元智大学工业工程系副教授钟云功指出,自动化程度提高并不意味着变得智能化。然而,如果生产线出现问题,机器无法自行改进,就需要有人来处理。真正的目的是减少人力。这个目标其实并不容易。
虽然工业3.0由于ICT技术的大规模引入,发展出了非常高水平的自动化应用,但中国元智大学工业工程系副教授钟云功指出,自动化程度的提高并不意味着它已经变得聪明了。
但如果生产线出现问题,机器无法自行改进,就需要有人来处理。减少人力的目标并不容易实现。
钟云功,元智大学工业工程系副教授
幸运的是,随着人工智能所需的机器学习理论(Machine Learning Theory)的基础已经成熟,机器自我学习的能力得到了提升,德国提出的工业4.0展望已经成型。
钟云冲指出,无论是机器人还是视频监控,都是人工智能应用的具体体现。以机器人为例,视觉、听觉、运动可以融为一体。例如,组装时需要查看位置和缺陷,安装时必须注意,或者纠正机器是否造成损坏等。
但如果机器运行时间较长,难免会出现故障。但会倒闭吗?或者你想提高自己吗?机器可以自动调节吗?即使遇到困难,最多也只会发生一次,不需要人为维护,这样就可以避免同样的错误。只有机器能够自动改进,才能实现无人工厂。
钟云冲强调,人工智能与自动化的区别在于有“学习”还是“自我提升”。机器不仅要“自动”,而且要“自发”。
自动化设备和自主设备由不同的数学模型驱动。前者是模型驱动,采用演绎,后者是数据驱动。 -驱动),使用归纳法(归纳或泛化),这就是为什么大家要转向人工智能中的“机器学习理论”来处理大数据。
不过,钟云工认为,从实验室的理论或实验结果得到的数据特征仍然不比物联网(IoT)或工业物联网(IIoT)中实际的具有6V特征的大数据复杂。众多纷繁复杂、真假难辨、堆积如山、深似海的互联网数据,仍然无法在实验室利用人工智能进行高效分析和处理。
因此,在“机器学习”前后,都需要数据统计分析技术。不过,钟云冲指出,一般了解机器学习模型的人可能并不熟悉数据的统计分析。就像没有生化专家在幕后发明药物的医生一样,疾病很难治愈。
要成功发展工业4.0,必须具备“机器学习理论”,建立能处理6V大数据学习算法模型的专家,以及懂得分析综合各类不同特征数据的“统计学家”。技术人才。
此外,信息系统开发中的“计算机科学”人才也不可或缺,专门从事通信网络和硬件建设的工程专家也具有一定的地位。因此,发展工业4.0,需要一支技术过硬的跨领域合作团队,在工业4.0的坎坷道路上披荆斩棘。
钟云工指出,中国制造业确实取得了快速进步。自政府推动“生产力4.0”目标以来,行业已迈向“无人工厂”,但取代人类劳动的设备和机器自动化仍然是传统的柔性制造系统(FMS)吗?
或者更高级别的计算机集成制造系统(CIM)?还是已经具备学习功能、可以自发生产的制造系统?
例如,在过程或规范监控中,自动化只能区分是和否。只要监测结果不在异常范围内,系统就会认为是正常的。但人工智能可以通过学习结果从“不一定”的答案中找到答案,并且将具备自行调整监控范围的能力。
钟云冲认为,人工智能应该像一只跑迷宫的机器老鼠。当第一个错误发生时,它必须能够学习甚至预测可能的错误。
然而,传统的控制模型会有一个假设模型。只要超出假设模型,就很难避免错误。以图像识别为例。虽然捕获信号或图像没有问题,但如果是以前从未见过的数据,则可能无法识别。当然,可能的错误是无法避免的。
所以,就问:“这个设备有学习功能吗?”可以知道设备是否达到工业4.0的水平。然而,欧美等国家开始倡导工业4.0才五年时间。中国还很难有真正的学习型智能机器或生产线能够通过基于六西格码等精益管理判断流程的机器学习来完成。
钟云冲指出,当今的自动化制造知识是工业4.0的学习对象之一。如果机器没有“自动”动作,它将来就不会学习“自发”行为。
如果能实现高度自动化,就有机会实现人工智能,因为数学模型高度完备,网络环境、中央控制系统、大数据分析都比较成熟。现在的关键是机器本身是否具有学习能力,更重要的是学习为什么会出现问题。
引入人工智能的目的是为了实现准确的预测。例如,错误常常是逐渐发生的,但现在产品的制造速度越来越快。当问题被发现时,许多有缺陷的产品可能已经生产出来了。因为人工智能需要一步步学习,算法的学习速度可能不够快,但只要学习完成,不但不会再犯错误,而且会越来越快。
3、尽快建立成功案例
制造业若想在智能工厂、工业4.0相关领域有所作为,钟永康认为,可能遇到的主要挑战是人才匮乏。比如,在人工智能领域,只有投入足够的资源,数学教育的氛围需要加强,才能培养出能够利用机器学习算法来设计计算机的人才。
中国已经拥有自己的超级计算机,并开始了人工智能方面的实验,例如旅行商问题(TSP),可以提供对逻辑运算正确性的深入理解。中国制造业的快速崛起指日可待。
值得注意的是,钟云工认为,企业主本身是否真的愿意投入足够的研发资金将是一个挑战。 “害怕失败,害怕无法收回投资”是每个企业主必须具备的风险考量。然而,如果没有工业革命的资金支持,这场革命很可能仍停留在“尚未成功”的阶段。
除了继续对制造业提供各种指导和补贴外,政府还必须认识到工业4.0必须注重研发和教育。政府政策必须是多管齐下的。除了加强和升级业界现有的多功能自动化FMS或CIM系统,使其具有自主功能外,还必须建立一个教育机器学习理论和算法设计(例如研发)的环境。能够学会利用数据呈现过去制造经验并尽快建立成功案例的智能机器设备,可以有效推动人工智能在工业4.0中的应用和推广。