人工智能在电气自动化中的应用
在电气自动化控制中充分利用人工智能技术，不仅能够提高自动化控制的水平，还能够有效减少电气自动化的生产成本。将人工智能技术应用在电气自动化控制中，是人工智能技术和电气自动化技术的有效融合，可以推动电子自动化的飞跃发展，同时也是科学技术上的创新和飞跃。
1、人工智能技术内涵人工智能技术属于计算机技术范畴，主要目的是掌握人类智能固有的本质，同时对人类智能进行模拟，从而产生了智能机。人工智能技术将机器人与专家系统等各领域作为了主要研究对象，同时涉及心理学、逻辑学、语言学等多个学科，但计算机学科一直是其核心内容。一般来讲，对于人工智能技术的有效研究都具备一定的复杂性，因此就需要采用智能机器来对这些复杂的工作任务进行解决。人脑是最精密的机器，并且对于人脑的思考过程能够实现模拟，实质上智能机器就是在对人脑进行模拟的基础上所实现的，并且通过对实际所获取的信息进行有效研究并在此基础上实现反馈。所以，在当前的各个行业当中加强对于自动化目标实现的主要途径就是对人脑的模拟。
2、人工智能在电气工程自动化中的应用优势由于复杂性与系统性是电气设备设计的主要特点，因此设计电气设备的相关设计人员必须具备完备的知识理论，其设计工作的实际有效性必须要强。在电气工程自动化中应用人工智能技术以后，具有很多优势，下列四个方面为其主要体现：
（1）数据的采集与处理都可由人工智能技术来完成，由于具备了这一功能，这样便可对电气设备的各种数据进行采集，并且可及时处理与保存相关数据，这样可使电气自动化的实际控制效率得到大幅提升。
（2）人工智能技术可完成系统的监视并进行必要的报警。人工智能技术可实时监视电气系统中主要设备的模拟数据值。
（3）人工智能控制的操作控制功能较好。可使用鼠标、键盘来对电气设备进行自动化控制，由于利用控制程序便可完成同期并网带负荷操作，这样不但可以大幅减轻操作人员的工作强度，而且可使控制效率得到极大提高，这与当前工业发展的实际需求很相符。
（4）人工智能控制具备故障录波功能，也正是由于这一功能人工智能技术，可智能化捕捉故障录波，这使电气设备的实际运行效率与运行安全性都得到了大幅提升。
3、人工智能技术在电气自动化中的应用分析3.1人工智能技术在电气自动化设备中的应用
由于电气自动化系统当中往往存在很大的复杂性，其往往涉及到很多专业的知识，因此相对于电气自动化设备操作人员来讲，其需要具备良好的个人素质，同时还需要对相关的专业知识进行透彻了解。由于电气自动化系统比较复杂，所以其实际操作的有效性要强，这样才能最大限度地减少由于不当操作，导致出现非正常停机，甚至引发安全事故等。这对产生的相关问题通常都可以采用人工智能技术的应用来实现，相对于人工智能技术来讲，其主要核心就是计算机理论，在实际的应用中进行相关程序的编制，能够在计算机控制下实现电气自动化的智能控制。在一定意义上来讲，对于电气设备的智能化主要就是将人的实际劳动操作利用智能化设备进行替代，这样除了能够提高实际的生产效率，还能够在一定程度上加强成本的降低。在电气工程自动化当中对于人工智能的应用，能够使得电气自动化设备在实际运行当中的科学性得到提升，并且对设备的运行环境也能后得到优化。
3.2在电气控制工作中的应用
在电气领域内，对电气设备进行控制是一个十分重要的部分，自动化设备是当前电气行业的主要发展方向，在设备的控制上，也要逐渐实现智能化，可以极大程度增强工作效率，缩减资金成本，并且降低从业者的劳动强度。比如人工智能技术中的模糊控制、神经网络控制、专家系统等，都是比较先进的控制技术，可以实现对各种设备的有效控制，而且控制的效果很好，产生的误差较小。比如在模糊控制中，较为常用的模糊控制方法有Sugeno与Mamdani两种技术，后者主要是应用在对设备的速度调节的控制上，模糊控制的方法能够以一种更高的效率来处理交流传动控制的相关问题，从而使得电气设备的工作质量和工作效率有很大的提升。
3.3在电气设备的日常操作过程中的应用
电气行业和人们的生活以及生产有着一定的联系，由于电气设备的复杂以及在日常的控制当中也表现的非常繁琐。在传统的日常操作当中其操作方式也是比较复杂，并且也会将电气系统的控制时间有效增加，这样就降低了控制效率。因此，就需要在实际操作中加强对于人工智能的有效应用，并且在进行日常操作中，可以采用人工智能来进行一些基本控制算法的有效设备，将这些复杂的操作工序进行简单化，并且只需要一台电脑就能够实现对这些操作的有效控制，最重要的是，通过人工智能技术的深化，还能实现远程控制，可以将操作界面进行简化，及时处理并保存相关重要数据，为将来的查找与应用提供方便。在日常操作过程中，对于很多数据都要进行记录，比如电气设备的损耗情况、电量等，如果采用人工记录，则会有巨大的工作量，还容易出错，但是应用人工智能技术编制相应的表格和数据采集系统，则可以实现对数据的采集和有效保存，降低了工作强度，同时提高了工作效率。
3.4在故障诊断过程中的应用
人工智能故障诊断技术涵盖了模糊理论、神经网络、专家系统，能准确诊断电气事故及其故障。实际中，由于各方面因素的影响，电气行业中通常会发生各种故障隐患，若未及时有效的对存在的故障加以诊断，那么就会带来严重的损失。过去使用的故障诊断方式比较繁琐、准确率也较低。以变压器为例，过去常用的故障诊断方式是对变压器油中分解的所有气体进行全面收集，然后对收集的气体进行分析，从而判断有无故障隐患。这种方式耗费时间长、需投入较大的精力，而且诊断准确率较低。除此之外，过去使用的故障解决方法也非常复杂。所以对于这些效率低的故障诊断方式及解决方法应摒弃。将模糊理论、神经网络和专家系统有机结合，从而解决上述问题，并且还保证了故障诊断的准确性，工作效率得到提升。
3.5对电气自动化控制流程进行了简化
电气工程自动化在实际的操作中流程非常的复杂，并且在操作中也有严格的步骤要求，其若是产生一点问题就可能会给机器设备带来很大的危害。因此，如何确保电气设备的正常嫥，同时尽可能做到操作的简单化以及程序化，这是当前研究人员所需要重视的一个问题。随着在电气工程自动化中对于人工智能的应用，能够在一定程度上实现这些问题，这对于日常的一些资料进行储存以及有效分析之后，在机器产生故障之后能够及时的采用相关措施来确保其正常运行。除此之外，在电气工程自动化中对于人工智能的应用还能够实现对电气设备的远程操作，强化了控制流程的简单化以及程序化，为相关的技术人员在对电气设备进行检查以及维护提供了一定的便捷，这样不但节省了时间，也有效的将其了电气自动化的运行成本。
4、结语人工智能技术的当前科学技术发展的产物，是社会经济快速发展的产物，在电气工程自动化当中对于人工智能的应用，在一定意义上能够推动产业的结构调整，能够为电气工程自动化技术的发展提供新鲜的血液。所以，在未来的电气工程自动化的发展当中，我们需要不断加强对于人工智能技术的有效研究，使得我们的生产以及生活变得更加的智能化。
工业人工智能发展现状、应用实践及未来趋势
工业人工智能发展现状、典型应用及未来趋势唐露新张儒锋姜德志2022-06-30
人工智能 工业人工智能导语：简述工业人工智能技术的含义背景要素和现状分析其发展历程和典型应用
近年来，智能制造是很多工业发达国家积极推进和重点发展的领域，美国、欧洲和日本等都将目光转向人工智能等核心技术，并不断取得新的突破和应用。2016年，美国发布了《国家人工智能研究和发展战略计划》和《为人工智能的未来做好准备》等重要报告，前者提出了投资、人机协同、社会、安全、培训测试、标准和人才等7个人工智能领域的战略方向，后者从政府与治理角度探讨人工智能的挑战与治理问题。美国2020—2021年财务预算优先智能和数字化制造，特别是结合工业物联网、机器学习和人工智能的制造系统等领域。
2017年，德国发布“工业4.0”，并提出面向经济的人工智能战略，启动开发和应用“学习系统”计划，使工作和生产更加灵活和节省资源，从5个方面推进数字策略，期望德国在2025年成为人工智能领军者。2018年，欧盟发布《人工智能协调计划》，制定了投资、研究应用、人才、数据、伦理、公用和合作等7项具体行动，希望使欧洲成为人工智能开发应用的领先者。日本人工智能发展规划稍迟一些，由人工智能技术战略委员会、总务省、文部科学省以及经济产业省负责人工智能规划，2017—2019年相继出台《人工智能技术战略》《人工智能技术战略执行计划》《人工智能战略2019》等战略计划，以本国优势及社会问题为导向的发展思路，主要集中在工业、医疗和交通等三大领域。
2017年，我国发布《新一代人工智能发展规划》，提出了面向2030年我国新一代人工智能发展的指导思想、战略目标、重点任务和保障措施，部署科技创新体系、产业、社会、军民融合、基础设施和重点科技项目等6项重点工作，投资1500亿发展人工智能产业，加快建设创新型国家和世界科技强国。随后发布《促进新一代人工智能产业发展三年行动计划(2018—2020年)》，并在《“十三五”国家科技创新规划”》《“十三五”国家战略性新兴产业发展规划》以及“科技创新2030－重大项目”等规划文件中，都将人工智能列入发展重点，充分体现了我国政府发展人工智能的决心和魄力。
在人工智能战略布局和时间起点方面，美国、德国、中国和日本都差不多，但相对政府层面而言，中国的规划、支持和执行力度更大，其中工业领域人工智能的应用是美国、德国、中国和日本等国家智库和高科技公司高度关注的焦点，成为公认的提升制造业整体竞争力的国家战略。
对于近年来国内外人工智能的发展状况有很多报告，其中包括国家智库层面和企业民间层面的，评价体系也各有不同，因此也只是一个侧面反应。针对1990—2019年中美德英日韩等六国，对比产业核心技术专利数量，中国在产业人工智能方面前进步伐较大，如图1所示。浙江大学顾国达等构建了一个系统全面的人工智能评价指标体系，涵盖人工智能的环境支撑力、知识创造力、产业竞争力3个主要评价领域，2个具体指标，既可从整体掌握经济体人工智能的综合实力，又可从多维度对人工智能的发展成效进行国际比较和动态追踪。利用2010—2018年人工智能领域的数据，对中国、美国、欧洲、日本、韩国和加拿大等6个代表性经济体的人工智能发展水平进行测度，虽然整体水平呈现上升趋势，但增速并不稳定，各经济体间相对差距逐步扩大，中国已进入国际领先集团，发展潜力巨大，但产业竞争力领域与美国差距不小，人力资本和企业经营等重点领域的短板亟须弥补。
图1人工智能产业核心专利数和国家分布示意
在2020年7月世界人工智能大会云端峰会开幕式上，工信部部长苗圩致辞:“整体来看，我国人工智能产业发展势头良好，技术创新日益活跃，产业规模持续壮大，与行业融合应用不断深入，发展前景可期。”
1工业人工智能系统框架
人工智能概念是1956年在美国达特茅斯学院人工智能研讨会上提出的。人工智能是计算机科学或智能科学的分支，主要研究用机器和算法模仿和执行人脑的某些思维和智力功能，期间经历了计算智能、感知智能和认知智能等3个发展阶段。通过不断演进，特别是脑科学、超级计算、大数据、工业互联网、视觉检测等领域的新理论新技术取得的突破和进展，使得人工智能发展突飞猛进。人工智能可以替代劳动、增加劳动供给;赋能一、二、三产业，提高生产效率;创造消费者剩余，提高社会福利;赋能政府、提高政府效率，矫正失灵，具有显著作用。
人工智能也不断推进到工业领域。工业人工智能是指利用人工智能技术改造工业的生产方式和决策模式，达到系统性的降本、增效、提质的作用，是当前工业发展的重要趋势，其实质是实现设计模式创新、生产智能决策、资源优化配置和生产过程智能感知等创新应用，使工业系统具备自感知、自学习、自执行、自决策、自适应的能力，以适应复杂多变的工业环境，完成多样化的工业设计生产任务，提高生产效率和产品质量。工业人工智能成为公认的提升制造业整体竞争力的国家战略。
工业人工智能集成了人工智能、工业互联网、大数据、云计算和信息物理系统等新科技，使得工业生产运行更加灵活、高质量、高效率和节能，其应用前景广阔。阿里云强大的人工智能“工业大脑”集成了设备数据、产品生命周期数据以及相关数据等，与行业知识机制相融合，形成以数据、算力和算法三者融合为核心的智能制造技术体系，实现工业生产的降本、增效、提质和安全。
当前产品生产所得利润不仅与制造本身相关，还与市场环境和产品定位相关，将来的工业人工智能技术会涉及更多产品制造相关因素。本文作者研究的人工智能技术结合工业制造的应用关系如图2所示。
图2工业制造过程人工智能技术应用框架示意
工业人工智能包含产品市场需求、物流、生产和产品销售等环节，其中涉及内容包括:在生产时具备的条件包括人员配置与素质、设备情况、环境气候与温度湿度、各种实时匹配的物料以及动态能源消耗等;生产过程主要有几个关键环节，包括各种相关工艺、精细化的生产管理、工业互联网、物流计划调度、能效和环保的要求等;生产过程中提取的工业大数据，再应用人工智能技术对生产过程进行有效控制，其中的关键技术包括人工智能的硬件、建模、决策、预测、数据、传感和检测等，最后形成高效和高质量的产品，以产生良好的经济效益和社会效益。目前工业人工智能还没有形成市场和产品链的整体应用，只是在个别环节和技术上有些相关的成功探索，主要包括生产过程控制、设备故障诊断与健康预测、对象与质量检测、物料库存管理、生产效益分析等。
2工业人工智能关键技术
本文从实际应用角度将工业人工智能的关键技术分为硬件、传感、检测、数据、建模、决策、预测。
(1)硬件
人工智能必须依靠算力、算法和数据，这些需要硬件为基础，必须具备专门的图像、语音等处理能力强、运算速度高的硬件。在分散处理、现场传感检测时，通常采用专门的人工智能(AI)芯片作为底层硬件，通常称为边缘计算网关。AI芯片按架构体系分为通用芯片CPU和GPU(图像处理单元)、半定制芯片FPGA、全定制芯片ASIC和模拟人脑的新型类脑芯片;按照应用场景可分为训练芯片、推断芯片、终端计算芯片等。人工智能先采用训练芯片训练数据得出核心模型，接着利用推断芯片对新数据进行判断推理得出结论，模型和推理也可以从已有的SDK(软件工具开发包)中获取，终端计算芯片主要采用简单实时性能的边缘计算控制输出。
(2)传感
人工智能场景中面对丰富多样和大量的各种数据及相关技术，其中绝大部分数据来源于传感器。传感器能将被测量的各种信息转变成相关数字信号，通常需要将电量、物理量、生物量、视觉、味觉、听觉等进行感知，涉及到感知的精度、速度等。一种新型传感器的发明，往往可以开发出相应的仪器装置。传感器分为常规传感器和智能传感器:常规传感器可以直接采集转换处理压力、温度、流量、电压等信号;智能传感器是具有信息处理功能的传感器。智能传感器带有微处理机，具有采集、处理、交换信息的能力，是传感器集成化与微处理机相结合的产物。与一般传感器相比，智能传感器通过软件技术可以实现低成本、高精度的信息采集，具有编程自动化、功能多样化等显著特点，已广泛应用于各种视觉、听觉、物理量和电量等传感检测。
(3)检测
工业人工智能系统的各个环节涉及供应链、产品生产质量、设备状态、能耗、生产环境等，这些需要大量的生产前期各种基础、生产物流、设备和环境等外界状态感知数据收集，并进行数据融合分析。这些检测的精度、速度、可靠性、分析能力等性能以及价格决定了生产应用的基础。目前成品和部件从离线集中式检测，逐步转变为加工在线、实时、嵌入到生产线及设备内部的检测;从独立的感知和检测转变为多传感器、多元异构数据的融合分析;从当前数据状态转变为数据标准化和溯源。检测延伸就包含了诊断，当生产过程异常导致产品质量下降或者事故时，利用传感器采集关键设备、生产线运行以及产品质量等获得各种智能检测数据，进行自动特征提取，采用大数据分析、深度学习等方法进行高精度智能诊断及溯源。
(4)数据
人工智能是建立在强大数据分析基础上的，现在计算机的大容量、高速运算能力和网络云平台给大数据应用提供了极大的可行性和便利性。大数据通常用来形容各行各业运行过程中发生的大量不同时序、多元异构的数据，往往看起来这些数据关联性不够紧密，在关系型数据库中分析时需要花费大量时间和资源进行处理。大数据不只是数据量大，而且数据种类多。要求实时性强。数据所蕴藏的价值大。各行各业均存在大数据，但是众多的信息和咨询是纷繁复杂的，需要搜索、处理、分析、归纳、总结其深层次的规律，获得规律性、有用的数据。
(5)建模
建模是认识生产过程对象和控制方法的最基本环节，不同产品、生产过程和控制要求涉及的模型差异较大，甚至难以找到相关的模型。特定模型包含工业生产过程的机制与知识，表达了生产设备、工艺参数、原材料和产品质量效率间的映射关系，设备或关键部件的退化机制，产线运行状况和工序之间的耦合关系。人工智能控制对象更加复杂和多样，往往是多输入多输出的多变量系统、非线性系统、时变系统。要求控制系统更快、精、复杂时，必须采用状态空间法、离散模型、人工智能等理论进行建模和控制。
(6)决策
决策包括优化、调度和控制等。由于产品、工艺和设备等不同，决策的方式差别很大。复杂工业生产通常由多工序、多台套设备和不同加工要求组成，涉及实时市场信息、生产条件以及运行工况，企业目标、计划调度、运行指标、生产指令与控制指令一体化优化等，需要协同企业管理者和生产管理者的知识并进行智能化处理。以ERP和MES变革为人机合作的管理与决策智能化系统，利用监测设备和产线运行状态的数据，借助智能优化算法，协同调度各个生产工序，控制相关的生产设备和工艺环节，实现生产全流程的产品质量、产量、消耗、成本等综合生产指标控制，保证生产全流程的整体优化运行决策。自主智能控制系统感知生产条件变化，相互协同，解决多目标冲突、干涉和多尺度现象，兼顾各种因素和权重影响，制定相应的优化决策目标，实现制造与生产全流程全局优化。
(7)预测
预测技术分为模型方法和数据驱动方法，在预测性维护、需求预测、质量预测等方面应用广泛。预测大多用于智能制造中设备维护，但是预测对工业生产整体或者其他关键环节的作用更加重要，比如产品成本价格和质量的趋势、产品原材料成本和质量的趋势、产品销售方式和市场趋势等，这些比起设备维护的预测可能更加重要。比如最近缺芯事件对汽车产业的影响、原材料涨价对产品的影响等，其影响远远超过制造产品效率的提升。大数据技术、云服务技术和人工智能技术的快速发展促进了预测技术不断提升。
预测性维护可利用工业设备运行数据和退化机制经验知识，预测设备剩余正常工况使用时间并制定维修策略，从而实现高效安全运行。需求预测根据厂商历史订单数据、市场预测及生产线运行状况，调节原料库存、指导生产出货进度，进行风险管理并减少生产浪费。质量预测通过产线、原料状态及相关生产数据分析产品质量，并将生产流程调整为最佳产出状态以避免残次品，数字孪生技术可以有效促进质量预测。
3工业人工智能典型应用
工业人工智能已在部分领域进行应用，取得较好的效果，包括智能制造体系途径、传感与检测、设备维护预测，协作机器人、智能化生产等。
(1)智能制造体系途径
工业人工智能由相关的技术体系、途径与标准化方法架构所组成，李杰、柴天佑等提出了一些系统性的方法来实现人工智能生产体系，并命名为工业人工智能，其核心技术包含数据技术、分析技术、平台技术与运筹技术。CPS的5C架构则作为实现这个闭环功能框架，5C分别代表智能感知层、智能分析层、网络层、智能认知层、智能决策与执行层。CPS集成计算、通信与控制于一体，其意义在于将物理设备连接到互联网上，让物理设备具有计算、通信、精确控制、远程协调和自治等五大功能。研制面向特定应用领域的工业人工智能系统，使系统的适应性、自主性、效率、功能、可靠安全、感知认知准确性、决策与控制精准优化远超以往的系统。
(2)传感与检测技术
工业人工智能需要使用大量传感器获取信息数据，在人工智能和一些独特的需求下，常规的传感器的处理速度和能力达不到要求。而人工智能传感器能够学习使用环境、习惯、感知，能够自我测试、验证、适应和识别，可以智能分析处理、提供对应的运算，挖掘、保存和传输用户需求的数据。
目前应用最多、最有特色的是工业人工智能视觉传感器，已经逐渐形成规模化的产业，2D向3D的转变、静态图像到动态影像的第四次视觉技术突破，主要包含3D视觉、嵌入式视觉和多元化硬件加速等三大类技术。3D视觉采用了双目视觉、结构光、ToF技术、线激光扫描技术、光谱共聚焦等技术，主要用于尺寸检测、定位引导、场景识别;嵌入式技术将用于实现图像处理和深度学习算法的AI模块集成至工业相机，实现边缘智能控制;多元化硬件可以集成GPU、CPU、FPGA和SoC硬件一起，大大加快了深度学习算法和图像处理的速度，减少了实现的难度。
在各种形状识别、产品与零部件的尺寸、外观、颜色、光洁度和场景识别等高速检测中，大大提高了检测的精度和速度，特别在人脸图像、复杂结构件等对象检测中，显示出巨大潜力。
(3)设备维护预测
使用预测平台对设备的剩余寿命进行预测，该方法要求对设备状态和运行过程进行持续监控，分析历史数据(例如机器学习技术)、完整性因素(例如视觉检测颜色和形状、磨损、成分、声音等)、统计推断方法和工程方法的推理，所以这种方法可以预测设备早期故障，并提供解决方案。机器学习具有强大的数据处理能力，可广泛应用于故障诊断与寿命预测等领域。基于机器学习的剩余寿命预测方法是预测性维护方法的一个重要分支，能够较为准确地对剩余寿命进行预测，成为维护策略评估的重要指标。
西门子推出基于工业大数据分析的预测性维护软件SiePA，在对工厂历史运行数据进行深入分析的基础上，以人工智能算法为工具，建立了预测性维护系统。ABBAbility船舶远程诊断系统能实现对电气系统的预防性连续监测，提供包括故障排除、预防性和预测性服务3个级别的服务，能够通过更大范围的预测性监测使服务工程师数量减少70%，维护工作量减少50%。
(4)协作机器人
又称智能机器人，具有结构灵活性、安全性、感知能力、人机协作、编程方便等特点，充分发挥人类智能及机器人效率，扫除了人机协作障碍;可以大量应用于对灵活性要求较高的密集劳动等场景，协助承担复杂的手动工序和负重劳动，摆脱护栏或围笼的束缚。协作机器人国外厂商主要包括ABB、KUKA、FANUC、YASKAWA、优傲(UR)等，国内有新松、遨博、节卡、艾利特、里工等公司。
协作机器人具有视觉、听觉、力觉和位置等多种传感器，需要进行机器人动力学建模、外界交互环境建模，采用多种智能控制策略，如柔顺控制、协同控制、阻抗控制、协作控制、动态行为控制、认知控制等，可以完成助力、叉车、移动和机床上下料等工作。如无人值守协作机器人，由移动小车和机械臂组成，带有深度学习视觉模块，结合XOS人机交互系统，可以替代多个操作工，自动完成加工中心、数控车床、冲压机、锻压机等多台机床的一系列上下料工作任务，简单程序切换，能够节约人工成本，提高生产效率。
(5)智能化生产
中国已经具备较完整的制造业体系和基础设施，在全球产业链中具有重要地位。在智能化生产方面也出现一批典型，从智能设计、智能产品、智能装备、智能生产和个性化定制、智能管理、智能服务等方面推动企业转型升级，初步涌现一批典型智能制造示范工程。
山西智奇铁路设备公司的高铁轮对智能制造工厂，实现了“设备网络化，数据可视化，生产过程透明化，生产环节智能化”的智能制造顶层战略规划，采用MES核心平台实现产线智能化，应用RFID管理实现仓库可视化、透明化，以集控CPS平台实现生产现场数字化与可视化，并应用AI人工智能检测与监测、预测维护。
奇瑞捷豹路虎基于5G的智能制造项目完成三大核心系统建设，建立起SAP企业管理软件与解决方案、MES全功能生产过程执行管理系统、LES物流执行系统和管理模式等一流IT解决方案，建立了企业工业互联网，产品设计生产生命周期数字一体化，供应链上下游协同优化，具有全生产过程能源优化管理，产品全生命周期可溯的质量管控能力，柔性制造的大规模个性化定制，远程智能运维服务。
中车长春轨道客车的高端轨道交通装备精益化智能制造项目，以中车长客长春高速制造中心和转向架制造中心为主，打造高端轨道交通装备智能制造核心模式，实现制造全过程优化控制、智能调度、状态监控、质量管控。该模式持续推广至全球5个国家生产基地，覆盖轨道交通全车型制造及运维业务，实现快速精准的智能制造管理范式，实现制造全业务链条数据贯通和大数据体系分析;创新信息技术手段，助力全球制造精益一体化管理;深化应用高级排程，打通供应链整体链条;实现生产效率、配送效率、能源利用率、一次合格率较大幅度提升，为企业全球标准化制造业务提供了基础。
4工业人工智能技术难点
虽然目前工业人工智能还只在特殊的方面应用，但已经体现良好效果，整体生产过程、关键环节的应用还存在很多难点，有很大改善潜力和发展空间，其主要难点在于:
(1)多源异构数据的挖掘与应用
工业生产涉及各行业、不同加工过程、不同环境和不同市场，表现不完全、无标注、无直接关联样本的动态特性和多源异构数据。如何利用人工智能深度学习进行完全标注大样本静态特性的学习，进而进行归类、分析、发掘和多维应用;另外需要采用多源数据机器学习，研究现象、问题和效果的知识发现，这些是工业人工智能的基础和迫切需求。
(2)多目标整体决策与过程优化
其中包含多层次多尺度决策与控制过程集成优化、复杂系统多冲突目标的实施动态求优等。基于各种层次的信息感知，运行决策与控制面向不同时间尺度和空间尺度。制造过程中的智能决策面临着开放环境、信息不完全、规则不确定等难题。制造过程当中难以建立决策仿真模型，同时最终决策需要权衡质量、效率、消耗和市场等多冲突目标，全局最优解随生产条件和运行工况变化，控制系统设定值会随全局最优解变化。
(3)产品生产全产业链预测
产品生产最终获得的是效益，不只是与产品生产的质量和效率有关，往往物流、市场需求更加重要。比如产品原材料和人力资源成本、产品销售方式和市场趋势等，这些比起单一的设备维护预测、产品生产质量预测更加重要。比如新冠疫情对相关产业的巨大影响，某些国家对芯片的封锁造成缺芯事件、对汽车产业的影响，经济通胀使原材料大幅涨价对产品的影响等，目前这些都难以建立有效的预测模型，实现较准确的预测控制。
(4)智能制造装备
虽然我国在互联网、物联网、大数据、云计算等数字化技术以及5G的应用上有一定优势地位，但制造最后的执行单元还得是机床设备，我国大部分设备还落后于欧美和日本企业，比如在工业机器人、3D打印、大余量高速切削机床、芯片光刻机、高精度测量测试设备等方面存在很大差距。而工业人工智能对当前世界的装备则提出了更高要求，必将是一个极具创新的挑战过程。
5工业人工智能发展趋势
从总体上看，目前大部分制造企业仍处于自动化、数字化阶段，部分龙头企业和智能制造试点示范企业逐步开展智能化应用，人工智能与制造业融合还处于起步期。2021年后人工智能在制造业中的6个应用趋势，现归纳整理如下:
(1)基于深度学习的机器视觉缺陷检测，可以通过单目和双目的2D、3D视觉检测，分析辨别物体属性、表面特征、立体特征、运动趋势等。
(2)通过机器学习预测设备故障。采用预测剩余使用寿命模型、预定时间段内预测故障的分类模型、异常检测模型可以标记设备等方式进行预测。
(3)生产过程的数字孪生技术，生产过程的实时诊断和评估，产品性能的预测和可视化等。可以设计未来产品、模拟其性能。
(4)智能制造的生成设计，其思想是基于机器学习的给定产品的所有可能设计选项，根据约束条件生成独特设计思想的新产品。具有人工智能的设计生成器和鉴别器，其中生成器网络为给定产品生成新设计，而鉴别器网络对真实产品的设计和生成产品进行分类和区分。
(5)基于人工智能的能耗预测与优化。制造商可以估算能源账单，了解能源的消耗方式，由数据驱动优化生产过程能源消耗。
(6)智能供应链。采用机器学习驱动的认知供应链管理系统，自动分析库存、装运、市场趋势、消费者情绪和天气等数据，具有需求预测、运输优化、物流路线优化、仓库控制、人力资源规划、供应链安全、端到端的透明度等功能。
结合制造业的发展现状和工业人工智能的发展目标，指出工业人工智能今后研究方向有:
(1)复杂工业环境下运行工况的多尺度多源信息的智能感知与识别。
(2)复杂工业环境下基于5G的多源信息快速可靠的传输技术。
(3)系统辨识与深度学习相结合的复杂工业系统智能建模、数字孪生与可视化技术。
(4)关键工艺参数与生产指标的预测与追溯。
(5)复杂工业系统的智能自主控制技术。
(6)人机合作的智能优化决策。
(7)智能优化决策与控制一体化技术。
(8)“端－边－云”协同实现工业人工智能算法实现技术。
6结论
传统人工智能技术较多应用于大量的、感性的日常生活、社会交流、金融等行业，取得良好效果。工业人工智能用于解决特定工业问题，不仅需要采用AI算法和AI系统，还需要将人工智能、自动化、工业互联网与各种制造领域知识紧密融合。
当前人工智能技术正在飞速发展，也体现出强大的生命力，但是工业人工智能的整体技术、关键技术仍处于起步阶段，工业和工程界的许多实际难题还没有得到有效解决，根据社会发展需求、科技创新发展方向，未来研究方向是将工业人工智能方法体系服务实际工业生产并创造更多价值。虽然我国建立了工业人工智能相关的顶层设计与政策引导，在制度层面支撑保障体系也不断完善，但是工业人工智能需要大批具有跨学科研究能力的创新型科技领军人才，也需要大批工程技术应用人才。同时需要加快打造工业人工智能示范项目，建设工业人工智能公共服务平台建设，加快发展工业人工智能单项技术，推动各类人工智能要素向企业数字化领域集聚，加快工业人工智能技术引领，这样才能使我国在工业人工智能的研究与应用走在世界前列，取得巨大的社会和经济效益。
原文刊载于《机床与液压》2022年5月作者：唐露新张儒锋姜德志林建文周书兴
暂无评论,等你抢沙发
人工智能时代需培养学生怎样能力
“未来人工智能环境下的课堂，可能是‘双师型’的课堂，人机交互、人机结合将成为主要形态。一堂课可能由一名教师和一个机器人共同来上，布置和批改作业、知识点训练、监督学习、学习情况的分析等工作可能由机器人来完成。”在日前召开的第四次全国数据驱动教育改进专题研讨会上，北京师范大学中国教育创新研究院院长刘坚这样描述人工智能时代的课堂。
人工智能不能代替学习
面对席卷而来、被称为人类“第二次零点革命”的人工智能浪潮，互联网时代的教育界，也不那么淡定了。“因为人工智能不是信息化的延续，技术对教育的影响，正在由‘革新’发展为‘革命’。”中关村学院学术委员会原负责人吕文清说，“高级阶段的人工智能具有类人脑的学习力和思考力，将来还能进化到自适应学习，在这个意义上，人工智能拓展了人的思维。人工智能改变的，不仅是教育的边界和方式，整个教育样态也将面临重塑。”
不过，科大讯飞教育研究院院长孙曙辉认为，人工智能不能代替人的思维，不能代替学习，技术也改变不了教育的本质。因此，在当前热炒人工智能概念的大背景下，一定要认清技术与教育的关系，搞清楚哪些是教育本身的问题，哪些是技术可以解决的问题。
高阶认知能力的重要性将更加凸显
在人工智能时代，学生应该具备怎样的能力，才能适应社会需求，在竞争中立于不败之地？
教育部副部长杜占元在去年12月召开的2017未来教育大会上提出，在机器能够思考的时代，教育应着重培养学生的5种能力，即自主学习能力、提出问题的能力、人际交往的能力、创新思维的能力及筹划未来的能力。
教育部科技发展中心原主任李志民说，今天我们说知识就是力量，讲的是如何学习、记忆和掌握更多的知识，讲究知识的系统性，而在人工智能时代，知识是开放的，随时随地可查找、可检索，因此，记忆知识以及知识的系统性不再像今天这样重要了，学生更需要学习如何从已有的知识中挖掘出新应用、新知识，通过已有知识学习新知识，与之对应的知识结构或学习过程就是思维的训练。
“低阶认知技能的重要性会下降，如记忆、复述、再现等初级信息加工任务将更多地被机器代替，而高阶认知能力的重要性会更加凸显，如识别问题、逻辑推理、意义建构、精致思考、自我指导能力等。”吕文清认为，人工智能时代应重点培养学生的终身学习素养、计算思维素养、设计思维素养和交互思维素养，培养学生5种能力——高阶认知能力、创新能力、联结能力、意义建构能力和元认知能力。终身学习素养，主要基于人工智能时代需要更强大和持续的学习力，强调学会学习和建构不断演进的知识框架；计算思维素养，主要基于学习和理解人工智能，强化思考的逻辑和精致。现在很火的编程课程，主要是培养计算思维；设计思维素养，主要基于人工智能时代学生执行困难任务，需要关注项目设计、任务设计和路径设计等高层次管理，重点引导学生学会选择、学会决策、学会判断；交互思维素养，主要基于人工智能时代学生交往方式的变化，需要高级信息素养、媒体素养、沟通交流和技术伦理，重点引导学生学会开源共享、参与协商、组建社区等，理解复杂的相互关系。高阶认知能力，强调独立思考、逻辑推理、信息加工等；创新能力，强调好奇心、想象力和创新思维、创新人格等；联结能力，强调学会统筹、组织资源、建立联系，特别是包括人工智能在内的多个空间的联结；意义建构能力，强调社会情感、责任意识和高感性、高概念等要素；元认知能力，强调学习自我认知、自我监控和自我指导。
“我认为，没有什么能力是贴有人工智能时代专属标签的。随着时代的发展，人类已有的知识和经验变得不重要，而培养学生的综合素质、高阶思维、创新能力等，这些要求无论在哪个时代都是需要的、共通的、不会过时的。”孙曙辉说。
未来的学习将更加个性化
未来的学习，在哪儿学、跟谁学、怎么学？原有的概念可能都会被颠覆。教育又该如何作出调整，以适应新的时代要求？吕文清认为，人工智能时代对学生的学习目标、学习内容、能力层级甚至心智模式，都提出了新的需求。在教学上，人工智能时代要以“思维教学”为主线，既强调基于认知能力的信息加工、分析综合、逻辑推理等高阶思维的培养，还要增加和突出计算思维、设计思维和交互思维的培养。具体落点上，要强调概念性知识、方法性知识和价值性知识的教学，要注重教原理、教统筹、教大观点、教元认知等不可替代的知识，也就是高阶认知和高阶学习。
人工智能对于当前的教育，不只是颠覆和冲击，也会带来促进和改良。李志民说，人工智能时代的教育管理，无论是宏观层面还是微观层面，都更容易做到精细化，对教师的评价会更加全面而科学；可以根据每个学生的智力程度和思维习惯以及学习方式进行教学，实现真正的个性化学习和因材施教。
据了解，目前许多中小学已开设编程、3D打印技术等与人工智能相关的课程，学生学习兴趣特别浓厚。一些学校还以社团和选修课的形式推进机器人、智能汽车、计算机编程等课程的开设与完善，提升学生信息化素养，促进学科知识融合。
人工智能时代，学生获得知识及能力、素养的提升途径无疑会更多元，其中互联网发挥的作用会更大。而人工智能的应用，会让教师从机械重复的工作中解放出来，去做更有价值的工作。孙曙辉认为，在中小学开设编程等人工智能相关课程，有助于训练学生的思维方式，但主要意义在于普及相关科学知识，并不能帮助学生“赢在起跑线”。目前，很多所谓人工智能的应用，包括一些针对职业人群的人工智能培训，都是炒作概念的“伪人工智能”，人工智能在短期内尚难发展到较为高级的阶段。当前市场上已经出现针对中小学生的打着“人工智能”旗号的相关培训班，家长完全没必要怕“掉队”，在现阶段，保持清醒的头脑，不盲目跟风至关重要。（本报记者汪瑞林）