本文來(lái)自中國(guó)電子報(bào)。
4月26日,在2024中關(guān)村論壇期間召開的“智能制造創(chuàng)新發(fā)展論壇”上,中國(guó)工程院院士李培根表示,智能工廠建設(shè)是AI賦能新型工業(yè)化的重要抓手,其核心在于智能機(jī)器人、數(shù)字孿生、大模型等關(guān)鍵技術(shù)在工業(yè)場(chǎng)景中的深層次滲透與應(yīng)用。
第一個(gè)核心:智能機(jī)器人
發(fā)展至今日,智能工廠建設(shè)已經(jīng)離不開機(jī)器人。李培根指出,現(xiàn)在企業(yè)里裝配線上大量的機(jī)器人都是在封閉環(huán)境下工作,實(shí)際上并不是真正的智能機(jī)器人。未來(lái)制造業(yè)里的機(jī)器人可以走出倉(cāng)儲(chǔ)和制造環(huán)節(jié),進(jìn)入到開放環(huán)境,這是今后一個(gè)重要方向,該場(chǎng)景的實(shí)現(xiàn)主要依靠自主移動(dòng)技術(shù)(AMR)。
目前,車間里的自主導(dǎo)引小車大多是按照固定路徑移動(dòng)的,實(shí)際上真正的自主移動(dòng)技術(shù)沒(méi)有這些限制,它基于地圖定位技術(shù),通過(guò)掃描作業(yè)環(huán)境并自主更新地圖,無(wú)需輔助固定信標(biāo),對(duì)工作場(chǎng)地幾乎沒(méi)有改造需求,非常適合部署在復(fù)雜、動(dòng)態(tài)的生產(chǎn)場(chǎng)景中。日本牧野Makino的車間中,采用了運(yùn)用AMR技術(shù)的機(jī)器人,可以同時(shí)照看多臺(tái)機(jī)床,上料、下料、裝刀具、卸道具等操作都不在話下。
機(jī)器人的應(yīng)用范圍不應(yīng)局限于企業(yè)內(nèi)部,而是應(yīng)該能夠應(yīng)對(duì)各種操作條件、人口稠密的空間甚至其他自動(dòng)化設(shè)備。“走出以往的受控倉(cāng)儲(chǔ)和制造環(huán)節(jié),機(jī)器人將為各行各業(yè)帶來(lái)發(fā)展機(jī)遇。”李培根說(shuō)道。
比如,人形機(jī)器人具備高度自動(dòng)化,且適用于各種復(fù)雜環(huán)境,是智能工廠建設(shè)的一個(gè)重要探索方向。特斯拉計(jì)劃率先在汽車裝配過(guò)程中引入人形機(jī)器人。奔馳正在和機(jī)器人開發(fā)商Apptranik合作,希望把人形機(jī)器人用到工廠,用于裝配零件。
“通過(guò)以類似人類的能力不需要改造環(huán)境就能應(yīng)對(duì)復(fù)雜的人類環(huán)境,使用場(chǎng)景更廣,能作為簡(jiǎn)單、重復(fù)、危險(xiǎn)的勞動(dòng)力替代,也能在適應(yīng)非標(biāo)服務(wù)場(chǎng)景的同時(shí)滿足情感需求和交互。”李培根表示。此外,機(jī)器人還具備學(xué)習(xí)功能,越用越聰明,工廠還可以通過(guò)機(jī)器人實(shí)現(xiàn)新老員工的技能傳承。
第二個(gè)核心:數(shù)字孿生
李培根強(qiáng)調(diào),智能工廠應(yīng)該是充分應(yīng)用數(shù)字孿生技術(shù)的工廠。數(shù)字孿生不僅僅是產(chǎn)品、設(shè)備的數(shù)字孿生,還包括車間、工廠,以及供應(yīng)鏈的數(shù)字孿生。
舉個(gè)例子,華中數(shù)控把數(shù)字孿生技術(shù)用在數(shù)控機(jī)床上,實(shí)時(shí)控制機(jī)器裝備。通過(guò)對(duì)從機(jī)床上采集的孿生數(shù)據(jù)進(jìn)行分析仿真,可以讓使用者更清楚的認(rèn)識(shí)機(jī)床的行為,從而進(jìn)行更精準(zhǔn)的控制與操作。
“數(shù)字孿生工廠不應(yīng)該僅僅是對(duì)物理工廠一些簡(jiǎn)單的數(shù)字記錄、數(shù)字呈現(xiàn),而是要能通過(guò)數(shù)字孿生系統(tǒng)采集的實(shí)時(shí)數(shù)據(jù),反過(guò)來(lái)指導(dǎo)車間或者工廠的運(yùn)行,乃至供應(yīng)鏈競(jìng)爭(zhēng),使工廠運(yùn)行在最佳狀態(tài)。”李培根說(shuō)道。
實(shí)際上,車間、工廠需要的是一個(gè)數(shù)字孿生的工廠平臺(tái)。數(shù)字系統(tǒng)實(shí)時(shí)記錄真實(shí)系統(tǒng)的運(yùn)行情況,分析哪些參數(shù)需要調(diào)整,并且實(shí)時(shí)調(diào)整來(lái)保證質(zhì)量,保證效果。而供應(yīng)鏈數(shù)字孿生體現(xiàn)在企業(yè)中,企業(yè)不僅要有好的供應(yīng)鏈系統(tǒng),還要有數(shù)字化供應(yīng)鏈。而且不同于早就應(yīng)用于供應(yīng)鏈的傳統(tǒng)的、離線獨(dú)立的仿真,基于數(shù)字孿生的仿真是實(shí)時(shí)的、動(dòng)態(tài)的,能夠與物理系統(tǒng)交互連接。
第三個(gè)核心:AI大模型
李培根認(rèn)為,未來(lái)智能工廠需要洞察一些復(fù)雜和高階的關(guān)聯(lián)。AI大模型對(duì)世界高階相關(guān)性的認(rèn)識(shí)已經(jīng)遠(yuǎn)遠(yuǎn)超越人類,要重視其在智能工廠建設(shè)過(guò)程中的應(yīng)用。
大模型是指具有大量參數(shù)和復(fù)雜結(jié)構(gòu)的機(jī)器學(xué)習(xí)模型。其Transformer架構(gòu)有兩個(gè)重要功能,一個(gè)是單詞的向量化,像ChatGPT一次可以提取300至500種屬性來(lái)描述“蘋果”這一個(gè)單詞,不同類型、不同地區(qū)的蘋果它都很清楚,這是人類難以做到的;另一個(gè)是自注意力,強(qiáng)調(diào)關(guān)系的尋找,ChatGPT5讀一本將近2000頁(yè)的書,讀完之后便可以把握其中從頭到尾所有詞與詞之間的關(guān)系,而人類的認(rèn)知難以與之齊肩。
回到工業(yè)制造場(chǎng)景,數(shù)控系統(tǒng)內(nèi)部電控大數(shù)據(jù)是主要數(shù)據(jù)來(lái)源。數(shù)控系統(tǒng)內(nèi)部的大數(shù)據(jù)包括運(yùn)動(dòng)軸狀態(tài)、主軸狀態(tài)、機(jī)床運(yùn)行狀態(tài)、機(jī)場(chǎng)操作狀態(tài)、程序狀態(tài)等等,如果把這些數(shù)據(jù)收集起來(lái)進(jìn)行分析就會(huì)發(fā)現(xiàn)它與零件加工質(zhì)量、精度和加工效率之間存在復(fù)雜的關(guān)聯(lián)關(guān)系,采取相應(yīng)措施可以顯著提高生產(chǎn)質(zhì)量。
“如果對(duì)機(jī)床精度、裝配誤差問(wèn)題、熱和動(dòng)力學(xué)誤差、機(jī)床全生命周期誤差控制等問(wèn)題追根溯源,里面可能會(huì)有無(wú)數(shù)需要我們考慮的復(fù)雜的關(guān)系,比如機(jī)床部件、零件、精度、運(yùn)動(dòng)參數(shù)、轉(zhuǎn)速等,這些關(guān)系在制造過(guò)程中很難考慮周全。”李培根坦言。不過(guò),大模型的出現(xiàn)或許可以幫助智能工廠洞察更為復(fù)雜的高階關(guān)聯(lián)。