當(dāng)下，智能制造是全球制造突破現(xiàn)有生產(chǎn)力增長(zhǎng)瓶頸的重要方向。制造業(yè)是未來(lái)發(fā)展的方向，而人工智能是實(shí)現(xiàn)智能制造的關(guān)鍵環(huán)節(jié)，如何發(fā)展工業(yè)智能，如何落地智能制造？在2019世界人工智能融合發(fā)展大會(huì)“人工智能與制造業(yè)深度融合發(fā)展”主題論壇上，天澤智云副總裁、聯(lián)合創(chuàng)始人史喆做了詳細(xì)闡述。

數(shù)據(jù)驅(qū)動(dòng)：從解決可見(jiàn)問(wèn)題到避免不可見(jiàn)問(wèn)題

智能制造是基于新一代信息技術(shù)，貫穿于設(shè)計(jì)、生產(chǎn)、管理、服務(wù)等制造活動(dòng)各環(huán)節(jié)，具有信息深度自感知、自學(xué)習(xí)、智能優(yōu)化自決策、精準(zhǔn)控制自執(zhí)行等功能的先進(jìn)制造過(guò)程、系統(tǒng)與模式的總稱(chēng)。落地智能制造的關(guān)鍵環(huán)節(jié)就是發(fā)展工業(yè)智能化，因?yàn)楣I(yè)智能化的作用就是避免和解決不可見(jiàn)世界的隱性問(wèn)題。

例如設(shè)備故障、產(chǎn)品缺陷、加工失效、質(zhì)量偏差等這些可見(jiàn)問(wèn)題，是可以通過(guò)KPI 績(jī)效體系、精益6-sigma等對(duì)管理問(wèn)題進(jìn)行管控和優(yōu)化。但造成這些背后的隱性問(wèn)題，如形變、過(guò)熱、松動(dòng)、泄露等，雖然在當(dāng)下看不見(jiàn)，但不斷累積就會(huì)變成顯性問(wèn)題，造成損失。也就是在你看到一個(gè)設(shè)備失效前，其實(shí)他已經(jīng)有了很多衰退的癥狀。

史喆說(shuō)：“從解決可見(jiàn)問(wèn)題到避免不可見(jiàn)問(wèn)題，其實(shí)是這樣一個(gè)過(guò)程，對(duì)于可見(jiàn)問(wèn)題，可以將問(wèn)題產(chǎn)生過(guò)程進(jìn)行數(shù)據(jù)分析，建模和管理，從而實(shí)現(xiàn)價(jià)值改善，再通過(guò)機(jī)器學(xué)習(xí)等方法從數(shù)據(jù)中挖掘隱性問(wèn)題，預(yù)測(cè)并解決問(wèn)題，為了避免不可見(jiàn)問(wèn)題的發(fā)生，那么這個(gè)時(shí)候要做的就是知識(shí)建模?！?/p>

可見(jiàn)，在工業(yè)智能化過(guò)程中，數(shù)據(jù)驅(qū)動(dòng)技術(shù)具有重要意義，它可以用來(lái)預(yù)測(cè)能被感知但未被量化的問(wèn)題。良好的維修維護(hù)策略會(huì)大大降低設(shè)備后期的運(yùn)營(yíng)成本。例如原來(lái)某些部件需要拆除才能發(fā)現(xiàn)問(wèn)題，但現(xiàn)在通過(guò)傳感器采集數(shù)據(jù)并進(jìn)行分析，就可以實(shí)時(shí)感知它的狀態(tài)，進(jìn)而預(yù)測(cè)故障，提前進(jìn)行維護(hù)排程。

自學(xué)習(xí)和自適應(yīng)是工業(yè)智能最大的挑戰(zhàn)

在工業(yè)場(chǎng)景中有三個(gè)突出的難點(diǎn)，第一是模型的不確定性，第二個(gè)是實(shí)現(xiàn)問(wèn)題反饋的實(shí)時(shí)性，第三點(diǎn)是系統(tǒng)的穩(wěn)定性，這些不確定因素既存在于制造過(guò)程中，也存在于制造過(guò)程之外的使用過(guò)程中。

對(duì)此，史喆表示，對(duì)于不確定性的管理是核心問(wèn)題，這要求系統(tǒng)結(jié)果輸出必須正確。系統(tǒng)的實(shí)時(shí)性是對(duì)核心業(yè)務(wù)及時(shí)返回的保障，系統(tǒng)的穩(wěn)定性就是要保證系統(tǒng)長(zhǎng)期穩(wěn)定運(yùn)行。