公司动态

关注中国制造业“软力量”

格创东智【工业软件专家访谈】第三期

当AI向工业“拜师学艺”

 以下是专家分享，enjoy：

近段时间来，ChatGPT的横空出世让AI在全球范围内引起热议。

实际上，AI的概念早在上个世纪50年代就被提出，经过多年理论与实践的发展，已经融入多个经济发展领域，取得了许多成就。比如，在大数据、云计算、万物互联、5G通信等技术的新浪潮下，AI在工业制造中也扮演着越来越重要的作用，成为工业制造数字化转型的强劲引擎。

1

目前，AI在工业领域已有多个应用场景，特别是在品质检测和数据分析两方面已有较为成熟的应用。要系统性地发展工业AI应用，不仅仅要考虑技术层面，还要考虑到企业认知、人才培养等多个层面。

相比于常见的通用型AI应用，由于工业AI场景中物理对象的存在，其在数据采集、特征提取、模型训练、人才培养等方面都存在着较大的困难。比如：

工业AI数据获取较难，且安全保密不出域。目前，很多工业企业的数据基础比较薄弱，数据采集、数据孤岛等问题比较突出。同时，企业对自己产生的数据非常谨慎，要求数据留在本地不出域。这就使得工业AI在调用数据时只能在本地做分析，但场内可能算力等能力不足，就使得工业AI不能调到完整的数据来进行分析、建模。

工业场景复杂多样。同一产品，不同企业、不同客户由于场景或参数各异，存在着大量的个性化定制，所以工业AI很难做成通用型的产品，针对多种缺陷尤其是罕见缺陷的小样本问题，对于算法的考验很大。

工业AI人才匮乏。既懂技术，又懂工业的人才太少。只懂技术的AI工程师，不知道工厂实际运行情况，哪些输入因素影响工厂排程调度，输入数据分别来自于企业的哪个系统，哪些突发情况需要考虑，哪些优化指标是工厂真实的痛点，这些企业信息对于一个AI工程师来说都需要知道。

如果“闭门造车”，一旦产品出现变化，它的算法模型也会变动很大。同时算法上线速度无法跟进产品迭代速度，工程师不具备相应算法技能，无法自行训练模型都是工业AI推广中普遍遇到的问题。

2

在AI应用于工业领域之前，利用精益管理与一些工业软件，已经可以解决很多生产中出现的问题。那么，有哪些问题和挑战是传统方法解决不了的，而AI又为什么能够解决这些问题？

工业AI技术是一种革新技术，是在传统精益管理上的进阶和升华。相比以前精益管理，工业AI具备一定的逻辑判断和思维分析能力，与当前已有的工业软件相辅相成。

当前，工业制程越来越复杂，产品品质要求越来越高，严重依赖人员经验，而工业AI的出现，就是为了解决这些工业现场痛点而形成的工具，让生产效率和制程分析更加智能化。

纵观整个工业品的生命周期，工业AI技术可应用于各个阶段和领域，比如市场分析、产品设计、制造控制、物流管理、质量检测、物料追溯、行为识别等，可以让产线除了被动接受指令外，具备一定的自主监控、分析和预测能力，从而提升生产线智能化程度，进一步减少人工数量，保障品质稳定性，加快生产速度。

我们结合一些具体场景来看，比如在来料环节，AI可通过OCR 识别模块，对物料进行识别统计，确保物料零错用；在员工作业环节，AI视觉可以提供作业培训、作业手法矫正，违规作业预警等功能，在提升人效的同时，还能提供异常行为、违规行为监控，保障生产安全；在生产过程中，运用AI视觉，可以实现精细加工、视觉引导装配、物料无序抓取，机器人群协作生产；在质检环节，利用 AI 视觉可以进行缺陷检测与判别，把控产品质量，减少人工判别工作量，提升判别速度，并在品质分析中采集多维度的生产相关数据，实时分析产品品质影响因素，为生产管理者提前预警，动态调整生产计划。

3

工业场景具有复杂化、碎片化、个性化、专业化的特点，当前通用AI技术尚不足以在各种工业场景中简单复用。比如不同材料，不同缺陷，不同形状，不同精度的产品对于AI的要求各不相同，这些因素决定了工业AI的落地是跨学科、跨领域、跨产业的系统工程问题。

相比To C的AI落地，工业场景更是千人千面，场景之间迁移困难，行业之间的迁移则难上加难。工业有自身的Know How，只有结合生产Know How和工艺要求开发的工业AI模型，才能真正适用于工业场景。

所以，工业AI需要具备工业基因，深入生产一线，深刻理解工业生产制造及产品，学习和吃透该场景下生产和管理要求，才能打造出匹配的算法模型，并做到快速迭代和优化，达到精准的结果，这样才能更好地将其运用在生产领域解决问题。

具体而言，要将算力和泛化能力转换成对工业场景应用知识的深入理解，将人员经验、产品机理，结合大数据分析，与深度算法合理融合，才能打造工业大数据机理模型，最终反馈给生产现场，从而形成更多的数据提供给AI，不断进行训练和优化。如此往复形成闭环，才能打破单一项目场景的落地，具备工业AI大模型落地的可能性。

否则，工业AI只能浮于表面，空有强大的算力和泛化能力，却不能满足工业的实际需要。

4

未来在工业制造领域，工业AI要具备轻量化、模块化、低代码化甚至无代码化特点，可以快速有效地帮助工厂工程师或主管要解决的问题，最终达到优化生产的目的，这样大家也愿意去用，愿意去推广。

同时，工业AI应用将逐步从识别监测预警等场景向数据分析、预测判断等场景延伸，实现自主决策和执行，最终达成自主调整优化制程的能力。

除了运用监督和非监督语言技术，工业AI未来还能通过自然语言处理(NLP)技术对行业报告、市场分析等外部数据进行分析，基于客户需求可以协助我们去做相应方案设计，能有效规避掉客户可能出现安全风险。

与此同时，设计出来的产品还能模拟它的性能，在全产品生命周期中真正实现AI的落地和生态，达成自监控、自反馈、自设计、自决策、自生产、自执行、自优化的闭环管理。或许在不久的将来，完全可以在虚拟世界中，通过数字双胞胎或元宇宙等概念进行“产品生产管理”，打造出真正的元宇宙生态。