人工智能技術在智能制造中的典型應用場景與標準體系研究

來源：《中國工程科學》?，作者李瑞琪等

摘要：?針對人工智能在智能制造領域應用不斷深入的趨勢，本文基于企業關鍵績效指標（KPI）的定義，分析了智能制造的系統實現形式，并進一步討論了人工智能技術在智能制造中的主要作用；通過梳理人工智能在智能制造中的典型應用場景，從生命周期維度提出了人工智能在智能制造中的應用地圖，總結了人工智能在智能制造應用中的共性技術，并以生產環節為例說明了人工智能技術對企業的影響；最后，提出了人工智能在智能制造中的標準體系。

關鍵詞：?人工智能；智能制造；企業關鍵績效指標；標準化

一、前言

近年來，隨著人工智能與制造業的融合逐漸深化，人工智能在智能制造中的應用不斷增加，美國、德國、法國等制造強國紛紛出臺相關政策支持人工智能的發展。我國也于2017年8月發布《新一代人工智能發展規劃》及《促進新一代人工智能產業發展三年行動計劃（2018—2020年）》，其中明確指出“以信息技術與制造技術深度融合為主線，以新一代人工智能技術的產業化和集成應用為重點，推進人工智能和制造業深度融合，加快我國的制造強國和網絡強國建設”。

但是，當前我國人工智能在智能制造中的應用水平與國外相比仍有較大差距，并且缺乏相關的標準支撐。因此，迫切需要在梳理人工智能在智能制造中典型應用場景的基礎上，總結人工智能在智能制造中的應用體系，分析當前存在的問題與未來發展趨勢，研究其中所涉及的共性技術及相關應用對企業關鍵績效指標（KPI）的影響，并進一步構建人工智能在智能制造領域的標準體系。這對推動人工智能與我國制造業的深度融合，提升我國的智能制造水平，完善我國智能制造標準體系均具有重要意義。

二、智能制造系統架構與實現

（一）智能制造系統架構

根據新一代智能制造技術機理[1]中的分析可知，與傳統制造系統相比，第一代和第二代智能制造系統在人和物理系統之間增加了信息系統，人的部分感知、分析、決策功能向信息系統復制遷移，人進而可以通過信息系統來控制物理系統，以代替人類完成更多的體力勞動。然而，新一代智能制造系統的本質特征是其信息系統在第一代和第二代智能制造系統的基礎上增加了認知和學習的功能，信息系統不僅具有感知、計算分析與控制能力，還具有學習提升、產生知識的能力。

新一代智能制造系統架構如圖1所示。

（二）智能制造的關鍵績效指標

新一代智能制造系統通過集成人、信息系統和物理系統的優勢，使企業的工作效率、質量與穩定性均得以顯著提升；通過將人類相關制造經驗和知識轉移到信息系統，還能夠有效提高人類知識的傳承和利用效率。根據文獻[2,3]可知，企業的KPI是衡量企業性能的一種量化管理指標，因此，智能制造系統對企業的影響可以用各項KPI來描述，其中主要包括良品率、效率、設備綜合效率指數（OEE）、交付周期等。例如，OEE表現的是設備實際生產能力相對于理論產能的比率[4,5]。

（三）智能制造系統的實現探索

企業是智能制造系統的載體，通過建設智能制造系統提升企業的盈利能力和競爭力也是企業轉型升級的基本訴求之一。綜合上述因素，基于圖1所示的新一代智能制造系統架構、企業系統層級及企業關鍵績效指標等，智能制造系統的實現形勢可以通過以企業為核心的閉環系統來表述，如圖2所示。

圖1 新一代智能制造系統架構[1]

在圖2所示的智能制造系統的實現探索中，企業在市場需求驅動下，深入挖掘客戶個性化需求，并在產品生命周期過程中不斷監測企業的各項關鍵績效指標及其與期望指標之間的偏差。基于以上信息及企業自身生產、管理等數據，在信息系統中進行信息的集成與融合，分析企業存在的問題并通過虛擬仿真驗證等方式迭代優化得出改善相應問題的策略，進而對實際產品設計、生產、物流等全生命周期各環節進行調整，最終實現水平集成、垂直集成、端到端集成，提高企業的各項KPI、盈利能力與競爭力。

圖2 智能制造系統的實現探索

注：RFID：射頻識別；PLC：可編程邏輯控制器；SCADA：數據采集與監視控制系統；DCS：分布式控制系統；FCS：現場總線控制系統；MES：制造企業生產過程執行系統；ERP：企業資源計劃；PLM：產品生命周期管理；SCM：供應鏈管理；CRM：客戶關系管理；CPS：信息物理系統。

（四）人工智能技術在智能制造中的主要作用

人工智能技術在圖2中各環節的應用是新一代智能制造系統實現的基礎。在需求分析環節，客戶畫像、輿情分析等人工智能技術的應用可以提升企業對生產個性化需求分析的準確性，從而提升企業的生存能力；在企業關鍵績效指標分析方面，成品過程效率分析、物流能效分析、分銷商行為分析、客戶抱怨求解等人工智能技術的應用能夠為企業隱性問題的挖掘提供依據；在企業運行優化方面，先進生產排程、生產線布置優化、工藝分析與優化、成品倉優化等人工智能技術的應用能夠為企業在生產、物流等環節的優化調整提供輔助決策；在產品生命周期控制方面，基于增強現實技術（AR）的人員培訓、智能在線檢測等人工智能技術的應用能夠提升產品在設計、生產等環節的效率與質量。

綜上所述，人工智能技術在智能制造系統各環節中的應用能夠推動制造系統的效率和產品的質量提升至新的水平；為企業運行提供優化和決策依據，減小企業人員工作強度，提升企業各項關鍵績效指標；促進制造業企業向自感知、自決策與自執行的方向發展。

三、人工智能技術在智能制造中的典型應用場景

（一）典型應用矩陣

根據上文的分析可知，人工智能技術在智能制造領域已經實現了一定范圍的應用。通過綜合考慮相關應用在產品生命周期所處位置以及對產品全面質量管理關鍵要素的影響，圖3從產品生命周期與人、機、料、法、環等關鍵要素兩個維度給出了人工智能在智能制造中的典型應用矩陣。

由圖3可知，當前人工智能在智能制造中應用所涉及的共性技術包括：機器學習、生物特征識別、計算機視覺、自然語言處理與知識圖譜等。同時，上述應用主要圍繞產品質量檢測、工藝分析與優化等特定及重復性的問題，并為企業管理者或車間運維人員提供輔助優化與輔助決策以提升企業的效率和減小人員的工作強度。

圖3 人工智能在智能制造中的典型應用矩陣

（二）人工智能在生產環節的典型應用

人工智能的典型應用包括：基于AR的人員培訓、預測性維護、動態智能排產、智能在線檢測及能耗與環境分析等。

針對基于AR的人員培訓，傳統的培訓方式由于缺乏靈活性、活動性、難以理解、成本高等因素嚴重影響了學員的培訓效果。AR設備能夠為學員提供實時可見、現場分步驟的指導，從而改善上述問題，尤其是在產品組裝等領域。通過將圖紙轉換為可視三維模型，指導操作人員完成所需的步驟。以波音公司為例，基于AR的Boeing 737引擎裝配及故障檢修系統，提高了裝配效率約20%，提升了一次裝配正確率約24%[6,7]。

針對預測性維護，當傳統生產線的生產設備出現故障報警時可能已經生產了大量的不合格品，給整個企業帶來損失。預測性維護依據實時采集的設備運行數據，通過機器學習算法辨識故障信號，從而實現對故障設備的提前感知與維護，最終減少設備所需的維護時間與費用，提高設備利用率，避免因設備故障所引起的損失[8,9]。

針對動態智能排產，傳統的人工排產方式通常工作強度較大，對人員依賴度較高，而且由于工序繁多還有可能導致生產計劃不合理、效率低。智能排產系統通過機器學習算法等幫助企業進行資源和系統的整合、集成與優化，實現動態最優化的排程，進而幫助企業實現按需生產，提高運行效率，縮短產品周期，提升企業的產能。以電梯制造企業為例，動態智能排產系統可以將計劃制定的時間縮短75% [10,11]。

針對智能在線檢測，傳統的產品表面缺陷、內部隱裂、邊緣缺損等缺陷的檢測主要依靠人眼判斷，由于工作強度高，容易引起操作人員的疲勞，從而導致次品率高，尤其在芯片行業、家電行業、紡織行業等。智能在線檢測技術依據傳感器采集的產品照片，通過計算機視覺算法檢測殘次品，從而提高產品檢測速度及質量，避免因漏檢、錯檢所引起的損失。以芯片企業為例，該項應用的實施可以大幅降低次品率，同時通過分析次品原因還可以降低產品的報廢率，并優化產品設計與生產工藝達到進一步降低測試成本的目的[12]。

四、人工智能技術在智能制造中的標準體系研究

（一）人工智能技術在智能制造中的標準體系

隨著人工智能技術、新一代信息技術、制造專業新技術在智能制造領域的深度融合，人工智能標準可以用于指導人工智能技術在生命周期各環節中的應用，并確保其在智能制造應用中的可靠性與安全性，以滿足制造全生命周期活動的智能化發展需求。

針對當前人工智能技術在智能制造中應用不斷增多的現狀，人工智能標準研制的迫切性與必要性日益凸顯。依據《國家智能制造標準體系建設指南（2018年版）》（征求意見稿），人工智能應用標準包括場景描述與定義標準、知識庫標準、性能評估標準，以及智能在線檢測、基于群體智能的個性化創新設計、協同研發群智空間、智能云生產、智能協同保障與供應營銷服務鏈等應用標準。根據人工智能在智能制造中的典型應用場景與所涉及的共性技術，結合智能制造中對相關應用的安全性、互聯互通等要求，上述人工智能應用標準可以進一步展開為如圖4所示的人工智能在智能制造中的標準體系結構，包括基礎共性、基礎范式、平臺資源、核心技術、工業應用五部分內容。

圖4 人工智能在智能制造中的標準體系結構圖

（二）在研標準研究進展

國際標準化組織（ISO）、國際電工委員會（IEC）、國際標準化組織/國際電工委員會第一聯合技術委員會（ISO/IEC JTC1）、國際電信聯盟電信標準分局（ITU-T）、電氣和電子工程師協會（IEEE）等國際標準化組織，以及全國信息技術標準化委員會、全國工業過程測量控制和自動化標準化技術委員會、全國自動化系統與集成標準化技術委員會等國內標準化組織在人工智能領域標準化方面已開展了大量的工作，發布了《信息技術 詞匯第 28 部分：人工智能 基本概念與專家系統》《信息技術 詞匯 第29 部分：人工智能 語音識別與合成》《信息技術 詞匯 第31 部分:人工智能 機器學習》《信息技術 詞匯 第 34 部分:人工智能 神經網絡》等一系列國家標準，并啟動了自主系統的透明度、數據隱私處理、算法偏差注意事項等標準項目[13]。

目前，人工智能在智能制造領域的相關標準仍相對較少。由中國電子技術標準化研究院等提報的兩項IEEE標準提案《智能制造 基于機器視覺的在線檢測通用要求》（Standard for General Requirements of Online Detection based on Machine Vision in?Intelligent Manufacturing）于2017年12月7日在新標準委員會會議（IEEE NesCOM）上通過審查并正式獲批立項（項目編號：P2671）。

五、結語

人工智能技術對推動我國新一代智能制造系統的發展起著關鍵作用，也對企業KPI的提升具有重要意義，而且已經在產品生命周期的各個環節中實現了諸多應用。但是，智能制造領域中的人工智能標準仍然相對較少，無法滿足當前人工智能技術的標準化需求，并制約著我國人工智能應用的有序、規范、健康發展。我國智能制造標準化工作的快速推進為人工智能在智能制造中的應用提供了良好的基礎，下一步，圍繞人工智能技術在智能制造中的應用現狀及未來發展需求，并結合《新一代人工智能發展規劃》《促進新一代人工智能產業發展三年行動計劃（2018—2020年）》《國家智能制造標準體系建設指南（2018年版）》（征求意見稿）等重要文件中的要求部署，有待重點開展場景描述與定義、知識庫、性能評估、典型工業應用等相關標準研究，加速推動我國制造業的轉型升級。

關注微信公眾號：人工智能技術與咨詢。了解更多咨詢！

審核編輯：符乾江