日本在线www-日本在线播放一区-日本在线不卡免费视频一区-日本在线不卡视频-成人影院久久久久久影院-成人影院一区二区三区

近年來，人工智能的應(yīng)用場合已經(jīng)從過往的依賴超級計算機轉(zhuǎn)移到邊緣計算，這不僅得益于算法的巨大改進，而且得益于邊緣計算算力的巨大進步和分布式計算框架的形成。這里，筆者就人工智能的工業(yè)應(yīng)用前景以及工業(yè)人工智能在邊緣計算中的應(yīng)用做一定的擴展。

1 人工智能的工業(yè)應(yīng)用前景

Gartner把人工智能的應(yīng)用分成五個復(fù)雜等級：

（1）響應(yīng)對象遵循簡單規(guī)則，但可應(yīng)對不斷變化的環(huán)境，如無人機；

（2）分類裝置或系統(tǒng)能識別物件的類型，并能在受控的環(huán)境中采取簡單的操作對物品進行處理，如倉儲機器人；

（3）響應(yīng)對象通過對問題和情境的理解服務(wù)于另一對象，如無人駕駛汽車、個人助理；

（4）從多個資源采集信息進行學(xué)習(xí)以解決復(fù)雜問題，如IBM的Watson，全自動軍用無人機；

（5）創(chuàng)建者發(fā)動范式轉(zhuǎn)移或思考方式的轉(zhuǎn)變，如創(chuàng)造一種新的業(yè)務(wù)模型。

最后一種人工智能的應(yīng)用不僅是人們使用的工具，還具有潛力創(chuàng)建危害人類的動作，改變?nèi)伺c技術(shù)的關(guān)系以及人在社會和經(jīng)濟中的角色。因此，對于這一類人工智能的應(yīng)用，開發(fā)者必須事先深思熟慮。

對于這五類人工智能應(yīng)用，其組織形式有三種， 即單獨的人工智能、聯(lián)合的人工智能和群體的人工智能。單獨的人工智能系統(tǒng)是一個獨立的實體，能夠獨立地解決問題；企業(yè)通過監(jiān)督實體的運行對其進行集中控制。在一個聯(lián)合的人工智能應(yīng)用結(jié)構(gòu)中，一個實體的多個版本雖然以相同的方式工作，但處理的是不同的問題（例如機器人顧問、個人助理)；企業(yè)可以對實體進行 集中控制或給予更多的自治權(quán)。在群體AI應(yīng)用結(jié)構(gòu)中， 多個實體共同為處理同一個問題工作（例如多無人機燈光秀，美國空軍用噴氣式飛機釋放Perdix山鶉微型無人機的實驗）；實體機器執(zhí)行自治的控制，或者只需要少量的人工管理。

工業(yè)人工智能或者人工智能的工業(yè)應(yīng)用涵蓋從低級的人工智能應(yīng)用（如自動化）到具有決策能力的高端人工智能；既可以是集中控制的人工智能，也可以是分布式的人工智能。

工業(yè)人工智能應(yīng)用最常見的起點是自動化，但不能就此止步。人工智能更強大的用途是幫助人類決策和互動。人工智能可以對信息進行分類，并以比人類更高的速度進行預(yù)測，因此用人工智能的方法處理工業(yè)物聯(lián)網(wǎng)設(shè)備產(chǎn)生的大量數(shù)據(jù)，可轉(zhuǎn)變?yōu)閺姶蟮姆治龊蜎Q策工具。

大多數(shù)工業(yè)人工智能項目按其服務(wù)目標(biāo)大體可分為四類：（1）工業(yè)資產(chǎn)管理的人工智能應(yīng)用，包括設(shè)備自動化、設(shè)備穩(wěn)定運行和設(shè)備運行狀況監(jiān)控；（2）流程的人工智能應(yīng)用，包括通過跨多個資產(chǎn)設(shè)備或跨多個流程的自動化和穩(wěn)定運行，以提高效率、改善質(zhì)量和實現(xiàn)產(chǎn)量最大化；（3）為實現(xiàn)卓越運營和/或業(yè)務(wù)敏捷性的人工智能應(yīng)用，包括能源成本優(yōu)化、預(yù)測性維護、物流和調(diào)度、研發(fā)等；（4）在CAD/CAM中應(yīng)用人工智  能，優(yōu)化設(shè)計結(jié)果。

1.1 工業(yè)資產(chǎn)管理的人工智能應(yīng)用

IBM的Watson物聯(lián)網(wǎng)是人工智能應(yīng)用于資產(chǎn)管理的典型范例。其Maximo企業(yè)資產(chǎn)管理（EAM）軟件系統(tǒng)運用Watson物聯(lián)網(wǎng)采集大量實時數(shù)據(jù)，再用人工智能的軟件工具對數(shù)據(jù)進行挖掘和分析，對工廠的關(guān)鍵物理資產(chǎn)（無論是分立的機器、復(fù)雜的功能資產(chǎn)系統(tǒng)， 還是人力資產(chǎn)）及其運維，都能做出更好、更及時的決策。另外，此類資產(chǎn)生命周期管理和維護解決方案，使用實時數(shù)據(jù)收集、診斷和分析工具來延長資產(chǎn)的可用生命周期，提升整體維護的卓越實踐，滿足日益復(fù)雜的健康、安全和環(huán)境（HSE）要求，并將風(fēng)險管理嵌入日常業(yè)務(wù)流程來控制操作風(fēng)險等，都可以從人工智能的應(yīng)用得到很好的效果。

具有人工智能的企業(yè)資產(chǎn)管理系統(tǒng)還可以幫助解決有經(jīng)驗的操作員和運營工程師退休導(dǎo)致的人才和知識流失的問題。系統(tǒng)通過學(xué)習(xí)和固化經(jīng)過驗證的工作流程和卓越實踐，發(fā)掘作為工廠管理運維中堅力量的技術(shù)員工長期積累的知識和關(guān)鍵技能，從而達到以較少的人力資源完成更有效率和成本效益的工作的效果。

1.2 流程的人工智能應(yīng)用

人工智能應(yīng)用于流程包含以下方面：（1）人工智能應(yīng)用于設(shè)計和工程流程是用兼容人工智能的數(shù)字平臺取代基于文檔的信息交換來支持設(shè)計和工程。只要把相關(guān)來源的信息都加以數(shù)字化處理，接下去就可以利用機器學(xué)習(xí)或人工智能算法，將以前依靠手工完成的任務(wù)轉(zhuǎn)換為自動操作，這將降低開發(fā)成本。人工智能設(shè)計和工程流程的目標(biāo)是建立一個集成的“系統(tǒng)的系統(tǒng)”，從產(chǎn)品開發(fā)的需求、設(shè)計、制造，一直到用戶使用產(chǎn)品各個階段構(gòu)成閉環(huán)，通過工業(yè)物聯(lián)網(wǎng)實現(xiàn)運行的實時監(jiān)控， 然后部署人工智能系統(tǒng)分析數(shù)據(jù)、上升為知識，并利用這些知識來改進產(chǎn)品的設(shè)計、制造和使用。（2）人工智能應(yīng)用于操作流程是用實時精確的工業(yè)人工智能自動運行平臺對關(guān)鍵生產(chǎn)流程和資產(chǎn)管理實施標(biāo)準(zhǔn)化的操作，達到提高效率、減少燃料和能源消耗、提高質(zhì)量、降低成本和改進決策的最終目標(biāo)。

美國OSIsoft公司采用云原生的平臺即服務(wù)（PaaS）的策略，創(chuàng)建了可供預(yù)裝數(shù)據(jù)中心、邊緣和云端運行的安全的工業(yè)數(shù)據(jù)基礎(chǔ)架構(gòu)OSIsoft Cloud Services（OCS）。他們還與匹茨堡的Petuum公司技術(shù)合作，將創(chuàng)新的高級人工智能自動運行套件集成到OCS中，開展工業(yè)人工智能的項目服務(wù)。

圖1顯示了Petuum工業(yè)人工智能自動運行平臺的系統(tǒng)功能。它可從多種來源獲取數(shù)據(jù)，包括來自控制系統(tǒng)的數(shù)據(jù)、機械裝置的數(shù)據(jù)、非結(jié)構(gòu)化數(shù)據(jù)、圖像數(shù)據(jù)、結(jié)構(gòu)化數(shù)據(jù)庫、時間序列數(shù)據(jù)庫、歷史數(shù)據(jù)庫、客戶關(guān)系管理系統(tǒng)（CRM）數(shù)據(jù)、企業(yè)資源規(guī)劃系統(tǒng)（ERP）數(shù)據(jù)等。它提供復(fù)雜的數(shù)據(jù)處理、數(shù)據(jù)清洗和機器學(xué)習(xí)/深度學(xué)習(xí)的傳遞途徑，以在一系列工業(yè)用例 中實現(xiàn)對線性數(shù)據(jù)、暫態(tài)數(shù)據(jù)、長程數(shù)據(jù)和非線性數(shù)據(jù)等模式敏感的高級人工智能，從而在對流程和資產(chǎn)進行數(shù)據(jù)分析、操作規(guī)范化的基礎(chǔ)上，通過自動運行獲得卓越運行的效果。

圖1 Petuum工業(yè)人工智能自動運行平臺的系統(tǒng)功能（來源：Petuum）

Petuum工業(yè)AI平臺已經(jīng)在水泥、采礦、金屬、化工、煉油、采油和天然氣采集等多個工業(yè)行業(yè)的資產(chǎn)管理和生產(chǎn)流程中獲得成功應(yīng)用。Cemex是全球知名建筑材料公司，在水泥廠的回轉(zhuǎn)窯和熟料冷卻系統(tǒng)中，將OSIsoft PI系統(tǒng)與Petuum工業(yè)人工智能自動運行軟件整合，發(fā)揮了更好的效能。人工智能平臺直接用于控制系統(tǒng)，為重要的過程變量提供精確的實時預(yù)測，為關(guān)鍵控制變量設(shè)置規(guī)范化的運行區(qū)間，并在保持適用的靜態(tài)和動態(tài)約束的同時實現(xiàn)在操作人員監(jiān)控下的自動運行， 不僅提高產(chǎn)量，還節(jié)約能源高達7%。這改變了水泥行業(yè)的格局，并向安全、標(biāo)準(zhǔn)化運營的數(shù)字化轉(zhuǎn)型邁出了一步，為今后加強高質(zhì)量產(chǎn)品組合，將成本降至最低， 實現(xiàn)可持續(xù)發(fā)展目標(biāo)提供了堅實基礎(chǔ)。

1.3  為實現(xiàn)卓越運營和/或業(yè)務(wù)敏捷性的人工智能應(yīng)用

運用工業(yè)人工智能滿足企業(yè)卓越運營和/或業(yè)務(wù)敏 捷性的要求，是通過工業(yè)物聯(lián)網(wǎng)從工廠的生產(chǎn)線采集生產(chǎn)過程的數(shù)據(jù)和機械裝置的數(shù)據(jù)，并將其與ERP系統(tǒng)數(shù)據(jù)集成，采用全新的人工智能套件、機器學(xué)習(xí)和流分析，幫助生產(chǎn)管理人員和業(yè)務(wù)管理人員理解設(shè)備、人員、供應(yīng)商和客戶之間的復(fù)雜關(guān)系，了解企業(yè)當(dāng)前生產(chǎn)和市場的實時狀況，預(yù)測未來可能會發(fā)生的狀況，既能確保工廠的產(chǎn)品能按質(zhì)按量向客戶交付，還能應(yīng)付市場的變化及時調(diào)整生產(chǎn)計劃，并與生產(chǎn)系統(tǒng)貫通，提前做好完成新生產(chǎn)任務(wù)的必要技術(shù)和原材料準(zhǔn)備，以保證計劃的實施。總而言之，在生產(chǎn)運行中保證其效率、成本控制和產(chǎn)出率；在業(yè)務(wù)運營中支持業(yè)務(wù)人員的操作以確保業(yè)務(wù)敏捷性的實施。

用戶要求運用人工智能分析工業(yè)物聯(lián)網(wǎng)采集的數(shù)據(jù)流和ERP、CRM等系統(tǒng)的常備數(shù)據(jù)時，能提供一種無需專業(yè)技能的簡化方式，無論是數(shù)據(jù)科學(xué)家還是業(yè)務(wù)經(jīng)理都可以使用這種分析方法來快速選擇、啟動、轉(zhuǎn)換和操作物聯(lián)網(wǎng)數(shù)據(jù)。美國SAS Analytics公司的軟件有許多案例，在這些方面獲得了用戶的認可。

1.4 在CAD/CAM中應(yīng)用人工智能

在計算機輔助設(shè)計和制造過程中結(jié)合應(yīng)用人工智能的效果明顯。例如在采用CAD做電路布線、外觀設(shè)計， 采用CAM做產(chǎn)品加工路徑設(shè)計和運動軌跡規(guī)劃時，都 可以應(yīng)用人工智能，還可以集成到控制器中執(zhí)行。由于設(shè)計軟件數(shù)據(jù)結(jié)構(gòu)明確，對于機器學(xué)習(xí)來說便于學(xué)習(xí)， 也便于生成語義。據(jù)了解，西門子正在這個方向深耕。OpenAI新近推出兩個多模態(tài)模型，一個是結(jié)合計算機視覺CV的DELL-E，另一個是與自然語言處理NLP結(jié)合的CLIP，它們可以通過文本直接生成相對應(yīng)的圖像。人工智能的長期目標(biāo)是構(gòu)建多模態(tài)的神經(jīng)網(wǎng)絡(luò)，即人工智能可以學(xué)習(xí)以文本和視覺為主的跨模態(tài)的概念，由此更好地理解世界。DELL-E和CLIP使我們更接近“多模態(tài)人工智能系統(tǒng)”的目標(biāo)，這對于在CAD/CAM領(lǐng)域中應(yīng)用人工智能，會有大的推進。

2 在工業(yè)邊緣分析中應(yīng)用人工智能的方法

用人工分析一條生產(chǎn)裝配線上所有傳感器生成的信息可能需要花費很長的時間，由此可以理解為什么往往只有不到一半的結(jié)構(gòu)化數(shù)據(jù)被用于決策。至于非結(jié)構(gòu)化數(shù)據(jù)被分析或使用的比例更低，譬如一臺IP攝像頭24小時產(chǎn)生的近1012兆字節(jié)的視頻數(shù)據(jù)中只有10%被用來進行分析。這些數(shù)據(jù)表明，盡管我們有能力收集越來越多的信息，但在數(shù)據(jù)分析方面仍存在疏漏。靠質(zhì)檢人員的視覺來檢查生產(chǎn)流水線上產(chǎn)品的微小缺陷，既耗費大量的勞力，還容易產(chǎn)生視力疲勞和人為錯誤。同樣，高鐵軌道緊固件的人工目視檢查，只能在列車停運后的下半夜進行，不僅費時，而且難度大。對高壓電覽和變電站設(shè)備進行人工檢查也使人員面臨額外的風(fēng)險。

人類無法分析所有采集的數(shù)據(jù)，可借助將人工智能納入工業(yè)物聯(lián)網(wǎng)的方法去解決。按照建模的目標(biāo)，機器學(xué)習(xí)運用統(tǒng)計計算可以發(fā)現(xiàn)數(shù)據(jù)中蘊含的趨勢、模式、特征、屬性和結(jié)構(gòu)，以新的觀察結(jié)果為決策提供依據(jù)； 機器學(xué)習(xí)還可以通過一定的算法如神經(jīng)網(wǎng)絡(luò)等自動學(xué)習(xí)和改進，無需編程。

通過工業(yè)物聯(lián)網(wǎng)和/或直接在邊緣可編程工業(yè)控制 器（或其它具有數(shù)據(jù)采集功能的邊緣計算裝置）采集大量原始數(shù)據(jù)后，如何對這些數(shù)據(jù)進行分析和挖掘？ 盡管現(xiàn)在邊緣可編程工業(yè)控制器具有強大的運算能力，但也難以支撐復(fù)雜的分析運算，特別是需要經(jīng)過一定時間的采集數(shù)據(jù)，并經(jīng)過一定時間的訓(xùn)練才可能建立人工智能模型，因此建模和訓(xùn)練的任務(wù)最好是放在云服務(wù)器或本地服務(wù)器中完成。圖2描述了這種在邊緣實行人工智能應(yīng)用的三步曲，即首先在邊緣進行數(shù)據(jù)采集，其次把大量原始數(shù)據(jù)發(fā)往云端，利用云端的人工智能軟件工具實施建模和訓(xùn)練，待模型經(jīng)過驗證符合預(yù)定的要求和判據(jù)后，再下裝至邊緣可編程工業(yè)控制器或邊緣計算機，執(zhí)行人工智能模型的推理、決策。這樣做的優(yōu)點是：數(shù)據(jù)采集的低時延、通信量大幅度削減，人工智能建模的速度和精度由于云服務(wù)器的算力而得以顯著提升，在邊緣執(zhí)行人工智能模型分析決策的及時性。當(dāng)然，如果用戶對關(guān)鍵數(shù)據(jù)非常敏感，不允許將數(shù)據(jù)送往公有云去處理和訓(xùn)練，那么只好利用本地的服務(wù)器。

圖2 實施邊緣分析的三個步驟（來源：IEB）

人工智能模型需要在高級神經(jīng)網(wǎng)絡(luò)和消耗大量資源的機器學(xué)習(xí)或深度學(xué)習(xí)算法上進行訓(xùn)練，這些算法需要更強大的處理能力，如支持并行計算、功能強大的GPU處理器， 以便分析數(shù)量巨大的訓(xùn)練數(shù)據(jù)。訓(xùn)練一個人工智能模型包括選擇一個機器學(xué)習(xí)模型，并根據(jù)采集到的和預(yù)處理的數(shù)據(jù)進行訓(xùn)練。為了確保準(zhǔn)確性，在此過程中還需要對參數(shù)進行評估和調(diào)整。有許多訓(xùn)練模型和工具可供選擇，包括現(xiàn)成的深度學(xué)習(xí)設(shè)計框架，如PyTorch、TensorFlow和Caffe。訓(xùn)練通常在指定的人工智能訓(xùn)練機器或云計算服務(wù)上進行（如AWS Deep Learning AMIs、Amazon SageMaker Autopilot、谷歌云人工智能、Azure Machine Learning等），而不是在現(xiàn)場進行。在國內(nèi)，華為云一站式AI開發(fā)平臺ModelArts也是很好的選擇，其通用預(yù)訓(xùn)練模型架構(gòu)EI-Backbore能讓模型在下游任務(wù)中獲得良好性能。

在云端訓(xùn)練好AI模型后便可將此模型部署在邊緣計算機上，可以根據(jù)新采集和預(yù)處理的數(shù)據(jù)快速有效地做出分析推斷和預(yù)測。盡管如此，用戶還需要一個轉(zhuǎn)換工具來轉(zhuǎn)換訓(xùn)練好的模型，使其運行在專門的邊緣處理器/加速器上，如Intel OpenVINO或NVIDIA CUDA。用戶需要根據(jù)邊緣計算的需要來選擇合適的處理器。推理分析按照不同的數(shù)據(jù)分析能力可分為低、中、高三種不同的邊緣計算級別和要求。

在邊緣和云之間傳輸數(shù)據(jù)不僅昂貴、耗時，還會產(chǎn)生延遲。對于低級別的邊緣計算，應(yīng)用程序只向云發(fā)送少量有用數(shù)據(jù)，這減少了延遲時間、帶寬消耗、數(shù)據(jù)傳輸費用、功耗和硬件成本。一個沒有加速器的基于ARM的芯片就足以用于采集和分析數(shù)據(jù)，做出快速推 理或決策。

對于中級別的邊緣計算，比如需要處理各種IP攝像機的數(shù)據(jù)流，只有具有足夠的處理幀速的處理器，才能用于計算機視覺或視頻分析。基于人工智能模型和用例的性能要求，還應(yīng)滿足廣泛的數(shù)據(jù)復(fù)雜性，例如大型公共監(jiān)控網(wǎng)絡(luò)的人臉識別應(yīng)用。大多數(shù)工業(yè)邊緣計算應(yīng)用還需要考慮對功耗的限制，或采用無風(fēng)扇散熱設(shè)計。在此級別上可以使用高性能CPU、入門級GPU或VPU。例如，Intel酷睿i7系列CPU，通過OpenVINO工具包和基于AI/ML加速器的軟件，提供了一個高效的計算機視覺解決方案，才可在邊緣執(zhí)行推理。

高級別的邊緣計算涉及到使用更復(fù)雜模式識別的人工智能專家系統(tǒng)，數(shù)據(jù)處理的負載更重，如為了通過公共安全系統(tǒng)自動視頻監(jiān)控的行為分析來檢測安全事件或潛在威脅事件。高級別的邊緣計算的分析推理通常使用加速器，包括高性能的GPU、VPU、TPU或FPGA，這些加速器耗能多（200瓦或更多），對散熱的要求更高。

有幾種工具可以用于不同的硬件平臺，幫助加速應(yīng)用程序開發(fā)過程或提高人工智能算法的整體性能。深度學(xué)習(xí)框架是一種允許用戶更容易和快速地構(gòu)建深度學(xué)習(xí)模型，而無需深入底層算法細節(jié)的工具，它以一種清晰而簡潔的方式向用戶提供界面和軟構(gòu)件庫，用戶只要從中選擇一組合適的預(yù)先構(gòu)建并經(jīng)優(yōu)化的構(gòu)件來定義模型，然后就可以通過處理大量的數(shù)據(jù)來訓(xùn)練模型。

硬件供應(yīng)商提供的人工智能加速器工具包是專門為在其平臺上加速機器學(xué)習(xí)和計算機視覺等人工智能應(yīng)用而設(shè)計的。如Intel OpenVINO，Intel的開放視覺推理和神經(jīng)網(wǎng)絡(luò)優(yōu)化工具包，旨在幫助開發(fā)人員在Intel 平臺上構(gòu)建強大的計算機視覺應(yīng)用程序。OpenVINO 還支持對深度學(xué)習(xí)模型進行更快的推理。又如NVIDIA CUDA運算平臺可為嵌入式系統(tǒng)、數(shù)據(jù)中心、云平臺和基于NVIDIA CUDA構(gòu)建的超級計算機上的GPU提供高性能并行計算，加速應(yīng)用程序運行。

3 后記

在國內(nèi)，人工智能是繼智能制造、工業(yè)4.0、工業(yè) 互聯(lián)網(wǎng)之后被大家熱炒的話題。不過人工智能在國內(nèi)真正付諸于實踐的還是一些金融服務(wù)、醫(yī)療和人臉識別等領(lǐng)域，鮮見人工智能的工業(yè)應(yīng)用。盡管也有個別公司的工業(yè)人工智能應(yīng)用獨樹一幟，如北京寄云科技公司的工業(yè)數(shù)據(jù)分析模型開發(fā)和部署平臺（DaStudio 和DaRuntime）利用機器學(xué)習(xí)對工業(yè)數(shù)據(jù)進行分析建 模，但總的來說與歐美工業(yè)發(fā)達國家工業(yè)人工智能頻頻喜獲應(yīng)用突破形成鮮明的對比。這從另一個側(cè)面反映了一個老問題：為什么一涉及到信息技術(shù)的前沿， 在我國總是難以落實到工業(yè)制造？筆者希望讓大家特別是工業(yè)人了解，人工智能的工業(yè)應(yīng)用不是憑熱炒就能生效的技術(shù)，而是需要有恰當(dāng)?shù)娜肟凇⒑线m的方法和持之以恒沉到工業(yè)現(xiàn)場的毅力，才可能進入大有用武之地的境界。AP

作者簡介：

彭 瑜，教授級高工，上海工業(yè)自動化儀表研究院技術(shù)顧問，PLCopen中國組織名譽主席。

摘自《自動化博覽》2021年2月刊