工業制造分兩類：離散制造和流程制造。這兩類制造在生產線上基本上看不出差別，其實底層的工業裝備、控制系統不同。一般而言，控制系統保證了產品的自動化。但是，在有些情況下產品無法實現自動化，比如個性化定制。 

個性化定制要求底層的工業裝備能夠加工不同的產品。這要求裝備一定是智能化的，且控制系統要變成智能系統，以感知不同裝備、工藝。但是，當前的生產線無法解決個性化定制的高效化——這也是工業4.0提出的重要目標之一。

工業制造仍依賴知識工作者 

現在的工業流程，就是把參數確定好，把生產線變成 “黑燈工廠”。但如果原料或產品品種發生改變，工藝就要重做。這需要決策部門進行指標的調整，再由工程師將其設定在控制系統之中。 

這正是自動化系統的現狀。自動化系統的結構，其實就是人與信息物理系統融合的系統，也就是人參與的信息物理系統——信息系統得到的信息跟人的感知、認知得到的信息綜合用以進行分析和決策。 

而這樣的系統存在制約。因為人難以感知動態變化的運行工況，也難以及時處理異構信息。另外，人的決策是有主觀性的，不同人的決策是不一樣的，這就不能夠保證整個生產線是高效、全優的。

實現智造的三大挑戰 

要想實現個性定制的高效化、流程工業的全局優化，就要把現在的人和控制系統、裝備變成自主系統，把系統管理系統變成人機合作的決策系統。這和原來的系統區別在于，它具有了感知、認知、決策功能，且其最終的目標是高效化和最優化的方向，如此企業生產結構、效率將會發生根本性的改變。 

第一個挑戰是，人工智能的典型代表是基于大數據的深度學習，但是深度學習直到現在并沒有完全應用于制造流程。要實現智能制造必須要解決多尺度、多遠信息和動態感知三個難題。 

第二個挑戰，在制造中人工智能要想比人出色，就要對產品質量，對于能耗、物耗包括運行狀態有預測和追溯。所謂追溯就是出現問題以后，能夠感知到底是由哪道工序或動作導致的。 

第三個挑戰是把決策和控制進行集成優化。

“小數據大任務” 

今天的人工智能分兩種：強人工智能和弱人工智能。強人工智能指和人相比具有全面的智能，但相當一部分科學家認為這無法實現；弱人工智能是在特定場景下比人做得好，就如今天的自動駕駛、機器人下棋可以做得很好，但它做不到兩者兼備。第三次人工智能浪潮的迭起源于大數據、強大的計算和深度學習算法。我認為未來人工智能必須走向智能系統。 

AlphaGo為什么不能在工業中應用？原因在于它是在一個完全確定的規則中，而工業過程的決策是在開放環境下，規則不確定，工業過程難以建立決策可試錯的模型。可以說，目前的人工智能技術、博弈技術，屬于“大數據小任務”，而工業將來遇到的問題決策是“小數據大任務”——工業大數據對計算機而言都是小數據。

什么是“工業人工智能”？ 

為什么要發展工業人工智能？ 

工業人工智能在國際上開始被提出，包括美國提出的工業人工智能、德國提出的“與經濟結合推動智能”。在我國，中國工程院編制的關于新一代人工智能的發展規劃，也提及要研究如何用人工智能解決智能制造的問題。總結來說，工業人工智能目前在制造流程中主要完成三項工作：運行工況多元信息的感知和認知，工作經營層、生產層、運行層的協同決策，以企業綜合生產指標優化為目標自動協同控制裝備的控制系統。

這里有幾個關鍵技術要解決：第一是關鍵技術復雜工業環境下運行工況多尺度、多元信息的智能感知和識別技術，第二是復雜工業環境下基于5G多元信息的快速可靠的傳輸技術，第三是系統辨識與深度學習相結合的智能建模、動態仿真和可視化的技術；第四是關鍵工藝參數和生產指標的預測和追溯技術；第五是人機合作的智能優化決策技術，特別是結果端、邊、云協同實現智能算法的技術。只有攻克了這些技術，才有可能使工業發生革命性的改變。

本文轉載自網絡，如有侵權，請及時聯系網站刪除，謝謝！