人工智能在智能制造中的应用

摘要

随着人工智能技术的发展，互联网+AI正在触发制造工业中模式，方法，生态的伟大改变。基于近几年人工智能技术在制造工业领域的应用，我们分析了互联网+AI时代快速发展的相关核心技术。基于AI技术和信息通信、制造以及相关产品技术的结合，我们提出了智能制造的新模式，方法和形式，包括智能制造系统架构，智能制造技术体系等。并从智能制造应用技术、产业、应用示范等方面论述了智能制造的发展现状。

关键词：人工智能 智能制造 智能制造系统

1. 简介

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，“互联网+人工智能”的新时代即将到来，“互联网+人工智能”的特点是无所不在的网络、数据驱动、共享服务、跨境融合、自动智能和大规模创新。新人工智能技术与互联网技术、新一代信息技术、新能源技术、材料技术和生物技术的快速发展和融合是新时代的重要组成部分，而新时代的到来又将使这场游戏成为可能。

制造业是国民经济、人民生活、国家安全的基石。制造业技术与信息通信技术、智能技术，特别是与产品相关的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促成一场改变游戏规则的变革。

2. 人工智能发展

   略

3. 人工智能促进智能制造的发展

我们相信,智能制造是一种新的制造模式和技术手段,智能制造将新的信息和通信技术,智能科技、大型制造技术(包括设计、生产、管理、测试和集成),系统工程技术,及相关产品技术集成进一个整体的系统和产品开发生命周期。制造过程的生命周期使用自主传感、互连、协作、学习、分析、认知、决策、控制和执行的人,机器,材料,和环境的信息,以集成和优化制造企业的各个方面,包括三个要素(人/组织、运营管理和设备和技术)和五个流(信息流、物流流程、资本流动、知识流和服务流)。这些有利于生产，为用户提供高效、优质、经济、环保的服务，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型、新方法、新形式、新体系结构和新技术系统的开发

3.1 智能制造的新模型、新方法、新形式

新模式:基于互联网、面向服务、协作、可定制、灵活、社会化的智能制造系统，为生产提供便利，为用户提供服务。

新手段:数字化、物联网、虚拟化、服务、协同、定制、灵活性、智能化的人机一体化智能制造系统。

新形态:泛在互联、数据驱动、跨界融合、自主智能、大众创新的智能制造生态。

这些模型、方法和形式的应用的深度集成最终将形成一个智能制造的生态系统

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+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，人、机、物、环境、信息的自主智能感知、互联、协作、学习、分析、认知、决策、控制和执行。该系统由资源/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系统组成。

3.2.1 资源/能力层

资源/能力层包括制造资源和制造能力，包括:(1)机床、机器人、加工中心、计算设备、仿真测试设备、材料和能源等硬制造资源;(2)制造过程中的模型、(大)数据、软件、信息、知识等软制造资源;(3)具有制造过程演示、设计、生产、仿真、实验、管理、销售、运维、集成的制造能力，以及新型数字化、网络化、智能化制造互联产品。

3.2.2 泛在网络层

泛在网络层包括物理网络层、虚拟网络层、业务安排层和智能感知/访问层。

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、船舶等。
2. 虚拟网络层通过南向和北向接口，实现拓扑管理、主机管理、设备管理、消息接收和传输、服务质量(QoS)管理、IPv4/IPv6协议管理等开放网络。
3. 业务安排层以软件的形式提供网络功能，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)优化控制、流量监控、有效负载均衡等功能。
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、电子传感器/设备、条码/二维条码、雷达等智能传感单元感知企业、行业、人、机、物等对象，并通过网络传输数据和指令。

3.2.3 服务平台层

服务平台层由虚拟智能资源/能力层、核心智能支持功能层和智能用户界面(UI)层组成。

1. 虚拟智能资源/能力层提供制造资源/能力的智能描述和虚拟设置，将物理资源/能力映射到逻辑智能资源/能力，形成虚拟智能资源/能力池。
2. 核心智能支持功能层由一个基本的云计算平台和智能制造平台,每个分别提供基础中间件功能,如智能系统施工管理,智能系统操作管理、智能系统服务评价、人工智能引擎和智能制造等功能群体智慧设计、大数据和基于知识的智能设计,智能人机混合生产，虚实结合的智能实验，自主决策的智能管理，以及智能保证在线服务远程支持。
3. 智能UI层广泛支持智能终端交互设备，为服务提供商、运营商和用户提供定制的用户环境。

3.2.4 智能云服务应用层

智能云服务应用层突出了人/组织的作用，包括四种应用模式: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。支持自主智能传感、互联、协作、学习、分析、预测、决策、控制、执行等智能制造系统在人、计算机、材料、环境、信息等方面的应用。

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，确保智能制造系统的用户识别、资源访问、数据安全;规范智能制造系统技术应用和平台接入、监控、评估的标准规范系统。
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，它集人/机/物/环境/信息于一体，随时随地为智能制造和随需应变服务提供资源和能力。它是一个以“互联网(云)+智能制造资源和能力”为基础，集人、机、物为一体的网络化智能制造系统。

3.3 智能制造技术系统

智能制造技术系统主要由通用技术、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和支撑技术组成。

3.3.1 通用技术

通用技术主要包括智能制造体系结构技术、软件定义网络化(SDN)系统体系结构技术、空地系统体系结构技术、智能制造服务业务模型、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、以及智能制造标准化技术。

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/容量感知和物联网技术，智能资源/虚拟容量和服务技术，智能服务环境建设/管理/运营/评估技术，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，虚拟 - 实际组合智能实验技术，智能化自动决策管理技术与在线远程支持服务智能保障技术。

3.3.3 无处不在的网络技术

泛在网络技术主要包括融合网络技术和空-空-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、智能云生产设备技术、智能云运营管理技术、智能云仿真与实验技术、智能云服务保障技术。

3.3.5 基础支撑技术

支持技术主要由人工智能2.0,信息和通信技术(如当今的基于大数据的技术,云计算技术、建模与仿真技术),新的制造技术(如3 d打印技术、电化学加工技术),和专业技术的生产应用领域(专业技术的航空、航天、造船、汽车、和其他行业)。

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综合应用可以从应用技术、行业、应用效果三个方面进行评价。
使用应用程序技术，需要评估基础设施建设、单个应用程序、协同应用程序和业务开发的水平和能力。行业发展评估涵盖智能产品（可以智能和自主完成任务的产品）和智能连接产品（可构成生态网络的智能产品），智能工业软件，支持智能设计/生产/管理的硬件开发/调试/安全，以及智能制造单元，智能车间，智能工厂和智能工业等不同层次的智能制造系统的开发和运行。对于应用效果，建议将评估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高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 国外发展

特别是美国、德国等发达国家，制定了智能制造的创新战略和政策，如美国的“先进制造伙伴计划”(2011)和“工业互联网”(2012)，德国的“工业4.0计划”(2013)。
2012年，通用电气在美国提出了“工业互联网”的概念，它可以将智能设备、人、数据连接起来，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设备、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交互。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，从而实现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智能设备、智能系统和智能决策这三部分与机器、设备集、设施和系统网络的整体集成来实现(Evans和Annunziata, 2012)。
2013年，德国启动了工业4.0计划，提出了“一核、两个课题、三维融合、八个方案”的战略构想，特别强调以智能工厂和智能生产为研究“两大主题”。网络物理系统(CPS)网络和相应的智能设备系统的建设成为其主要关注的问题。工业4.0,智能制造系统能感知和监控大量的实时数据,在生产过程中生成的,并实现智能分析和决策,生产方式转变成智能制造、云最终协作生产,和客户定制生产,实现更多的生产要素的集成以更科学的方式。工业4.0的实质是在“网络物理系统”的基础上实现“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相结合，实现实时传感。生产管理将采用一系列技术，构成服务云，为物理设备提供信息感知、网络通信、精确控制和远程协调能力(Drath and Horch, 2014; Lasi et al., 2014; Wang, 2015; Ivanov et al., 2016).
显然，发展智能制造技术、产业和应用已成为各国战略规划的重点。就战略计划而言，美国和德国都处于领先地位。
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。德国重点研究制造商的底层技术，如智能传感、无线传感器网络和CPSs，而美国则将IT技术放在顶层，如云计算、大数据和虚拟现实(Lee et al.， 2015;Posada等，2015)。
随着GE在美国开发的工业互联网平台Predix、西门子在德国建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，德美两国的智能制造产业已经初具规模。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、云应用和移动，将各类工业设备和供应商连接到云端，提供资产性能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对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、建筑和医疗成像系统的数据分析和反馈，提高监测和优化能力。智能互联网产品，如通用电气开发的智能互联网引擎，可以将飞机发动机与控制系统连接起来。传感器将发动机在飞行过程中收集数据并传输到地面进行智能分析，从而准确检测发动机的运行状态，预测故障，促进主动维修，提高发动机的安全性和使用寿命(Yang, 2015;李,2016;Winnig, 2016)。
在典型的智能制造示范方面，德国和美国不遗余力地展示和推动其制造业转型升级的发展战略。在很大程度上，西门子，SAP和GE等跨国企业的跨行业，全链和综合系统解决方案的演示和推广使这些企业在全球产业链的重组过程中处于领先地位，价值链和生态系统。例如，德国安贝格工厂是西门子公司智能工厂的典范。在安贝格，真正的工厂与虚拟工厂一起运营，真实的工厂数据和生产环境由虚拟工厂反映，人们可以通过它来管理和控制真正的工厂。近75％的生产操作已经自动化。产品可以与生产设备进行通信。 IT系统负责控制和优化所有流程，确保99.9988％的产品合格率。与1989年工厂刚建成时相比，员工人数基本保持不变，而生产能力增加了8倍，每百万电子产品的处理错误率降至1/40。

5.2 国内发展

从价值链的低端到中高端，从制造业巨头到制造业，从“中国制造”到“中国创造”，中国制造业正面临着一个关键的历史时刻。 。中国政府提出了“2025年中国制造”战略规划，“国务院关于促进互联网+行动的指导”，“国务院关于深化制造业与互联网一体化的指导意见”和“十三五”规划国家科技创新计划’支持转型。 “2025年中国制造”明确了30年，3个步骤和3个阶段的战略目标，指导和路线图，以提高国家的制造力。它确立了成为制造业强国第二层的原则：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：坚持走新型工业化道路具有中国特色，以创新发展为主题，注重提高质量，提高经济效益，是加快新一代信息技术与制造业深度渗透的主要目标，也是智能制造业的亮点。其中包括以下内容：
九项任务：（1）提高国家制造业的创新能力，（2）促进信息与工业化的深度融合，（3）加强基础产业能力，（4）蓬勃发展优质品牌建设，（5）普及环境 - 友好制造业，（6）推进重点领域的突破，（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，（9）加强国际制造业参与。
十大发展领域：（1）新一代信息通信技术产业，（2）先进的数控机床和机器人，（3）航空航天设备，（4）海洋工程设备和高科技海军陆战队，（ 5）铁路运输设备，（6）节能和新能源汽车，（7）电力设备，（8）新材料，（9）生物医学和高性能医疗器械，以及（10）农业设备和机械。
五大计划：（1）制造业国家创新中心建设计划，（2）加强产业基础的计划，（3）信息技术与工业化计划的深度整合，（4）环境友好型制造业计划，以及（5）高端设备创新计划。

八，战略支持和保障：（1）加强治理和行政机制改革，（2）建立公平竞争的市场环境;（3）完善财政支持政策;（4）加强财税政策支持;（5）完善多元化 - 人才培训体系，（6）改善小微企业政策，（7）进一步开放制造业，（8）加强组织实施机制。

近年来，中国在智能制造方面在技术，工业和应用方面取得了令人鼓舞的进展。

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模型，方法和形式（Li et al。，2010）。它的成就已被国际学术界普遍提及并得到其认可（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，智能仪表和增材制造，建立了初始智能制造标准体系（Miao，2016）。

在智能制造业发展方面，网络基础设施已进入更高水平，据苗（2016）称，高性能计算，网络通信设备，智能终端和软件取得了突破性进展，形成了一系列移动互联网，大数据和云计算领先企业，支持智能制造的发展。在智能产品和智能互联网产品开发领域，最近的突破包括智能硬件和车载互联网等产品和服务。以智能硬件设备为例，2015年可穿戴智能设备全球零售市场规模为7200万台，比2014年增长132％。预计到2020年总体销量将达到1.969亿台，并进行比较2013年将达到179,000，年增长率将达到25％。至于中国，2014年市场容量为430万台，2015年增长至1680万台。接近全球市场量的1/4，中国的增长率明显高于全球平均水平。由于智能制造的典型演示，智能水平在关键领域得到了改进，如研发设计，生产设备，过程管理，物流配送和能源管理。苗（2016）认为，重点行业数字化设计工具的渗透率超过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实施了智能制造应用。以CASIC为例，CASICloud是第一个云制造平台，已经上线超过一年，吸引了超过23万注册，并在制造业的各个方面发布了超过430亿人民币的CASIC业务需求。超过1000个创新和创业项目已在网上发布，与国际智能制造和科学服务的合作正在进行中。
然而，总的来说，中国的制造业正面临着一些艰巨的挑战，我们需要加速“五个转变”：（1）从技术追随者向独立开发者转变为技术领导者; （2）从传统制造到数字，网络和智能制造，（3）从广泛制造到高质量和高效率制造，（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。我国的智能制造在应用技术，工业化和应用方面仍处于起步阶段。最近发布的中国“智能制造发展计划”（2016-2020）指出：
“中国制造业正处于不同地区，行业和企业之间发展不平衡的阶段，机械化，电气化，自动化和数字化并存。智能制造业的发展面临着许多问题：关键的共同技术和核心设备由其他国家控制;智能制造标准，软件，网络和信息的弱安全基础;不成熟的智能制造新模式;系统和整体解决方案供应不足;缺乏国际领先企业和跨学科整合的智能制造人才。与发达国家相比，中国在推进智能制造业转型的过程中面临着更复杂的环境，更加严峻的形势和艰巨的任务。“

6.智能制造业AI 2.0的研究方向

从应用技术，行业发展和应用示范的角度出发，针对AI 2.0在智能制造行业的应用提出了以下研究方向。

6.1 智能制造应用技术

基于AI 2.0技术，制造科学技术，信息通信科学技术和制造业制造应用技术的深度整合，本研究主要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、空地一体化系统框架技术、智能制造服务业务模型、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、以及智能制造标准化技术。
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;智能服务的建设/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;群智能设计技术;基于大数据和大量知识的智能设计技术;人机混合智能生产技术;结合活力与现实的智能实验技术;独立决策的智能管理技术;智能支持技术，提供在线服务和远程支持。
3. 智能制造的整个圈子涉及智能化设计，生产，管理，实验，支持等关键技术，包括：智能云创新设计技术，智能云产品设计技术，智能云生产设备技术，智能云运营管理技术，智能云模拟和实验技术，智能云服务和支持技术。

6.2 智能制造业发展

智能产品和智能互联产品有待研究。

对于智能制造支持工具，需要进行以下研究：智能工业软件，包括系统软件，平台软件和应用软件，以及支持智能设计，生产，测试和保证的智能硬件，包括智能材料，智能传感器，智能设备，智能机器人，新一代智能网络设备，面向服务的SDN控制平台，以及新的网络评估系统。

智能制造系统需要在不同层面开发和运行，包括智能制造单元，智能车间，智能工厂和智能工业，以支持创新制造模型，包括过程智能制造，离散智能制造，网络协同制造和远程诊断和维护服务。

6.3 智能制造的典型范例

研究和实施的示范包括跨企业（企业）的模型驱动的智能协同制造，智能制造的知识驱动的企业云服务，人机物质合作智能车间云，自主智能制造单元。同时，需要在关键领域推广和应用示范：

1. 跨企业的模型驱动智能协同制造范式。对于跨企业（企业）的模型驱动的智能协同制造，需要构建各种制造资源/容量的云池，并且需要使用智能云技术来自动匹配资源/服务的需求和需求并实现自我建设，管理，运营和评估服务环境。需要构建智能制造云平台的运营中心，以支持模型驱动，协作，全生命周期活动，如研发，生产，管理，物流和支持服务。
2. 企业知识驱动的云服务范式。对于基于企业数据，模型和知识的集成，管理，分析和挖掘的知识驱动型企业云服务，需要构建企业云平台的运营中心，以提供智能设计等企业服务。 ，建模和模拟，测试，生产，管理，供应链，物流，销售，3D打印和全面保证，以支持完整的生命周期活动。
3. 人-机-物协作云的范式。人机物料合作车间云采用人机物料协同智能机器人，代码处理智能优化技术，智能设备保障，智能监控，智能物流，云质量保证，云管理，云调度等技术和产品在智能车间运营中心的帮助下，建立智能设备，生产线，加工控制和车间决策系统，实现人，机，物一体化。
4. 自主智能制造单元的范例。自主智能制造单元使用基于先进的自主无人系统，在线检测，零件识别和定位，事故警报构建智能设备，处理设备，在线监控系统，智能工作场所，安全报警系统等智能制造分配和规划等技术和产品，以及基于先进的自主无人系统的控制中心的帮助，自动装载和卸载设备。

根据全生命周期活动和过程的发展要求，需要在全生命周期活动，全过程和流动智能技术方面取得突破，包括基于AI 2.0的智能设计，生产，管理，测试和保证。要开发和实施的演示包括基于互联网群智能，协作研发空间，智能云生产，智能协作保障以及供应/营销/服务链的可定制和创新设计，需要在关键行业中推广和应用：

1. 基于互联网的群体智能范式定制了创新设计。对于基于互联网群智能演示的客户定制和创新设计，协同创新和设计以及定制应用等产品和技术被用于构建基于互联网群智能的客户定制和创新设计平台，实现云群 - 基于情报的产品选择，经验，用户参与设计以及关键行业的实时跟踪。
2. 协同R＆D群智能空间的范式。协作研发空间演示使用协作，并行和集成系统方法来构建支持大数据处理，知识协作和创新聚合的群体智能空间。它开发了以重要行业，企业和个人用户为重点的各类协作研发空间，并鼓励这些用户通过互联网众包合作研发R＆D，分散研发任务。
3. 智能工厂生产的范例。大数据和基于知识的大量智能技术可以帮助实现智能调度和规划，过程参数优化，智能物流管理和控制，产品质量分析和改进，预防性维护，生产成本分析和估算，能耗监控和智能分配，监控生产过程和程序，以及整个生产圈的综合车间性能分析和评估。工厂运行控制中心和智能调度系统的建立可以促进灵活，抢占式云制造的实现，加速生产过程，实现对企业和生产的智能管理。感知，机器学习和跨媒体的智能过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. 智能协作保证和供应/营销服务的范例。需要构建知识驱动的协作保障和供应/营销/服务平台，以收集物流，供应链以及仓库和营销数据。然后，数据将使用大数据技术进行分析，以优化供应链物流的路径规划，并通过交付前，仓库以及用户需求和产品特征的匹配分析来改进精细物流和精准营销。

注明：全文 https://link.springer.com/article/10.1631/FITEE.1601885 进行翻译