“2023智能制造知識(shí)應(yīng)用創(chuàng)新高峰論壇”精選演講二：李培根院士
——企業(yè)要關(guān)注知識(shí)工程
本文是根據(jù)2023年4月21日，在江蘇溧陽(yáng)舉辦的“2023智能制造知識(shí)應(yīng)用創(chuàng)新高峰論壇”上，中國(guó)工程院院士李培根做的主題演講整理而成。
工業(yè)APP是工業(yè)知識(shí)沉淀的成果，讓工業(yè)知識(shí)在更大的范圍，更高的頻次，更短的路徑上創(chuàng)造、交易與傳播。在面向制造業(yè)的工業(yè)互聯(lián)網(wǎng)架構(gòu)中，工業(yè)APP處于最頂層，其余由下至上分別是數(shù)據(jù)采集層、IaaS層和工業(yè)PaaS層。最頂層的工業(yè)APP將工業(yè)技術(shù)、經(jīng)驗(yàn)、知識(shí)和最佳實(shí)踐固化封裝為面向特定場(chǎng)景應(yīng)用的應(yīng)用軟件，聯(lián)合其他技術(shù)層構(gòu)建了基于平臺(tái)的數(shù)據(jù)采集、匯集、分析的工業(yè)互聯(lián)網(wǎng)服務(wù)體系，推動(dòng)制造資源泛在連接、彈性供給、高效配置。大量跨行業(yè)、跨領(lǐng)域的各類(lèi)工業(yè)經(jīng)驗(yàn)、知識(shí)，方法，以工業(yè)APP與工業(yè)微服務(wù)組件等形式，沉淀到工業(yè)互聯(lián)網(wǎng)平臺(tái)之上。
除了沉淀，工業(yè)APP還體現(xiàn)了工業(yè)知識(shí)的復(fù)用，具備了知識(shí)化、靈巧化、輕量化、獨(dú)立化等屬性，并可復(fù)用、移植，方便調(diào)用。此外，工業(yè)APP包含了工業(yè)知識(shí)的重構(gòu)創(chuàng)新。在工業(yè)知識(shí)的重構(gòu)創(chuàng)新過(guò)程中，工業(yè)知識(shí)創(chuàng)新的主體是海量的第三方，微服務(wù)和APP則是創(chuàng)新載體和成果。如工程師亦可能成為知識(shí)創(chuàng)新的主體，基于平臺(tái)和APP的體系，把自身在某一方面的經(jīng)驗(yàn)融入至工業(yè)APP或工業(yè)微服務(wù)組件中。
機(jī)理模型表達(dá)很難快速找到一個(gè)明確的公式或函數(shù)。而如通過(guò)AI工具找到表達(dá)規(guī)律的形式，兩者的結(jié)合就可以使得工藝智能從后臺(tái)走向前臺(tái)。以船舶制造業(yè)為例，在大型船舶發(fā)動(dòng)機(jī)領(lǐng)域，焊接占據(jù)日常生產(chǎn)工作的70%。通過(guò)MES下發(fā)工單到焊接工位對(duì)相應(yīng)構(gòu)件進(jìn)行焊接，工人接受訂單后啟動(dòng)機(jī)器。若操作規(guī)范性降低或其他干擾因素出現(xiàn)，生產(chǎn)現(xiàn)場(chǎng)可能與MES系統(tǒng)規(guī)劃出現(xiàn)沖突。在質(zhì)檢環(huán)節(jié)中，需要將各個(gè)構(gòu)件吊裝至專(zhuān)門(mén)的質(zhì)檢車(chē)間。采用各類(lèi)無(wú)損檢測(cè)設(shè)備，剔除和修復(fù)質(zhì)量不合格的構(gòu)件。當(dāng)發(fā)現(xiàn)深層次的焊接質(zhì)量問(wèn)題時(shí)，與焊接行為本身通常已經(jīng)脫鉤了3至15天左右，很難追溯原因，形成較大的損失。
通過(guò)引入工藝智能，企業(yè)可利用工業(yè)互聯(lián)網(wǎng)的各類(lèi)融合技術(shù)，以不低于1000hz的頻率進(jìn)行各類(lèi)工藝參數(shù)的高頻采集，根據(jù)材質(zhì)特性，以極高的頻率快速調(diào)用后端封裝好的具體機(jī)理算法進(jìn)行分析，從而使得質(zhì)量問(wèn)題在焊接單元之中即刻解決。例如工業(yè)APP實(shí)時(shí)檢測(cè)出焊縫變窄，容深變淺，可能出現(xiàn)咬邊的情況，分析得知可能是由于焊接速度過(guò)快，則可降低實(shí)時(shí)焊接速度。工藝智能可以讓事后質(zhì)量檢測(cè)走向?qū)崟r(shí)在線的監(jiān)測(cè)和預(yù)測(cè)，這是一種質(zhì)量管理模式的根本性變化。
工業(yè)APP憑借封裝在其中的工業(yè)知識(shí)，同時(shí)對(duì)數(shù)據(jù)于現(xiàn)有模型加以分析利用，輔助制造企業(yè)構(gòu)建“數(shù)據(jù)+模型”的服務(wù)體系。以卡特皮勒應(yīng)用UPTAKE平臺(tái)為例，卡特皮勒將工程機(jī)械與相應(yīng)的所有服務(wù)以UPTAKE平臺(tái)連接起來(lái)，采集來(lái)自設(shè)備、環(huán)境、工人等多方面數(shù)據(jù)，輔以針對(duì)如油耗分析、故障診斷、研發(fā)設(shè)計(jì)和成本核算等特定應(yīng)用的模型，將數(shù)據(jù)與模型組合成可服務(wù)于工程機(jī)械制造商、承包商與工人等受益者的服務(wù)。
丨UPTAKE平臺(tái)“數(shù)據(jù)+模型=服務(wù)”模式示意圖（圖引自：范玉順）
UPTAKE平臺(tái)的核心是人工智能機(jī)器學(xué)習(xí)的引擎，其輸入是360°的全景數(shù)據(jù)，不僅僅是機(jī)器數(shù)據(jù)，更重要的是一些企業(yè)數(shù)據(jù)、ERP數(shù)據(jù)、維修工單等。其他的數(shù)據(jù)來(lái)源還包括工業(yè)智能環(huán)境、地理位置、交通等。對(duì)于UPTAKE平臺(tái)而言，“風(fēng)機(jī)的機(jī)油”也可以用于做預(yù)測(cè)性維護(hù)的分析。UPTAKE平臺(tái)已經(jīng)擁有超過(guò)21億小時(shí)的機(jī)器學(xué)習(xí)，連接了130萬(wàn)工業(yè)設(shè)備并不斷在增加，還有6萬(wàn)個(gè)失效模型，UPTAKE即便是在離線狀態(tài)也可以通過(guò)這些失效模型來(lái)預(yù)估機(jī)器設(shè)備的故障原因。在2018年初，UPTAKE平臺(tái)一天的數(shù)據(jù)交易量達(dá)已到紐約證券交易所的六倍以上。
早期的自動(dòng)化主要處理固定模式的、結(jié)構(gòu)化的、確定性的問(wèn)題與基于因果關(guān)系的問(wèn)題，制造從業(yè)者在現(xiàn)實(shí)物理空間中認(rèn)識(shí)傳統(tǒng)工程技術(shù)問(wèn)題，掌握“明知識(shí)、默知識(shí)”，處理此類(lèi)問(wèn)題的相應(yīng)技術(shù)目前已較為完善。而未來(lái)的自動(dòng)化側(cè)重于對(duì)非結(jié)構(gòu)化、無(wú)固定模式的、不確定性問(wèn)題的控制，包括對(duì)復(fù)雜系統(tǒng)整體聯(lián)系的認(rèn)識(shí)，即“認(rèn)知自動(dòng)化”，從業(yè)者將從虛擬數(shù)字空間認(rèn)識(shí)新的工程問(wèn)題，接觸可能蘊(yùn)含在數(shù)據(jù)之中的“暗知識(shí)”。
《暗知識(shí)：機(jī)器認(rèn)知如何顛覆商業(yè)和社會(huì)》認(rèn)為知識(shí)是數(shù)據(jù)在時(shí)空中的關(guān)系。如果把時(shí)間和空間看作數(shù)據(jù)的一部分屬性，那么所有的知識(shí)就都是數(shù)據(jù)之間的關(guān)系。數(shù)據(jù)在時(shí)空中的關(guān)系只有在極少數(shù)的情況下才可以用簡(jiǎn)潔的數(shù)學(xué)方程式表達(dá)出來(lái)，在絕大多數(shù)情形下，知識(shí)表現(xiàn)為數(shù)據(jù)間的相關(guān)性的集合。其相關(guān)性絕大多數(shù)都在我們的感覺(jué)和理解能力之外。對(duì)高維的時(shí)空人類(lèi)只能“降維”想象，用三維空間類(lèi)比。對(duì)于數(shù)據(jù)間的關(guān)系，人類(lèi)憑感覺(jué)只能把握一階的或線性的關(guān)系，對(duì)于二階以上的非線性關(guān)系就很難把握。這些數(shù)據(jù)間的關(guān)系就掉入了人類(lèi)感官和數(shù)學(xué)理解能力之外的暗知識(shí)大海。
在制造從業(yè)者面對(duì)大量非傳統(tǒng)自動(dòng)化問(wèn)題時(shí)，智能系統(tǒng)憑借對(duì)數(shù)據(jù)的收集、分析與利用，進(jìn)一步沉淀知識(shí)，進(jìn)而為制造從業(yè)者所用。例如，智能維修系統(tǒng)通過(guò)AR可對(duì)獲得大數(shù)據(jù)進(jìn)行采集、過(guò)濾、沉淀、清洗等；從云端服務(wù)器處理獲取分析處理結(jié)果，進(jìn)行經(jīng)驗(yàn)的沉淀及流程的優(yōu)化；打通人和機(jī)器的物理隔離，能夠客觀地采集到工作中人的大數(shù)據(jù)；幫助維修人員體驗(yàn)和凝練維修知識(shí)與經(jīng)驗(yàn)等。智能系統(tǒng)具有更高的感知能力，對(duì)數(shù)據(jù)具有更精細(xì)的過(guò)濾、清洗能力；對(duì)數(shù)據(jù)中潛藏的知識(shí)具有更強(qiáng)的挖掘能力，人類(lèi)專(zhuān)家從這樣的智能系統(tǒng)中能獲得更專(zhuān)業(yè)的體驗(yàn)。
以艾普工華為例，依托工業(yè)攝像頭，運(yùn)用機(jī)器視覺(jué)算法，可實(shí)時(shí)視頻監(jiān)控分析工人作業(yè)的規(guī)范性，適用于無(wú)法機(jī)器換人的生產(chǎn)工位，且操作工頻繁更換的情況，以保證生產(chǎn)作業(yè)的標(biāo)準(zhǔn)化。
丨艾普工華作業(yè)工步智能化建模
丨艾普工華基于機(jī)器學(xué)習(xí)的視覺(jué)目標(biāo)檢測(cè)
隨著人工智能的興起與不斷成熟，以數(shù)據(jù)沉淀知識(shí)的有效途徑獲得了增強(qiáng)。為了讓人工智能技術(shù)更好地應(yīng)用于制造業(yè)中，需要產(chǎn)生“AI就緒數(shù)據(jù)”。美國(guó)智庫(kù)兩黨政策中心（BPC）23年2月17日發(fā)表了題為“人工智能（AI）就緒的開(kāi)放數(shù)據(jù)”的研究報(bào)告，其中提到：人工智能應(yīng)用需要數(shù)據(jù)來(lái)支持人工智能模型的開(kāi)發(fā)和實(shí)施，且數(shù)據(jù)必須易于查找和使用。Data.gov網(wǎng)站讓找到聯(lián)邦政府的公開(kāi)數(shù)據(jù)變得更簡(jiǎn)單，但研究人員仍要花高達(dá)80%的時(shí)間將數(shù)據(jù)準(zhǔn)備成可用的、人工智能就緒的格式。正如英特爾警告的那樣，“在你的數(shù)據(jù)準(zhǔn)備好之前，你還沒(méi)有為人工智能做好準(zhǔn)備?！蹦敲春螢椤癆I就緒”？收集原始數(shù)據(jù)后，對(duì)數(shù)據(jù)清理和處理，將其轉(zhuǎn)化為可用的格式，為人工智能應(yīng)用提供動(dòng)力，稱(chēng)之為“AI就緒”。
以近期火爆的ChatGPT為例，ChatGPT具備的知識(shí)寬度和廣度是人類(lèi)個(gè)體無(wú)法比擬的，同時(shí)也具備相當(dāng)?shù)闹R(shí)深度。當(dāng)前，ChatGPT針對(duì)部分問(wèn)題的回答可能尚不完美，但它正憑借自身強(qiáng)勁的學(xué)習(xí)能力不斷進(jìn)化。相比于如ChatGPT的AI，人類(lèi)的優(yōu)勢(shì)在哪？人類(lèi)具備哪些AI不可替代的能力？
AI的出現(xiàn)對(duì)企業(yè)白領(lǐng)的影是最大的，其中便包含了管理者與工程師。在技術(shù)飛速創(chuàng)新的今天，AI無(wú)法取代工程師、管理者的存在，智能工具尚需智者才能發(fā)揮光與熱。那么工程師如何巧妙地利用這一工具升華自己的創(chuàng)造力、提升工作效率？讓AI就緒不僅需要數(shù)據(jù)，亦需管理者、工程師們自身完成轉(zhuǎn)型之“超越”，做好轉(zhuǎn)型的準(zhǔn)備。
備注：《暗知識(shí)》：機(jī)器認(rèn)知如何顛覆商業(yè)和社會(huì)
