?!DOCTYPE html> 工业AI有多值得期待Q?行业新闻-MES刉_WMS仓库理pȝ_PLM/PDMq_-Windchill研发理-Creo/Proe三维-UG/NX三维-Teamcenter研发理-重庆万U技有限公司

您当前的位置Q?a href="/">首页 > 新闻资讯 > 行业新闻 >工业AI有多值得期待Q?/span>

工业AI有多值得期待Q?/h2>

发布旉Q?2020/10/30 14:48:15   览敎ͼ?/p>

DQ?/strong>AI的热无所不在QAI也变成了像是个“万金a”,哪里y哪里放光芒Qh们都开始要赋予刉业AI的能力了—有时候这U热让h感觉QAI会来拯救刉业Q传l的技术都q时了—不值得在研I了的感觉?/span>

有时候,产业g很容易陷入“运动式”的技术狂潮,AI的热无所不在QAI也变成了像是个“万金a”,哪里y哪里放光芒Qh们都开始要赋予刉业AI的能力了—有时候这U热让h感觉QAI会来拯救刉业Q传l的技术都q时了—不值得在研I了的感觉,但是Q另一斚wQ又都在议论基础研究的欠~,各种技术被卡脖子,q种矛盾Q大概源于对技术的无明QC博士曄说“AI只是一个无奈的选择—在一些场景中Q的有些对象不好测量,也没有什么更好的办法”,但是Q其实,机理模型是最有效的办法—因为,它是定的,q且可解释性的Q你从公式就能推出结果,完全可预性、与AI相比那简直太优秀了,攄优秀的技术不用,非要L成本更高Q对于h员的专业性需求更高的AIQ纯_就是ؓ了“高端大气上档次”吗Q还有就是“泛”—把原来的自动化升、Y件也泛化为“AI”—就?0q代Q摆摊“计机命”一Pg比那些道士装扮的人算命就高一P后来大家也明白了Q那是查字典,谈不上Q何的Q但是,对于~ZU技素养的大部分人来_高端Q牛Q?/span>

最q翻看了一本称为《复杂》的书,谈到了؜沌,其结果对于输入极其敏感,像蝴蝶效应Q纯_的非线性,但是Q发现其实这里的非线性也是有定性的描述的,卻I通过逻辑斯蒂映射Q可以对整个非线性过E进行预,q发C“费栚w姆常数”—这是让我很吃惊的,非线性系l原来也是具有确定性的Q这是“AI可以发挥”的地方Q和戴老师在群里聊及一些技术话题,谈到q个—其实,q就是h们希望AI可以q的事情Q在不确定中L定性—其实,q是可解释的模型最用QhcL有的工作不就是希望提高确定性吗Q?/span>

但是Q基于统计学和野蛮算力的AIQ却q没有“洞察力”—因为逻辑斯蒂映射、费栚w姆常数是数学家们自己发现的,q手动推的Q那么这个“洞察力”,是今天的AI所完全没有的,Z常说“智慧”,智慧是z察力、判断力Q在十字路口Q要往哪里赎ͼ机器可能用“遍历”、“交叉树”些ҎQ但是,人可能用直觉p做出准确的判断,或者作出判断是不去了—对于计机来说Q它擅长于计,但是Q我说不M—因为,L各种路估计已l来不及了,我放弃了Q不用算了—这个时候,计算机的力没有意义?/span>

在制造业现场同样如此Q所以,是AI法+物理模型+行业知识Q这里的行业知识是来自“老法师”,在机器的生q行中,涉及到机械、电气传动、流体、温度与传导、光学等多种对象Q而这些对象之间又会叠加出各种物理效应Q这些物理效应的叠构成了刉中的各U干扰因素,有些无法量QŞ成机理不是很清晰Q比如,影响一个晶圆的某种~陷Q通常?0余种常见~陷Q的原因可能是与机器的加工中的传输精度有养I也可能与I气动、温度的变化Q也可能对于工艺材料的配Ҏ养Iq些复杂的问题究竟是如何形成的?应该在哪个方面进行调_而很多原因是无法量的,或者测量不l济Q那么,老法师依靠自ql验Q积累了众多的知识,他就能找到问题的原因。或者吹瓶中的白花、瓶颈歪斜现象,都是有对应的原因Q过于高的温度、模具安装精度不等Q这些都是依赖于l验的?/span>

而要解决工业中的问题QAI在没有物理模型、行业知识的协助下,几乎无能为力Q一定是“老虎吃甜Q无处下爪”的。要把老法师们的“隐性知识”变成显性知识,本n是一个复杂的人工q程Q在AIq没有洞察力的时代,AI的代h非常高昂的,因ؓQ测试验证仍然是要花费巨大的成本的,而这个成本有时候我们忽视了—因为在传统机理模型上就出现q样的问题?/span>

在一ơ展会期_其实Q我想验证一个老前辈的话,他曾l说其实国内目前仿的机器都是别h10-20q前的,通过与行业几位业内h士聊q发现果然如此,因ؓ从技术上来说QKnow-How通过软g装已经让很多这U“灰度创新”难以ؓl,而另一斚wQ对于新的机器来_即逆向工程也是有大量测试验证工作的Q与20q前的机늳l相比,q个验证也是代h很高的,风险比较大,所以,大家也就只能把别人十多年前的机器囄拿来。只有少数具有自ȝ发能力的企业Q才h很深的机械电气机理模型验证能力,谈到q个是想_其实QAI用于解决问题p的测试验证成本ƈ不会比传l的方式低,不要对AI抱有q高的期望?/span>

非是Z泼冷水—只是想Q要客观、冷静的看待AIQ现在的政府g也陷入了疯狂Q就像H大学的老师说的“他们已l成ZU学家”,开始ؓ俎代庖来ؓ产业规划AI在制造业的应用,规划“数字孪生”,我觉得官员对于“政l”的“高端大气上档次”有非常强烈的欲望,凡是要持l投入的、而且要从基础做v的,都是他们不感兴趣的,q就警示我们“那些指导性意见”可能带有非常强烈的“选择性”,那就可以做出单的推断Q这可能׃是有意义的方向,可能借着AI来个“打造千亿市g业”的雄伟规划出来了Q趁着半导体的热门Q各地又像当q打造机器h产业园一h造半g产业园?/span>

做企业的Q可不能q样Q尤其是自己要掏真金白银来的Q可要思虑清楚?/span>

如果q去的那U做法真的奏效,其实Q我们怎么会有今天的问题呢Q所以,不能用带来问题的思维方式来解决问题,q个话还是有非常q道理的?/span>

我们的很多问题,Ҏ不是AI能够解决的,或者AI只能解决非常有限的问题,解决那些已经辑ֈ了机理极限的问题。以为AI可以解决问题不花钱—这U不老而获x也是不行的?/span>

人才Q其实还是h才的问题

各种会议、论坛的专家的蛊惑能力真的是够强的,现在大凡d公司、遇C技术大咖,pl你讲讲人工、数字孪生能够带来什么样的收益,比如通过数字采集Q能够优化你的质量啊Q能耗啊Q…反正这U千一律的“愿景”在q去数十q里从来没有中断q,其实Q这些词q回?0q前的AI初期阶段Q也是这些词?/span>

但是Q你若问的仔l,你会发现大部分h其实对于AI是一知半解,很多企业的决{着也是有一U“不做就落后的感觉”,其实Q如果我告诉你你的落后跟人工一点关pM没有Q但是,有些Z问,我们应该有什么样的知识结构,q倒是问到了要点上Q就是有了“规划”的x了,臛_人家知道Q这事肯定得有h才行?/span>

q跟工业互联|有点像Q前D|间有朋友说走访了很多某省的企业,很多企业都想上工业互联网Q但是,不知道能q什么,q种现象很普遍,能干什么都不知道,Ua是怕落后于时代Q但是,对于自己企业存在哪些问题Q需要借助于这些工具与Ҏ来解决似乎ƈ没有概念。企业的问题Q主要是Z解决Ҏ务的用户的质量、成本、交付问题—这是反复被的,聚焦自nQ你又不是打做工业互联|企业,你想上不上云、怎么qԌq些是服务厂商的问题Q企业自w的问题是把需求搞明白Q自己想要什么搞清楚—如果连q个也不清楚Q你上什么工业互联网q_、AI都是枉然Q也p骗了炚wQ或者一起忽悠了W政府的钱?/span>

如果不知道ؓ什么要做这件事情的时候,臛_你可以冷静下来问问自己“WHYQ”,然后问问q个问题Q我现在有什么办法尝试过了吗Q?/span>

你得知道你处在什么阶D?

我想很多企业q没有到AI发挥实力的阶D,很多企业的问题只需要通过提高_理水^、提高自动化水^可以解决的阶段QAIq个东西Q它是用来解决一些更为“精l”的工作的,像你质量水qx99%Q你已经使出了浑w解术,那么Q你可以借助于AI帮助你解决一些更为精益的问题Q在一些细节上可以工艺匹配的更精准,但是Q如果你现在的质量水q只有85%Q那我可以告诉你Q这个阶D可以用更便宜的ҎQ而不是AI来解决的?/span>

其实Q很多问题还不需要AIp解决Q或者,很多企业的落后,不是AI能解决的QAI解决都是高问题Q你q初U问题都没有解决Q你指望跨越的发展是不现实的?/span>

当然Q如果你感兴,你有一些问题是否AI今天更经,q么思考问题我想也是可以理解的Q毕竟,传统的方法也不是什么好ҎQ但是,q里你就必须得清楚你的应用特征了Q你q是得有自己的知识和Know-HowQ至你得把你的问题讲清楚?/span>

你能把你惌的问题讲清楚吗?Q?/span>

不要L回答q个问题Q仔l想惻I你会发现Q大部分人做不到讲清楚,而徏议别人“问清楚”?/span>

--你清C的工艺流E吗Q?/span>

--你关注的l节是用户关注的吗?

--你们亟待解决的可量化指标是什么?

--对于质量相关性的参数你有多少了解Q?/span>

--你知道你需要多大量数据才能训练出有效模型吗Q?/span>

--你们的数据类型是哪种Q?/span>

--对于可解释性你们有要求吗?

--你对AI了解多少Q?/span>

--你的AI规划与现有系l之间如何衔接?

--你能够ؓ你的供应商提供什么样的架构?

能把问题讲清楚吗Q?/span>

把问题讲清楚Q以前觉得不是个什么事情,但是Q现在发现这是个大问题?/span>

做AI的h呢,大概收入高吧Q最q又遇到了说自动化行业的那些软g是玩具的IT大{Q他说了半天梯Ş图,指o表就是个单的玩具Q我反应q钝Q觉得说的好像有炚w理,其实Q后来我才想hQ不对啊Q我们工E师不大用梯形图啊!都是用C/C++比较多啊Q而且都用?0多年了,他们怎么老是觉得PLC是梯Ş囑֑Q?/span>

提这个问题是惌“隔行如隔山”,IT的h和OT的hq去数十q都在争Z个问题,你给我数据,我就能分析,OT问,你要什么数据?IT说你有什么数据?佛陀说“我执”,其实看来体的执念—集体中心主义也是很严重的,但是QIT与OT、机C甉|、工Z间的“`沟”是存在的。之前写“提问”这个话题不是没有道理的Q有些h肯定觉得我写了个“小话题”,其实Q非也,有效的沟通,在融合时代极为重要。能否有良好的结构性思维、高效的提问、理解、ȝ、确认的循环q程Q我们的沟通效率会很低Q就无法有效的推动项目?/span>

到底是什么?它想q什么?

昄Qh们搞各种的目的就是让机器人帮人干z,也不是懒Q在灉|性方面,机器是没法跟人比的,但是Q在质量一致性、速度、工作态度斚wQ机器肯定比人强Q生产线上的工hQ老法师干zL杠的Q但是,老a条也能给你磨z工Q你看机器就不一P只要l它上电Q它q你干z,它出了问题,也不会抱怨你不给它涨工资Q给上点润滑油,换个零gQl干?/span>

Q就是想让机器拥有h的智慧,然后dz,但就目前为止Q我x器还没有辑ֈ“智慧”这个境界,智慧Q要拿佛陀的说法就是“般若”,是“明心见性”的通透,扯远了,要回到地面上说就是“判断力”,Ҏ向的把握吧,你说机器学习厉害Q据说已l达C人类的图片识别能力,我突然想hQ我们家姑娘,她可是不需要那么多训练的,她看C个大象的非常_糙的卡通图Q到了动物园Q她׃指责着那个巨大的动物说“大象”,你看Q你p了那么多计算源才学到q个水^Q那朋友根本就不用

的本质是什么?

的本质,主要q是Z应对变化Q其实,变化是永恒的存在Q因此,不管q去Q今天,q是未来Q变化都是存在的Q因此,像控制、通信Q其实都是ؓ了解册UVUCA环境下的E_生问题Q降低不定性,q是昄的?/span>

相对来说Q在q去的时间里Q生产还是比较标准的Q现在就不一样了Q现在你要让我穿件跟你一L衣服Q我内心深深的觉得自己没有个?不能彰显我独特的力Q尽我知道我的个性化需求主要来自体型的局限性带来的困扰Q但是,我还是选择d制衬衫和西装?/span>

如果你让机器拥有Q其实,是让机器学会h的方式去q活Qh怎么q活的?人是有眼睛、x感知世界的,然后有手L行的Q由感知到大脑,大脑协调各种肌肉、关节的q动Q机器或机器人)来完成各UQ务的?/span>

的Ş成过E?/span>

但是Qh的知识是怎么形成的?是观察、测试验证、然后不断P代,那么Q机器也一样需要这P人对q个世界的知识的应用主要有演l—即Q像中学学习几何一h理出l果Q而归UI像今天的数据徏模一P用数据拟合、聚合出一个模型,两者即机理建模、数据驱动的建模?/span>

数学是连接物理和虚拟世界的桥梁,建模必然会用到数学,只是会用C么样的数学一P比如逻辑是布尔代数、PID调节Z微积分、数据的处理Z概率l计Q就q信息论、控制论也是Z数理逻辑、统计力学等学科汇集才能构徏一个“对不确定环境的l计学徏模,然后预测未来的趋劎쀝,如果回到l纳的《控制论》和香农《信息论》,控制与通信都是q样的,也是Z数据驱动的模型?/span>

因此Q本来h工智能三大学zְ分别代表了不同的实现Q符号主义那帮h打算对h的思维、推理过E,用数字逻辑来表达,然后L理、判断与决策Q而连接主义想模拟人的经递质传递过E,q行计算Q来模拟人的推理q程Q而行Z义学zֈ是通过“负反馈”来调整“控制策略”,以实现对不确定性、干扰环境下的物理对象的E_输出?/span>

说来说去Q其实,刉业的智能包括了大家qx用的机理建模和数据徏模两U方式,因ؓ我们可以惌Q是否所有的刉都是“物理”和“化学”两U,物理的成型也是有物理公式的,化学则有化学方程式,只是q扰却具有不定性,那么Q行Z义不你们的q扰形成和媄响是什么样的,我就认准对象输出有问题就去调节,然后不断的采栗控制、周期性的控制{略调整Qd是能辑ֈ效果的。机理模型当然也不是完美的,毕竟Q它也不是实时的Q也只是控制“趋劎쀝?/span>

其实是q两U主要的思维方式的数学徏模,然后l过大量的测试验证,最lŞ成知识的载体—工业YӞ软gx人的知识、推理的装?/span>

工业的几个重要场?/span>

对于工业而言Q图3几个场景是比较典型的AI发挥能力的地方:

Q?Q?预测性维护:传统采用机械失效分析{机理的方式Q其实一h需要领域知识的大量U篏Q过ȝZ家系l,但是Q对于航I天等重要领域Q其实,q个斚w的研I一直在q行Q但是,对于更ؓq泛的领域,则由于经性问题,而不能进行大量的专家知识U篏Q依靠于人的l验Q而随着AI带来的成本下降,使得Q通过AI来进行更为广泛领域的预测性维护,也成Z可能?/span>

Q?Q?视觉应用

相对于传l的光电开兟뀁红外等传感器,机器视觉能够表达更ؓ丰富的信息,因此Q可以被应用于各UQ务,随着FPGA芯片、GPU成本的下降,使得视觉可以更ؓq泛的应用,典型的在瑕疵、测量、识别等场景Q而机器视觉与机器学习可以l合Q训l对~陷的识别模型,q提高适应性?/span>

Q?Q?控制{略

事实上,AI在工业控刉域的应用一直是伴随着AI的发展的Q只是局限于力与经性问题,因此Q例如在自适应控制、模p控制中都会用到相应的如经|络、数据驱动徏模方法,而对于各U非U性、不易于量、没有机理模型的控制场景里,q些应用一直在q行?/span>

Q?Q?最优化Q对于原有的控制dq程中,我们可以加蝲观测器、成本函数来Ҏ个过E进行约束,例如L旉消耗最的路径、材料最、质量最高的路径Q这U最优化Q在没有模型可以依赖的时候,可以借助于学习来训练模型?/span>

工业对于AI必须是“物理模?AIҎ与工?行业知识”共同构成,N我们机理模型没有打好基础Q就认ؓ直接q入AI时代Q就能跨制造的本nQ?/span>

来源Q中国传动网