賽迪智庫

2019 年 4 月 3 日至 5 日，第三屆日本人工智能展（AI EXPO TOKYO 2019）于東京舉辦，該展是日本規(guī)模最大的人工智能專業(yè)展會，賽迪研究院應(yīng)邀參加本次展會。目前，日本已涌現(xiàn)出一批人工智能企業(yè)，它們多以知識圖譜和深度學(xué)習(xí)為基礎(chǔ)技術(shù)，面向制造業(yè)領(lǐng)域典型應(yīng)用場景開發(fā)人工智能產(chǎn)品與服務(wù)，并積累了一定經(jīng)驗。我國應(yīng)借鑒日本經(jīng)驗，加強技術(shù)供給能力定制和工業(yè)需求特點適配，推動人工智能與制造業(yè)深度融合。

從實踐看日本企業(yè)注重

分場景部署人工智能技術(shù)

從此次日本人工智能展上發(fā)現(xiàn)，人工智能技術(shù)在制造業(yè)的應(yīng)用集中在設(shè)備、生產(chǎn)線、供應(yīng)鏈等場景，能夠?qū)崿F(xiàn)生產(chǎn)現(xiàn)場協(xié)作優(yōu)化、產(chǎn)品質(zhì)量監(jiān)測管理、物流供應(yīng)能力優(yōu)化;所展現(xiàn)的人工智能與制造業(yè)創(chuàng)新，大多以知識圖譜和深度學(xué)習(xí)技術(shù)為基礎(chǔ)，開發(fā)能夠滿足設(shè)備監(jiān)測、質(zhì)量管理、生產(chǎn)協(xié)作、產(chǎn)能優(yōu)化、生產(chǎn)經(jīng)營管理、產(chǎn)品全生命周期優(yōu)化等需求的產(chǎn)品或服務(wù)。制造業(yè)系統(tǒng)包含設(shè)備級、車間級、企業(yè)級、協(xié)同級等層級，其對應(yīng)的關(guān)鍵技術(shù)環(huán)節(jié)和重點應(yīng)用場景也呈現(xiàn)出一定的規(guī)律性分布。

一方面，知識圖譜在處理工業(yè)機理明確、精確度高、關(guān)聯(lián)性強的問題上效果良好。例如，NTT 推出的生產(chǎn)管理優(yōu)化工具“WinActor”、SOPPRA 開發(fā)的供應(yīng)鏈管理系統(tǒng)“AgentSOPPRA”、Macnica.ai 推出的企業(yè)經(jīng)營管理優(yōu)化工具“企業(yè)語義網(wǎng)”，均利用知識圖譜技術(shù)，優(yōu)化了制造企業(yè)或大型生產(chǎn)組織的生產(chǎn)和管理效率。由此可見，知識圖譜是解決已知工業(yè)機理問題的重要手段，適用于工業(yè)企業(yè)庫存管理、生產(chǎn)成本優(yōu)化、用戶需求管理、供應(yīng)鏈優(yōu)化等場景。

另一方面，深度學(xué)習(xí)能提升對工業(yè)機理模糊、計算高度復(fù)雜問題的解決能力。例如，伊藤忠株式會社開發(fā)的生產(chǎn)過程模擬軟件 WITNESS，采用深度學(xué)習(xí)方法，對生產(chǎn)設(shè)備運行、工藝參數(shù)等數(shù)據(jù)進行綜合分析，找出最優(yōu)參數(shù)，量化生產(chǎn)指標(biāo)隨時間的變化，大幅提升運行效率與工業(yè)品質(zhì)量。

富士集團通過收集工業(yè)互聯(lián)網(wǎng)和傳感器等數(shù)據(jù)，利用深度學(xué)習(xí)算法，挖掘更深層次隱藏結(jié)構(gòu)與特征的抽象關(guān)系，精準(zhǔn)識別工業(yè)質(zhì)量指標(biāo)，打破傳統(tǒng)機器學(xué)習(xí)模型的泛化能力界限，實現(xiàn)對物體的分析和識別;AI Hayabusa幫助中小制造業(yè)企業(yè)在生產(chǎn)線上安裝人工智能檢測系統(tǒng)以及鏡面檢測機器人，通過深度學(xué)習(xí)算法擬合設(shè)備運行復(fù)雜非線性關(guān)系，提升設(shè)備故障預(yù)測準(zhǔn)確率，減少設(shè)備故障率，降低損耗成本。從日本企業(yè)的實踐中可以發(fā)現(xiàn)，深度學(xué)習(xí)適用于工業(yè)品復(fù)雜缺陷的質(zhì)量檢測、設(shè)備微小故障的檢測和預(yù)測性維護、設(shè)備自執(zhí)行、不規(guī)則物體分揀、制造工藝優(yōu)化、流水線指標(biāo)軟測量等場景。

從供需匹配看技術(shù)定制化

是發(fā)展“AI+制造”的關(guān)鍵

知識圖譜和深度學(xué)習(xí)是兩大主要技術(shù)抓手。制造業(yè)領(lǐng)域發(fā)展人工智能有“一強一弱”兩方面的現(xiàn)實約束?！耙粡姟敝钢圃鞓I(yè)各環(huán)節(jié)具有強專業(yè)性、關(guān)聯(lián)性、流程型、時序性特點，對制造工藝精確度的要求高、約束性強，需要嚴(yán)謹(jǐn)、可控、透明的系統(tǒng)科學(xué)加以支撐;“一弱”指工業(yè)領(lǐng)域的數(shù)據(jù)輸入有限，工業(yè)數(shù)據(jù)處理過程參數(shù)量大，工業(yè)機理隱匿。

從日本的發(fā)展實踐看，知識圖譜基于專家系統(tǒng)和認(rèn)知科學(xué)，適用于機理明確但影響因素繁雜的場景;深度學(xué)習(xí)基于數(shù)據(jù)科學(xué)和深度神經(jīng)網(wǎng)絡(luò)算法架構(gòu)的新突破，多用于解決復(fù)雜度高、機理未知的難題。知識圖譜和深度學(xué)習(xí)技術(shù)從不同維度提升了生產(chǎn)效率，降低了生產(chǎn)成本。

為不同場景量身定制部署方式是應(yīng)用發(fā)展路徑。不同制造業(yè)場景產(chǎn)生的計算難度和影響因素數(shù)量不同，人工智能技術(shù)規(guī)律也有差別。

從參展日本企業(yè)的實踐來看，設(shè)備級和車間級工業(yè)問題的影響因素通常相對較少，但工業(yè)機理復(fù)雜程度較高、計算難度較大，適合利用深度學(xué)習(xí)方法提升對未知機理工業(yè)問題的解決能力;企業(yè)級和協(xié)同級工業(yè)問題通常影響因素繁多但工業(yè)機理相對明確，適合應(yīng)用知識圖譜技術(shù)路線提升解決問題的效率。

發(fā)展啟示：應(yīng)從兩方面深化

人工智能與制造業(yè)融合

配合工業(yè)需求提供定制化的深度學(xué)習(xí)技術(shù)能力。制造業(yè)場景對嚴(yán)謹(jǐn)可控、快速反應(yīng)、場景適配的要求高，應(yīng)從三方面深化深度學(xué)習(xí)在制造業(yè)中的應(yīng)用。

一是計算芯片方面，應(yīng)推動能耗比低、處理性能高、實時性強的 AI 芯片應(yīng)用于制造業(yè)領(lǐng)域，提升設(shè)備的端側(cè)推理能力。

二是算法框架方面，應(yīng)加強定制化端側(cè)專用算法框架研制，提升生產(chǎn)終端設(shè)備的實時反饋能力。

三是計算可靠性方面，需要著力推動深度學(xué)習(xí)算法的透明化、可解釋化研究，打破算法的技術(shù)黑箱，推動其在制造業(yè)中實現(xiàn)更廣泛應(yīng)用。

構(gòu)建規(guī)范化的知識圖譜通用技術(shù)體系?？山梃b日本經(jīng)驗，按照不同應(yīng)用場景的現(xiàn)實需求，建立包括知識建模、知識抽取、知識融合、知識存儲和知識計算等在內(nèi)的規(guī)范化的知識圖譜部署策略、標(biāo)準(zhǔn)體系和建模方法，推動知識圖譜技術(shù)在制造業(yè)領(lǐng)域的應(yīng)用走向通用化、體系化、成熟化。