【佳文推荐】刘玠院士课题组:​人工智能在钢铁工业智能制造中的应用

原标题:【佳文推荐】刘玠院士课题组:​人工智能在钢铁工业智能制造中的应用

摘要:钢铁工业是国民经济的基础工业,是决定国家发展水平的最基本要素之一。中国已经成为世界第一钢铁制造大国,但在整体创新能力、素质和产品竞争力方面存在“大而不强”的问题。加快钢铁工业的转型升级,向钢铁强国转变,已成为新时期中国经济社会发展的重大战略任务。智能制造将先进的制造技术与新一代信息技术深度融合,贯穿于制造过程的各个环节,是中国钢铁工业创新发展的一个新机遇。钢铁工业未来重点发展方向将是基于新一代人工智能技术的智能制造。深入分析了智能制造的特征以及人工智能技术在智能制造中的应用及其发展的趋势,对如何在智能制造中推动人工智能相关技术创新应用给出建议,提出了国内钢铁企业在利用人工智能发展智能制造的路径规划,为钢铁行业智能制造在中国的发展提供借鉴。

制造业是一个国家经济社会发展的基础,代表国家的经济与技术发展水平。中国已经成为世界第一制造大国,但是整体创新能力、素质和产品竞争力与世界主要发达经济体的工业制造水平仍然存在差距,“大而不强”的问题仍然突出。需要依靠创新驱动来实现转型升级,通过技术创新、管理创新、产业创新,在产业链上不断由中低端迈向中高端。当前,通过工业大数据、人工智能为代表的新一代信息技术,实现制造过程的智能化,推进智能制造,助推中国传统制造业的转型升级,从而实现从制造大国向制造强国的转变,已成为新时期中国经济和社会发展的一项重大战略任务。

智能制造是将物联网、大数据、云计算、移动互联网等新一代信息技术与先进制造技术深度融合,面向产品全生命周期,贯穿于设计、生产、管理、服务等制造过程的各个环节,具有自感知、自学习、自决策、自执行、自适应等智能化功能的新型生产模式。

从国际发展趋势来看,智能制造集成了制造技术、信息技术,是高端装备制造业的未来发展方向。当前世界各主要国家的政府均高度重视智能制造的研发和应用,美国、日本、欧洲在智能制造方面已有一系列的研究成果。近年来,中国制造业生产过程自动化程度不断提高,但面对市场不断变化的需求,仍存在综合信息处理难、制造环境柔性差、协同生产困难等问题。亟待通过应用人工智能等新型技术,对制造过程进行全系统分析、判断、推理、构思和优化决策,逐步实现制造过程的智能化。

从企业需求角度来看,市场预测、生产决策、产品设计、原料处理、制造加工、生产管理、原材料储运、产品销售、成本研究与发展等环节彼此影响,构成产品生产的全生命周期,其自动化程度取决于上述各环节的智能集成和优化水平。当前,国内许多制造企业还缺乏这种“智能集成”的制造技术。

智能制造的整体框架如图1所示。智能制造贯穿制造系统生产与管理的各个环节中,以计算机为工具,基于制造企业的实时和历史数据库,通过大数据分析等人工智能技术,对制造过程全生命周期(设计、制造、管理、服务等)进行建模与优化,从而实现企业整体制造过程的智能化,提高生产和物流效率、降低生产成本、提高产品质量和市场竞争力。

从工程的观点来看,智能制造是通过先进信息技术将产品制造的全生命周期有机集成,具有深度信息感知、智慧优化决策和精准协调控制的能力。

智能制造的特征在于生产过程数据的状态感知、实时分析、自主优化决策、人机交互、动态精准执行等几个方面,如图2所示。

各个国家针对自身经济技术结构及战略导向不同,其选择的智能制造路线所示。但在重视基础科技研究、软硬件结合、人工智能技术深入应用等方面具有共识,这也是中国发展智能制造需要重视并且借鉴的内容。

近10年来,中国信息技术产业取得了长足发展,形成了以国家级信息产业基地、国家新一代信息技术产业园为主体的区域产业集群。特别是长江三角洲、珠江三角洲、环渤海和中西部(成都、西安和重庆、武汉、长沙)4大区域,劳动力、销售收入、工业增加值和利润占全行业比例均已超过80%,如图4所示。

2019年,随着《促进新一代人工智能产业发展三年行动计划(2018-2020年)》、《扩大和升级信息消费三年行动计划(2018—2020年)》、《工业互联网APP培育工程实施方案(2018—2020年)》等一系列国家政策的贯彻落实与深入推进,大数据、云计算等所代表的新一代信息技术向智能制造的各个领域加速渗透,平台化、服务化、融合化趋势明显。

国家工业和信息化部组织智能制造试点示范专项行动,一批示范项目进行先行先试。抢抓新一轮科技革命和产业变革机遇,利用新一代信息技术发展持续提升制造业技术创新能力,大力培育和发展新的产业集群,激发增强企业发展活力,实现智能制造的快速发展。通过对项目的总结与梳理,智能制造可以归纳8种典型模板,如图5所示。

智能制造的典型模板互相融合,综合作用,在不同行业或生产流程的各个环节中得到应用。例如:在汽车、机械、装备制造等领域初步形成了“产品全生命周期的数字化”,建设了相应的管理系统。“柔性制造”通过优化技术开发先进排程系统,探索构建多品种工件协同加工的生产模式,以及车间物流的自动化系统,实现了过程系统、制造执行系统和企业资源计划系统的协同和优化。“互联工厂”针对制造业中的“信息孤岛”问题,基于物联网技术和大数据等信息技术,打通了不同部门和工序的数字壁垒,实现了不同工序和部门之间的信息共享。“全生产过程能源优化管理”在以石化、有色、钢铁等为代表的流程工业中,通过大数据和优化技术,基于生产过程的能源数据采集和分析,实现了生产过程的高效能源利用。

人工智能诞生于20世纪50年代,经过60多年的发展,综合了多学科并产生了许多分支。其发展曾经历二次高潮和低谷,从2010年开始迎来第三次发展浪潮。人工智能技术让计算机从大量经验数据中获取知识,从而认识复杂环境下客观世界物体之间的联系和相互影响,挖掘出这些联系和影响的本质特征。作为一门新的技术科学,对人工智能的定义一直存在不同的观点。例如:2011年诺贝尔奖获得者汤姆·萨金特认为人工智能的本质就是用统计学分析自然界数字的方法。《人工智能——一种现代方法》中将人工智能定义分为4类:(1)能够像人一样思考的系统;(2)像人一样行动的系统;(3)理性思考的系统;(4)能够理性地行动的系统。《人工智能标准化白皮书》则将人工智能定义为“利用数字计算机或数字计算机控制的机器模拟、延伸和扩展人的智能,感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用系统”。

人工智能的发展经过了早期的热情高涨、现实的困难导致的寒冬和深度学习掀起的爆发阶段。深度学习在图像处理、语音识别和自然语言处理等方面取得了突飞猛进的发展,前所未有的人工智能商业化和全球化席卷而来。大体来说,人工智能理论研究可分为以下几个阶段,如图6所示。

人工智能理论包括专家系统、搜索技术、分布式人工智能、机器学习、模糊逻辑等。机器学习是人工智能的核心,深度学习是目前最热的机器学习方。

发表回复

您的电子邮箱地址不会被公开。 必填项已用 * 标注