中國(guó)是制造業(yè)大國(guó)，“中國(guó)制造2025”戰(zhàn)略著眼于讓中國(guó)變成制造強(qiáng)國(guó)。將人工智能應(yīng)用到制造業(yè)的裝配、生產(chǎn)等諸多環(huán)節(jié)，是當(dāng)前研究的熱點(diǎn)。一方面，隨著超算能力、5G等使能技術(shù)的發(fā)展，人工智能得以快速成熟，不斷落地商業(yè)場(chǎng)景，甚至于創(chuàng)造了新的業(yè)務(wù)形態(tài)與商業(yè)模式；另一方面，人工智能在制造業(yè)的應(yīng)用更廣，讓“制造”變成了“智造”，讓機(jī)器能夠感知環(huán)境的變化，具備實(shí)現(xiàn)功能性變化的能力，大力推動(dòng)人機(jī)協(xié)同的智能經(jīng)濟(jì)形態(tài)。接下來從三個(gè)制造關(guān)鍵場(chǎng)景具體介紹人工智能技術(shù)的應(yīng)用：故障診斷、生產(chǎn)排產(chǎn)和系統(tǒng)裝配。

　　「 1. 基于人工智能技術(shù)的故障診斷 」

　　隨著科技的高速發(fā)展，現(xiàn)代大型工業(yè)設(shè)備逐步向高度集成的復(fù)雜系統(tǒng)轉(zhuǎn)變，復(fù)雜程度越來越高。各個(gè)設(shè)備內(nèi)的零件、設(shè)備之間都有著緊密關(guān)聯(lián)。一方面，某一個(gè)故障可能通過一系列故障傳播路徑導(dǎo)致系統(tǒng)級(jí)別的事故；另一方面，設(shè)備可靠性降低帶來的是維修的高風(fēng)險(xiǎn)長(zhǎng)周期，這帶來的一系列修正反饋流程對(duì)企業(yè)來說是巨大的經(jīng)濟(jì)損失。因此，企業(yè)對(duì)故障診斷環(huán)節(jié)的反饋及時(shí)性、歸因準(zhǔn)確度等指標(biāo)要求越來越高。傳統(tǒng)分析過程中，針對(duì)功能結(jié)構(gòu)復(fù)雜、尤其涉及深路徑的系統(tǒng)故障診斷時(shí)，對(duì)分析專家的要求非常高，并且效果不好。因此，基于人工智能的故障診斷方法應(yīng)用廣泛，并且越來越成熟。智能故障診斷根據(jù)所用知識(shí)的處理途徑分為基于符號(hào)推理、基于數(shù)值計(jì)算兩類：一是基于符號(hào)推理的智能診斷；二是基于數(shù)值計(jì)算的智能診斷。

　　以上兩類方法是從不同方面對(duì)人工智能的模擬。基于符號(hào)推理的辦法，運(yùn)用了專家系統(tǒng)，宏觀意義上模擬人的推理、決策，缺陷是需要花費(fèi)很長(zhǎng)的時(shí)間去建立、迭代、更新知識(shí)庫(kù)以及設(shè)計(jì)推理機(jī)。基于數(shù)值計(jì)算的智能診斷，通過人工神經(jīng)網(wǎng)絡(luò)在微觀結(jié)構(gòu)上模擬人的認(rèn)知能力。Sherald認(rèn)為：專家系統(tǒng)與人工神經(jīng)網(wǎng)絡(luò)的協(xié)同作用就像是人的左腦、右腦的工作合作機(jī)制。具體來說，人工神經(jīng)網(wǎng)絡(luò)的工作機(jī)制相當(dāng)于人類的右腦，其優(yōu)勢(shì)在于推理決策、問題診斷；而專家系統(tǒng)相當(dāng)于人類的左腦，其優(yōu)勢(shì)在于清晰表達(dá)規(guī)則，保證符合規(guī)則的正確輸出。因此，兩者結(jié)合是智能故障診斷技術(shù)發(fā)展的必然趨向。

　　接下來介紹基于人工神經(jīng)網(wǎng)絡(luò)的故障診斷專家系統(tǒng)，如圖1所示。首先依據(jù)專家理論與經(jīng)驗(yàn)，使用人工神經(jīng)網(wǎng)絡(luò)來獲取知識(shí)，并將其存儲(chǔ)在知識(shí)庫(kù)中，知識(shí)庫(kù)是可以通過新樣本的學(xué)習(xí)來不斷更新修正的。來自知識(shí)庫(kù)的信息與當(dāng)前問題的初始狀態(tài)數(shù)據(jù)、優(yōu)化目標(biāo)、求解狀態(tài)等信息一起按照一定格式以文件的形式存儲(chǔ)在動(dòng)態(tài)數(shù)據(jù)庫(kù)中，通過推理機(jī)輸出最終結(jié)果，并經(jīng)過解釋器轉(zhuǎn)換為不同論域可理解的概念。

　　圖1 基于人工神經(jīng)網(wǎng)絡(luò)的故障診斷專家系統(tǒng)結(jié)構(gòu)圖

　　那么設(shè)備的故障診斷維修，具體通過什么方法呢？一般情況下，會(huì)在重要的功能組件部分安裝傳感器來實(shí)時(shí)監(jiān)測(cè)設(shè)備的運(yùn)動(dòng)狀態(tài)，位置、溫度、壓強(qiáng)等物理信息。并且會(huì)有控制器將其轉(zhuǎn)化為I/O信號(hào)后輸出。一旦發(fā)生故障，依據(jù)內(nèi)部不同類型信號(hào)以及信號(hào)間的邏輯關(guān)系，可以梳理得到故障傳播路徑，從而找到發(fā)生問題的組件。除此之外，最后還會(huì)給出歸因解釋以及相關(guān)的處理結(jié)果。智能故障診斷除了發(fā)生故障后的歸因、維修場(chǎng)景以外，還包括預(yù)防性維護(hù)。某研究機(jī)構(gòu)通過研究常見的故障模式，發(fā)現(xiàn)幾乎80%的故障類型隨機(jī)出現(xiàn)，剩下20%可以通過傳統(tǒng)的維護(hù)辦法來預(yù)測(cè)。而使用人工智能技術(shù)，可能對(duì)隨機(jī)生成的故障進(jìn)行預(yù)防。清華大學(xué)和金風(fēng)科技共同建設(shè)了風(fēng)電裝備大數(shù)據(jù)平臺(tái)，其中一個(gè)場(chǎng)景是預(yù)測(cè)風(fēng)機(jī)的葉片是否會(huì)結(jié)冰。葉片結(jié)冰，自然會(huì)降低發(fā)電效率，也會(huì)造成風(fēng)機(jī)的整體事故。對(duì)于這一情況的排查，如果單單依靠人工巡查很難解決問題，金風(fēng)科技應(yīng)用人工智能的算法，在傳感器、大數(shù)據(jù)等輔助技術(shù)支持后，建立了風(fēng)機(jī)設(shè)備全生命周期評(píng)估模型，最終比傳統(tǒng)方法平均提前2個(gè)小時(shí)預(yù)警，并且降低50%的運(yùn)維成本。另一個(gè)場(chǎng)景是借助數(shù)字孿生的手段輔助AI技術(shù)。在建設(shè)風(fēng)場(chǎng)之前，通過“數(shù)字風(fēng)場(chǎng)”的虛擬環(huán)境來配置風(fēng)機(jī)，通過分析汽輪機(jī)反饋給它虛擬孿生體的數(shù)據(jù)，提升了20%的效率。

　　從今后的發(fā)展來看，故障診斷技術(shù)更多是從制造產(chǎn)品的全生命周期去考慮，不僅僅提高產(chǎn)品的可靠性，同時(shí)考慮降低產(chǎn)品使用階段的運(yùn)維成本。從故障診斷的處理方法來看，傳統(tǒng)方式很難檢測(cè)到高復(fù)雜設(shè)備、深故障路徑的系統(tǒng)故障。基于人工智能技術(shù)的故障診斷技術(shù)著眼于開發(fā)ANN與ES相結(jié)合的神經(jīng)網(wǎng)絡(luò)專家系統(tǒng)，提高檢測(cè)的效率水平。

　　「 2. 基于人工智能技術(shù)的生產(chǎn)排產(chǎn) 」

　　在實(shí)現(xiàn)制造領(lǐng)域的智能化過程中，柔性生產(chǎn)是必不可少的目標(biāo)之一。傳統(tǒng)是集中控制型，也就是剛性生產(chǎn)，這種方式很難滿足當(dāng)前產(chǎn)品小、批量多種類的生產(chǎn)需求。因此采用人工智能技術(shù)來進(jìn)行生產(chǎn)排產(chǎn)，是提高生產(chǎn)效率的重要手段之一。相比傳統(tǒng)調(diào)度排產(chǎn)問題，基于人工智能技術(shù)的生產(chǎn)排產(chǎn)需要考慮更多、更精細(xì)的車間要素。比如要考慮人員等因素，在考慮設(shè)備因素的同時(shí)，需要細(xì)分設(shè)備類型，具體如表1所示。

　　表1 傳統(tǒng)生產(chǎn)排產(chǎn)與智能排產(chǎn)調(diào)度考慮車間要素對(duì)比

　　其次，基于人工智能的不同技術(shù)在智能排產(chǎn)系統(tǒng)中的應(yīng)用，包括專家系統(tǒng)、人工神經(jīng)網(wǎng)絡(luò)和遺傳算法。

　　上述理論研究基本針對(duì)于獨(dú)立的生產(chǎn)制造系統(tǒng)，用于解決特定領(lǐng)域問題。然而，理論研究模型是否能在實(shí)際應(yīng)用中取得良好效果是具有挑戰(zhàn)的。Metaxiotis等著眼于人工智能技術(shù)在生產(chǎn)排產(chǎn)問題中的通用性與實(shí)際應(yīng)用可行性，一方面開發(fā)適用于中小制造企業(yè)優(yōu)化排產(chǎn)的通用專家系統(tǒng)，每次可以為不同作業(yè)環(huán)境的制造車間提供合適的優(yōu)化排產(chǎn)方案；另一方面在企業(yè)系統(tǒng)上提供可靠的生產(chǎn)排班方案，有重要應(yīng)用價(jià)值。2016年，汽車制造業(yè)巨頭：上汽通用，將本來手動(dòng)調(diào)度排班的沖壓車間改成AI智能排產(chǎn)，從效率來看，人員組織效率提高，設(shè)備生產(chǎn)效率提高；從成本看，物流成本、資源能耗消耗成本降低；從需求來看，迭代速度變快，最終能更快更好地響應(yīng)市場(chǎng)需求。

　　「 3. 基于人工智能技術(shù)的系統(tǒng)裝配 」

　　隨著產(chǎn)品結(jié)構(gòu)趨于越來越復(fù)雜、越來越精密的方向發(fā)展，生產(chǎn)制造過程中對(duì)于裝配的精密度、準(zhǔn)確度的要求越來越高。智能化裝配得到廣泛應(yīng)用，下面從各個(gè)裝配單元、各個(gè)流程環(huán)節(jié)的系統(tǒng)優(yōu)化展開介紹。

　　從裝配單元來看，基于機(jī)器人的生產(chǎn)線裝配主要分為了三大部分，第一部分是共同作業(yè)機(jī)器人本身的生產(chǎn)線聯(lián)動(dòng)，第二部分是機(jī)器人與其他生產(chǎn)信息系統(tǒng)（包括物料、物流等系統(tǒng)）的聯(lián)動(dòng)，這一部分包含裝配機(jī)器人和物料供料系統(tǒng)之間的定位聯(lián)動(dòng)。目前已有的形式是通過攝像機(jī)等設(shè)備接收?qǐng)D像信號(hào)，再對(duì)圖像信息進(jìn)行識(shí)別、分析后導(dǎo)出空間坐標(biāo)信息，這些信息經(jīng)過總控模塊的判斷，將物料供料系統(tǒng)的坐標(biāo)系和自己的坐標(biāo)系關(guān)聯(lián)起來，從而達(dá)到聯(lián)動(dòng)目的。第三部分是車間內(nèi)為了實(shí)現(xiàn)驅(qū)控一體化，在多生產(chǎn)線機(jī)器人系統(tǒng)間的聯(lián)動(dòng)。該環(huán)節(jié)通過開展機(jī)器人對(duì)作業(yè)級(jí)裝配規(guī)劃的自動(dòng)決策，實(shí)現(xiàn)對(duì)物料的選取、移動(dòng)及配送等操作的全面控制和管理。

　　從流程環(huán)節(jié)來看，針對(duì)決策系統(tǒng)，智能化系統(tǒng)功能包括運(yùn)動(dòng)控制、工藝規(guī)劃；對(duì)于控制系統(tǒng)，智能化方向包括對(duì)于電機(jī)、運(yùn)動(dòng)指令的控制；對(duì)于純機(jī)械執(zhí)行系統(tǒng)來說，雖然本身不涉及智能，但是也需要應(yīng)用人工智能算法，對(duì)機(jī)構(gòu)進(jìn)行公差分析、誤差標(biāo)定補(bǔ)償、尺寸優(yōu)化設(shè)計(jì)。

　　基于人工智能的裝配是現(xiàn)代工業(yè)領(lǐng)域針對(duì)復(fù)雜精密產(chǎn)品柔性生產(chǎn)的重要發(fā)展方向，是為了滿足工業(yè)設(shè)備快速迭代、多品種小批量生產(chǎn)計(jì)劃的必然選擇。