人工智能在智能制造中的应用:综述
基于近年来人工智能技术在制造业中的应用研究,我们分析了“互联网加人工智能”新时代核心技术的快速发展,这正在引发制造业模式、手段和生态系统以及人工智能发展的巨大变革。然后,基于人工智能技术与信息通信、制造及相关产品技术的融合,提出智能制造、智能制造系统架构、智能制造技术体系的新模式、新手段、新形式。此外,还从智能制造应用技术、行业、应用论证等角度,探讨了智能制造的发展现状。最后,提出了人工智能在中国智能制造中的应用建议。
1 引言
众所周知,新技术革命和新工业革命正在蓄势待发。我们相信,以泛在网络、数据驱动、共享服务、跨界融合、自动智能、大规模创新为特征的“互联网加人工智能”新时代即将到来。人工智能新技术与互联网技术、新一代信息技术、新能源技术、材料技术、生物技术的快速发展和融合是这个新时代的重要组成部分,这反过来将使模式、手段和生态系统在国民经济、福祉和国家安全中的应用发生改变游戏规则的转变。
制造业是国计民生、国家安全的基石。制造技术与信息通信技术、智能技术,特别是产品相关专业知识的深度融合,正在制造模式、制造方法及其生态系统方面实现改变游戏规则的转型。
2 人工智能的新发展
随着当前互联网的普及、传感器的普遍存在、大数据的出现、电子商务的发展、信息社区的兴起,以及数据和知识与社会、物理空间、网络空间的互联互通和融合,人工智能发展的信息环境发生了深刻变化,进入了新的进化阶段: AI 2.0(Pan,2016)。新技术的出现也开启了人工智能的新阶段。AI 2.0的主要特征包括数据驱动的直观感知能力的出现,用于密集深度学习,基于互联网的群体智能,面向技术的人机混合增强智能,以及跨媒体推理的兴起(Pan,2016).
智慧城市、智慧医疗、智慧交通、智能物流、智能机器人、自动驾驶汽车、智能手机、智能玩具、智能社区、智慧经济等的持续演进,为人工智能技术和应用的新发展提供了广阔的市场需求和驱动力。
3 人工智能助力智能制造发展
我们认为,智能制造是新型制造模式,是将新型信息通信技术、智能科学技术、大型制造技术(包括设计、生产、管理、测试、集成)、系统工程技术、相关产品技术与产品开发的整个系统和生命周期相结合的技术手段。因此,制造业的生命周期使用自主感知、互联、协作、学习、分析、认知、决策、控制和人、机、物和环境信息的执行,实现制造企业或集团各个方面的集成和优化,包括三个要素(人员/组织、运营管理、设备和技术)和五个流(信息流、 物流流、资金流、知识流和服务流)。这有利于生产,为用户提供高效、优质、高性价比、环保的服务,从而提高制造企业或集团的市场竞争力。
人工智能技术促进了智能制造领域新模式、手段和形式、系统架构和技术系统的发展(Li et al., 2014;NMSAC和SAC-CAE,2016年).
3.1 智能制造的新模式、新手段、新形式
新模式:互联网化、服务化、协同化、定制化、柔性化、社会化的智能制造系统,用于方便生产、为用户提供服务。
新手段:数字化、物联网、虚拟化、服务化、协同化、定制化、灵活性、智能化等特点的人机一体化智能制造系统。
新形态:具有泛在互联、数据驱动、跨界融合、自主智能、大众创新等特征的智能制造生态。
这些模式、手段、形式的应用深度融合,最终将形成智能制造的生态系统。
智能制造的新模式、新手段、新形式
3.2 智能制造系统架构
人工智能通过智能制造系统应用于智能制造领域。人工智能在智能制造系统之外的应用没有任何意义。在“互联网加人工智能”的背景下,智能制造系统的特点是在整个系统和生命周期中对人、机、物、环境和信息进行自主的智能感知、互联、协作、学习、分析、认知、决策、控制和执行。系统由资源/容量层、泛在网络层、服务平台、智能云服务应用层以及安全管理和标准规范体系组成。
3.2.1 资源/容量层
资源/能力层包括制造资源和制造能力,包括:(1)硬制造资源,如机床、机器人、加工中心、计算设备、模拟测试设备、材料和能源;(2)制造过程中的模型、(大)数据、软件、信息和知识等软制造资源;(3)制造过程中的示范、设计、生产、仿真、实验、管理、销售、运营、维护、集成等制造能力,以及新型数字化、网络化、智能化的制造互联产品。
3.2.2 泛在网络层
泛在网络层由物理网络层、虚拟网络层、业务安排层和智能感知/接入层组成。
1.
物理网络层主要包括光宽带、可编程交换机、无线基站、通信卫星、地面基站、飞机、船只等。
2.
虚拟网络层通过南向和北向接口实现开放的网络,用于拓扑管理、主机管理、设备管理、消息接收和传输、服务质量(QoS)管理和IPv4/IPv6协议管理。
3.
业务安排层以软件形式提供网络功能,通过软硬件解耦和功能抽象,实现新业务的快速开发和部署,并提供虚拟路由器、虚拟防火墙、虚拟广域网(WAN)优化与控制、流量监控、有效载荷均衡等。
4.
智能传感/接入层通过射频识别(RFID)传感器、无线传感器网络、声光和电子传感器/设备、条形码/二维条形码和雷达的智能传感单元,感知企业、工业、人、机器和材料等物体,并通过网络传输数据和指令。
智能制造系统架构
3.2.3 服务平台层
服务平台层由虚拟智能资源/容量层、核心智能支撑功能层和智能用户界面(UI)层组成。
1.
虚拟智能资源/产能层提供制造资源/产能的智能描述和虚拟设置,将物理资源/产能映射到逻辑智能资源/产能上,形成虚拟智能资源/产能池。
2.
核心智能支撑功能层由基础通用云平台和智能制造平台组成,分别提供智能系统建设管理、智能系统运行管理、智能系统服务评估、AI引擎等基础中间件功能,以及群体智能设计、大数据和基于知识的智能设计等智能制造功能, 智能人机混合生产、智能实验虚实结合、自主决策智能管理、在线服务远程支持的智能保障。
3.
智能UI层普遍支持智能终端交互设备,为服务商、运营商、用户实现定制化的用户环境。
3.2.4 智能云服务应用层
智能云服务应用层突出人/组织的作用,包括单租户单阶段应用模式、多租户单阶段应用模式、多租户跨阶段协同应用模式、多租户按需获取制造能力模式四种应用模式。它还支持智能制造系统应用中人、计算机、材料、环境和信息的自主智能感知、互联、协作、学习、分析、预测、决策、控制和执行。
3.2.5 安全管理和标准规范
安全管理和标准规范包括自主可控的安全防护系统,用于保证智能制造系统的用户识别、资源访问和数据安全,以及标准化智能制造系统技术应用和平台访问、监督和评估的标准规范体系。
显然,智能制造系统是一种基于泛在网络及其组合的智能制造网络化服务系统,它整合了人/机/货/环境/信息,随时随地为智能制造和按需服务提供资源和能力。是基于“互联网(云)加智能制造资源和能力”的集人、机、物于一体的联网智能制造系统。
五类智能制造系统技术
3.3 智能制造技术体系
智能制造技术体系主要由通用技术、基础平台技术、智能制造平台技术、泛在网络技术、产品生命周期智能制造技术、配套技术组成(图)。3).
3.3.1 通用技术
通用技术主要包括智能制造架构技术、软件定义网络(SDN)系统架构技术、天-天-地系统架构技术、商业模式、智能制造服务的企业建模与仿真技术、系统开发与应用技术、智能制造安全技术、智能制造评价技术、智能制造标准化等。科技。
3.3.2 智能制造平台技术
智能制造平台技术主要包括面向智能制造的大数据网络互联技术、智能资源/容量感知与物联网技术、智能资源/虚拟容量与服务技术、智能服务环境建设/管理/运营/评价技术、智能知识/模型/大数据管理、分析与挖掘技术、智能人机交互技术/群体智能设计技术、基于大数据和知识的智能设计技术、智能人机混合生产技术、虚实结合智能实验技术、自主决策智能管理技术、在线远程支持服务智能保障技术。
3.3.3 泛在网络技术
泛在网络技术主要包括融合网络技术和天-天-地网络技术。
3.3.4 产品生命周期智能制造技术
产品生命周期智能制造技术主要由智能云创新设计技术、智能云产品设计技术、智能云生产设备技术、智能云运维管理技术、智能云仿真与实验技术、智能云服务保障技术组成。
3.3.5 配套技术
配套技术主要包括AI 2.0技术(Pan,2016),信息和通信技术(如基于大数据的技术,云计算技术,建模和仿真技术),新型制造技术(如3D打印技术,电化学加工技术)和制造应用领域的专业技术(航空,航天,造船,汽车等行业的专业技术)。
4 人工智能在智能制造中的应用评价
人工智能在智能制造领域的集成应用可以通过考虑应用技术、行业和应用效果三个方面来评估。
应用技术需要评估基础设施建设、单应用、协同应用、业务发展的水平和能力。行业发展评价涵盖智能产品(可能智能自主完成任务的产品)和智能网联产品(可能形成生态网络的智能产品)、智能工业软件、支持智能设计/生产/管理/调试/安全的硬件开发、智能制造不同层次智能制造系统的开发与运行单元、智能车间、智能工厂、智能工业。对于应用效果,建议将评价重点放在竞争力的变化和社会经济效益的变化上,以衡量智能制造系统对提升能力和经济效益的直接或间接影响。
5 当前全球智能制造的发展
5.1 海外发展
特别是美国和德国等发达国家已经制定了智能制造的创新战略和政策,如美国的“先进制造业伙伴计划”(2011年)和“工业互联网”(2012年),德国的“工业4.0计划”(2013年)。
2012年,美国GE提出了“工业互联网”的概念,可以连接智能设备、人员和数据,并以智能的方式分析这些数据,使人和机器做出更智能的决策。工业互联网的三大组成部分是智能装备、智能系统和智能决策。工业互联网可以看作是数据、硬件、软件和智能之间的流通和互动。它可以存储、分析和可视化通过智能设备和网络获取的数据,用于基于智能信息的最终智能决策。工业互联网的最大潜力将通过三个组件(智能设备,智能系统和智能决策)与机器,设备集,设施和系统网络的整体集成来实现(Evans和Annunziata,2012).
2013年,德国启动工业4.0计划,提出了“一芯两门、立体融合、八大方案”的战略思路,特别强调智能工厂和智能生产作为研究的“两大主题”。信息物理系统(CPS)网络和相应的智能设备系统的建设成为其主要关注点。在工业4.0中,智能制造系统可以实时感知和监控生产过程中产生的海量数据,实现智能分析和决策,从而将生产模式转变为智能制造、云端协同制造、客户定制生产,以更科学的方式实现更多生产要素的整合。工业4.0的本质是基于“信息物理系统”实现“智能工厂”。生产设备将通过网络和数据将不同的传感器与精确的过程控制集成在一起,从而实现实时传感。对于生产管理,将采用一系列技术,这些技术将构成服务云,并为物理设备提供信息感知,网络通信,精确控制和远程协调功能。
显然,智能制造中的技术、产业和应用的发展成为各国战略规划的主要关注点。美国和德国在战略计划方面都处于领先地位。
德国基于CPS的智能制造技术取得了里程碑式的成果,美国基于工业互联网的智能制造技术也取得了初步成果。德国专注于制造商底层技术的研究,如智能传感、无线传感器网络和 CPS,而美国则优先考虑顶层的 IT 技术,如云计算、大数据和虚拟现实。
随着美国GE开发的工业互联网平台Predix、德国西门子打造的数字云服务平台Sinalytics等智能制造系统工具和平台的发展,德美两国智能制造产业已初具规模。Predix的四大核心功能包括网络资产安全监控、工业数据管理、工业数据分析、云应用与移动性,将各类工业设备和供应商接入云端,提供资产绩效管理和运营优化服务。西门子的Sinalytics平台可以提供安全通信以及大量机器生成数据的集成和分析,通过对燃气轮机、风力发电机、火车、建筑物和医疗成像系统的数据分析和反馈,提高监控和优化能力。智能互联网产品,如GE开发的智能互联网引擎,可以将飞机发动机连接到控制系统。传感器将在飞行过程中从发动机收集数据并将其传输到地面进行智能分析,以便精确检测发动机运行条件并预测故障以提示主动维护,从而提高发动机的安全性和使用寿命。
在智能制造典型示范方面,德美不遗余力地展示和推进制造业转型升级的发展战略。很大程度上,西门子、SAP、GE等跨国企业跨行业、全链、全面的系统解决方案的示范和推广,使这些企业在全球产业链、价值链、生态圈的重构过程中处于领先地位。例如,德国安贝格工厂就是西门子公司智能工厂的典范。在安贝格,真实工厂与虚拟工厂一起运营,真实工厂数据和生产环境通过虚拟工厂反映出来,人们可以通过虚拟工厂管理和控制真实工厂。近75%的生产操作已经实现自动化。产品可与生产设备通信。IT系统承担控制和优化所有流程的作用,确保99.9988%的产品合格率。与1989年工厂刚建时相比,员工人数基本保持不变,产能增加了八倍,百万件电子产品每笔加工的错误率降低到1/40。
5.2 国内发展
中国制造业正面临着价值链从低端向中高端、从制造大国到制造大国、从“中国制造”到“中国创造”转变的关键历史时刻。中国政府提出了“中国制造2025”、“国务院关于促进互联网发展的指导意见”的战略规划+行动》、《国务院关于深化制造与互联网融合的指导意见》和《国家科技创新“十三五”规划》支持转型。《中国制造2025》明确了30年、三步走、三阶段提升国家制造强国的战略目标、指导和路线图。它确立了成为制造业第二梯队强国的原则:创新驱动、质量第一、环境友好型发展、结构优化、以人才为中心,以及战略路线图:坚持走中国特色工业化新模式道路,以创新发展为主题,注重提质、提高经济效益,以加快新一代信息化深度渗透为主要目标。技术和制造,以及智能制造的亮点。其中包括以下内容:
九大任务:(1)提高国民制造业创新能力;(2)促进信息化与工业化深度融合;(3)增强产业基础能力;(4)大力开展优质品牌建设;(5)普及环境友好型制造;(6)推进重点领域突破;(7)进一步推进制造业结构调整;(8)推进制造业和生产服务业服务; (9)增加制造业的国际参与。
十大发展领域:(1)新一代信息通信技术产业,(2)先进数控机床和机器人,(3)航空航天装备,(4)海洋工程装备和高科技海洋,(5)铁路运输装备,(6)节能与新能源汽车,(7)电力设备,(8)新材料,(9)生物医药和高性能医疗器械, (10)农业设备和机械。
五大计划:(1)国家制造业创新中心建设计划;(2)加强产业基础计划;(3)信息技术与工业化计划深度融合;(4)环境友好型制造计划;(5)高端装备创新计划。
八大战略支撑和保障:(一)加强治理和行政机制改革;(二)营造公平竞争的市场环境;(三)完善金融支持政策;(四)加强财税政策支持;(五)完善多层次人才培养体系;(六)完善小微企业政策;(七)进一步扩大制造业对外开放;(八)强化实施组织机制。
近年来,中国在智能制造方面的技术、工业和应用取得了令人鼓舞的进步。
在智能制造技术方面,中国于2009年首次提出了基于云制造的智能制造的模式、途径和形式(Li et al., 2010)。其成就得到了国际学术界的普遍引用和认可(Ren et al.,2013)。此外,智能制造的关键领域取得了重大突破,如高端计算机数控(CNC)机床、工业机器人、智能仪器和增材制造,建立了初步的智能制造标准体系(苗,2016).
在智能制造产业发展方面,网络基础设施迈向更高层次,据苗(2016)介绍,高性能计算、网络通信设备、智能终端、软件等方面取得突破,形成了一系列支撑智能制造发展的移动互联网、大数据、云计算龙头企业。在智能产品和智能互联网产品开发领域,近期的突破包括智能硬件、车联网等产品和服务。以智能硬件设备为例,2015年全球可穿戴智能设备零售市场规模为7200万,较2014年增长132%。预计到2020年,总量将达到1.969亿辆,与2013年的17.9万辆相比,年增长率将达到25%。中国2014年销量为430万台,2015年增长至1,680万台。接近全球市场体量的1/4,中国的增长率明显高于全球平均水平。
得益于智能制造的典型示范,在研发设计、生产设备、流程管理、物流配送、能源管理等关键领域智能化水平不断提高。根据苗(2016)的数据,数字设计工具在关键行业的渗透率超过85%。近年来,中国航天科工集团、青岛海尔集团、红领集团等中国企业纷纷实施智能制造应用。以CASIC为例,CASICloud作为首个云制造平台上线一年多,吸引了超过23万人次注册,释放了超过430亿元人民币的CASIC关于制造业各个方面的业务需求。超过1000个创新创业项目上线发布,与国际智能制造和科学服务的合作正在进行中。
但总体来看,我国制造业面临着一些艰巨的挑战,需要加快“五大转型”:(1)从技术追随者到独立开发者再到技术引领者的转型;(2)从传统制造到数字化、网络化、智能化制造,(3)从粗放型制造到优质高效制造,(4)从资源消耗和环境污染制造到绿色制造,(5)从生产制造到生产+服务制造。我国智能制造在应用技术、产业化、应用等方面仍处于起步阶段。中国最近发布的《智能制造发展规划(2016-2020年)》指出:
“中国制造业正处于不同地区、不同行业、不同企业不平衡发展的阶段,机械化、电气化、自动化、数字化并存。智能制造发展面临诸多问题:关键共性技术和核心装备被其他国家控制;智能制造标准、软件、网络和信息的安全基础薄弱;不成熟的智能制造新模式;系统和整体解决方案供应不足;缺乏国际龙头企业与智能制造人才的跨学科融合。与发达国家相比,我国推进智能制造业转型面临更加复杂的环境、严峻的形势和艰巨的任务。
6 智能制造行业AI2.0的研究方向
从应用技术、行业发展和应用论证的角度,对于AI 2.0在智能制造行业的应用,我们提出了以下研究方向。
6.1 智能制造应用技术
本研究基于人工智能2.0技术、制造科学技术、信息通信科学与技术、制造业制造应用技术在制造业中的深度融合,重点关注智能制造应用技术的以下几个方面:
1.
智能制造系统通用技术,包括智能制造框架技术、SDN网络系统框架技术、空天地一体化系统框架技术、智能制造服务商业模式、企业建模与仿真技术、系统开发、应用与实现技术、智能制造安全技术、智能制造评估技术、智能化制造标准化技术。
2.
智能制造系统平台技术:基于智能制造的大数据网络技术、智能资源/容量感知、物联网;智能资源/容量虚拟化和服务技术;智能服务建设/管理/评估技术;智能知识/模型/大数据的管理、分析和挖掘;智能人机交互技术;群体智能设计技术;基于大数据和海量知识的智能设计技术;人机混合智能生产技术;生命力与现实相结合的智能实验技术;自主决策的智能管理技术;具有在线服务和远程支持的智能支持技术。
3.
智能制造全圈涉及智能设计、生产、管理、实验、支撑等关键技术,包括:智能云创新设计技术、智能云产品设计技术、智能云生产装备技术、智能云运维管理技术、智能云仿真与实验技术、智能云服务与支撑技术等。
6.2 智能制造产业发展
智能产品和智能互联产品有待研究。
在智能制造使能工具方面,需要开展以下研究:包括系统软件、平台软件和应用软件在内的智能工业软件,以及支持智能设计、生产、测试和保障的智能硬件,包括智能材料、智能传感器、智能装备、智能机器人、新一代智能网络设备、面向服务的SDN控制平台和新网络评估系统。
智能制造系统需要在智能制造单元、智能车间、智能工厂、智能工业等不同层面进行开发和运行,以支持创新的制造模式,包括流程智能制造、离散智能制造、网络协同制造、远程诊保服务等。
6.3 智能制造的典型范式
拟研究实施的示范包括模型驱动的跨企业(业务)智能协同制造、智能制造知识驱动企业云服务、人机物协同智能车间云、自主智能制造单元等。同时,示范需要在关键领域推广和应用:
1.
跨企业模型驱动的智能协同制造范式。对于跨企业(业务)的模型驱动智能协同制造,需要构建各类制造资源/产能的云池,利用智能云技术自动匹配资源/服务的需求和要求,实现服务环境的自建、自建、自运营、自评价。需要构建智能制造云平台的运营中心,以支持研发、生产、管理、物流和支持服务等模型驱动、协作、全生命周期活动。
2.
面向企业的知识驱动云服务范例。对于基于企业数据、模型、知识的集成、管理、分析、挖掘的知识驱动型企业云服务,需要构建企业云平台运营中心,提供智能设计、建模仿真、测试、生产、管理、供应链、物流、销售、3D打印等企业服务,支撑全生命周期活动。
3.
人机物协同车间云范式.人机料协同车间云利用人机料协同智能机器人、编码处理智能优化技术、智能设备保障、智能监控、智能物流、云质保、云管理、云调度等技术和产品,构建智能装备、生产线、加工控制和车间决策系统,实现人、机、机、一体化在智能车间运营中心的帮助下进行材料。
4.
自主智能制造单元范式。自主智能制造单元借助基于先进自主无人系统的控制中心,利用基于先进自主无人系统的智能制造配送与规划、在线巡检、零件识别定位、事故报警等技术和产品,构建智能设备、加工设备、在线监控系统、智能工作场所、安防报警系统、自动装卸装置等智能设备。系统。
需要根据全生命周期活动和流程的发展要求,在基于AI 2.0的全生命周期活动、全流程和流程智能(包括智能设计、生产、管理、测试和保障)等技术上取得突破。有待开发和实施的示范包括基于互联网群体智能的可定制和创新设计、协同研发空间、智能云生产、智能协同保障、供应/营销/服务链,需要在重点行业推广和应用:
1.
基于互联网的群体智能定制创新设计范式。针对基于互联网群体智能演示的客户定制和创新设计,利用协同创新设计、定制化应用等产品和技术,构建基于互联网群体智能的客户定制创新设计平台,实现基于云群体智能的产品选择、体验、用户参与设计、关键行业实时跟踪。
2.
协同研发群体智能空间的范式。协同研发空间示范采用协同、并行、集成的系统方式,构建支持大数据处理、知识协同、创新聚合的群体智能空间。针对重要行业、企业和个人用户,开发各类协同研发空间,鼓励这些用户通过互联网众包、分散研发任务等方式协同应对研发挑战。
3.
智能工厂生产的典范。大数据和海量知识化智能技术,有助于实现智能调度与规划、工艺参数优化、智能物流管控、产品质量分析与改进、预防性维护、生产成本分析与估算、能耗监测与智能调配、生产过程与程序监控、车间性能综合分析与评估圈。工厂运行控制中心和智能调度系统的建立,有助于实现灵活、抢占的云制造,加速生产过程,实现对企业和生产的智能化管理。感知、机器学习和跨媒体的智能流程可以实现自主决策,以支持结合虚拟和现实的生产优化。
4.
智能协同保障与供销服务范式。需要构建知识驱动的协同保障和供销服务平台,收集物流、供应链、仓库和营销数据。然后利用大数据技术对数据进行分析,优化供应链物流的路径规划,并通过对用户需求和产品特性的交付前、前仓和匹配分析,改善精细化物流和精准营销。
天河软件作为安全可信的工业软件及云应用提供商,深耕工业软件已近三十年,自主研发的工业软件产品和云服务覆盖CAD、CAPP、PLM、数字孪生工厂领域,拥有三大系列百余项自主知识产权产品。经过多年的发展,天河软件涵盖从设计到工艺,从工艺到研发管理,从研发管理到生产制造,再到质量管理的全系列数字化精益生产解决方案,已在航天航空、兵器军工、高铁机车、船舶制造、电站能源设备等高端装备制造领域拥有大量的标杆用户。
本文来源于互联网,天河软件本着传播知识、有益学习和研究的目的进行的转载,为网友免费提供,并已尽力标明作者与出处,如有著作权人或出版方提出异议,本站将立即删除。如果您对文章转载有任何疑问请告之我们,以便我们及时纠正。联系方式:thsoft@thsoft.com.cn