隨著ChatGPT和生成式人工智能（AI）進(jìn)入到大眾的視線，突然之間，它成為世界上最熱門(mén)的討論話題之一。

不過(guò)，在制造業(yè)，這并不完全是件新鮮事。十多年來(lái)，機(jī)器學(xué)習(xí)（ML）技術(shù)一直在削減成本并改善測(cè)試和測(cè)量操作的結(jié)果，希望利用過(guò)程數(shù)據(jù)來(lái)收集可操作的見(jiàn)解是工業(yè)4.0的基礎(chǔ)原則。

由于制造業(yè)對(duì)人工智能的認(rèn)識(shí)和經(jīng)驗(yàn)方面可能領(lǐng)先于其他一些領(lǐng)域，人們很容易忽視最新一波的"新聞炒作"，但羅克韋爾自動(dòng)化Kalypso數(shù)據(jù)科學(xué)與人工智能實(shí)踐高級(jí)經(jīng)理Mithun Nagabhairava表示，人工智能對(duì)制造業(yè)的革命性影響才剛剛開(kāi)始。

AI/ML的進(jìn)步引領(lǐng)制造業(yè)的新時(shí)代

這些最先進(jìn)的技術(shù)正在徹底改變工廠的運(yùn)營(yíng)方式，釋放出前所未有的效率、生產(chǎn)力和質(zhì)量水平。從支持人工智能的決策系統(tǒng)（為不斷發(fā)展的勞動(dòng)力提供支持）到優(yōu)化運(yùn)營(yíng)的自主系統(tǒng)，AI/ML 正在引領(lǐng)制造業(yè)的新時(shí)代。Nagabhairava認(rèn)為，值得注意的是，人工智能在推動(dòng)工業(yè)制造商的自動(dòng)化實(shí)現(xiàn)自主化方面發(fā)揮著關(guān)鍵作用，類(lèi)似于自動(dòng)駕駛汽車(chē)改變汽車(chē)領(lǐng)域的變革性影響。

我們發(fā)現(xiàn)特別引人注目的進(jìn)步是那些將AI/ML的力量與最優(yōu)控制理論的成熟基石協(xié)同起來(lái)的領(lǐng)域。最優(yōu)控制理論起源于18世紀(jì)，經(jīng)過(guò)幾個(gè)世紀(jì)的發(fā)展，與制造過(guò)程的確定性非常吻合。

創(chuàng)新的 AI/ML 技術(shù)、高性能計(jì)算基礎(chǔ)設(shè)施和經(jīng)濟(jì)高效的大規(guī)模數(shù)據(jù)采集，正在幫助解決涉及多變量、非線性和時(shí)間動(dòng)力學(xué)的更復(fù)雜的制造挑戰(zhàn)，并以前所未有的規(guī)模推動(dòng)創(chuàng)新。

通過(guò)處理和分析大量數(shù)據(jù)集，AI/ML 算法有助于得出分析模型，這些模型描述了系統(tǒng)在不斷變化的環(huán)境中的歷史行為，并確定制造商為提高資產(chǎn)可用性、優(yōu)化運(yùn)營(yíng)、加強(qiáng)質(zhì)量控制和減少能源使用而采取的最佳行動(dòng)。

以下是幾項(xiàng)顯著的進(jìn)步：

• 自主控制：利用 AI/ML，制造過(guò)程正在從自動(dòng)化向自主控制的方向發(fā)展，使系統(tǒng)能夠在沒(méi)有人為干預(yù)的情況下做出實(shí)時(shí)決策和調(diào)整。
• 機(jī)器視覺(jué)系統(tǒng)：將先進(jìn)的閉環(huán)控制策略與先進(jìn)的感官機(jī)器視覺(jué)AI反饋相結(jié)合，使PLC能夠采取自動(dòng)糾正措施，以實(shí)時(shí)減少缺陷。
• 演化建模：在數(shù)據(jù)科學(xué)實(shí)踐的早期，單點(diǎn)解決方案是常態(tài)，其中根據(jù)從可用數(shù)據(jù)中得出的各種標(biāo)準(zhǔn)選擇單個(gè)模型。然后，這種方法演變?yōu)閺臐撛诤蜻x模型的集合中構(gòu)建模型。演化模型（evolutionary model）正在興起，這種方法要求每個(gè)模型在每一次迭代中都要成功適應(yīng)，以求生存，從而開(kāi)發(fā)出更加符合實(shí)際物理過(guò)程和各自系統(tǒng)動(dòng)態(tài)的高精度和穩(wěn)健的模型。

AI/ML 的進(jìn)步與最優(yōu)控制理論的原理相結(jié)合，在過(guò)程、混合和離散制造行業(yè)中都帶來(lái)了很多創(chuàng)新應(yīng)用。

• 消費(fèi)品制造：在食品、飲料、紙漿和造紙制造中，原材料的可變性是一個(gè)常見(jiàn)的問(wèn)題，通常會(huì)導(dǎo)致不可預(yù)測(cè)的產(chǎn)品和機(jī)器性能問(wèn)題。此外，工廠的環(huán)境條件會(huì)顯著影響原材料的性能，從而使工藝進(jìn)一步復(fù)雜化。

傳統(tǒng)上，操作員和工程師使用試錯(cuò)法來(lái)解決這些類(lèi)型的問(wèn)題。這種方法雖然有時(shí)很成功，但非常耗時(shí)，高度依賴(lài)專(zhuān)業(yè)領(lǐng)域的知識(shí)且不規(guī)范，導(dǎo)致廢品率和吞吐率參差不齊。利用自主控制策略，企業(yè)能夠構(gòu)建可靠的模型，將操作員的知識(shí)與從歷史數(shù)據(jù)中獲得的經(jīng)驗(yàn)相結(jié)合，以確定需要如何調(diào)整系統(tǒng)以獲得最佳結(jié)果。

• 輪胎制造：由于每一步都有數(shù)百種材料成分、錯(cuò)綜復(fù)雜的化合物相互作用和嚴(yán)格的質(zhì)量控制要求，整個(gè)過(guò)程中原材料、生產(chǎn)條件和流變特性的變化可能導(dǎo)致輪胎質(zhì)量不一致。

在 AI/ML技術(shù)的支持下，領(lǐng)先的輪胎制造商正在利用先進(jìn)的閉環(huán)優(yōu)化和機(jī)器視覺(jué)功能來(lái)優(yōu)化生產(chǎn)流程，從而克服這些挑戰(zhàn)。其中包括開(kāi)發(fā)工藝模型和優(yōu)化功能，以實(shí)現(xiàn)混合時(shí)的最佳門(mén)尼粘度，在擠出時(shí)更接近設(shè)定點(diǎn)的一致重量測(cè)量，減少輪胎成型機(jī)的超差事件，固化時(shí)的最佳硫化性能以及最終檢查時(shí)的自動(dòng)缺陷檢測(cè)。

• 醫(yī)療器械制造：在整個(gè)生產(chǎn)過(guò)程中防止污染和實(shí)現(xiàn)每個(gè)最終產(chǎn)品的一致性是該行業(yè)的兩個(gè)重大挑戰(zhàn)。機(jī)器視覺(jué)為保證合格證書(shū)  提供了新的途徑，通過(guò)利用 2D/3D 成像系統(tǒng)和深度學(xué)習(xí)卷積神經(jīng)網(wǎng)絡(luò)（CNN）模型，整合了精確計(jì)量和缺陷檢測(cè)功能。這些功能可實(shí)現(xiàn)高度自動(dòng)化，使制造商能夠在完全封閉的環(huán)境中運(yùn)營(yíng)。

這種方法消除了需要操作員直接接觸的階段，而操作員通常是污染的主要來(lái)源。此外，AI技術(shù)的進(jìn)步使機(jī)器人運(yùn)動(dòng)更加精確和準(zhǔn)確，當(dāng)與先進(jìn)的機(jī)器視覺(jué)功能相結(jié)合時(shí)，可以最大限度地提高設(shè)備的吞吐量和一致性，從而推動(dòng)巨大的商業(yè)價(jià)值。

AI如何助力IT/OT融合？

利用AI分析OT環(huán)境，在源頭自動(dòng)捕獲并與IT信息配對(duì)，揭示OT層面的分布式和戰(zhàn)術(shù)決策之間的最佳協(xié)同作用，以及IT級(jí)別的集中和戰(zhàn)略規(guī)劃。這種洞察力使組織能夠?qū)崿F(xiàn)IT/OT融合，從而最大限度地提高價(jià)值和效率。

根據(jù)我們與一家領(lǐng)先的CPG制造商合作的經(jīng)驗(yàn)，利用 AI 的一個(gè)引人注目的應(yīng)用是識(shí)別運(yùn)營(yíng)效率低下、遇到瓶頸和需要改進(jìn)的領(lǐng)域。

考慮將來(lái)自多個(gè)來(lái)源的物料流組合在一起的輸送系統(tǒng)，然后將這些相同的材料分配到多個(gè)工作站或機(jī)器，通常在每個(gè)主要部分之間有旁路，以確保材料的整體平衡。

雖然這些主要輸送段的OT控制系統(tǒng)裝備精良，可以戰(zhàn)術(shù)性地調(diào)整路段內(nèi)的速度以確保源源不斷的物料流，但它缺乏對(duì)IT數(shù)據(jù)的認(rèn)識(shí)，這些數(shù)據(jù)協(xié)調(diào)物料流入每個(gè)段，配備勞動(dòng)力或裝載由輸送機(jī)送入的機(jī)器。

通過(guò)將這些 IT 數(shù)據(jù)與有關(guān)每個(gè)主要召集區(qū)段當(dāng)前庫(kù)存水平的 OT 數(shù)據(jù)相結(jié)合，人工智能可以在主要區(qū)段之間設(shè)置有效的旁路，以緩解瓶頸問(wèn)題，創(chuàng)造更穩(wěn)定的流出量，并對(duì)計(jì)劃的輸入失衡進(jìn)行調(diào)整。

以最少的努力啟動(dòng)和維護(hù)ML 解決方案

盡量減少數(shù)據(jù)科學(xué)家的工作量涉及重要的組織和技術(shù)考慮。在組織方面，最重要的方面是將過(guò)程專(zhuān)家或操作員納入從創(chuàng)建到部署的整個(gè)建模流程中。通常情況下，要在工廠環(huán)境中使用人工智能解決方案，必須由流程操作專(zhuān)家驗(yàn)證或批準(zhǔn)。要確保模型有機(jī)會(huì)部署，通常需要了解歷史操作原理，并確保AI結(jié)果可以在此背景下進(jìn)行解釋。

此外，適當(dāng)?shù)慕M織參與還能確保AI活動(dòng)的重點(diǎn)是優(yōu)先考慮那些能帶來(lái)實(shí)際價(jià)值的決策，而不去考慮或忽略影響較小的流程方面。以最小的努力啟動(dòng) ML 解決方案涉及數(shù)據(jù)科學(xué)家和流程專(zhuān)家之間的協(xié)作。這可確保 AI 解決方案適合運(yùn)營(yíng)。

在技術(shù)方面，采用無(wú)縫適應(yīng)自帶模型 （BYOM） 的平臺(tái)極大地簡(jiǎn)化了部署，特別是隨著時(shí)間的推移而開(kāi)發(fā)和成熟的 OT 模型。這些平臺(tái)提供了微調(diào)模型參數(shù)以匹配特定設(shè)備和產(chǎn)品特性的能力，例如溫度、壓力、電機(jī)速度等。

選擇技術(shù)堆棧非常重要：提供易于配置的標(biāo)準(zhǔn)連接協(xié)議以與 PLC 和 IT 業(yè)務(wù)系統(tǒng)進(jìn)行通信，靈活地將關(guān)鍵功能打包為微服務(wù)以分離彈性組件，以及內(nèi)置功能以建立工作流管道，從而簡(jiǎn)化大規(guī)模部署和維護(hù)。

AI/ML 技術(shù)的日益普及，以及將ML模型集成到關(guān)鍵制造過(guò)程中的復(fù)雜性日益增加，促使 MLOps （是Machine Learning Operations的縮寫(xiě)，它是一種將機(jī)器學(xué)習(xí)模型應(yīng)用到生產(chǎn)環(huán)境中的方法和實(shí)踐）的開(kāi)發(fā)要能夠有效地管理這些模型從開(kāi)始到維護(hù)的整個(gè)生命周期。

利用 OT 系統(tǒng)內(nèi)部經(jīng)驗(yàn)所奠定的堅(jiān)實(shí)基礎(chǔ)。工廠中的 OT 系統(tǒng)往往經(jīng)過(guò)了長(zhǎng)期的發(fā)展，在很大程度上已經(jīng)組織了信息的關(guān)聯(lián)和語(yǔ)境化。在創(chuàng)建時(shí)，確保將 OT 系統(tǒng)的 I/O 架構(gòu)映射到 ML 模型中，是實(shí)現(xiàn)價(jià)值的第一步。將 OT語(yǔ)境與 ML 模型相匹配，可以在部署后擴(kuò)展和維護(hù)這些功能。這一基礎(chǔ)實(shí)踐將起到催化劑的作用，加速AI/ML 計(jì)劃的實(shí)施。

整合 MLOps 方法，將其作為監(jiān)控和維護(hù)模型與機(jī)器性能的成熟 OT 實(shí)踐的自然延伸，并與成熟的變更管理和標(biāo)準(zhǔn)操作程序保持一致，對(duì)于采用這些實(shí)踐至關(guān)重要。這些功能的擴(kuò)展應(yīng)與業(yè)務(wù)價(jià)值保持一致，包括生產(chǎn)環(huán)境中部署的 ML 模型數(shù)量、衡量其對(duì)業(yè)務(wù)投資回報(bào)率的影響以及衡量持續(xù)的維護(hù)工作。

工業(yè)AI的八個(gè)發(fā)展趨勢(shì)

根據(jù)一份最新的市場(chǎng)報(bào)告，2020年全球工業(yè)人工智能市場(chǎng)規(guī)模為169億美元，預(yù)計(jì)到2026年將達(dá)到1022億美元。Nagabhairava認(rèn)為，隨著我們對(duì)這一趨勢(shì)的發(fā)展軌跡的展望，越來(lái)越明顯的是，AI/ML將在未來(lái)五年或十年內(nèi)對(duì)工業(yè)制造過(guò)程帶來(lái)重要的影響，并在以下領(lǐng)域帶來(lái)前所未有的商業(yè)成果。

• 自主制造的廣泛采用：AI/ML 技術(shù)將推動(dòng)自主功能的廣泛采用，為更多自動(dòng)化控制器配備智能 AI 代理，以實(shí)現(xiàn)卓越的控制水平并優(yōu)化制造流程。
• 塑造下一代勞動(dòng)力：AI支持的自主能力將成為企業(yè)從退休勞動(dòng)力中保留數(shù)十年的經(jīng)驗(yàn)并塑造未來(lái)勞動(dòng)力的核心。
• 賦能操作員2.0：AI對(duì)于將操作員的關(guān)鍵角色，從重復(fù)操作提升到管理機(jī)器性能。
• 利用機(jī)器視覺(jué)增強(qiáng)質(zhì)量控制：在制造過(guò)程的每個(gè)關(guān)鍵步驟中，將先進(jìn)的閉環(huán)控制策略與機(jī)器視覺(jué)反饋相結(jié)合，使PLC能夠采取自動(dòng)糾正措施，最大限度地減少缺陷，從而實(shí)現(xiàn)更卓越的產(chǎn)品質(zhì)量。
• 先進(jìn)的視覺(jué)引導(dǎo)機(jī)器人技術(shù)：固定機(jī)器人系統(tǒng)（如關(guān)節(jié)式機(jī)械臂、三角形機(jī)器人和龍門(mén)系統(tǒng)）和移動(dòng)機(jī)器人平臺(tái)（如AGV和AMR）的高級(jí)感知功能，將使它們能夠在復(fù)雜的環(huán)境中導(dǎo)航，確定最佳路徑，處理精密材料并精確執(zhí)行復(fù)雜的任務(wù)。
• 采用生成式 AI 以加速價(jià)值實(shí)現(xiàn)：這種創(chuàng)新形式的 AI 將通過(guò)生成用于數(shù)據(jù)增強(qiáng)的合成數(shù)據(jù)，并快速訓(xùn)練強(qiáng)大的 AI/ML 模型來(lái)徹底改變制造業(yè)，從而推動(dòng)巨大的創(chuàng)新。
• 具有人類(lèi)反饋的強(qiáng)化學(xué)習(xí)（RL）：這些功能將強(qiáng)化學(xué)習(xí)算法的決策能力與人類(lèi)操作員的專(zhuān)業(yè)知識(shí)和直覺(jué)相結(jié)合，進(jìn)入一個(gè)在人類(lèi)指導(dǎo)下不斷學(xué)習(xí)和發(fā)展的智能系統(tǒng)的新時(shí)代。
• 能源優(yōu)化：AI將在有效優(yōu)化能源使用和降低成本方面發(fā)揮關(guān)鍵作用，同時(shí)最大限度地提高能源密集型流程的吞吐量和質(zhì)量。

AI系統(tǒng)在制造業(yè)中的成功開(kāi)發(fā)和應(yīng)用，將取決于深厚的行業(yè)專(zhuān)業(yè)知識(shí)和所需的特定應(yīng)用知識(shí)。擁有這些專(zhuān)業(yè)知識(shí)以及應(yīng)用AI技術(shù)的專(zhuān)業(yè)知識(shí)的企業(yè)將成為推動(dòng)創(chuàng)新、釋放AI系統(tǒng)全部潛力并在制造運(yùn)營(yíng)中帶來(lái)革命性成果的先鋒。