0 引言

    當(dāng)前，以智能化為核心的新一輪科技產(chǎn)業(yè)變革興起,，各國普遍推出以產(chǎn)業(yè)智能化為核心的新型制造業(yè)發(fā)展戰(zhàn)略,。而隨著人工智能技術(shù)的發(fā)展日新月異，與社會各領(lǐng)域不斷融合已經(jīng)成為大勢所趨,，正逐步改變現(xiàn)有產(chǎn)業(yè)形態(tài),、商業(yè)模式和生活方式，成為助推工業(yè)智能化轉(zhuǎn)型升級的關(guān)鍵燃料^[1],。據(jù)Markets報告預(yù)計,，到2025年人工智能制造市場規(guī)模將達172億美元，預(yù)測期(2018-2025年)內(nèi)的年復(fù)合增長率為49.5%,；而埃森哲預(yù)計2035年,，人工智能將使制造業(yè)總增長值(GVA)增長近4萬億美元。工業(yè)是我國國民經(jīng)濟的主導(dǎo),，我國也積極搶抓以人工智能為驅(qū)動的新一輪科技產(chǎn)業(yè)變革的機遇,，工業(yè)智能自然成為了國家及業(yè)界高度重視的領(lǐng)域方向^[2]。本文總體包括技術(shù),、應(yīng)用,、產(chǎn)業(yè)三部分，以全面和深入的視角,，從算法層面剖析工業(yè)智能的技術(shù)本質(zhì),，通過建立一個相對完善的技術(shù)-應(yīng)用分析體系對行業(yè)應(yīng)用現(xiàn)狀特點進行分析，其次闡述了產(chǎn)業(yè)影響,，最后對全文進行了總結(jié),。

1 工業(yè)智能的技術(shù)內(nèi)涵

1.1 工業(yè)智能算法本質(zhì)

    人工智能算法是工業(yè)智能技術(shù)的核心，當(dāng)前主流人工智能算法包括數(shù)據(jù)科學(xué)(傳統(tǒng)機器學(xué)習(xí),、前沿機器學(xué)習(xí)),、知識工程（專家系統(tǒng)、知識圖譜）兩大方向,，本質(zhì)是解決分類和回歸兩大問題,。簡單來說，分類是對離散變量進行定性輸出,，包括圖片/語音識別,、機器問答與信息檢索、虹膜/指紋等生物特征識別等實際問題,；回歸則是對連續(xù)變量進行定量輸出,，包括股票波動預(yù)測、用戶需求預(yù)測,、房價走勢分析等實際問題,，自動駕駛、AlphaGo等較為復(fù)雜的應(yīng)用則同時包含了分類和回歸問題,。

    因此,，工業(yè)需求能否拆分為兩大問題(或組合)是工業(yè)智能技術(shù)實施的必要性前提。工業(yè)領(lǐng)域問題包括傳統(tǒng)工業(yè)問題(非數(shù)據(jù)技術(shù)可解問題)及數(shù)據(jù)技術(shù)可解問題(如圖1所示),，其中,，傳統(tǒng)工業(yè)問題如發(fā)動機燃燒機理、機床加工極限精度等工業(yè)基礎(chǔ)理論,、制造技術(shù)和工藝標(biāo)準(zhǔn)無法通過數(shù)據(jù)技術(shù)解決,，更無法使用工業(yè)智能技術(shù)解決；而數(shù)據(jù)技術(shù)可解問題下的分類與回歸問題則是工業(yè)智能技術(shù)應(yīng)用范疇,，具體地,，工業(yè)領(lǐng)域分類問題包括故障診斷、產(chǎn)品質(zhì)量檢測等對工業(yè)領(lǐng)域圖像音頻,、文字等離散變量的定性輸出和類別劃分,；回歸問題包括生產(chǎn)指標(biāo)軟測量、工藝參數(shù)優(yōu)化等對工業(yè)領(lǐng)域連續(xù)變量進行定量輸出,，以及一些同時涉及分類與回歸方法的復(fù)雜工業(yè)問題,，如自動駕駛機械等。

1.2 工業(yè)智能算法-應(yīng)用分析體系

    我們認為,，技術(shù)視角下,，工業(yè)智能即是將工業(yè)(人工)智能算法作用在結(jié)構(gòu)/非結(jié)構(gòu)化數(shù)據(jù)和(或)工業(yè)機理/知識/經(jīng)驗等工業(yè)智能使能要素中，通過對要素進行分類,、回歸等本質(zhì)作用,，映射至設(shè)計、生產(chǎn),、管理服務(wù)等工業(yè)環(huán)節(jié)或場景下,，形成智能化應(yīng)用。

    目前來看,，專家系統(tǒng)主要作用在車間調(diào)度管理,、故障診斷、庫存管理等場景,；知識圖譜主要作用在用戶需求分析,、商業(yè)智能,、供應(yīng)鏈管理等場景；(傳統(tǒng))機器學(xué)習(xí)主要應(yīng)用場景有產(chǎn)品質(zhì)量檢測,、工藝指標(biāo)軟測量,、過程控制優(yōu)化等；深度學(xué)習(xí)等前沿機器學(xué)習(xí)主要應(yīng)用場景有預(yù)測性維護,、智能仿真,、生產(chǎn)安全監(jiān)控等；而無人駕駛機械,、智能化設(shè)計等復(fù)雜應(yīng)用通常需要多種技術(shù)組合進行解決,。

    通過梳理典型場景下的算法本質(zhì)特點與作用范圍^[3]，提出了一個工業(yè)智能的問題分類框架,，如圖2所示,。

    構(gòu)造四象限橫縱坐標(biāo)軸，橫軸是工業(yè)機理(經(jīng)驗)不確定度,，與當(dāng)前工業(yè)機理和專家經(jīng)驗的研究積累相關(guān),；縱軸為計算的復(fù)雜度，是計算機進行數(shù)據(jù)計算的時間復(fù)雜度,。由此確定四類算法的大致作用領(lǐng)域：專家系統(tǒng)和知識圖譜用于解決工業(yè)機理(經(jīng)驗)較為透明,、確定的問題，其中專家系統(tǒng)能解決的問題計算復(fù)雜度低,，知識圖譜則相對較高,；而機器學(xué)習(xí)和深度學(xué)習(xí)通常解決機理、經(jīng)驗?zāi)：膯栴},，深度學(xué)習(xí)的計算復(fù)雜度更高,。

1.3 工業(yè)智能技術(shù)發(fā)展趨勢

    一方面，工業(yè)智能技術(shù)可解問題的“厚度”增加,，更多工業(yè)場景與問題轉(zhuǎn)化為工業(yè)智能可解問題,，但本質(zhì)仍然是分類/回歸問題(圖1中的趨勢1)。通常包含兩個步驟,，一是工業(yè)機理/問題數(shù)字化,，例如美國的材料自主研發(fā)系統(tǒng)ARES，將材料指標(biāo)參數(shù)化后通過隨機森林分類決策確定當(dāng)前對應(yīng)的最佳參數(shù),；二是問題定義,，即工業(yè)機理/問題的連續(xù)/離散化，例如預(yù)測性維護存在兩種技術(shù)思維,，早期階段是基于狀態(tài)的維護,，即將歷史數(shù)據(jù)看作數(shù)字信號，基于振動數(shù)據(jù)數(shù)理分析來進行故障判定,；工業(yè)智能階段是基于機器學(xué)習(xí)的維護,，將歷史數(shù)據(jù),、故障結(jié)果看作一種模式，通過模型訓(xùn)練,、驗證與部署來得到連續(xù)化(設(shè)備剩余時間)或離散化(是否可能發(fā)生故障)的輸出,。

    另一方面,，工業(yè)智能技術(shù)可解問題的“寬度”增加,，(圖1中的趨勢2)。當(dāng)前解決分類和回歸問題的根本手段終歸是通過暴力的擬合與計算,，未來人工智能或?qū)⒉辉倬窒抻谝揽繌姶蟮乃懔鉀Q問題,，而是以基于先驗邏輯的知識工程和數(shù)據(jù)科學(xué)為基礎(chǔ)，與類腦智能融合成通用智能,，擁有高等的認知能力,，變革算法的可解問題類型。

2 典型行業(yè)應(yīng)用模式

    工業(yè)智能在不同行業(yè),、環(huán)節(jié)應(yīng)用部署和效果的差異性較大,，流程行業(yè)中，鋼鐵作為傳統(tǒng)行業(yè),，工業(yè)知識和經(jīng)驗豐富,，人工智能技術(shù)應(yīng)用較早；少品種大批量離散行業(yè)中,，汽車是國民經(jīng)濟的支柱產(chǎn)業(yè),，大批新技術(shù)匯聚，是智能化轉(zhuǎn)型升級的先行陣地,；多品種小批量離散行業(yè)中,，航空作為高端裝備領(lǐng)域代表，人工智能應(yīng)用空間較大,。綜上,，本文選取鋼鐵、汽車,、航空作為三類制造業(yè)的代表行業(yè),，希望通過研究垂直行業(yè)工業(yè)智能應(yīng)用現(xiàn)狀和特點，總結(jié)工業(yè)智能應(yīng)用基本情況與特點,，為其他行業(yè)提供參考和指引,。

2.1 鋼鐵行業(yè)

2.1.1 行業(yè)特點與需求

    鋼鐵行業(yè)產(chǎn)業(yè)鏈較短，是典型流程型生產(chǎn),，多個環(huán)節(jié)存在人工智能應(yīng)用需求,。其中中游冶煉企業(yè)占據(jù)核心地位，且信息化,、自動化水平較高,，智能化轉(zhuǎn)型基礎(chǔ)較好,，成為了產(chǎn)業(yè)鏈優(yōu)化的關(guān)鍵。

2.1.2 典型應(yīng)用

    鋼鐵行業(yè)工業(yè)智能主要應(yīng)用場景如圖3所示,，主要包括生產(chǎn)環(huán)節(jié)和商業(yè)環(huán)節(jié),。

    (1)生產(chǎn)環(huán)節(jié)

    形成了能耗智能管控、設(shè)備維護,、過程優(yōu)化和控制等多種應(yīng)用場景,。如日本新日鐵開發(fā)熱連軋精軋設(shè)定專家系統(tǒng)，與數(shù)學(xué)模型結(jié)合,，對材料成分和各架軋機參數(shù)等進行模擬計算,。美國大河特種鋼鐵廠使用機器學(xué)習(xí)模型來確定維護關(guān)鍵機器和設(shè)備的最佳時間，實現(xiàn)預(yù)測性維護,。中鋼集團利用深度學(xué)習(xí),，對近7 000+批次產(chǎn)品的工藝參數(shù)進行數(shù)學(xué)建模和分析，鋼坯質(zhì)量檢測效率提升90%,。

    (2)商業(yè)環(huán)節(jié)

    聚焦供應(yīng)鏈管理,，基于采購、庫存,、物流等領(lǐng)域特點形成典型應(yīng)用,，包括庫存管理、采購管理,、物流優(yōu)化等,。比如在供應(yīng)鏈風(fēng)險管理場景，大河鋼廠通過大數(shù)據(jù)技術(shù)和機器學(xué)習(xí)模型打造“廢鋼指數(shù)”,，實現(xiàn)廢鋼采購的需求預(yù)測,，降低商業(yè)風(fēng)險；在供應(yīng)鏈物流優(yōu)化場景,，大河鋼廠與人工智能咨詢公司Noodle.ai合作,，將出站運輸?shù)某杀窘档阶畹停?yōu)化客戶交付窗口,，提高物流效率,。

    總體來看，鋼鐵行業(yè)的冶煉過程占據(jù)核心地位,，過程能耗大,、設(shè)備價值高、冶煉過程原理復(fù)雜但過程數(shù)據(jù)較為完善等特點使其成為了工業(yè)智能重點覆蓋的領(lǐng)域,。百年的冶煉操作使專家具備了豐富的經(jīng)驗,，成為了專家系統(tǒng)最先最廣泛應(yīng)用的領(lǐng)域。高爐煉鐵復(fù)雜的物理化學(xué)反應(yīng)使機器學(xué)習(xí)等黑箱型算法有了用武之地，并向更加復(fù)雜的深度學(xué)習(xí)技術(shù)應(yīng)用演進^[4],。

2.2 汽車行業(yè)

2.2.1 行業(yè)特點與需求

    以制造企業(yè)為核心,，已形成以市場為導(dǎo)向的成熟生產(chǎn)模式?；谝韵滤膫€方面原因,，需要新興技術(shù)推動改善產(chǎn)業(yè)鏈各環(huán)節(jié)內(nèi)容：(1)客戶需求逐漸成為汽車生產(chǎn)制造的關(guān)鍵指引；(2)設(shè)計仿真環(huán)節(jié)直接決定生產(chǎn)的效率和結(jié)果,；(3)行業(yè)對生產(chǎn)的柔性化和供應(yīng)鏈的及時響應(yīng)要求逐步升高,；(4)產(chǎn)品智能化及服務(wù)更是重點領(lǐng)域。

2.2.2 典型應(yīng)用

    汽車行業(yè)工業(yè)智能主要應(yīng)用場景如圖4所示,。

    (1)產(chǎn)品環(huán)節(jié)

    主要圍繞產(chǎn)品設(shè)計,、產(chǎn)品智能配套服務(wù)、無人化操控展開,。如奧地利科學(xué)研究院在仿真環(huán)節(jié)利用深度學(xué)習(xí)進行風(fēng)洞實驗，節(jié)省時間5萬倍,；德國汽車研究所通過機器學(xué)習(xí)記錄分析產(chǎn)品消耗,、磨損等數(shù)據(jù)，幫助客戶解決故障,，同時預(yù)測磨損,；最為廣泛認知的就是各大企業(yè)基于AI開展無人駕駛汽車探索和研制，搶占未來產(chǎn)品新市場,。

    (2)生產(chǎn)環(huán)節(jié)

    形成了產(chǎn)品質(zhì)量檢測,、制造過程優(yōu)化、輔助診斷與控制等多種應(yīng)用場景,。如西門子,、奧迪等基于語音識別、圖像識別對車輛與鋼板進行質(zhì)量監(jiān)測,；奔馳寶馬等先進車企和配套企業(yè)均已基于人工智能等技術(shù),，開展全廠優(yōu)化探索，打造智能工廠,。

    (3)商業(yè)環(huán)節(jié)

    聚焦供應(yīng)鏈管理優(yōu)化和用戶需求分析等方面應(yīng)用,。如上汽通過建立神經(jīng)網(wǎng)絡(luò)模型庫和學(xué)習(xí)優(yōu)化算法庫，實現(xiàn)包括智能流量預(yù)測,、智能路徑規(guī)劃等解決方案,；汽車之家通過AI算法接收用戶反饋，并根據(jù)反饋深度挖掘用戶隱藏需求,，實現(xiàn)智能推薦“千人千面”的效果,。

    總體來看，汽車的研發(fā)、制造,、產(chǎn)品智能化與服務(wù)均為人工智能的應(yīng)用提供了大量場景,，工業(yè)智能應(yīng)用的環(huán)節(jié)覆蓋最為全面廣泛，產(chǎn)品設(shè)計仿真優(yōu)化將是充滿潛力的發(fā)展方向,。以機器學(xué)習(xí)算法為代表的視覺,、語音、數(shù)據(jù)挖掘類應(yīng)用占據(jù)主要比重,，未來隨著領(lǐng)域經(jīng)驗的增加和自動駕駛的進一步發(fā)展,，專家系統(tǒng)、知識圖譜甚至類腦智能技術(shù)應(yīng)用也將逐步深化,。

2.3 航空行業(yè)

2.3.1 行業(yè)特點與需求

    航空行業(yè)產(chǎn)業(yè)鏈條較長,，產(chǎn)品種類少、批量小,，按照訂單需求進行設(shè)計生產(chǎn),，并提供后續(xù)服務(wù)。產(chǎn)品設(shè)計不僅決定整體性能,，而且決定了費效比,，當(dāng)前效率低、周期長,、費用高,；生產(chǎn)制造分散且復(fù)雜，影響因素較多,，耗費大量人力物力,；產(chǎn)品價值高、零件數(shù)量多,、主尺度大,、生命周期長，以上情況均對工業(yè)智能的落地應(yīng)用提出迫切需求,。

2.3.2 典型應(yīng)用

    航空行業(yè)工業(yè)智能主要應(yīng)用場景如圖5所示,。

    (1)產(chǎn)品環(huán)節(jié)

    主要圍繞輔助診斷與預(yù)測、產(chǎn)品配置服務(wù)優(yōu)化,、智能設(shè)計等場景,。如美國NASA、日本宇宙航空研究開發(fā)機構(gòu)等航空科研機構(gòu)針對實際飛船類產(chǎn)品的調(diào)度控制,、監(jiān)測和故障診斷研制專家系統(tǒng),。美國聯(lián)合技術(shù)公司將機器學(xué)習(xí)引入設(shè)計過程，大幅提升產(chǎn)品性能和研發(fā)效率,?；萜瞻l(fā)動機公司利用IBM的AI平臺實現(xiàn)預(yù)測性運維，防止發(fā)動機故障導(dǎo)致的飛機事故。

    (2)生產(chǎn)環(huán)節(jié)

    主要有制造過程優(yōu)化,、智能檢測等,。制造企業(yè)使用基于視覺的機器人，完成面向大部件的裝配制造,。中國商飛通過AI進行缺陷智能識別及判斷,，減少人為因素造成的誤差，提高檢測效率,，降低工作強度,，最終實現(xiàn)超聲檢測和評價的自動化、智能化,。

    (3)商業(yè)環(huán)節(jié)

    主要圍繞風(fēng)險分析,、安全管理、需求預(yù)測,、運營優(yōu)化等方面展開,，如NASA正在基于AI識別商業(yè)航空事件數(shù)據(jù)中的異常運行，分析潛在的風(fēng)險問題,。國內(nèi)公安三所,、東航等利用AI的視頻監(jiān)控、流量預(yù)測,、智能推薦等實現(xiàn)機場運行的安全管理、機場和各個運營方資源調(diào)配和優(yōu)化,、個性化推薦等服務(wù),。

    總體來看，航空裝備產(chǎn)品的價值和商業(yè)化程度較高,，與鋼鐵,、汽車行業(yè)相比，產(chǎn)品和商業(yè)環(huán)節(jié)的應(yīng)用場景更多,。專家系統(tǒng),、機器學(xué)習(xí)等經(jīng)典人工智能技術(shù)應(yīng)用占據(jù)主要比重，深度學(xué)習(xí)等方法目前多是運用在機場視頻監(jiān)測等通用性領(lǐng)域,，隨著數(shù)據(jù)與應(yīng)用需求的不斷提升,，前沿機器學(xué)習(xí)等人工智能方法將會與航空行業(yè)機理、知識進一步融合,，萌生更多智能應(yīng)用^[5],。

3 產(chǎn)業(yè)發(fā)展與趨勢

    工業(yè)智能產(chǎn)業(yè)是支撐新型制造能力的主要技術(shù)和產(chǎn)品體系，主要體現(xiàn)在兩方面,，一是支撐傳統(tǒng)產(chǎn)業(yè)重點領(lǐng)域,，如工業(yè)裝備、工業(yè)自動化和工業(yè)軟件的智能化升級；二是成為新興產(chǎn)業(yè)環(huán)節(jié),，如工業(yè)互聯(lián)網(wǎng)平臺的核心賦能手段,。同時，AI芯片,、框架,、算法與工業(yè)機理模型、數(shù)據(jù)資源等基礎(chǔ)能力擴展使能范圍,，成為了工業(yè)的新型基礎(chǔ)能力,。

3.1 智能裝備

    裝備企業(yè)、ICT,、初創(chuàng)企業(yè),，甚至制造企業(yè)多類主體同步發(fā)力，未來“各司其職”“分庭抗禮”的局勢可能形成,。裝備企業(yè)憑借對領(lǐng)域知識的了解,，立足自身需求，基于第三方的技術(shù)支持豐富產(chǎn)品的強知識屬性智能化能力,，如發(fā)那科利用AI進行機床位移補償和伺服參數(shù)優(yōu)化,。ICT等其他競爭者在視覺、數(shù)據(jù)服務(wù)等行業(yè)知識屬性較弱的領(lǐng)域具備技術(shù)競爭優(yōu)勢,，如梅卡曼得等初創(chuàng)企業(yè)推出基于3D視覺與深度學(xué)習(xí)的智能機器人視覺組件,。

3.2 工業(yè)智能自動化

    人工智能擴展了工業(yè)自動化的使能邊界，但自動化企業(yè)仍可能是未來主導(dǎo),。一方面,，其具備數(shù)據(jù)互聯(lián)互通的核心優(yōu)勢，熟悉生產(chǎn)控制和工藝流程,，通過平臺打通不同層級數(shù)據(jù),；而且是工控網(wǎng)絡(luò)協(xié)議的主導(dǎo)者，能直接獲取現(xiàn)場數(shù)據(jù)采集設(shè)備的數(shù)據(jù),。另一方面,，工業(yè)自動化企業(yè)也在基于AI不斷豐富產(chǎn)品功能，維持市場地位,，如康耐視推出基于深度學(xué)習(xí)的圖像分析功能,，解決復(fù)雜的缺陷問題；西門子為PLC增加AI芯片,，加速圖像等各類數(shù)據(jù)處理過程,。

3.3 工業(yè)智能軟件

    未來有望形成通用專用兩路并行的局面。傳統(tǒng)軟件企業(yè)優(yōu)勢較大,，通過不同（自研或引進）方式融合人工智能技術(shù)形成研發(fā)設(shè)計,、生產(chǎn)管控等通用支撐,，如歐特克為軟件疊加AI功能，形成生成式的智能設(shè)計,；ICT,、制造、初創(chuàng)企業(yè)則聚焦細分領(lǐng)域及功能,，以創(chuàng)新技術(shù)形成面向特定行業(yè)和場景的單點優(yōu)勢,，如德國初創(chuàng)企業(yè)KONUX面向設(shè)備運維推出了預(yù)測性維護軟件系統(tǒng)。

3.4 工業(yè)互聯(lián)網(wǎng)平臺

    未來工具集成與知識匯聚兩類平臺將協(xié)同發(fā)揮作用,。一是通過疊加AI工具,，為廣大中小企業(yè)提供智能計算與應(yīng)用開發(fā)，比如微軟,、阿里等,。二是積極積累工業(yè)機理模型，為領(lǐng)域巨頭提供智能化解決方案,，具體包含兩類：(1)深耕于某類行業(yè),，通過不斷評估修正該行業(yè)的數(shù)據(jù)模型，提高該行業(yè)服務(wù)競爭力,，如Uptake積累大量的設(shè)備資產(chǎn)模型,，聚焦設(shè)備預(yù)測性維護領(lǐng)域；(2)制造企業(yè)在日常生產(chǎn)中將自身經(jīng)驗知識進行提煉和封裝,，如海爾COSMOPlat,。

4 結(jié)論

    本文剖析了工業(yè)智能的算法本質(zhì)，基于所提算法-應(yīng)用映射體系對垂直行業(yè)的特點需求和應(yīng)用模式進行了分析總結(jié),，同時對產(chǎn)業(yè)發(fā)展與趨勢進行了展望,。總之,，AI能解決工業(yè)問題的邊界是有限的，但其適用范圍寬廣,，對產(chǎn)業(yè)產(chǎn)生的影響將是深遠的,，需要用體系化的方法去應(yīng)對這次挑戰(zhàn)和機遇。同時,，由于AI技術(shù)和工業(yè)制造的不斷發(fā)展,，仍需對工業(yè)智能相關(guān)技術(shù)、應(yīng)用及產(chǎn)業(yè)的最新進展進行跟蹤分析,，并在后續(xù)提出具有針對性的發(fā)展策略,。

參考文獻

[1] 蔡自興.人工智能產(chǎn)業(yè)化的歷史、現(xiàn)狀與發(fā)展趨勢[J].冶金自動化,，2019,，43(2)：1-5.

[2] 孫曉彬.人工智能技術(shù)在工業(yè)生產(chǎn)中的應(yīng)用探究[J].現(xiàn)代商貿(mào)工業(yè),，2019，40(23)：200.

[3] 王哲,，安暉.借鑒日本經(jīng)驗推動人工智能與制造業(yè)深度融合[J].機器人產(chǎn)業(yè),，2019(4)：11-14.

[4] 劉鴻.常用人工智能技術(shù)在鋼鐵領(lǐng)域中的應(yīng)用概述[J].冶金自動化，2019,，43(4)：24-28.

[5] 袁成.人工智能在航空領(lǐng)域應(yīng)用正向深度和廣度擴展[N].中國航空報,，2019-08-13(005).

作者信息:

李亞寧1，詹童杰2,，劉  迎1,，尹揚鵬1，婁照輝1,，楊艷冉1

(1.中國信息通信研究院 信息化與工業(yè)化融合研究所,，北京100191；

2.湖南大學(xué) 電氣與信息工程學(xué)院,，湖南 長沙410012)