中國是制造業(yè)大國，“中國制造2025”戰(zhàn)略著眼于讓中國變成制造強國。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。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”，讓機器能夠感知環(huán)境的變化，具備實現(xiàn)功能性變化的能力，大力推動人機協(xié)同的智能經(jīng)濟形態(tài)。接下來從三個制造關(guān)鍵場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，某一個故障可能通過一系列故障傳播路徑導(dǎo)致系統(tǒng)級別的事故；另一方面，設(shè)備可靠性降低帶來的是維修的高風(fēng)險長周期，這帶來的一系列修正反饋流程對企業(yè)來說是巨大的經(jīng)濟損失。因此，企業(yè)對故障診斷環(huán)節(jié)的反饋及時性、歸因準確度等指標要求越來越高。傳統(tǒng)分析過程中，針對功能結(jié)構(gòu)復(fù)雜、尤其涉及深路徑的系統(tǒng)故障診斷時，對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)所用知識的處理途徑分為基于符號推理、基于數(shù)值計算兩類：一是基于符號推理的智能診斷；二是基于數(shù)值計算的智能診斷。

　　以上兩類方法是從不同方面對人工智能的模擬?；诜柾评淼霓k法，運用了專家系統(tǒng)，宏觀意義上模擬人的推理、決策，缺陷是需要花費很長的時間去建立、迭代、更新知識庫以及設(shè)計推理機?；跀?shù)值計算的智能診斷，通過人工神經(jīng)網(wǎng)絡(luò)在微觀結(jié)構(gòu)上模擬人的認知能力。Sherald認為：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、右腦的工作合作機制。具體來說，人工神經(jīng)網(wǎng)絡(luò)的工作機制相當(dāng)于人類的右腦，其優(yōu)勢在于推理決策、問題診斷；而專家系統(tǒng)相當(dāng)于人類的左腦，其優(yōu)勢在于清晰表達規(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，使用人工神經(jīng)網(wǎng)絡(luò)來獲取知識，并將其存儲在知識庫中，知識庫是可以通過新樣本的學(xué)習(xí)來不斷更新修正的。來自知識庫的信息與當(dāng)前問題的初始狀態(tài)數(shù)據(jù)、優(yōu)化目標、求解狀態(tài)等信息一起按照一定格式以文件的形式存儲在動態(tài)數(shù)據(jù)庫中，通過推理機輸出最終結(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，會在重要的功能組件部分安裝傳感器來實時監(jiān)測設(shè)備的運動狀態(tài)，位置、溫度、壓強等物理信息。并且會有控制器將其轉(zhuǎn)化為I/O信號后輸出。一旦發(fā)生故障，依據(jù)內(nèi)部不同類型信號以及信號間的邏輯關(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、維修場景以外，還包括預(yù)防性維護。某研究機構(gòu)通過研究常見的故障模式，發(fā)現(xiàn)幾乎80%的故障類型隨機出現(xiàn)，剩下20%可以通過傳統(tǒng)的維護辦法來預(yù)測。而使用人工智能技術(shù)，可能對隨機生成的故障進行預(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，其中一個場景是預(yù)測風(fēng)機的葉片是否會結(jié)冰。葉片結(jié)冰，自然會降低發(fā)電效率，也會造成風(fēng)機的整體事故。對于這一情況的排查，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)機設(shè)備全生命周期評估模型，最終比傳統(tǒng)方法平均提前2個小時預(yù)警，并且降低50%的運維成本。另一個場景是借助數(shù)字孿生的手段輔助AI技術(shù)。在建設(shè)風(fēng)場之前，通過“數(shù)字風(fēng)場”的虛擬環(huán)境來配置風(fēng)機，通過分析汽輪機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，同時考慮降低產(chǎn)品使用階段的運維成本。從故障診斷的處理方法來看，傳統(tǒng)方式很難檢測到高復(fù)雜設(shè)備、深故障路徑的系統(tǒng)故障?；谌斯ぶ悄芗夹g(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)，提高檢測的效率水平。

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

　　在實現(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，需要細分設(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于獨立的生產(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)用價值。2016年，汽車制造業(yè)巨頭：上汽通用，將本來手動調(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)制造過程中對于裝配的精密度、準確度的要求越來越高。智能化裝配得到廣泛應(yīng)用，下面從各個裝配單元、各個流程環(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)機器人本身的生產(chǎn)線聯(lián)動，第二部分是機器人與其他生產(chǎn)信息系統(tǒng)（包括物料、物流等系統(tǒng)）的聯(lián)動，這一部分包含裝配機器人和物料供料系統(tǒng)之間的定位聯(lián)動。目前已有的形式是通過攝像機等設(shè)備接收圖像信號，再對圖像信息進行識別、分析后導(dǎo)出空間坐標信息，這些信息經(jīng)過總控模塊的判斷，將物料供料系統(tǒng)的坐標系和自己的坐標系關(guān)聯(lián)起來，從而達到聯(lián)動目的。第三部分是車間內(nèi)為了實現(xiàn)驅(qū)控一體化，在多生產(chǎn)線機器人系統(tǒng)間的聯(lián)動。該環(huán)節(jié)通過開展機器人對作業(yè)級裝配規(guī)劃的自動決策，實現(xiàn)對物料的選取、移動及配送等操作的全面控制和管理。

　　從流程環(huán)節(jié)來看，針對決策系統(tǒng)，智能化系統(tǒng)功能包括運動控制、工藝規(guī)劃；對于控制系統(tǒng)，智能化方向包括對于電機、運動指令的控制；對于純機械執(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，對機構(gòu)進行公差分析、誤差標定補償、尺寸優(yōu)化設(shè)計。

　　基于人工智能的裝配是現(xiàn)代工業(yè)領(lǐng)域針對復(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)計劃的必然選擇。