浅析人工智能（AI）在数字化智能工厂中的应用（作者：许纶煌）

前 言

人工智能也即AI技术（AI Artificial Intelligent）是个好东西，特别是在近年来，人工智能技术在各行各业都得到了广泛地实际应用，为人工智能技术的进一步在应用领域的发展起到推波助澜的作用。就笔者本人从事的领域来说，会更关注人工智能在制造业的应用，特别是在先进制造数字化智能工厂规划设计中，如何植入人工智能技术，是个值得深入研究和探讨的问题。

一，先泼一盆透心凉的冷水

在进入正式话题之前，我先泼一盆冷水，我要说的是人工智能技术是不是能解决智能制造的所有问题或大部分重要问题？答案当然是否定的。从事人工智能30年研究的德国的Walster教授意思到，人工智能的能力是有限的。Walster教授在他的“未来的生产工作”中有明确的表述：经过在人工智能领域35年的研究后，我深信，就自身日常情报而言，每个小学生都超越了最好的智能计算系统。无论如何，在人工智能与人类智能相比，人类的智能远远要高于人工智能，哪怕是一个没有接收过任何高等教育的成年人，也会比一台机器的智能水平高。人工智能不仅远远不能与人类的大脑比，就连长了颗拇指大小大脑的小小动物，人工智能也是远不可及的。比如，一条蛇，它能轻而易举地保持身体的平衡，从一条空中电线上自由爬行而不会掉下来。一只小鸟，能从控制准确而稳当地停在树枝的枝头上。试想，用人工智能技术能设计一条能在空中电线上爬行的机器蛇来吗？能设计出小鸟一样的能随心所欲的停在山峰上的战斗机来吗？或许能做到，但是可以想像，需要强大的技术支持。而拇指大小的动物大脑要完成这些动作，确实轻而易举的事情；这说明，人工智能与生物大脑的差距，也就是说人工智能目前应用成果还不及小小动物的大脑，何况他能与人类的大脑比？所以说，将来机器人会比人类聪明是不可能的！有人会说，不是说能下围棋的AlphaGo不是赢过了人类吗？这可是在确定的围棋规则下的计算，而且完全没有自适应的排除干扰的问题。在一个工业制造环境中，环境的干扰是十分复杂的，从控制理论角度，他是一个非线性大环境控制系统，这本来就十分复杂，什么情况都可以出现，什么状况都要应对，又是人类都难以应付，何况一台机器。我泼下这盘冷水，不是要否认人工智能在智能制造中的作用，仅仅是提醒大家，数字化智能工厂的生产中，人工智能的能力是有限的，人才是生产的中心，脱离人去搞人工智能是不现实的。研究表明，在工业4.0中，要遵循人的定位；人类在生产活动中，发挥了很重要（60.2%）或重要（36.6%）的作用，这是一种长期的趋势。（注：摘自德国教授Walster的“未来的生产工作”）

二，人类在人工智能（AI）开发中要解决的问题

人类的最大优势在于创造能力，或者说人类相对智能机器的最大优势在于联想，用联想的方法能解决很多实际问题，这是机器很难做到的；人类的另一优势在于能解决新出现的问题，解决新出现的问题智能机器却很难做到；人类还有一种超越智能机器的能力，那就是能适用脱离规则范围的重大环境变化，并解决问题，这也是智能机器很难做到的。比如，在极端情况下生产车间里发生了灾难性事故（好比地震），人类就会根据这种环境的重大变化而做出相应的应变能力，再安全允许的情况下处理安全事故，威胁到人身安全的时候就会逃生。哲学家讲过，人类的创造性在于能发现自然规律和利用自然规律。有人会反问，在做大数据分析的时候，有一种技术叫着数据挖掘，能通过计算机把数据中的关联因素找出来，并且能够做出大数据中的变化规律，这又是何种解释？我来举个例子，在智能工厂中，对设备进行管理时就不可避免的冒出来个预测性维护的需求，有了预测性维护的需求就要有采集设备运行时的相关数据，有了这些数据，就要分析数据，挖掘数据，这就建立一个数学模型，无论是数据驱动模型还是机理模型，计算机的预测性维护算法就是根据这些数学模型求解模型方程的极值。打住，这里的数学模型是如何建立起来的呢？其实，它必须依赖于具有非常专业的设备运行数据分析师甚至是数学家，才能得到这个模型数学方程，再把这个数学方程交由计算机程序员编进预测性维护的人工智能算法程序中，人工智能计算机才得以能计算出可靠的预测性维护结果。因此，在这整个过程中，计算机参与的工作内容只是辅助人类根据数据库的数据计算出一个输出结果而已，并没有创造出什么新的内容，说得专业一点，就是人工智能解决的问题只是如何将大量数据中的隐藏规律显示出来，而如何做，如何计算，则完全是人类的规范出来的。由此可知，解决具体问题的算法被封装成一个个功能模块或APP，让人工智能计算机根据算法运算数据，同时与人类的创造性经验进行结合，形成人工智能知识库资源包，才能解决问题，得到满意的结果。整个过程，需要具体行业算法方面的专家和该领域的工程专家共同来进行的工作，并没有发现人工智能脱离人类解决什么实际问题。德国的智能工厂专家Oliver Niggemann和Gautam Biswas在“智能工厂的数据分析”一文中指出，大多数用于监测和诊断的信息物理系统（CPS）的项目都是基于人类专家创建的数学模型。这也提醒业内人士，并不是几个年轻的能编写计算软件的团队，就可以承接人工智能（AI）智能工厂预测性维护的工程，这的确是一个要十分专业的专家团队才能解决的实际问题。然而，根据Oliver Niggemann和Gautam Biswas在上述文中的旨意，这些都远远不够，一个数字化智能工厂，建立起了基于现场数据采集的（CPS）后，就能获得大量的现场实时数据，专家们还需要在专家模型的基础上，利用数据驱动建模的方法，建立基于大数据的数据驱动算法模型，作为对之前的专家模型的补充和修正。智能工厂的这些大数据，就是这样在人类专家的“干预”下，由人工智能计算机通过人类专家的建立的算法模型，充分利用现场采集回来的这些数据，运算出监控或维护的决策结果，实现预测性维护的人工智能功能。

当然，模型和算法并不是人工智能技术在智能工厂中应用的全部，人工智能是一个系统工程，按照数据挖掘的理论，在建立数学模型之前，数据从传感器感知工业现场信息开始，然后数据传输，数据清洗，数据变换等各个环节，都要紧密配合和相互关联，每个部分都有难点和攻关点。假如传感器的检测精度达不到精确检测数据的要求，采集上来的数据不准确，那后面的模型和算法再精准科学，也算不出预期的结果，甚至会误导出错误的结果而导致损失，岂不是功亏一篑。

三，数字化智能工厂中人工智能当为人类生产作业服务

在工业3.0的工厂自动化阶段，有一种规划概念叫做“防呆”，它是利用自动化或信息化技术手段，规范或避免生产线中某个工位的操作员犯错。这大概就是一种利用技术手段规范人类作业的个案。人工智能技术在数字化智能工厂中对人类的规范作用在各类技术文献资料中很少见，我是在一次论坛中听到上海交通大学王皓教授的演讲，才得到的启发。王皓教授指出，生产线上的机器人，其实是对现场作业员的一种规范，很多工作并不是由机器人完成的，而是由操作员完成，但是周围的机器人可以对作业员的一种规范，让操作员在生产操时，正确有序，不会反错。在我看来，智能工厂对人类的规范，远远不止机器人所能为，人工智能技术应当“义不容辞”地充当起这项职责。众所周知，智能设备比人类擅长做的工作不外乎有以下几种，（1）重复性生产劳动，（2）体力性生产劳动，（3）持续性生产劳动，（4）危险性或有害性的生产劳动，（5）精度要求高的生产劳动，最后，（6）规划人类从事生产劳动。前五种无可厚非，无需多加解释，很好理解，那就直接交给智能设备去做吧，重点在第（6）点，人工智能如何规范人类的劳动呢？这就要从人类本身的弱项和短处来分析。人类的弱项是易疲劳，人类的短处是主管感觉的短处，这样来看，人工智能对人类的规范就要聚焦于避免人类疲劳引起的生产错误和客观生产数据支持的实际问题上来。我也做了一下分析和归纳，总结出几点结论，现在罗列出来供大家参考，（1）规范人类按正确的作业流程生产，（2）规范人类按正确的工艺参数操作，（3）规范人类更高的工作效率工作，（4）为人类提供与加工好的信息，以便迅速的做出决定，（5）技术上支持人类的作业，（6）辅助人类从数据种找出规律，（7）提醒与警告人类，（8）培训人类生产作业，（9）保护人类生产作业。本人认为，这九项人工智能规范人类的内容，应该在数字化智能工厂规划设计时，作为人工智能规划中的体现。在实际运行的数字化智能工厂的信息网络中，传感信息与图像信息识别技术，数据采集系统，嵌入式控制系统，生产现场MES数据展现与警告系统，组成了人工智能的组成元素，是时刻都是在为现场工作人员提供了操作建议和工作规范。

其实，人工智能在智能工厂中应用究竟到何种程度还有待观察，但能过明确的是，人工智能在智能工厂的应用，为工厂现场作业人员提供了众多的客观的数据预处理信息和解决问题的方法，现场作业人员可以利用这些信息和方法来做出各种预判，并以此为基础获得作业建议，以提高工厂生产效率和控制生产成本。

四，人工智能在数字化智能工厂中有哪些应用

笔者本人在各种场合或培训课程中讲过，工业4.0智能制造的实质是利用技术手段进行资源的优化配置，在笔者本人研究的智能工厂规划设计体系中，也提出过“四化建设”的概念，指的是生产工艺优化，生产装置优化，生产计划优化和生产管理优化，这“四化建设”包含三个步骤：首先数据采集，再而数学建模，三而求解极值。显然，这样优化实质上是针对工厂内部生产资源的优化，所需的技术支持，本来就是人工智能的在工厂中的应用，于是把描述为资源优化是数字化智能工厂中人工智能的重要应用恰如其分。我读过的一本有关德国工业4.0一书中也提出过，资源优化、系统诊断和预测性维护是人工智能在智能工厂中重要应用。在网络中，也能搜索的到人工智能在工厂中的应用包括生产、维护，质量和物流，这些描述，实质也正是对工厂内部资源的优化过程。从技术手段角度来看，人工智能在工厂的应用是无处不见无孔不入，研究工艺的专家说，人工智能可以优化工艺，解决工艺参数匹配问题；研究物流的专家说，人工智能可以用在厂内物流上，可以优化AGV的路径和仓库的堆位和物料排列顺序；研究流程的专家说，人工智能可以不断学习和优化作业流程，提高生产效率；还有研究精益管理的专家又跳出来讲，在精益管理中导入人工智能技术，可以提高3%生产效率。如此看来，无论各路学者大咖林林总总的说法，总能找出合理的解释，总能的得出同样的结论，我来做个终结者，一句话——人工智能能解决工厂各部门生产环节的所有问题！（本文只针对智能工厂内部生产环节讨论，并没有涉及工厂外部的业务营销横向纵向联系的讨论。）

边缘计算，两年前火起来了，最近并没有消退的迹象。他是解决工业现场需要及时处理的问题，可以说他就是布设现场的微型的数据处理中心，他的数据处理效果近视于但又有别于自动控制理论中的自动反馈控制。它作为智能工厂远端或云端数据中的在时效上的补充，得到越来越重视而又获得了显而易见效果，得到实质性的应用。概括起来不外乎有保护设备，质量控制，提高精度，流程切换等。设备装上个“眼睛”，采集产品表面外观的图像数据，就能在现场对产品表面外观洞察秋毫，就可以及时调整设备的运行参数，保证设备产出的产品有最优的表面外观，这就是边缘计算的应用。

我在网络上也搜出了这样一篇文章，文章对人工智能在工厂中的应用表示质疑，提出了反思，我自己在关注人工智能在工厂中的应用过程也或多或少会有同样的感受，归纳起来，不外乎有一下几点原因。（1）人工智能在工厂中应用的概念还不是很清晰，没有完全搞清楚人工智能真正能解决工厂哪些实际问题，如何利用人工智能来解决，（2）对工厂运营系统中植入人工智能预测性维护功能模块，实际运行时达不到预期效果，导致用户抵制或排斥，很难推行，甚至打退堂鼓，（3）机器人技术本身的局限性导致很难在工厂实现人工智能，因为它使用不了工厂随时变化的复杂环境，（4）人才的缺乏，理论基础扎实的专家学者大多数都是著名大学或高层级的研究院，注重纯理论的研究，呆在办公室研究就可以了，没有能想袁隆平一样天天撸起裤腿踩到泥巴实验田里，而在工厂工作的工程师们或程序员们，有现场实际经验，却缺乏也不注重理论基础，只能用一些朴素的、简单的、显而易见的、谁都能想得到的方法，编上几段程序就用来解决现场实际问题，显然小看了人工智能的技术根本。这些都不是短时间能解决的我问题，也不是一个人一个公司一个团队能解决的问题，人工智能要想真正能在工厂是得到广泛应用任重道远。

深圳某某某公司（了解具体是哪个公司对本文的理解无关重要）在2019年成立数字智造研究院，组建了一支重量级团队，积累了相当丰富的实战经验，在离散式智能制造和流程式智能制造都建立起了属于自己的人工智能在智能制造中的应用理论体系，受到众多客户的信任，力求在人工智能的工厂应用有所建树，做数字化先进制造的引航者。

结束语

人工智能是个系统工程，我们首先泼了盆冷水，那是对的，因为人工智能不能解决工厂里的一切，我们只要冷静思维，沉着应对；人工智能是个系统工程，要在智能工厂得到应用，一定要有深厚的理论基础做指导，一定要有理论基础扎实的专家团队深耕三分试验田，不能单纯凭几个懂管理或会编程的小伙子就撑起徒有虚名的人工智能方案公司；人工智能是个系统工程，要有整体思维的定力，需要工厂管理层和现场技术人员的大力支持和积极配合，共同努力，乐观其成。最后，我用我在两年前写的“电气自动化控制中的人工智能技术研究”一文的结束语来结束本文的讨论。随着时代的发展，互联网日益普及，大数据不断涌现，同时，信息科技也快速崛起，人工智能日益受到各个领域的重点关注。在先进制造数字化智能工厂领域，在对相应的功能模块进行设计的时候，也可以积极大胆地应用人工智能技术。