當下，智能制造是全球制造突破現有生產力增長瓶頸的重要方向。制造業(yè)是未來發(fā)展的方向，而人工智能是實現智能制造的關鍵環(huán)節(jié)，如何發(fā)展工業(yè)智能，如何落地智能制造？在2019世界人工智能融合發(fā)展大會“人工智能與制造業(yè)深度融合發(fā)展”主題論壇上，天澤智云副總裁、聯(lián)合創(chuàng)始人史喆做了詳細闡述。

數據驅動：從解決可見問題到避免不可見問題

智能制造是基于新一代信息技術，貫穿于設計、生產、管理、服務等制造活動各環(huán)節(jié)，具有信息深度自感知、自學習、智能優(yōu)化自決策、精準控制自執(zhí)行等功能的先進制造過程、系統(tǒng)與模式的總稱。落地智能制造的關鍵環(huán)節(jié)就是發(fā)展工業(yè)智能化，因為工業(yè)智能化的作用就是避免和解決不可見世界的隱性問題。

例如設備故障、產品缺陷、加工失效、質量偏差等這些可見問題，是可以通過KPI 績效體系、精益6-sigma等對管理問題進行管控和優(yōu)化。但造成這些背后的隱性問題，如形變、過熱、松動、泄露等，雖然在當下看不見，但不斷累積就會變成顯性問題，造成損失。也就是在你看到一個設備失效前，其實他已經有了很多衰退的癥狀。

史喆說：“從解決可見問題到避免不可見問題，其實是這樣一個過程，對于可見問題，可以將問題產生過程進行數據分析，建模和管理，從而實現價值改善，再通過機器學習等方法從數據中挖掘隱性問題，預測并解決問題，為了避免不可見問題的發(fā)生，那么這個時候要做的就是知識建模?！?/p>

可見，在工業(yè)智能化過程中，數據驅動技術具有重要意義，它可以用來預測能被感知但未被量化的問題。良好的維修維護策略會大大降低設備后期的運營成本。例如原來某些部件需要拆除才能發(fā)現問題，但現在通過傳感器采集數據并進行分析，就可以實時感知它的狀態(tài)，進而預測故障，提前進行維護排程。

自學習和自適應是工業(yè)智能最大的挑戰(zhàn)

在工業(yè)場景中有三個突出的難點，第一是模型的不確定性，第二個是實現問題反饋的實時性，第三點是系統(tǒng)的穩(wěn)定性，這些不確定因素既存在于制造過程中，也存在于制造過程之外的使用過程中。

對此，史喆表示，對于不確定性的管理是核心問題，這要求系統(tǒng)結果輸出必須正確。系統(tǒng)的實時性是對核心業(yè)務及時返回的保障，系統(tǒng)的穩(wěn)定性就是要保證系統(tǒng)長期穩(wěn)定運行。