制造過程中應(yīng)用機(jī)器學(xué)習(xí)是進(jìn)一步對(duì)制造系統(tǒng)進(jìn)行智能賦能，實(shí)現(xiàn)替代或輔助管理人員和專業(yè)人員對(duì)不確定業(yè)務(wù)進(jìn)行決策的能力。
01為什么要把機(jī)器學(xué)習(xí)應(yīng)用于智能制造
提到智能制造，不能不提到"機(jī)器換人"，如果說利用機(jī)器人、自動(dòng)化控制設(shè)備或流水線自動(dòng)化替代傳統(tǒng)的生產(chǎn)線上操作工和物料人員，實(shí)現(xiàn)“減員、增效、提質(zhì)、保安全”的目的，而在制造過程中應(yīng)用機(jī)器學(xué)習(xí)就是進(jìn)一步對(duì)制造系統(tǒng)進(jìn)行智能賦能，實(shí)現(xiàn)替代或輔助管理人員和專業(yè)人員對(duì)不確定業(yè)務(wù)進(jìn)行決策的能力。
DIKW模型將數(shù)據(jù)、信息、知識(shí)、智慧納入到一種金字塔形的層次體系，展現(xiàn)了數(shù)據(jù)是如何一步步轉(zhuǎn)化為信息、知識(shí)、乃至智慧的方式。當(dāng)系統(tǒng)采集到原始的數(shù)據(jù)后，然后通過加工處理得到有邏輯的信息，再通過提煉信息之間的聯(lián)系獲得規(guī)則和知識(shí)、形成行動(dòng)的能力和完成任務(wù)，最終使用對(duì)各種知識(shí)進(jìn)行歸納和綜合形成關(guān)注未來不確定性業(yè)務(wù)的預(yù)測(cè)能力，這樣系統(tǒng)才能真正做到感知、分析、推理、決策、控制功能。
舉個(gè)簡(jiǎn)化例子理解上述過程，系統(tǒng)通過傳感器采集到實(shí)時(shí)的溫度，再把該數(shù)據(jù)與其他數(shù)據(jù)關(guān)聯(lián)(比如批次、條碼、機(jī)臺(tái)、原料、產(chǎn)品質(zhì)量等級(jí)等)，同時(shí)可以計(jì)算生產(chǎn)過程中溫度點(diǎn)的各種統(tǒng)計(jì)值，這些信息既可以根據(jù)已知的知識(shí)(工藝要求)進(jìn)行過程控制，也可以進(jìn)行相關(guān)性分析歸納出模型，當(dāng)后續(xù)出現(xiàn)新的供應(yīng)商原料或者在新的產(chǎn)線上生產(chǎn)能優(yōu)化調(diào)整工藝要求達(dá)到最佳產(chǎn)能和質(zhì)量。
02機(jī)器學(xué)習(xí)在智能制造中有哪些應(yīng)用
機(jī)器學(xué)習(xí)是專門研究計(jì)算機(jī)怎樣模擬或?qū)崿F(xiàn)人類的學(xué)習(xí)行為，以獲取新的知識(shí)或技能，重新組織已有的知識(shí)結(jié)構(gòu)使之不斷改善優(yōu)化，是提高信息到知識(shí)提煉和知識(shí)歸納能力的方法。
根據(jù)工信部發(fā)布的《工業(yè)大數(shù)據(jù)白皮書》對(duì)工業(yè)大數(shù)據(jù)集的定義，工業(yè)數(shù)據(jù)包括了企業(yè)信息化數(shù)據(jù)、物聯(lián)網(wǎng)采集的數(shù)據(jù)和外部相關(guān)的跨境數(shù)據(jù)，而機(jī)器學(xué)習(xí)也就成了工業(yè)大數(shù)據(jù)分析和挖掘的主要方法之一。
現(xiàn)代的生產(chǎn)制造過程中的專家系統(tǒng)和模式識(shí)別技術(shù)已經(jīng)廣泛應(yīng)用，在視覺識(shí)別、自然語言理解、機(jī)器人多個(gè)學(xué)科在制造系統(tǒng)都有融合應(yīng)用。原有專家系統(tǒng)更多是把業(yè)務(wù)專業(yè)人員的經(jīng)驗(yàn)和實(shí)驗(yàn)數(shù)據(jù)用規(guī)則的方式在系統(tǒng)中定義，然后集成數(shù)學(xué)規(guī)劃的算法根據(jù)給定條件的找出問題最優(yōu)解，比如說調(diào)度排產(chǎn)中處理多目標(biāo)的動(dòng)態(tài)規(guī)劃；而模式識(shí)別是根據(jù)已經(jīng)設(shè)定的特征，通過參數(shù)設(shè)定的方法給出識(shí)別模型從而達(dá)到判別目的，重點(diǎn)解決數(shù)據(jù)變化小、業(yè)務(wù)目標(biāo)單一的感知問題，比如生產(chǎn)信號(hào)處理、圖像識(shí)別和SPC控制。而機(jī)器學(xué)習(xí)能夠采用標(biāo)準(zhǔn)的算法，學(xué)習(xí)歷史樣本來選擇和提取特征來構(gòu)建和不斷優(yōu)化模型,使得企業(yè)中原有的系統(tǒng)增加了自主學(xué)習(xí)的能力，解決生產(chǎn)過程中不確定業(yè)務(wù)，提升系統(tǒng)的智能化水平。
比如在排產(chǎn)系統(tǒng)實(shí)施過程中，實(shí)施顧問會(huì)與有經(jīng)驗(yàn)的調(diào)度人員去確認(rèn)規(guī)則，比如由于工藝約束產(chǎn)品必須排在甲線而不應(yīng)該排在乙線，由于切換時(shí)間更少應(yīng)該先排A產(chǎn)品再排B產(chǎn)品等等，生產(chǎn)批次最大100個(gè)最小40個(gè)等等，通過某些專業(yè)領(lǐng)域來制定規(guī)則集，在系統(tǒng)中通過數(shù)學(xué)規(guī)劃方式得出排產(chǎn)結(jié)果；而機(jī)器學(xué)習(xí)首先建立調(diào)度任務(wù)的模型和衡量度量指標(biāo)，再通過對(duì)大量的生產(chǎn)計(jì)劃最終執(zhí)行結(jié)果進(jìn)行主因分析提取出影響度量指標(biāo)的特征，再用模型對(duì)生產(chǎn)批次大小的區(qū)間這樣的規(guī)則參數(shù)進(jìn)行調(diào)整優(yōu)化，甚至歸納出新規(guī)則來設(shè)定生產(chǎn)批次大小的區(qū)間，進(jìn)而達(dá)到優(yōu)化排產(chǎn)系統(tǒng)模型的目的，并且這個(gè)學(xué)習(xí)的過程是持續(xù)的，可以根據(jù)最新的特征不斷調(diào)整，而避免了傳統(tǒng)的由專家定時(shí)去修改規(guī)則參數(shù)的方式。
03怎樣在智能制造中應(yīng)用機(jī)器學(xué)習(xí)
將機(jī)器學(xué)習(xí)應(yīng)用智能制造系統(tǒng)，一種方式是建設(shè)的單個(gè)系統(tǒng)本身具備機(jī)器學(xué)習(xí)的功能，另外一種方式是建立企業(yè)級(jí)的機(jī)器學(xué)習(xí)平臺(tái)，為企業(yè)中的其他系統(tǒng)提供機(jī)器學(xué)習(xí)的能力和服務(wù)，后一種機(jī)器學(xué)習(xí)平臺(tái)系統(tǒng)架構(gòu)可分成數(shù)據(jù)采集層、源數(shù)據(jù)層、數(shù)據(jù)存儲(chǔ)層、數(shù)據(jù)分析層和應(yīng)用層。
數(shù)據(jù)采集層主要作用收集機(jī)器學(xué)習(xí)所需要的原始數(shù)據(jù)，為平臺(tái)提供學(xué)習(xí)的數(shù)據(jù)集。按照RAMI模型，數(shù)據(jù)采集層主要來源于外部系統(tǒng)、企業(yè)系統(tǒng)、工廠系統(tǒng)、車間系統(tǒng)、控制系統(tǒng)、現(xiàn)場(chǎng)設(shè)備和智能產(chǎn)品。外部系統(tǒng)主要采集企業(yè)上下游供應(yīng)鏈數(shù)據(jù)和與企業(yè)相關(guān)的外部數(shù)據(jù)比如競(jìng)品分析數(shù)據(jù)等；企業(yè)系統(tǒng)主要采集企業(yè)訂單、客戶信息、庫存信息等；工廠系統(tǒng)主要采集主計(jì)劃、設(shè)備臺(tái)賬等；車間系統(tǒng)采集工單信息、質(zhì)量信息、操作日志、監(jiān)控視頻等；控制系統(tǒng)提供生產(chǎn)過程數(shù)據(jù)、環(huán)境、能耗等數(shù)據(jù)；從現(xiàn)場(chǎng)設(shè)備中采集儀表讀數(shù)、啟停信號(hào)等數(shù)據(jù)；智能制造生產(chǎn)的智能產(chǎn)品能夠采集產(chǎn)品運(yùn)行和維護(hù)數(shù)據(jù)。
源數(shù)據(jù)層保存從數(shù)據(jù)采集層獲得的數(shù)據(jù)和信息，采用關(guān)系數(shù)據(jù)庫存儲(chǔ)已經(jīng)組織過的信息；實(shí)時(shí)數(shù)據(jù)庫存儲(chǔ)壓縮后的時(shí)序數(shù)據(jù)；用文件系統(tǒng)存儲(chǔ)日志和視頻等文件。另外如果需要機(jī)器學(xué)習(xí)平臺(tái)進(jìn)行流計(jì)算的實(shí)時(shí)數(shù)據(jù)，需要對(duì)應(yīng)用層系統(tǒng)進(jìn)行改造，把數(shù)據(jù)直接發(fā)送到數(shù)據(jù)存儲(chǔ)層的消息隊(duì)列中等待處理，這部分可以采用在企業(yè)服務(wù)總線中添加新的路徑降低對(duì)原有系統(tǒng)的影響。
機(jī)器學(xué)習(xí)平臺(tái)可定時(shí)把源數(shù)據(jù)層的數(shù)據(jù)抽取到數(shù)據(jù)存儲(chǔ)層的值對(duì)數(shù)據(jù)庫或?qū)ο髷?shù)據(jù)庫中，而實(shí)時(shí)數(shù)據(jù)庫中的數(shù)據(jù)可以通過主動(dòng)推送的方式發(fā)送給消息隊(duì)列，文件系統(tǒng)中的文件通過文件提取的方式保存到分布式文件系統(tǒng)中。
數(shù)據(jù)分析層從數(shù)據(jù)存儲(chǔ)層抽取樣本特征，一般采用定時(shí)觸發(fā)的批數(shù)據(jù)處理方式，比如一個(gè)工單結(jié)束后或者交接班時(shí)，得到機(jī)器學(xué)習(xí)需要的樣本，把樣本分成訓(xùn)練集和驗(yàn)證集兩個(gè)部分，采用聚類、回歸、神經(jīng)網(wǎng)絡(luò)等算法訓(xùn)練模型，再通過驗(yàn)證集對(duì)模型進(jìn)行評(píng)估和調(diào)整模型參數(shù)。
訓(xùn)練并驗(yàn)證通過的模型就可以進(jìn)行發(fā)布，對(duì)于通過機(jī)器學(xué)習(xí)得到的預(yù)測(cè)類模型（推薦模型、分類、神經(jīng)網(wǎng)絡(luò)），這類主要在實(shí)時(shí)性要求高的場(chǎng)景中根據(jù)輸入反饋預(yù)測(cè)結(jié)果。采用流數(shù)據(jù)處理監(jiān)控消息隊(duì)列或者文件增量得到測(cè)試集，再使用模型計(jì)算得到測(cè)試結(jié)果，測(cè)試結(jié)果反饋給數(shù)據(jù)應(yīng)用層使用。比如說通過根據(jù)實(shí)時(shí)的儀表數(shù)據(jù)推薦最佳的設(shè)備工藝參數(shù)集進(jìn)行生產(chǎn)，或者預(yù)測(cè)質(zhì)量異常發(fā)送給控制系統(tǒng)進(jìn)行報(bào)警停機(jī)。這類模型的應(yīng)用也可以利用邊緣計(jì)算，把預(yù)測(cè)模型發(fā)布給生產(chǎn)現(xiàn)場(chǎng)的工控系統(tǒng)或嵌入系統(tǒng)中使用。
04結(jié)語
機(jī)器學(xué)習(xí)在智能制造領(lǐng)域應(yīng)用前景廣闊，但是在應(yīng)用中需要業(yè)務(wù)分析人員和數(shù)據(jù)分析人員緊密合作，從業(yè)務(wù)目標(biāo)和解決實(shí)際問題出發(fā)，明確機(jī)器學(xué)習(xí)的分析目標(biāo)和可行性，本文介紹了一種制造企業(yè)可行的應(yīng)用架構(gòu)，希望拋磚引玉，為智能制造領(lǐng)域的從業(yè)人員提供思路，形成合適企業(yè)的最佳解決方案。
