公司动态

工业互联网的核心是将工业中的各种要素“人机料法环”进行集成和联通，实现这些要素之间的相互通信，但这只是第一步。基于工业互联网的设备、软件等，只能基于规则进行响应和相互交互，面对异常情况，也只能基于规则进行动作。

其中，数据是智能体的“燃料”，需收集和整合企业内部的生产数据、设备数据以及外部的市场数据等，并进行清洗和预处理，确保数据质量。在部署阶段，要考虑与现有工业系统的兼容性，可采用云边协同的方式，将部分智能体部署在边缘设备以实现实时响应，部分复杂处理在云端完成。最后，持续对智能体进行训练和优化，根据实际运行反馈调整模型参数。

以制造过程中在玻璃基板上进行涂布和光照环节为例，实际生产过程中，光照的时长、角度、强度等，会影响光照后在玻璃基板上形成的类似电路板的”线路“质量。如果一次光照不达标，往往需要通过下道工序进行检测，然后根据检测，以及人工判断，是否需要进行曝光补值，以及曝光的时长、角度、强度等参数的设置。格创东智通过构建曝光补值智能体，可以与检测设备、曝光设备、以及缺陷库、曝光补值知识库等进行协同联动，然后可以自动完成整个检测、分析、推荐、设备联动等一系列活动，从而大大提高整个曝光补值的效率，以及替代人，实现更高效、更准确的操作。

在格创东智看来，目前，工业智能体在不同工业场景应用中面临多方面技术瓶颈。在数据层面，数据质量参差不齐，工业数据存在数据缺失、噪声干扰、数据孤岛等问题。由于工业设备多样、协议不统一，数据采集和整合困难，影响智能体的训练效果。

在算法方面，现有算法难以满足工业复杂场景的实时性和可靠性要求。例如，在高速生产线上，智能体需要在极短时间内做出决策，但一些复杂算法运算时间长，无法满足实时控制需求。此外，工业环境复杂多变，智能体的泛化能力不足，在一种场景训练好的模型，换个场景可能效果不佳。

针对这些问题，格创东智建议，可采取以下破解措施。在数据处理上，加强数据治理，建立统一的数据标准和规范，利用数据清洗、填充算法处理缺失和噪声数据，打破数据孤岛，实现数据共享。在算法优化方面，研发轻量级、高效的算法，结合边缘计算技术，将部分计算任务前置到边缘设备，减少数据传输延迟，满足实时性要求。

此外，为提升智能体的泛化能力，可以采用多场景数据融合训练的方式，增加训练数据的多样性，或者开发自适应算法，使智能体能够根据环境变化自动调整模型参数。

格创东智坦言，未来工业智能体的突破方向之一是与“机器人”结合，这里的机器人不一定是指人形机器人，而是工业中“人机料法环”背后的各种设备和装备。通过将智能体集成到现有的，以及未来形态的硬件中，将过去的软件、算法、工具等有机的集成到这些硬件中，让硬件本身升级为内置智能体的“机器人”，具备环境感知、态势分析、趋势预测、自主决策，协同执行等能力。再基于工业互联网的互联互通能力，让工厂中的所有智能体“机器人”可以实现完全自动驾驶，最终实现真正的智能工厂。

采写：胡媛

编辑：胡媛