工業互聯網平臺，工業物聯網平臺為制造業智能化關鍵問題解讀

   工業互聯網平臺，工業物聯網平臺作為當下國內制造業轉型晉級的利器。制造流程怎么改變？人工智能怎么融入到工業互聯網開展進程中？在這個進程中存在哪些機遇和應戰？

 

   10月18日，在2019工業互聯網平臺全球峰會上，中國工程院院士、東北大學學術委員會主任、流程工業歸納自動化國家重點試驗室主任柴天佑發表了主題講演《工業互聯網與工業人工智能》，

    給出了這些工業互聯網平臺，工業物聯網開展前期要害問題的答案。

 

?   以下為柴天佑院士講演全文，本意的收拾：

   工業互聯網平臺，工業物聯網平臺開展初期存在的四個問題

   首先簡單回顧一下工業互聯網開展現狀。

 美國的工業互聯網首要做的作業是資產優化，為不同企業向服務型企業轉型供給一個形式。

 

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意圖，強調完結特性定制的高效化，為中小企業開展供給模板。

 

其實，工業互聯網開展到今日，還存在一些問題：

 

榜首，缺少IT和OT技能交融。現在咱們所選用的互聯網技能，包含5G、邊際核算、云渠道技能，和現在咱們第三次工業革命構成的PLC、DCS管控體系，從硬件軟件缺少深度交融。

 

第二，缺少在工業互聯網環境下，制造業轉型晉級新形式和高質量開展研討。

 

第三，工業互聯網缺少與工業人工智能技能的深度交融。

 

第四，針對工業互聯網實踐落地，缺少體系體系架構、功用體系、自主可控的中心要害技能與施行途徑的深入研討，特別是缺少智能制造體系的新一代硬件、軟件和體系及要害中心技能。

跨企業工業互聯網平臺體系：從人類感知到智能決議計劃

咱們跨企業工業互聯網應該怎么走？下圖給出了這一問題的答案。

 

 

  跨企業的工業互聯網平臺體系包含「外網體系+跨職業智能化的軟件渠道+不同企業的信息化體系」，然后經過體系的安全機制將其進行互聯。

  跨企業工業互聯網平臺體系的首要方針功用包含：

 

榜首，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，關于不同的中小企業，經過大數據驅動，進步企業管理和決議計劃智能化水平。

 

   關于集團企業的工業互聯網平臺體系而言，體系包含「內網體系+集團企業智能化軟件渠道+企業內部各類自動化體系」，然后經過特別的安全體系和機制完結互聯。

這一體系首要方針功用包含：

 

榜首，在大數據環境下，完結企業經營管理和決議計劃的智能優化；

 

第二，完結制造業企業向服務型轉型，即企業不再只是出產產品，一起還要對產品的售后服務，以及將來的產品維護、運維供給服務。

 

第三，完結供應商企業、供貨商企業集成優化，使企業的經營決議計劃既考慮到工況，又考慮到供應鏈，構成一個優化的決議計劃。

 

那么，一個企業級體系將來怎么開展？下圖就反應了一個企業一定有出產制造性，本來是由核算機管控體系。

 

 

    今日的狀況下，由于核算機管控體系首要是為工業進程操控，工業進程的邏輯和回路操控、監控所搭建。隨后又基于此，加入MES（制造履行體系）、ERP（企業資源計劃管理體系）信息。

可是在這樣的工業信息化進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，要想將這些功用加強，必然要做以下作業：

 

榜首，要做智能傳感。現在的傳感感知是靠人，這些感知怎么經過智能傳感、無線傳輸、邊際核算，去猜測、優化決議計劃、大數據監控，并向上接入工業云。

 

為什么需求工業云？工業進程的數據是變化，經過某一段數據練習的模型無法用到整個出產進程中，因此必需求做一個自適應的機器學習體系。再加入物聯網技能，也就構成了現在的企業物聯網+企業智能化軟件渠道。

 

關于這個體系而言，必需求考慮工業網絡化體系安全，這是有特別的安全要求的。這樣，這個體系就完結了制造流程的全局化、特性制造流程化。

 

企業工業網絡化體系的意圖是履行定制化出產使命。當然，關于這樣一個體系而言，必需求考慮工業網絡化體系的安全，工業體系有其特別的安全需求。

 

下面以一個制造流程的智能體系為例，來說明怎么完結工業互聯網的工業使用。如下圖所示。

 

 

    現在的出產線，無論是離散出產線，還是流程出產線，底層都是加工配備。在流程工業中都會有一個操控體系，所以咱們看到的出產線是自動化，這樣出產線完結的自動化是有條件：在一種產品、一定鴻溝條件下，經過人利用信息化體系，經過工藝工程師把這個體系的指令和工藝參數確認后，完結自動化出產線。如果將來要完結特性化定制出產，即出產條件變化的狀況下，完結實踐落地使用時，人怎么在其間起到作用？

 

 

    如上圖所示，實踐上，人能夠從信息化體系取得工況數據，可是工況的信息還要靠人，人有感知、視覺、聽覺等才能，包含需求召開匯報會、調度會，為什么？便是由于用人拿到的這些信息，需求由人來決議計劃。也便是說人根據工況信息進行決議計劃和規劃，要決議計劃企業的歸納出產指標、決議計劃企業的工藝參數、決議計劃操控體系的指令，再下達到操控體系，這條自動化出產線據此來完結方針出產。

    可是咱們都知道，人自身是難以處理多元信息的感知的，人難以快速核算多元信息的感知，再加上人會由于常識水平的不同、才能不同，決議計劃往往也不一致。所以在這種狀況下，下一步就要將這個體系變成一個新的體系。

新體系的方針是完結企業高效化決議計劃和出產，這個體系終究變為兩個體系，把底層人操控的操控體系和加工體系，轉換成為智能操控體系；把一切信息化分層決議計劃，轉換成為人機協作的智能優化體系，終究由本來的三層結構構成兩層結構。

 

 

    例如ERP、制造履行體系、MES、離散工業裝置操控體系，流程工業進程操控體系，曩昔的體系從企業方針、資源計劃調度，以及工業參數、出產指令都是依托人來決議計劃，所以無法完結這三層的集成。

 

未來的狀況就會構成上圖右側這樣的兩層結構，一個是智能自主操控體系，一個是人機協作的智能優化決議計劃體系，這樣的制造流程智能自主體系將隨決議計劃指令協同途徑完結制造流程的高效化和可猜測化。

 

   從工業自動化到工業人工智能，怎么轉型？

   將來的制造流程智能體系的開展方向是怎樣的呢？

 

 

    如上圖所示，在工業現場制造流程中，加入了DCS、智能傳感、5G網絡、智能核算單元和操控云，構成這樣一個智能體系；右側還有一個數字孿生體系，這個數字孿生體系和制造流程徹底一樣，經過不斷校正，并與和現場一樣的工業互聯網平臺體系進行交互，將它研討的算法直接在這個體系環境下試驗，試驗完之后直接用到出產中，將來把工業的試驗盡量削減，這是咱們講的數字孿生體系。

    當然，這樣的體系有必要選用人工智能技能來完結。

     談到人工智能技能，咱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。可是今日一些人以為強人工智能是無法完結，當然也有人以為完結強人工智能大約需求50年。咱們今日能夠完結的是弱人工智能，特點是針對一個特定的場景、方針要比人做得好。例如現在的人工智能技能能夠用于開車（自動駕駛），也能夠用于下棋，可是不能兩者兼備。

 

在工業使用中，將來應該是完結工業環境使用的特別人工智能技能，到今日為止，人工智能仍然沒有咱們公認的界說，可是他的中心方針是要完結智能行為的自動化和可仿制，不是單一技能，是特定使命的技能集合。

 

現在的人工智能算法是靠數據練習得到的，它的準確率是高，可是為什么高，咱們說不清楚。

 

人工智能下一步開展方向將會是：

 

榜首，由現在的不行解說的人工智能，開展到可解說的人工智能技能。由于只要可解說，人才能夠進行推理。

 

第二，人工智能將會向智能體系開展。工業流程中咱們現在使用的是自動化操控體系，將來將會改變為智能操控體系。

 

現在的人工智能和自動化之間有什么相同點和不同點？

 

      從方針來講，自動化削減了人的膂力和腦力勞動，然后進步作業效率的作用和效益，AI是人的智能行為的仿制，它們選用的手段是一樣的，都是算法和體系。此外，它們的共同點還在于都是經過機器延伸和增強人類的感知、認知決議計劃履行功用，使人增強知道國際和改造國際的才能，去完結人無法完結的特定使命，或者是特定使命比人完結得更好。

 

不同之處在于，它們處理問題的方針是不同的。

 

 

  咱們現實生活中有兩類研討方針：

  榜首類是機理清楚，動態能夠用微分方程調控，靜態能夠用代數方程描述的方針，經過咱們所學到的機理常識，咱們知道了其間的因果關系，能夠經過因果關系以小數據來進行建模、剖析、操控和優化。

 

第二類是如圖畫這類很難用數學模型（微分方程、代數方程等）描述的方針，它的信息是在一個空間里面，是一個大數據范疇，這時候能夠用大數據和機器學習來處理和建模，這是今日的人工智能技能。

 

所以人工智能技能開展到今日的深度學習是基于大數據完結的，可是今日的效果有一個條件，便是有必要是一個封閉環境下的大數據。咱們今日在工業中所遇到的方針，它的整個機理不明晰，難以樹立數學模型，咱們現在的技能，咱們各類專業常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（且不確認），人的決議計劃并無法將一切因素都考慮到。

 

在這樣的狀況下，再加上工業上的信息難以獲取，特別是多元信息的獲取，咱們的決議計劃方針是抵觸的（咱們要質量好，那么它的產值不一定高；產值高，成本不一定低）。

 

這類方針應該是咱們未來將自動化和人工智能技能相結合開展新的技能，即工業人工智能技能。

 

關于工業人工智能，各個國家都極為注重，包含美國、德國等，中國的智能制造業也是把下一代的人工智能技能使用到工業制造中。所以下一步的方針是將工業制造完結智能化。

 

工業互聯網平臺體系研制思路

什么是工業人工智能的含義？

 

   當時來看，針對產品與工藝設計、經營管理與決議計劃、制造流程運轉管理與操控等工業出產活動中現在仍然依托人的感知、認知、剖析與決議計劃才能和經驗與常識來完結的常識作業，完結常識作業的自動化與智能化來明顯進步經濟效益。

 

以制造流程常識作業為例，現在有三類作業：運轉工況多源信息感知與識別， 經營層、出產層和運轉層的協同決議計劃，以及以企業歸納出產指標優化為方針，自動協同制造配備操控體系的動作。

 

人工智能在短期內的中心經濟方針是什么？

 

是以以前無法完結自動化的使命完結自動化。

 

    最近美國提出的“補充和增量人類才能的AI體系”，實踐上都是人類常識作業才能怎么起作用。

 

鑒于這種狀況，接下來咱們將會面對三方面應戰：

 

榜首，雜亂工業環境下多元信息的動態感知；

 

第二，預報模型，由于咱們下一步要做的事是要比人強，人最大的才能是推理，要比人強，需求具備猜測才能；

 

第三，決議計劃與操控進程集成優化。

 

    由此也需求三項技能：雜亂工業體系的動態感知技能、雜亂工業環境下5G快速可靠傳輸技能、云邊端協同智能算法完結技能。

 

針對工業互聯網平臺體系研制的詳細思路，柴天佑院士終究也總結為以下幾點：

 

榜首，找準問題，應該找在工業進程的感知、認知、決議計劃中的履行問題，選好場景；

 

第二，確認方針，以最優異的常識作業者為方針，并終究進行逾越；

 

第三，選用CPS思維，也便是選用體系為方針的研討思路，把核算資源和物理資源交融，研討更強壯的體系。這兒就應該把研制工業互聯網平臺體系與研制面向特定范疇的工業體系結合起來。這兒詳細又包含三部分：

 

榜首，模型驅動的自動化和模型驅動的本來各個專業常識，應該和數據驅動的人工智能技能進行深度的交融和協同；

 

第二，研制工業互聯網與研制面向各種制造流程的智能算法體系密切結合；

 

第三，研制工業互聯網與PLC（DCS）管控體系深度交融。

 

第四，基礎研討、研制、時延與工業使用相結合；

 

第五，會聚國家重點試驗室、高技能公司與制造職業的科技力量，構成學科穿插長時間協作的研討機制。

（ 物通博聯的工業智能網關是邊緣計算網關的一種，它提供豐富的邊緣計算解決方案，非常適合于構建工業互聯網平臺,工業互聯網平臺的應用場景。）