發(fā)展工業(yè)智能，落地智能制造！

原標題：發(fā)展工業(yè)智能，落地智能制造！

當下，智能制造是全球制造突破現(xiàn)有生產力增長瓶頸的重要方向。制造業(yè)是未來發(fā)展的方向，而人工智能是實現(xiàn)智能制造的關鍵環(huán)節(jié)，如何發(fā)展工業(yè)智能，如何落地智能制造？在2019世界人工智能融合發(fā)展大會“人工智能與制造業(yè)深度融合發(fā)展”主題論壇上，天澤智云副總裁、聯(lián)合創(chuàng)始人史喆做了詳細闡述。

數(shù)據(jù)驅動：從解決可見問題到避免不可見問題

智能制造是基于新一代信息技術，貫穿于設計、生產、管理、服務等制造活動各環(huán)節(jié)，具有信息深度自感知、自學習、智能優(yōu)化自決策、精準控制自執(zhí)行等功能的先進制造過程、系統(tǒng)與模式的總稱。落地智能制造的關鍵環(huán)節(jié)就是發(fā)展工業(yè)智能化，因為工業(yè)智能化的作用就是避免和解決不可見世界的隱性問題。

例如設備故障、產品缺陷、加工失效、質量偏差等這些可見問題，是可以通過KPI 績效體系、精益6-sigma等對管理問題進行管控和優(yōu)化。但造成這些背后的隱性問題，如形變、過熱、松動、泄露等，雖然在當下看不見，但不斷累積就會變成顯性問題，造成損失。也就是在你看到一個設備失效前，其實他已經有了很多衰退的癥狀。

史喆說：“從解決可見問題到避免不可見問題，其實是這樣一個過程，對于可見問題，可以將問題產生過程進行數(shù)據(jù)分析，建模和管理，從而實現(xiàn)價值改善，再通過機器學習等方法從數(shù)據(jù)中挖掘隱性問題，預測并解決問題，為了避免不可見問題的發(fā)生，那么這個時候要做的就是知識建模?！?/p>

可見，在工業(yè)智能化過程中，數(shù)據(jù)驅動技術具有重要意義，它可以用來預測能被感知但未被量化的問題。良好的維修維護策略會大大降低設備后期的運營成本。例如原來某些部件需要拆除才能發(fā)現(xiàn)問題，但現(xiàn)在通過傳感器采集數(shù)據(jù)并進行分析，就可以實時感知它的狀態(tài)，進而預測故障，提前進行維護排程。

自學習和自適應是工業(yè)智能最大的挑戰(zhàn)

在工業(yè)場景中有三個突出的難點，第一是模型的不確定性，第二個是實現(xiàn)問題反饋的實時性，第三點是系統(tǒng)的穩(wěn)定性，這些不確定因素既存在于制造過程中，也存在于制造過程之外的使用過程中。

對此，史喆表示，對于不確定性的管理是核心問題，這要求系統(tǒng)結果輸出必須正確。系統(tǒng)的實時性是對核心業(yè)務及時返回的保障，系統(tǒng)的穩(wěn)定性就是要保證系統(tǒng)長期穩(wěn)定運行。

生成海報

免責聲明：本網站內容主要來自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿，凡在本網站出現(xiàn)的信息，均僅供參考。本網站將盡力確保所提供信息的準確性及可靠性，但不保證有關資料的準確性及可靠性，讀者在使用前請進一步核實，并對任何自主決定的行為負責。本網站對有關資料所引致的錯誤、不確或遺漏，概不負任何法律責任。任何單位或個人認為本網站中的網頁或鏈接內容可能涉嫌侵犯其知識產權或存在不實內容時，應及時向本網站提出書面權利通知或不實情況說明，并提供身份證明、權屬證明及詳細侵權或不實情況證明。本網站在收到上述法律文件后，將會依法盡快聯(lián)系相關文章源頭核實，溝通刪除相關內容或斷開相關鏈接。