工业制造分两类：离散制造和流程制造。这两类制造在生产线上基本上看不出差别，其实底层的工业装备、控制系统不同。一般而言，控制系统保证了产品的自动化。但是，在有些情况下产品无法实现自动化，比如个性化定制。 

个性化定制要求底层的工业装备能够加工不同的产品。这要求装备一定是智能化的，且控制系统要变成智能系统，以感知不同装备、工艺。但是，当前的生产线无法解决个性化定制的高效化——这也是工业4.0提出的重要目标之一。

工业制造仍依赖知识工作者 

现在的工业流程，就是把参数确定好，把生产线变成 “黑灯工厂”。但如果原料或产品品种发生改变，工艺就要重做。这需要决策部门进行指标的调整，再由工程师将其设定在控制系统之中。 

这正是自动化系统的现状。自动化系统的结构，其实就是人与信息物理系统融合的系统，也就是人参与的信息物理系统——信息系统得到的信息跟人的感知、认知得到的信息综合用以进行分析和决策。 

而这样的系统存在制约。因为人难以感知动态变化的运行工况，也难以及时处理异构信息。另外，人的决策是有主观性的，不同人的决策是不一样的，这就不能够保证整个生产线是高效、全优的。

实现智造的三大挑战 

要想实现个性定制的高效化、流程工业的全局优化，就要把现在的人和控制系统、装备变成自主系统，把系统管理系统变成人机合作的决策系统。这和原来的系统区别在于，它具有了感知、认知、决策功能，且其最终的目标是高效化和最优化的方向，如此企业生产结构、效率将会发生根本性的改变。 

第一个挑战是，人工智能的典型代表是基于大数据的深度学习，但是深度学习直到现在并没有完全应用于制造流程。要实现智能制造必须要解决多尺度、多远信息和动态感知三个难题。 

第二个挑战，在制造中人工智能要想比人出色，就要对产品质量，对于能耗、物耗包括运行状态有预测和追溯。所谓追溯就是出现问题以后，能够感知到底是由哪道工序或动作导致的。 

第三个挑战是把决策和控制进行集成优化。

“小数据大任务” 

今天的人工智能分两种：强人工智能和弱人工智能。强人工智能指和人相比具有全面的智能，但相当一部分科学家认为这无法实现；弱人工智能是在特定场景下比人做得好，就如今天的自动驾驶、机器人下棋可以做得很好，但它做不到两者兼备。第三次人工智能浪潮的迭起源于大数据、强大的计算和深度学习算法。我认为未来人工智能必须走向智能系统。 

AlphaGo为什么不能在工业中应用？原因在于它是在一个完全确定的规则中，而工业过程的决策是在开放环境下，规则不确定，工业过程难以建立决策可试错的模型。可以说，目前的人工智能技术、博弈技术，属于“大数据小任务”，而工业将来遇到的问题决策是“小数据大任务”——工业大数据对计算机而言都是小数据。

什么是“工业人工智能”？ 

为什么要发展工业人工智能？ 

工业人工智能在国际上开始被提出，包括美国提出的工业人工智能、德国提出的“与经济结合推动智能”。在我国，中国工程院编制的关于新一代人工智能的发展规划，也提及要研究如何用人工智能解决智能制造的问题。总结来说，工业人工智能目前在制造流程中主要完成三项工作：运行工况多元信息的感知和认知，工作经营层、生产层、运行层的协同决策，以企业综合生产指标优化为目标自动协同控制装备的控制系统。

这里有几个关键技术要解决：第一是关键技术复杂工业环境下运行工况多尺度、多元信息的智能感知和识别技术，第二是复杂工业环境下基于5G多元信息的快速可靠的传输技术，第三是系统辨识与深度学习相结合的智能建模、动态仿真和可视化的技术；第四是关键工艺参数和生产指标的预测和追溯技术；第五是人机合作的智能优化决策技术，特别是结果端、边、云协同实现智能算法的技术。只有攻克了这些技术，才有可能使工业发生革命性的改变。

本文转载自网络，如有侵权，请及时联系网站删除，谢谢！