工业与人工智能深度融合是必由之路

■文/张先燏 博士，上海交通大学机械与动力工程学院助理研究员

现阶段，我国工业智能化程度还处于初始阶段，潜在的工业智能场景可以为企业未来的工业智能化发展提供方向和目标参考。

随着人工智能技术的快速发展和工业智能制造需求的日益凸显，工业与人工智能正在深度融合，工业正朝着智能化的方向演进。

在工业领域，围绕工业价值链，即客户需求、研发设计、运营管理、生产加工、工业服务等各个阶段，工业与人工智能都在进行着深度的融合，并形成了典型的工业智能应用场景，实现了工业过程的自感知、自认知、自控制、自适应、自反馈、自组织、自学习、自决策、自主化等智能功能。

在客户需求阶段，以家电制造领域（电梯）为例，在电梯安全运营的自控制应用场景中，采用飞行时间（TOF）、图像识别等技术可以解决顾客在扶梯和电梯使用过程中的拥堵、摔倒、电梯关人等问题，分析客户舆情，提升客户满意度。在电梯数据自感知应用场景中，基于大数据的智能技术可以自动在线采集电梯数据，分析电梯历史数据，实现电梯顾客需求的精准预测。在电梯客户需求的自认知应用场景中，采用多模态的情感感知与表达(语音、视觉、文本)的跨媒体智能技术，可以实现对原始数据的语义分析识别，并生成标签化数据，从而获取和分析电梯客户的需求。

在研发设计阶段，以航空航天装备制造领域（飞机）为例，在基于专家系统的飞行训练的自学习应用场景中，通过建立飞行训练标准知识库、学习算法，不断学习和积累新的飞行经验，有助于提高新机型、新功能的研发效率。在飞机零部件设计资源自组织应用场景中，基于工业互联网的社会资源的众筹众包技术，可实现飞机零部件跨区域的异地群体协同设计。在飞机飞行姿态的自适应和自反馈应用场景中，通过研发飞机客舱全姿态的自平衡自主无人服务机器人（可以自适应飞机在空中飞行的不同姿态），能够将服务产品（尤其是液体食物）平稳送达乘客手中。

在运营管理阶段，以港口装备制造领域为例，在用户配件获取的自决策应用场景中，通过机器学习技术与相关算法设计，建立整机、配件与供应商之间的智能匹配数据模型，能够向用户提供优化的配件匹配推荐信息，帮助用户快速、准确锁定所寻找配件的合理范围。在港口物流的无人自主化应用场景中，采用混合增强智能技术可以实现港口码头中物流机器人之间的任务管理、调度、交互、协作。

在生产加工阶段，以汽车制造领域为例，在汽车零部件智能识别的自感知应用领域中，采用基于图像和激光云的智能识别技术，可以实现对汽车生产车间的关键设备信息的智能识别和三维点云场景匹配，如车间物流箱号识别、吊具位姿检测、零部件的定位抓放、物流小车自动行驶纠偏等。在汽车装配资源自组织应用场景中，采用基于知识资源的自组织与开放式共享的工业群体智能技术，能够实现汽车多机协同的智能装配。

在工业服务阶段，以海洋工程装备制造领域为例，在设备监测的自感知应用场景中，通过对海洋工程设备的重要零部件（如变速器、编码器、制动器、柴油发动机、钢丝绳等）进行状态监测，可以收集历史大数据并进行分析。在设备故障的自学习应用场景中，采用机器学习的方法对历史异常现象和其对应的关键参数集进行建模，能够建立各参数变化与零部件损伤的概率模型，后者能够对设备当前的健康状态进行预测，并给予港口运营合理的建议，如合理安排维护计划、备用件采购计划等。