最近在做一些智能工厂的方案设计和技术咨询方面的工作，和大家分享一下我的个人观点。这个话题比较大，所以文章很长，请大家耐心慢慢看。（唐洪建）
自从阿尔法狗战胜世界围棋冠军那一刻起，人工智能已经不只是一个概念了，它真的出现了，而且还战胜了人类！阿尔法狗迅速“火”遍大江南北。进入正题前，先说说我对人工智能的理解，就拿阿尔法狗来说，谷歌为阿尔法狗专门开发一种新的计算机处理器叫TPU，这是一种只适合人工智能计算的专门的处理器。大家都知道，我们今天用的计算机、智能手机等都有一个叫CPU的中央处理器，主要承担计算任务，CPU从上世纪60年代开始发展到今天，计算速度已经提高了160亿倍，但由于光速的瓶颈，在CPU内部，电子运动的速度已经接近光速所给的极限了，几乎没有了再提高的可能性。主频没有了提高的可能性，后来英特尔公司从另一个维度进一步提高，就是提高CPU的集成度，从最早几个集成电路中只有几千个晶体管到今天最多60亿个，这样计算可以并行开展，这也是为什么我们计算机和手机CPU有四核、八核之说。那么为什么不能做成16核、32核甚至100核呢？因为以今天的工艺，解决不了体积庞大和散热问题。
喜欢玩游戏或做图形设计的人都了解一种叫GPU的图形处理器，它是基于“统一计算架构”的概念，就是不像CPU那样什么都做，而是很多很多核都做同一件事情。后来英伟达发现机器学习的算法也可以用这个方式实现，2016年被用在了对阵李世石的阿尔法狗中。但是毕竟机器学习中的向量计算和通用的向量计算还是有所不同，于是谷歌提出了一种张量计算的概念来满足谷歌的人工神经网络算法。接下来谷歌在英伟达GPU的基础上，让计算变得更专注，设计了一种仅仅针对特定张量计算的处理器，就是TPU了，并且谷歌把这种TPU用在了第二代阿尔法狗上，这也就是阿尔法狗的深度学习能力变得更强的原因之一。从CPU到GPU，再到TPU，效率提升的根本原因是专注。
工业革命开始后，英国工厂分工做的特别细，于是效率大增，把整个欧洲的加工业给碾压了，这其实就好比TPU和CPU的关系。
众所周知，工业革命从手工业到机械化，从机械化到电气化，再到今天的数字化和未来的智能化，每一次的革新都需要企业专注，才能不被淘汰。最近大连有一条新闻，曾经是中国机床“八大金刚”的领军企业大连机床集团“黄”了，实在是痛心疾首啊。好了，接下来我们书归正传，探讨中国工业企业智能化之路，首先给大家看一个数字工厂的架构。
这个架构的第一层所表达的是数字化工厂的建设是从一开始建立工厂的时候，在设计阶段就开始进入信息化管理平台，所有设计是基于3D建模的，数据是可以导入项目信息化管理平台的，项目实施全过程都有数据，使项目做到全生命周期数字化管理，这是数字化工厂的基础。
架构的第二层，在工业生产这个环节，最关键的是工艺数据。不同的产品有不同的生产工艺和工艺参数配方，工艺数据的获得是实现数字化工厂的基础，没有数据，数字化工厂不可能实现，更不可能实现智能工厂。那么，生产工艺数据如何获得呢？这就要看工厂运维管理信息化和制造执行（MES）系统是怎么建设的，生产设备之间的握手，工艺参数的自动控制与设备的实施交互，这是很多工厂难以做到，有些工厂甚至是关键的工艺配方掌握在少数人的手里，而这些人是根据几十年的工作经验来调工艺参数，这就导致了历史数据非常少或不均衡，无法建立数学模型，难以实现数字化工厂的目标。那么，这个问题又如何解决呢？我认为最好是按两个步骤来解决，第一步先解决数据采集问题，也就是生产数据的SCADA，然后尽最大可能建设MES系统，基本数据系统自动管理，关键参数人为干预。
第二步实现主要设备的先进控制，就是在常规DCS\PLC控制基础上建设APC先进控制系统，让计算机有监督的深度学习，解决人为干预关键参数的问题。在这里，也许有人会问先进控制是个什么鸟？我的理解是先进控制与逻辑控制的区别之一先进控制借助计算机软件具备非线性神经元网络的算法，不同于PID，可以深度自学习，系统运行时间越长，学习的效果越好，最终达到最佳的工艺配方调节和控制。
那么，有人会问，先进控制是不是就是人工智能的范畴了？我的回答是还差那么一点。
下面有必要介绍一下关于人工智能的软件学习方法，还拿阿尔法狗为例吧，开篇我讲了阿尔法狗的关键硬件中央处理器TPU，现在和大家分享一下阿尔法狗的软件学习方法。第一代就是战胜李世石的阿尔法狗学习方法是人们事先告诉阿尔法狗一个大概的方向，阿尔法狗按照人们指导的方向自学习，由于他的运算速度快，事先学习了几十万盘人类高手对弈的棋谱，哪些对弈的结果是知道的，相当于人为的标注了哪些棋是好棋，哪些棋是差棋，所以无论是李世石还是柯洁，一辈子研究的顶级对弈恐怕也不过是几千盘，也就是阿尔法狗的1%，输了是正常的。
阿尔法狗的第二种学习方法是“强化学习”就是计算机在没有人给定方向的条件下，自己试着走一个方向，然后人告诉它好不好，也就是有一个反馈信息。这两种人工智能学习方法可以用无人汽车举例说明一下，便于理解。谷歌的无人汽车在做无人驾驶之前先开展了街景地图项目，就是先获得了道路信息，无人汽车的很多模型是利用标识好的数据先进行有监督的学习。而等到特斯拉搞无人驾驶汽车时，事先没有街景、地图等标识好的数据，它就是根据人的反馈不断的学习，比如它的辅助驾驶功能，开始只能靠着车道识别的功能，沿着划定清晰的车道行驶。但是如果车道不清晰或三岔路口，就傻眼了，这时他会问人怎么走，让人给他反馈，如果开对了，人就不干预，如果开错了，人会马上手动控制，这样虽然没有标识告诉它怎么开始对的，但这种反馈接受多了，它就会朝着更好的方向进化，这就是强化学习。
目前我们国家的主要矛盾是发展不均衡和人们美好生活之间的矛盾，目前我国制造业的现状我认为也是发展不均衡，有些企业在智能制造方面走得比较快，如海尔。有些企业走得比较慢，还在工业1.0-2.0之间徘徊，还在牺牲环境、员工的职业健康，更谈不上美好生活。
通过以上的介绍，可以说我国制造业智能化工厂之路任重道远，首先从理念上落后，更专注的是短期经济效益而缺少长期的战略规划。其次主要表现在缺乏专业的人才，由于不专业无法用正确的方法判断，多数中高层为了保护自己难以发挥主人翁精神，缺乏对供应链有价值企业的基本互信。第三就是太着急，看到别人用了“机器人”搞生产，不去专业评估与论证，今天看到了，明天就要实施，导致“盲目跟风”给企业带来损失。
最后发表一下个人对未来的一点看法，互联网、物联网、人工智能、大数据造就了一批新时代的宠儿，当然也催生了一批世界级富豪。使得90后、80后甚至70、60后无不投身于此项事业，互联网+N。把握时代脉搏，紧跟时代潮流是对的，但我认为不能太过了，比如很多年轻人不做事了，去录视频作秀了，盼着当网红，也叫“创业”。年轻人有梦想有激情更应该有情怀，把父辈好的东西继承下来，干了一辈子的制造业没人接班现在是普遍现象，不能都去玩虚的，也得有人玩点实的。不是互联网+N，应该是N+互联网，N=有价值的实体产业，互联网只是工具，未来的物联网、人工智能也好，关键的还是人，因为机器是没有情怀的，而你有！
最后请你记住，无论当今各种平台玩的如何花哨，工业大数据才是他们未来的核心和出路。
来源：物流技术在线
|
