無線通信和AI會是智能製造兩大關鍵嗎?|焦點分析

文|戴昊彤

編輯|彭孝秋

儘管工業4.0被提起過無數次,但對於 AI 在裡面起到的作用一直討論不多。同樣對於工業互聯網,落實到智能製造中的真實場景改造有哪些一樣容易忽略?

作為香港中文大學終身教授兼思謀科技董事長/創始人的賈佳亞,近日在《智能製造中的核心AI技術》主題分享中給出了一些啟發。

在他看來,4.0時代是以智能為核心的一個時代,這個時代開始不僅僅具備網絡、電力,還有計算。計算不再是一種非常奢侈的輔助設備,相反地,計算變成一種基礎能源。當電力被計算提純以後,計算的可利用性和資源強化性將變得非常巨大,技術特點就是永不間斷的學習。

也就是說,要想完成工業4.0,必須要重視工業互聯網中的無線通信作用,更要重視AI作用。

無線通信在工業互聯網中至關重要

自2012年通用電氣提出了AIOT(人工智能物聯網)概念后,通過新一代的信息通信技術,將關鍵基礎設施與新型應用模式建立起連接工業全要素,實現數據的實時採集和精確分析和智能反饋就越來越普遍。因此,工業互聯網的布局與通信息息相關。

在過去,工業通信系統的特徵表現為多領域融合,包括傳感、通信、計算機和自動控制等。對於通信的要求也非常嚴格,比如要求高實時性、確定性和可靠性,但部署的環境又很複雜。

「工業互聯網,開始成為未來智能製造發展的方向之一」,北京郵電大學教授、IEEE Fellow、中國工程院院士張平表示。

隨着無線通信的發展以及工業互聯網概念的提出,科研人員開始考慮用無線通信來解決工業互聯網面臨的挑戰。無線通信優勢表現在:其結構精簡、數據採集和傳輸受設備影響比較小,可靈活採用工業數據,國內外發展路徑也非常清晰。

儘管無線通信成為智能工廠的核心部分,但目前其投入使用的比例較低,不到6%。因為柔性製造對於

對無線網絡,或者5G的需求非常高。這��由於這是一個閉環系統,不僅要解決信息從A地到B地不確定性的問題,而是要對這些不確定性問題產生決策,最後對系統的控制產生效應,因此,這就要求具備高安全性、高可靠性。

張平指出,「目前,國內互聯網已經由消費互聯網進入產業互聯網,一方面,其發展對算力提出了新要求,另一方面,也對密集型,時延敏感性提出了新的挑戰,在這樣的情況下,急需考慮雲、邊、端的算力資源的自治或者自洽,以高效處理數據。而面向海量業務差異化的上雲需求,當前被廣泛使用且依賴專家的人工式解決方案,難以滿足業務種類、規模增長的需求,比如業務獲取、業務分析轉譯、網絡狀態感知、策略下發等。因為未來需要實現邊緣雲、通信雲與網絡資源的協同一體。」

同時,國內科研人員也在編程語言NPL上實現對用戶需求的精確感知,從高級語言轉換為網絡設置,還有對網絡專發2節點逐跳進行信息的採集和報告,實現隊列、緩存、延時等精確感知,為網絡自治提供準確可靠的數據支撐。 對數據流量歷史及寬帶的特徵進行分析,挖掘網絡空間特徵,以實現寬帶流量自由化。

工業互聯網中,目前出現最為棘手的問題在於:工廠里機器設備的運行會產生電磁干擾,尤其是傳統的信道建模工廠車間,會影響電子器件的正常通信。因此,為了保證無線干擾傳輸可靠性,電磁噪聲的建模起到至關重要的作用。

為了解決干擾通信的問題,張平提出,未來需要根據車間業務特點來定製合理的設備,接入功率控制策略,避免減少同頻干擾,儘可能減少設備空口乾擾的影響。

面臨這樣的挑戰,未來無線通信技術的發展有以下急需突破的方向:

首先,在過去,網絡是以人為信息作為接收主體構建的網絡,而未來面向機器的網絡是自主感知的閉環智能機器網絡,因此這兩者存在很大差異。過去,面向人與人之間通信來設計的「TCP IP」 可歸納「為三部曲」:發一個請求——回答請求——建立鏈路。因此,這種模式無法適用於機器與機器之間的通信。因此,未來迫切需要變革面向人的無線網絡的設計,以及研究出面向閉環信息流的、系統級的信息理論。

其次是搭建感知、傳輸、計算及使用一體化的網絡架構,以及可靈活適配的可信交互協議,以滿足工業互聯網持續可信的通信需求。如今,5G技術已經把人與人之間的通信擴展到機器與機器之間的通信,同時也增加了一個維度。在這種情況下,未來科研人員可使用很多方法、算法以及算力,來提升其性能。但這需要一個長期準備階段才能實現。

除了無線通信,AI也無比重要

雖說在工業4.0時代,智能製造意味着製造業進入一個新的發展階段,人類需要創造一個智能製造的大腦,讓它能思考。智能化也更像是代替人類生產的「手臂」,通過智能化控制生產來提高更多效率。

「但是,智能製造是一個非常複雜龐大的工程,包括產品設計、生產管理、生產服務以及對客戶交互等環節。智能製造的目的則是要實現所有全鏈條環節都由機器完成,達到自主決策、自主執行及自主適應。」賈佳亞說道。

為了達到這一目的,在智能製造領域中,實現跨行業的工業AI落地,是目前科研界面臨的一大難題。

比如在手機質量檢測任務中,實現機器自主檢測。假設一款手機大概有400個供應商,所有供應商有5個製程,每個製程有25條產線。在生產手機過程中,科研人員要去做所有零件管控和質量評審,則需要做出近3萬種(400×75)算法,才能保證手機擺脫人為因素的干擾,自動判別質量,實現高管控率。如果把範圍放縮小至全球排名前5的手機品牌,每個品牌每年約推出6款不同型號,第一年科研人員需要寫出90萬種算法,但目前沒有一個團隊可以完成如此繁重的任務。

因此,只有當系統能夠自動實現算法組合和部署,人類只需要少量定製化算法,才有可能實現AI的跨領域規模產業化,這是一個巨大的命題。而如何能實現自動的算法組合和部署,則是一個系統工程。

智能製造有三個核心原則,首先,智能製造一定要具備普適性,不管是應用在汽車、飛機等行業,還是半導體、晶圓和3C產業等,都要具備該特質;第二,製造的核心原則是以計算為先,不依賴於電力和其他的基礎能源;除此,實現智能製造,還需要滿足兩大條件,分別是AI系統設計的自動化以及AI系統部署的自動化。只有當這些條件得到滿足之後,將會迎來新一代的智能產業變革。

未來 10 年是新一輪工業製造革命的關鍵時間窗口,也是全球各國將高精尖製造業全面升級成為智能製造的核心階段,目前智能製造依然面臨著場景需求複雜、設備連接力不足、跨行業跨領域能力薄弱、數據分析能力不足等挑戰,而唯有用 AI破局,才能激活製造業的增長潛力。

AI的關鍵在於機器視覺

機器視覺被稱為「工業之眼」,是實現智能製造必不可少的一環。目前,機器視覺被廣泛應用在消費電子3C製造中。

與其他行業相比,消費電子行業具備「多、變、快、全」這四大明顯特徵。換而言之,就是產品種類多、生命周期短、更新迭代快、品控嚴格。同時,生產製造需要不斷適應形態及工藝的變化,快速切換生產線。高標準、高要求的品質管控也導致消費電子行業對成本非常敏感。因此,在品控與成本之間做好平衡,提升利潤空間成為製造環節中的一大挑戰。

進一步來看,在成本方面,人力成本攀升、工人流動性強、工人狀態會影響良率性等問題,已成為該行業主要痛點。為了解決這些問題,機器視覺的應用優勢得到體現。

在國內,運用機器視覺技術投入智能製造的公司多數屬於消費電子領域。

針對機器視覺的特點,聞泰科技副總裁、自動化研究院院長郭洪濤表示,首先,機器視覺具備柔性化優勢,機器視覺基本上相當於一個標準品,用一個相機再加上鏡頭及光源,就能實現拍照功能,再通過圖像處理方式去完成檢測,並可適用於不同產品,柔性化程度較強。

其次是無接觸;最後一點是實現信息化,用圖像處理方式再通過算法把數據檢測和識別出來,同時將相應信息寫入系統,為迭代算法及優化工藝等打下良好基礎,因此,機器視覺在消費電子領域應用得越來越廣泛。

在手機生產製造中,機器視覺應用得最多的環節包括尺寸測量、貼物料、精確識別等。以貼物料為例,手機由不同零部件組合而成,但不同批次生產的不同構件存在一定公差,機器視覺可通過測量及優化的算法找到零部件之間的最優匹配。

不過,值得一提的是,所有技術都具備一定局限性,且技術落地還需要與相應場景特點相結合。機器視覺在消費電子製造的應用過程中,也存在各種挑戰。

舉個例子,外觀檢測是機器視覺應用領域的一大難題,但一旦突破就會變得非常有價值。其難點在於污點、缺陷及形態隨機出現在不同位置,對於設備來說很難進行直接的量化定義。因此,需要基於AI算法做一些數據收集及分析,但依然會受到其他外界因素不同程度的干擾。

從機器視覺在智能製造落地應用的趨勢來看,其發展空間會越來越廣。郭洪濤指出,由於具備算法的支撐,機器視覺能夠不斷迭代成長。再加上它具有無接觸的特點,令它在各種應用場景都能得到發揮及應用。

在未來的發展路徑上,機器視覺可與光學設計進行緊密結合,通過更優化的光學設計來實現更好的成相。在具備成像的基礎上再加入算法,有利於提高生產效率。其次,通過AI的加持,傳統算法能解決智能製造中90%的問題。最後,再將2D與3D進行互補便有望解決以往無法攻破的難題。

由此可見,機器視覺未來的應用前景廣闊,也成為智能工廠重要的組成部分。


想在手機閱讀更多電腦與科技資訊?下載【香港矽谷】Android應用
分享到Facebook
技術平台: Nasthon Systems