人工智能技術(shù)在智能制造中的典型應(yīng)用場景與標(biāo)準(zhǔn)體系研究

來源：《中國工程科學(xué)》?，作者李瑞琪等

摘要：?針對人工智能在智能制造領(lǐng)域應(yīng)用不斷深入的趨勢，本文基于企業(yè)關(guān)鍵績效指標(biāo)（KPI）的定義，分析了智能制造的系統(tǒng)實現(xiàn)形式，并進(jìn)一步討論了人工智能技術(shù)在智能制造中的主要作用；通過梳理人工智能在智能制造中的典型應(yīng)用場景，從生命周期維度提出了人工智能在智能制造中的應(yīng)用地圖，總結(jié)了人工智能在智能制造應(yīng)用中的共性技術(shù)，并以生產(chǎn)環(huán)節(jié)為例說明了人工智能技術(shù)對企業(yè)的影響；最后，提出了人工智能在智能制造中的標(biāo)準(zhǔn)體系。

關(guān)鍵詞：?人工智能；智能制造；企業(yè)關(guān)鍵績效指標(biāo)；標(biāo)準(zhǔn)化

一、前言

近年來，隨著人工智能與制造業(yè)的融合逐漸深化，人工智能在智能制造中的應(yīng)用不斷增加，美國、德國、法國等制造強(qiáng)國紛紛出臺相關(guān)政策支持人工智能的發(fā)展。我國也于2017年8月發(fā)布《新一代人工智能發(fā)展規(guī)劃》及《促進(jìn)新一代人工智能產(chǎn)業(yè)發(fā)展三年行動計劃（2018—2020年）》，其中明確指出“以信息技術(shù)與制造技術(shù)深度融合為主線，以新一代人工智能技術(shù)的產(chǎn)業(yè)化和集成應(yīng)用為重點，推進(jìn)人工智能和制造業(yè)深度融合，加快我國的制造強(qiáng)國和網(wǎng)絡(luò)強(qiáng)國建設(shè)”。

但是，當(dāng)前我國人工智能在智能制造中的應(yīng)用水平與國外相比仍有較大差距，并且缺乏相關(guān)的標(biāo)準(zhǔn)支撐。因此，迫切需要在梳理人工智能在智能制造中典型應(yīng)用場景的基礎(chǔ)上，總結(jié)人工智能在智能制造中的應(yīng)用體系，分析當(dāng)前存在的問題與未來發(fā)展趨勢，研究其中所涉及的共性技術(shù)及相關(guān)應(yīng)用對企業(yè)關(guān)鍵績效指標(biāo)（KPI）的影響，并進(jìn)一步構(gòu)建人工智能在智能制造領(lǐng)域的標(biāo)準(zhǔn)體系。這對推動人工智能與我國制造業(yè)的深度融合，提升我國的智能制造水平，完善我國智能制造標(biāo)準(zhǔn)體系均具有重要意義。

二、智能制造系統(tǒng)架構(gòu)與實現(xiàn)

（一）智能制造系統(tǒng)架構(gòu)

根據(jù)新一代智能制造技術(shù)機(jī)理[1]中的分析可知，與傳統(tǒng)制造系統(tǒng)相比，第一代和第二代智能制造系統(tǒng)在人和物理系統(tǒng)之間增加了信息系統(tǒng)，人的部分感知、分析、決策功能向信息系統(tǒng)復(fù)制遷移，人進(jìn)而可以通過信息系統(tǒng)來控制物理系統(tǒng)，以代替人類完成更多的體力勞動。然而，新一代智能制造系統(tǒng)的本質(zhì)特征是其信息系統(tǒng)在第一代和第二代智能制造系統(tǒng)的基礎(chǔ)上增加了認(rèn)知和學(xué)習(xí)的功能，信息系統(tǒng)不僅具有感知、計算分析與控制能力，還具有學(xué)習(xí)提升、產(chǎn)生知識的能力。

新一代智能制造系統(tǒng)架構(gòu)如圖1所示。

（二）智能制造的關(guān)鍵績效指標(biāo)

新一代智能制造系統(tǒng)通過集成人、信息系統(tǒng)和物理系統(tǒng)的優(yōu)勢，使企業(yè)的工作效率、質(zhì)量與穩(wěn)定性均得以顯著提升；通過將人類相關(guān)制造經(jīng)驗和知識轉(zhuǎn)移到信息系統(tǒng)，還能夠有效提高人類知識的傳承和利用效率。根據(jù)文獻(xiàn)[2,3]可知，企業(yè)的KPI是衡量企業(yè)性能的一種量化管理指標(biāo)，因此，智能制造系統(tǒng)對企業(yè)的影響可以用各項KPI來描述，其中主要包括良品率、效率、設(shè)備綜合效率指數(shù)（OEE）、交付周期等。例如，OEE表現(xiàn)的是設(shè)備實際生產(chǎn)能力相對于理論產(chǎn)能的比率[4,5]。

（三）智能制造系統(tǒng)的實現(xiàn)探索

企業(yè)是智能制造系統(tǒng)的載體，通過建設(shè)智能制造系統(tǒng)提升企業(yè)的盈利能力和競爭力也是企業(yè)轉(zhuǎn)型升級的基本訴求之一。綜合上述因素，基于圖1所示的新一代智能制造系統(tǒng)架構(gòu)、企業(yè)系統(tǒng)層級及企業(yè)關(guān)鍵績效指標(biāo)等，智能制造系統(tǒng)的實現(xiàn)形勢可以通過以企業(yè)為核心的閉環(huán)系統(tǒng)來表述，如圖2所示。

圖1 新一代智能制造系統(tǒng)架構(gòu)[1]

在圖2所示的智能制造系統(tǒng)的實現(xiàn)探索中，企業(yè)在市場需求驅(qū)動下，深入挖掘客戶個性化需求，并在產(chǎn)品生命周期過程中不斷監(jiān)測企業(yè)的各項關(guān)鍵績效指標(biāo)及其與期望指標(biāo)之間的偏差?；谝陨闲畔⒓捌髽I(yè)自身生產(chǎn)、管理等數(shù)據(jù)，在信息系統(tǒng)中進(jìn)行信息的集成與融合，分析企業(yè)存在的問題并通過虛擬仿真驗證等方式迭代優(yōu)化得出改善相應(yīng)問題的策略，進(jìn)而對實際產(chǎn)品設(shè)計、生產(chǎn)、物流等全生命周期各環(huán)節(jié)進(jìn)行調(diào)整，最終實現(xiàn)水平集成、垂直集成、端到端集成，提高企業(yè)的各項KPI、盈利能力與競爭力。

圖2 智能制造系統(tǒng)的實現(xiàn)探索

注：RFID：射頻識別；PLC：可編程邏輯控制器；SCADA：數(shù)據(jù)采集與監(jiān)視控制系統(tǒng)；DCS：分布式控制系統(tǒng)；FCS：現(xiàn)場總線控制系統(tǒng)；MES：制造企業(yè)生產(chǎn)過程執(zhí)行系統(tǒng)；ERP：企業(yè)資源計劃；PLM：產(chǎn)品生命周期管理；SCM：供應(yīng)鏈管理；CRM：客戶關(guān)系管理；CPS：信息物理系統(tǒng)。

（四）人工智能技術(shù)在智能制造中的主要作用

人工智能技術(shù)在圖2中各環(huán)節(jié)的應(yīng)用是新一代智能制造系統(tǒng)實現(xiàn)的基礎(chǔ)。在需求分析環(huán)節(jié)，客戶畫像、輿情分析等人工智能技術(shù)的應(yīng)用可以提升企業(yè)對生產(chǎn)個性化需求分析的準(zhǔn)確性，從而提升企業(yè)的生存能力；在企業(yè)關(guān)鍵績效指標(biāo)分析方面，成品過程效率分析、物流能效分析、分銷商行為分析、客戶抱怨求解等人工智能技術(shù)的應(yīng)用能夠為企業(yè)隱性問題的挖掘提供依據(jù)；在企業(yè)運行優(yōu)化方面，先進(jìn)生產(chǎn)排程、生產(chǎn)線布置優(yōu)化、工藝分析與優(yōu)化、成品倉優(yōu)化等人工智能技術(shù)的應(yīng)用能夠為企業(yè)在生產(chǎn)、物流等環(huán)節(jié)的優(yōu)化調(diào)整提供輔助決策；在產(chǎn)品生命周期控制方面，基于增強(qiáng)現(xiàn)實技術(shù)（AR）的人員培訓(xùn)、智能在線檢測等人工智能技術(shù)的應(yīng)用能夠提升產(chǎn)品在設(shè)計、生產(chǎn)等環(huán)節(jié)的效率與質(zhì)量。

綜上所述，人工智能技術(shù)在智能制造系統(tǒng)各環(huán)節(jié)中的應(yīng)用能夠推動制造系統(tǒng)的效率和產(chǎn)品的質(zhì)量提升至新的水平；為企業(yè)運行提供優(yōu)化和決策依據(jù)，減小企業(yè)人員工作強(qiáng)度，提升企業(yè)各項關(guān)鍵績效指標(biāo)；促進(jìn)制造業(yè)企業(yè)向自感知、自決策與自執(zhí)行的方向發(fā)展。

三、人工智能技術(shù)在智能制造中的典型應(yīng)用場景

（一）典型應(yīng)用矩陣

根據(jù)上文的分析可知，人工智能技術(shù)在智能制造領(lǐng)域已經(jīng)實現(xiàn)了一定范圍的應(yīng)用。通過綜合考慮相關(guān)應(yīng)用在產(chǎn)品生命周期所處位置以及對產(chǎn)品全面質(zhì)量管理關(guān)鍵要素的影響，圖3從產(chǎn)品生命周期與人、機(jī)、料、法、環(huán)等關(guān)鍵要素兩個維度給出了人工智能在智能制造中的典型應(yīng)用矩陣。

由圖3可知，當(dāng)前人工智能在智能制造中應(yīng)用所涉及的共性技術(shù)包括：機(jī)器學(xué)習(xí)、生物特征識別、計算機(jī)視覺、自然語言處理與知識圖譜等。同時，上述應(yīng)用主要圍繞產(chǎn)品質(zhì)量檢測、工藝分析與優(yōu)化等特定及重復(fù)性的問題，并為企業(yè)管理者或車間運維人員提供輔助優(yōu)化與輔助決策以提升企業(yè)的效率和減小人員的工作強(qiáng)度。

圖3 人工智能在智能制造中的典型應(yīng)用矩陣

（二）人工智能在生產(chǎn)環(huán)節(jié)的典型應(yīng)用

人工智能的典型應(yīng)用包括：基于AR的人員培訓(xùn)、預(yù)測性維護(hù)、動態(tài)智能排產(chǎn)、智能在線檢測及能耗與環(huán)境分析等。

針對基于AR的人員培訓(xùn)，傳統(tǒng)的培訓(xùn)方式由于缺乏靈活性、活動性、難以理解、成本高等因素嚴(yán)重影響了學(xué)員的培訓(xùn)效果。AR設(shè)備能夠為學(xué)員提供實時可見、現(xiàn)場分步驟的指導(dǎo)，從而改善上述問題，尤其是在產(chǎn)品組裝等領(lǐng)域。通過將圖紙轉(zhuǎn)換為可視三維模型，指導(dǎo)操作人員完成所需的步驟。以波音公司為例，基于AR的Boeing 737引擎裝配及故障檢修系統(tǒng)，提高了裝配效率約20%，提升了一次裝配正確率約24%[6,7]。

針對預(yù)測性維護(hù)，當(dāng)傳統(tǒng)生產(chǎn)線的生產(chǎn)設(shè)備出現(xiàn)故障報警時可能已經(jīng)生產(chǎn)了大量的不合格品，給整個企業(yè)帶來損失。預(yù)測性維護(hù)依據(jù)實時采集的設(shè)備運行數(shù)據(jù)，通過機(jī)器學(xué)習(xí)算法辨識故障信號，從而實現(xiàn)對故障設(shè)備的提前感知與維護(hù)，最終減少設(shè)備所需的維護(hù)時間與費用，提高設(shè)備利用率，避免因設(shè)備故障所引起的損失[8,9]。

針對動態(tài)智能排產(chǎn)，傳統(tǒng)的人工排產(chǎn)方式通常工作強(qiáng)度較大，對人員依賴度較高，而且由于工序繁多還有可能導(dǎo)致生產(chǎn)計劃不合理、效率低。智能排產(chǎn)系統(tǒng)通過機(jī)器學(xué)習(xí)算法等幫助企業(yè)進(jìn)行資源和系統(tǒng)的整合、集成與優(yōu)化，實現(xiàn)動態(tài)最優(yōu)化的排程，進(jìn)而幫助企業(yè)實現(xiàn)按需生產(chǎn)，提高運行效率，縮短產(chǎn)品周期，提升企業(yè)的產(chǎn)能。以電梯制造企業(yè)為例，動態(tài)智能排產(chǎn)系統(tǒng)可以將計劃制定的時間縮短75% [10,11]。

針對智能在線檢測，傳統(tǒng)的產(chǎn)品表面缺陷、內(nèi)部隱裂、邊緣缺損等缺陷的檢測主要依靠人眼判斷，由于工作強(qiáng)度高，容易引起操作人員的疲勞，從而導(dǎo)致次品率高，尤其在芯片行業(yè)、家電行業(yè)、紡織行業(yè)等。智能在線檢測技術(shù)依據(jù)傳感器采集的產(chǎn)品照片，通過計算機(jī)視覺算法檢測殘次品，從而提高產(chǎn)品檢測速度及質(zhì)量，避免因漏檢、錯檢所引起的損失。以芯片企業(yè)為例，該項應(yīng)用的實施可以大幅降低次品率，同時通過分析次品原因還可以降低產(chǎn)品的報廢率，并優(yōu)化產(chǎn)品設(shè)計與生產(chǎn)工藝達(dá)到進(jìn)一步降低測試成本的目的[12]。

四、人工智能技術(shù)在智能制造中的標(biāo)準(zhǔn)體系研究

（一）人工智能技術(shù)在智能制造中的標(biāo)準(zhǔn)體系

隨著人工智能技術(shù)、新一代信息技術(shù)、制造專業(yè)新技術(shù)在智能制造領(lǐng)域的深度融合，人工智能標(biāo)準(zhǔn)可以用于指導(dǎo)人工智能技術(shù)在生命周期各環(huán)節(jié)中的應(yīng)用，并確保其在智能制造應(yīng)用中的可靠性與安全性，以滿足制造全生命周期活動的智能化發(fā)展需求。

針對當(dāng)前人工智能技術(shù)在智能制造中應(yīng)用不斷增多的現(xiàn)狀，人工智能標(biāo)準(zhǔn)研制的迫切性與必要性日益凸顯。依據(jù)《國家智能制造標(biāo)準(zhǔn)體系建設(shè)指南（2018年版）》（征求意見稿），人工智能應(yīng)用標(biāo)準(zhǔn)包括場景描述與定義標(biāo)準(zhǔn)、知識庫標(biāo)準(zhǔn)、性能評估標(biāo)準(zhǔn)，以及智能在線檢測、基于群體智能的個性化創(chuàng)新設(shè)計、協(xié)同研發(fā)群智空間、智能云生產(chǎn)、智能協(xié)同保障與供應(yīng)營銷服務(wù)鏈等應(yīng)用標(biāo)準(zhǔn)。根據(jù)人工智能在智能制造中的典型應(yīng)用場景與所涉及的共性技術(shù)，結(jié)合智能制造中對相關(guān)應(yīng)用的安全性、互聯(lián)互通等要求，上述人工智能應(yīng)用標(biāo)準(zhǔn)可以進(jìn)一步展開為如圖4所示的人工智能在智能制造中的標(biāo)準(zhǔn)體系結(jié)構(gòu)，包括基礎(chǔ)共性、基礎(chǔ)范式、平臺資源、核心技術(shù)、工業(yè)應(yīng)用五部分內(nèi)容。

圖4 人工智能在智能制造中的標(biāo)準(zhǔn)體系結(jié)構(gòu)圖

（二）在研標(biāo)準(zhǔn)研究進(jìn)展

國際標(biāo)準(zhǔn)化組織（ISO）、國際電工委員會（IEC）、國際標(biāo)準(zhǔn)化組織/國際電工委員會第一聯(lián)合技術(shù)委員會（ISO/IEC JTC1）、國際電信聯(lián)盟電信標(biāo)準(zhǔn)分局（ITU-T）、電氣和電子工程師協(xié)會（IEEE）等國際標(biāo)準(zhǔn)化組織，以及全國信息技術(shù)標(biāo)準(zhǔn)化委員會、全國工業(yè)過程測量控制和自動化標(biāo)準(zhǔn)化技術(shù)委員會、全國自動化系統(tǒng)與集成標(biāo)準(zhǔn)化技術(shù)委員會等國內(nèi)標(biāo)準(zhǔn)化組織在人工智能領(lǐng)域標(biāo)準(zhǔn)化方面已開展了大量的工作，發(fā)布了《信息技術(shù) 詞匯第 28 部分：人工智能 基本概念與專家系統(tǒng)》《信息技術(shù) 詞匯 第29 部分：人工智能 語音識別與合成》《信息技術(shù) 詞匯 第31 部分:人工智能 機(jī)器學(xué)習(xí)》《信息技術(shù) 詞匯 第 34 部分:人工智能 神經(jīng)網(wǎng)絡(luò)》等一系列國家標(biāo)準(zhǔn)，并啟動了自主系統(tǒng)的透明度、數(shù)據(jù)隱私處理、算法偏差注意事項等標(biāo)準(zhǔn)項目[13]。

目前，人工智能在智能制造領(lǐng)域的相關(guān)標(biāo)準(zhǔn)仍相對較少。由中國電子技術(shù)標(biāo)準(zhǔn)化研究院等提報的兩項IEEE標(biāo)準(zhǔn)提案《智能制造 基于機(jī)器視覺的在線檢測通用要求》（Standard for General Requirements of Online Detection based on Machine Vision in?Intelligent Manufacturing）于2017年12月7日在新標(biāo)準(zhǔn)委員會會議（IEEE NesCOM）上通過審查并正式獲批立項（項目編號：P2671）。

五、結(jié)語

人工智能技術(shù)對推動我國新一代智能制造系統(tǒng)的發(fā)展起著關(guān)鍵作用，也對企業(yè)KPI的提升具有重要意義，而且已經(jīng)在產(chǎn)品生命周期的各個環(huán)節(jié)中實現(xiàn)了諸多應(yīng)用。但是，智能制造領(lǐng)域中的人工智能標(biāo)準(zhǔn)仍然相對較少，無法滿足當(dāng)前人工智能技術(shù)的標(biāo)準(zhǔn)化需求，并制約著我國人工智能應(yīng)用的有序、規(guī)范、健康發(fā)展。我國智能制造標(biāo)準(zhǔn)化工作的快速推進(jìn)為人工智能在智能制造中的應(yīng)用提供了良好的基礎(chǔ)，下一步，圍繞人工智能技術(shù)在智能制造中的應(yīng)用現(xiàn)狀及未來發(fā)展需求，并結(jié)合《新一代人工智能發(fā)展規(guī)劃》《促進(jìn)新一代人工智能產(chǎn)業(yè)發(fā)展三年行動計劃（2018—2020年）》《國家智能制造標(biāo)準(zhǔn)體系建設(shè)指南（2018年版）》（征求意見稿）等重要文件中的要求部署，有待重點開展場景描述與定義、知識庫、性能評估、典型工業(yè)應(yīng)用等相關(guān)標(biāo)準(zhǔn)研究，加速推動我國制造業(yè)的轉(zhuǎn)型升級。

關(guān)注微信公眾號：人工智能技術(shù)與咨詢。了解更多咨詢！

審核編輯：符乾江