無論遇到什么樣的復雜問題，都可以合理的解決，或者采取適當?shù)男袆訉崿F(xiàn)它的目標。雖然對AI的界定并不明確且隨時間推移不斷變化，但AI的研究和應用始終秉持一個核心目標，即使人的智能行為實現(xiàn)自動化或復制。美國總統(tǒng)行政辦公室于2016年的《人工智能、自動化及經(jīng)濟報告》中指出，AI不是單一技術，而是應用于特定任務的技術集合。2017年，《Science》定義的強人工智能是指具有與人一樣智慧和全面的智能。斯坦福大學人工智能百年研究《人工智能和2030生活》廣義定義了人工智能是一種致力于機器智能化的活動，而智能是指系統(tǒng)在其所處環(huán)境中具有預見功能。2018年7月德國人工智能戰(zhàn)略概述中指出，作為一門科學學科，人工智能指的是一個研發(fā)訓練計算機來執(zhí)行以前只有人類才有能力的智能行為方法的研究領域[1]。
1.1.2人工智能的發(fā)展簡史“人工智能”一詞是1956年JohnMcCarth組織的達特茅斯暑期研究項目的討論會上提出，探究機器可以在哪些方面模擬人的智能。早在18世紀托馬斯•貝葉斯就指出推理事件的概率提供計算框架，這是最初具有人工智能特征的技術想法。19世紀，喬治布爾指出邏輯推理可以向求解方程組那樣被系統(tǒng)的執(zhí)行。20世紀之初，第一臺電子計算機的問世標志著能夠感知和自主行動的第一代機器人問世。阿蘭圖靈于1950年發(fā)表“計算機和智能”中設想了建造計算機模擬人類智能的可能性，包括如何測試人工智能、機器怎樣自主學習等方面。隨后幾十年，人工智能幾經(jīng)起伏，研究出現(xiàn)的難題遠超預期。20世紀90年代后期，人工智能研究關注特定領域和應用研究，進入加速階段。其中在圖像識別和醫(yī)療診斷方面尤為突出，1997年，IBM開發(fā)計算機“深藍”戰(zhàn)勝國際象棋世界冠軍卡斯帕羅夫；蘋果Siri，IBM回答計算機waston在回答游戲節(jié)目獲勝；2010年以后，來自政府、電子商務、商業(yè)、社交媒體、科學和政府提供了可用的大數(shù)據(jù)和強大的計算能力，科技產(chǎn)業(yè)增加在人工智能領域的投資，上述因素促使了人工智能發(fā)展浪潮。同時，深度學習技術發(fā)展快速，在圖像識別領域，人類錯誤率為5%，2011年人工智能最好結果錯誤率為11%，到2015年就降低到3.5%，博弈游戲技術AlphaGo打敗人類圍棋冠軍等等。
1.1.3人工智能技術發(fā)展方向可解釋的AI是人工智能技術的發(fā)展方向之一，斯坦福大學人工智能和2030生活》指出，人工智能領域正朝著建立智能系統(tǒng)的方向發(fā)展；2018年的《美國及其智能國家戰(zhàn)略報告》中指出，很難估計計算機控制系統(tǒng)在不久的將來可以實現(xiàn)哪些功能。機器智能系統(tǒng)在企業(yè)，政府，和全球居民的日常生活中占據(jù)越來越重要的角色。
1.2自動化的定義及發(fā)展簡史
1.2.1自動化的定義自動化涉及到人類活動的所有領域，是人類自古以來永無止境的夢想和追求目標。自動化的界定雖然不明確，且隨著時間推移不斷變化，但自動化的研究和應用多年來始終秉持一個核心目標：研制系統(tǒng)代替人或者輔助人去完成人類生產(chǎn)、生活和管理活動中的特定任務，減少和減輕人的體力和腦力勞動，提高工作效率、效益和效果。
1.2.2自動化的發(fā)展簡史自動化的發(fā)展史漫長而有力，18世紀，從風車離心調(diào)速器到蒸汽機離心調(diào)速器，從麥克斯韋《論調(diào)節(jié)器》，經(jīng)傳帶控制，到勞斯、赫爾維茨穩(wěn)定性判據(jù)。進入19世紀，船舶陀螺駕駛儀，布萊克負反饋放大器，奈奎斯特判據(jù)，ZieglerNicholsPID參數(shù)整定法，M9火炮指揮控制系統(tǒng)（Bode圖）中為后續(xù)的現(xiàn)代控制理論、PLC、分布式控制系統(tǒng)奠定了基礎，進入19世紀80年代，RTO和模型預測控制、工藝模型開環(huán)設定、數(shù)據(jù)驅(qū)動的運行反饋控制繼續(xù)推動著自動化的發(fā)展。
1.2.3自動化的發(fā)展方向控制系統(tǒng)向智能自主控制系統(tǒng)的方向發(fā)展，管理與決策系統(tǒng)向智能優(yōu)化決策系統(tǒng)和智能優(yōu)化決策和控制一體化系統(tǒng)方向發(fā)展。
1.3自動化與人工智能的相互關系
AI的核心目標是使人的智能行為實現(xiàn)自動化或復制，而自動化的核心目標是減少和減輕人的體力和腦力勞動，提高工作效率、效益和效果；二者都是通過算法和系統(tǒng)的手段，建立相互之間的共同點，即通過機器延伸和增加人類的感知、認知、決策、執(zhí)行的功能，增加人類認識世界和改造世界的能力，完成人類無法完成的特定任務或比人類更有效的完成特定任務。但是，目前由于機理不清，難以建立數(shù)學模型；輸入與輸出相關信息處于開放環(huán)境，變化不確定；信息難以獲取及感知；決策目標沖突等原因，使得自動化和人工智能技術在某些對象難以應用。
2智能制造對人工智能的要求
2.1自動化技術在工業(yè)革命中的作用
在第一次工業(yè)革命中，反饋控制實現(xiàn)了蒸汽機調(diào)速的自動化。在第二次工業(yè)革命中，PID與邏輯控制實現(xiàn)了傳送帶自動化。而操作工作自動化、管理與決策工作信息化推動了三次工業(yè)革命，在第三次工業(yè)革命中，先進控制與運行優(yōu)化實現(xiàn)了工業(yè)過程的運行優(yōu)化，ERP與MES實現(xiàn)了生產(chǎn)管理與決策的信息化。
2.2知識工作者在制造過程管理與決策中的作用及問題
2.2.1制造過程管理與決策現(xiàn)狀人類通過視聽觸嗅味的感知系統(tǒng)感知工況數(shù)據(jù)和信息，通過大腦決策生產(chǎn)（產(chǎn)量，質(zhì)量，能耗，物耗，成本）、運行指標（反應產(chǎn)品質(zhì)量、效率和消耗相關的工藝參數(shù)）、運行工況（正?；虍惓＃┖涂刂葡到y(tǒng)指令（速度、電流等），控制系統(tǒng)則跟隨指令使生產(chǎn)指標在目標范圍內(nèi)。
2.2.2人難以實現(xiàn)運行工況的準確識別和優(yōu)化決策《science》指出，人的決策行為制約發(fā)展主要體現(xiàn)在三個方面，在感知層面，運行工況涉及多尺度多源信息，伴隨著原料、工況波動頻繁，而人難以感知動態(tài)變化的運行工況；在認知和知識處理層面，由于對反應機理不清楚，多源異構信息不明確，難以及時處理異構信息；在決策和執(zhí)行層面，決策過程中伴隨著多目標沖突和多尺度現(xiàn)象，操作和決策也存在主觀性和不一致性，難以實現(xiàn)全局優(yōu)化。除了上述因素，我國在質(zhì)量、能耗、物耗等方面也與國際先進水平存在差距。
2.3智能制造對人工智能需求
2.3.1兩種主要類型的工業(yè)的特點和發(fā)展目標離散工業(yè)和過程工業(yè)作為典型代表，有著各自顯著的特點，對于離散工業(yè)，其過程結構主要由總體設計、零件加工、組裝和機械制備四部分組成，在此過程中，機械裝備的零件加工與組裝是可拆分的物理過程，產(chǎn)品與加工過程可以數(shù)字化，機械裝備的性能取決于總體設計的優(yōu)化。對于過程工業(yè)，同樣由四部分組成，分別對應工藝設計、物質(zhì)轉(zhuǎn)化過程、成品材料和下一生產(chǎn)工序。過程工業(yè)中，有多個工業(yè)過程組成的不可拆分物理化學過程，原材料、成品材料和物質(zhì)轉(zhuǎn)化過程難以數(shù)字化，工藝設計優(yōu)化與制造流程的整體優(yōu)化等特點。
2.3.2對人工智能的需求《為人工智能的未來做好準備》中指出，人工智能在短期內(nèi)的核心經(jīng)濟成效是將以無法實現(xiàn)自動化的任務實現(xiàn)自動化，美國白宮2018年舉行的“面向美國工業(yè)的人工智能峰會”上提出，重點發(fā)展具有高影響、面向特定應用領域的AI、應用于美國工業(yè)來增強美國勞動力素質(zhì)，提高工作效率，更好的服務于客戶。美國基金委在2018年關于“面向美國工業(yè)的人工智能”發(fā)表聲明，人工智能可以使美國工業(yè)的各個環(huán)節(jié)產(chǎn)生變革，為先進制造創(chuàng)造新的希望。美國科學技術委員會于2018年制定的《美國先進制造領先戰(zhàn)略》的主旨是爭取智能制造系統(tǒng)的未來領先地位。報告指出，通過與數(shù)字設計相結合，將制造過程所需的信息無縫的結合到從原材料到產(chǎn)品的轉(zhuǎn)換過程中，從而形成一個高度互聯(lián)的工業(yè)實體，它可以通過一整套供應鏈系統(tǒng)橫跨多個公司。智能制造能夠通過對缺陷和故障的檢測和糾正來確保產(chǎn)品質(zhì)量的一致性，和質(zhì)量的可追溯。這些進步取決于強大的工業(yè)物聯(lián)網(wǎng)創(chuàng)新，和面向各種制造流程的機器學習算法，以及可在以信息為中心的一體化系統(tǒng)中的即插即用的機床和控制系統(tǒng)。德國聯(lián)邦政府于2018年11月制定的人工智能戰(zhàn)略中列出了德國工業(yè)界對AI的需求，明確了促進AI的開發(fā)與應用面向經(jīng)濟，經(jīng)濟是下一步AI研究的推動力。中國《新一代人工智能引領下的智能制造研究》中也明確了新一代智能制造作為我國智能制造的第二階段（2025-2035）戰(zhàn)略目標，新一代智能制造的目標是使我們智能制造技術和應用水平走在世界前列。
3工業(yè)人工智能的涵義、面臨的挑戰(zhàn)及應對策略
3.1工業(yè)人工智能的涵義
雖然對工業(yè)人工智能的界定并不明確且隨著時間的推移不斷變化，目前工業(yè)人工智能的核心目標是：針對產(chǎn)品與工藝設計、經(jīng)營管理與決策、制造流程運行管理與控制等工業(yè)生產(chǎn)活動中目前仍然依靠人的感知、認知、分析與決策能力和經(jīng)驗與知識來完成的知識工作，實現(xiàn)知識工作的自動化與智能化來顯著提高經(jīng)濟社會效益[2]。
3.2挑戰(zhàn)的科學問題
3.2.1挑戰(zhàn)難題人工智能發(fā)展到深度學習沒有考慮如何應用于制造工程（Nature，2017），多尺度、多源信息獲取、預報模型和資源計劃決策與控制過程集成是智能制造中的挑戰(zhàn)難題（Nature，2017）。
3.2.2科學問題（1）多尺度、多源信息的動態(tài)感知挑戰(zhàn)難題1：復雜動態(tài)環(huán)境下的對象的檢測、分流、識別和感知（《國家人工智能研究與發(fā)展戰(zhàn)略計劃》，2016）。例如，電熔鎂砂是國家重要戰(zhàn)略物資，主要應用于航天、工業(yè)等領域，需要重大耗能設備。在電熔鎂砂生產(chǎn)過程中的加料工況、熔化工況和排氣工況中，感知火焰、聲音和電流過程存在不及時、不準確、質(zhì)量波動、能耗高等問題，需要對整個生產(chǎn)過程進行動態(tài)感知，包括動態(tài)變化溫度、火焰視頻、聲音、振動信號、電流、功率等多尺度數(shù)據(jù)的實時感知。挑戰(zhàn)難題2：需要研究多源數(shù)據(jù)機器學習來進行知識發(fā)現(xiàn)（《國家人工智能研究與發(fā)展戰(zhàn)略計劃》）。電熔鎂砂生產(chǎn)過程中，人工識別欠燒工況的依據(jù)是爐壁顏色變紅，電流上升，這種方法會導致爐壁燒漏、影響產(chǎn)品質(zhì)量甚至停產(chǎn)等問題。因此，需要對欠燒工況提前發(fā)現(xiàn)的規(guī)則進行挖掘，包括挖掘電流、電流變化率與欠燒工況的因果關系；通過爐壁視頻信號挖掘欠燒工況特征；基于運行數(shù)據(jù)與視頻信號的機器學習。在此過程中，我們需要明確，深度學習是完全標注大樣本的靜態(tài)特征學習，而目前的挑戰(zhàn)難題是不完全無標注樣本的動態(tài)特征學習[3]。（2）決策與控制過程集成優(yōu)化挑戰(zhàn)難題1：復雜系統(tǒng)多沖突目標的實施動態(tài)求優(yōu)。例如能耗指標的優(yōu)化決策是非凸動態(tài)優(yōu)化。挑戰(zhàn)難題2：多層次多尺度決策與控制過程集成優(yōu)化。運行決策與控制面向不同時間尺度和空間尺度；全局最優(yōu)解隨生產(chǎn)條件和運行工況變化；最后控制系統(tǒng)設定值隨全局最優(yōu)解變化等。（3）制造過程決策對博弈游戲技術的挑戰(zhàn)以AlphaGo和制造過程決策作為對比，在信息感知方面，前者完全，并已確定規(guī)則，后者處于開放環(huán)境，不完全，不確定規(guī)則；在過程特征方面，前者可以建立精確到可試錯的決策仿真模型，后者則難以建立決策仿真模型；在決策目標方面，前者可轉(zhuǎn)化為輸贏的單一目標，后者則是多沖突目標（質(zhì)量，效率，能耗等）；在決策方法方面，前者是基于深度學習的策略與價值網(wǎng)絡，后者則面臨更大的挑戰(zhàn)。
3.3應對策略
面對上述諸多挑戰(zhàn)，我們應從研究方向和研究思路上加以應對。在研究方向上，開展復雜工業(yè)環(huán)境下多數(shù)據(jù)多源信息的獲??；復雜運行工況運算和診斷的多源數(shù)據(jù)的機器學習方法；模型與工業(yè)大數(shù)據(jù)雙驅(qū)動的機器學習，包括機理不清的復雜系統(tǒng)的建模，生產(chǎn)指標與工藝參數(shù)（質(zhì)量，能耗）的預報與回溯，決策規(guī)則等；智能自主控制與人機協(xié)作等方面的研究。在研究思路上，抓住基于機理分析的模型與工業(yè)大數(shù)據(jù)緊密融合與協(xié)同；模型驅(qū)動的自動化與數(shù)據(jù)驅(qū)動的人工智能技術緊密融合與協(xié)同；移動互聯(lián)網(wǎng)、云計算等先進信息技術和計算機控制系統(tǒng)的緊密融合與協(xié)同；研制工業(yè)人工智能技術的基礎設備；研制面向特性應用領域的工業(yè)智能系統(tǒng)，使系統(tǒng)的適應性、自主性、效率、功能、可靠性、安全性和感知與認證的準確性、決策的精準優(yōu)化遠超今天的系統(tǒng)、跨學科合作研究，以理論與方法研究和實驗與應用驗證研究相結合的思路進行系統(tǒng)研究。
4結束語
隨著日前教育部《關于公布2019年度普通高等學校本科專業(yè)備案和審批結果的通知》（教高函〔2020〕2號）的，工業(yè)智能專業(yè)作為人工智能與工業(yè)自動化深度融合的新興本科專業(yè)，首度被列入教育部本科專業(yè)目錄，東北大學成為國內(nèi)首家（批）本科設立工業(yè)智能專業(yè)的高校，這標志著我國的本科專業(yè)建設開始打破“常規(guī)”，實現(xiàn)傳統(tǒng)特色發(fā)展、個別突破發(fā)展、轉(zhuǎn)型升級發(fā)展，全面邁入了多學科交叉融合發(fā)展的新時期，切實以高校專業(yè)建設帶動引領工業(yè)人工智能領域人才培養(yǎng)質(zhì)量提升。
參考文獻：
[1]閆志明，唐夏夏，秦旋，等.教育人工智能（EAI）的內(nèi)涵、關鍵技術與應用趨勢———美國《為人工智能的未來做好準備》和《國家人工智能研發(fā)戰(zhàn)略規(guī)劃》報告解析[J].遠程教育雜志，2017（1）：26-35.
[2]柴天佑.工業(yè)互聯(lián)網(wǎng)與工業(yè)人工智能[N].中國信息化周報，2019-10-28（7）.
[3]康世斌.電氣自動化控制中人工智能技術應用分析[J].科技創(chuàng)新與應用，2019（34）：150-151.
作者：苑振宇 孟凡利 李晉 高宏亮 張華 單位：東北大學
