• 周日. 6 月 16th, 2024

工业智能白皮书正式发布附完整报告下载方法

admin

11 月 8, 2023 #报告, #智能化报告

4月23日,由工业互联网产业联盟(简称AII)与中国信息通信研究院(简称中国信息通信研究院)联合主办、在InfoQ提供案例支持下,北京极客邦科技有限公司正式发布。

本白皮书深入解读工业智能的背景和内涵,剖析工业智能的主要类型,从应用、技术、产业等方面研究分析工业智能的发展脉络和最新现状,为工业智能的发展提供参考。在一定程度上为未来的发展和变革方向提供了指导。 预见到的。 我们希望与业界同仁分享成果,共谋工业智能化新发展。 人工智能自诞生以来,经历了多波技术变革​​和大规模应用,从早期的专家系统、机器学习到目前持续流行的深度学习。 随着硬件计算能力、软件算法、解决方案的快速进步和成熟,工业生产逐渐成为人工智能的重点探索方向,工业智能化应运而生。

智能报告生成_智能化报告_智能报告厅/

当前,新一轮科技革命和产业变革方兴未艾,工业经济数字化、网络化、智能化发展成为第四次工业革命的核心内容。 作为助力本轮科技革命和产业变革的战略技术,以深度学习、知识图谱等为代表的新一轮人工智能技术正呈现爆发之势,工业智能化迎来新的发展阶段。 工业智能通过对海量数据的全面实时感知、端到端深度集成和智能建模分析,将企业分析决策水平提升到了新的水平。 但工业智能仍处于发展探索期,各方对工业智能的概念、类型、应用场景、技术特点和产业发展尚未达成共识。

在此形势下,工业互联网产业联盟(简称AII)与中国信息通信研究院(简称CAICT)联合举办“工业互联网成果网上大会”,会上近期重大科研成果之一工业互联网领域成果发布。 1:《工业智能白皮书》。 (文末附有下载方法)

注:本文已获得授权。 如需转载,请查阅并遵守工业互联网产业联盟相关声明。

工业智能化是释放工业互联网使能价值的关键要素

工业互联网的核心是数据驱动的智能分析和决策优化。 从工业互联网发展之初,数据就被视为核心要素,数据驱动优化闭环被视为实现工业互联网赋能价值的关键。 在工业互联网系统架构1.0中,明确提出工业互联网的核心是基于全面互联形成数据驱动的智能,即通过数据采集与交换、集成处理、建模分析、优化决策实现反馈控制、机器设备和运行管理。 业务活动的智能化和优化。 工业互联网架构2.0进一步强调数据闭环的作用,明确工业互联网基于感知控制、数字模型、决策优化三个基本层面,以及自下而上的信息流和顶层构成的产业结构。 – 降低决策流程。 数字应用优化核心功能的闭环实现。

工业智能是实现工业互联网数据优化闭环的关键。 工业智能以全面感知、泛在连接、深度集成、高效处理为基础,以计算和算法为基础,将以人为中心的决策和反馈转变为基于机器或人的自主建模、决策和反馈的模型。系统,为工业互联网的精准决策和动态优化提供了更大的可能性。 工业智能实现从数据到信息、知识和决策的转变,挖掘数据隐藏的意义,摆脱传统认知和知识边界的限制,为决策支持和协同优化提供可量化的依据,最大限度地发挥数据的价值。利用工业数据的隐藏意义。 价值成为工业互联网发挥赋能作用的重要支撑。

工业智能化创新突破不断拓展工业互联网赋能价值。 工业智能技术正在多方面迎来创新和突破,为支撑工业互联网的数据优化闭环、进一步拓展和丰富工业互联网的能力和功能发挥着关键作用。 首先,以深度学习、知识图谱为代表的工业智能技术及相应的新理论、新方法蓬勃发展、相互融合,从根本上提高了系统建模和处理复杂性、不确定性、常识性等问题的能力。 二是自动化机器学习,专注特定功能、采用特殊架构的芯片等工程技术不断突破。 三是工业智能技术与领域知识融合不断深化,更加贴近行业实际需求。 工业智能通过技术的不断创新和动态迭代,使工业互联网具备复杂的计算和推理能力,降低工业互联网应用的开发门槛和成本,提升行业应用赋能的价值和潜力,成为工业互联网应用赋能的重要工具。释放并拓宽工业互联网。 赋能价值的关键。

智能报告生成_智能化报告_智能报告厅/

工业智能化的内涵(一)工业智能化的发展背景

1、提高工业智能化水平已成为全球共识和趋势

当前,以智能化为核心的新一轮科技产业变革正在兴起。 人工智能技术与社会各领域不断融合已成为大势所趋。 它正在逐步改变现有的产业形态、商业模式和生活方式,成为产业智能化的驱动力。 转型升级的关键动力。 据Markets报告显示,2025年人工智能制造市场规模将达到172亿美元,预测期内(2018-2025年)复合年增长率为49.5%。 自动化技术预测,到2035年,人工智能将占制造业增加值的2.2%,在社会16大产业中排名第一。 麦肯锡报告显示,人工智能每年可使德国工业部门的生产率提高0.8%至1.4%。 埃森哲比较了人工智能对我国各工业部门增加值增速的影响。 预计到2035年,制造业增加值增速将因人工智能的应用而提高2.0%左右,是所有工业部门中增幅最大的。 。

世界主要发达国家政府和组织高度重视,积极出台相关战略政策。 提高工业智能化水平已成为全球共识和趋势。 据统计,截至2019年底,全球20多个经济体近三年发布的100份人工智能战略规划或政策文件中,一半以上涉及与产业融合。 美国、日本、德国、欧盟分别发布了国家人工智能研究发展战略规划、新型机器人战略、国家产业战略2030、欧盟人工智能等一系列政策战略,专注于产品生命周期优化,先进机器人、自动驾驶、大数据挖掘等应用于工业领域。

工业是我国国民经济的主导力量。 我国正在积极抓住人工智能驱动的新一轮科技产业变革机遇。 工业智能化已成为国家和行业高度重视的领域。 中国政府为推动人工智能与制造业融合发展做出了双边努力。 一方面,人工智能技术被视为制造业创新发展的重要驱动力。 制造业相关政策文件中提及人工智能技术应用的文章有20多篇。 另一方面,工业制造领域被视为人工智能应用的重点行业。 在《互联网+人工智能三年行动实施方案》《新一代人工智能发展规划》《促进新一代人工智能产业发展三年行动方案》等10余份文件中提出制造业作为开展人工智能应用试点示范的重要领域之一。 与此同时,各省市、地区积极响应,形成了“国家-省-市-区”多层次协同的政策体系。 各地关于工业智能化发展的政策文件有30余个。 上海、四川、青岛、中关村等多个省市和地区已经出台或正在制定人工智能与产业融合创新政策规划,为产业发展奠定了良好有力的基础。智力。 政策保障。

2、加快人工智能技术渗透,构筑制造业智能化基础

制造业智能化升级的需求是工业智能化发展的根本动力。 制造业升级的最终目标是从数字化、网络化转向最终实现智能化。 当前制造业正处于从数字化、网络化到智能化的重要发展阶段。 核心是基于海量工业数据实现全面感知,通过端到端的深度数据集成和建模分析,实现智能决策和控制指令。 工业智能1.固化技术工人和专家的经验,模拟判断和决策过程,解决过去工业领域需要人工处理的点状问题; 2、实现基于知识聚合的大规模推理,实现更广泛的流程和更可靠的管理决策; 3、通过构建算法模型,加强制造企业的数据洞察能力,解决行业中机制或经验复杂、不明确的问题。 已成为企业转型升级的有效手段,也是打通智能制造最后一公里的关键环节。

人工智能技术体系逐步完善,推动工业智能化快速发展。 一方面,技术纵向升级,为工业智能化的实际应用奠定基础。 算法、算力和数据的爆发,推动了人工智能技术的不断深入,使得利用多种路径解决复杂的工业问题成为可能。 传感技术的发展、传感器产品的大规模应用以及采集过程自动化水平的不断提高,促进了海量工业数据的快速积累。 工业网络技术的发展保证了数据传输的高效、实时和高可靠性。 云服务提供了一种外包数据管理和计算能力的方式。 另一方面,技术实现横向整合。 人工智能溢出效应显着,无处不在的人工智能产业体系正在迅速形成,工业是其重点领域之一。

(二)工业智能化的发展历史

总体而言,工业智能化的发展与人工智能技术的演进密切相关。 从人工智能概念诞生到现在,工业智能经历了三个发展阶段。

1. 萌芽期:基于规则的专家系统时代

20世纪80年代以来,基于规则的专家系统逐渐成熟,通过总结现有知识形成规则来解决问题,并已成功应用于工业企业管理和控制系统,如美国的车间调度专家系统ISIS和日本新日铁的FAIN专家系统等,本质上是领域专家知识的固化和程序化执行。

2、渗透期:基于统计的传统机器学习时代

从20世纪90年代到21世纪初这段时间可以概括为基于统计的传统机器学习时代。 这一时期,统计学派、机器学习和神经网络(即“联结主义”)等概念盛行。 人工智能基于传统机器学习/模式识别系统等统计方法,可以解决机制相对模糊的问题,包括模糊控制、神经网络等。以控制、专家系统控制为代表的智能控制理论在工业领域的应用工业过程控制和机器人领域; 将图像处理方法应用于产品视觉质量检测,利用机器学习对工业数据进行建模和分析,形成工业数据模型并指导优化制造过程。 然而,大多数基于神经网络的机器学习方法都是黑盒方法,其可靠性和可解释性问题限制了此类实际应用的进一步推进。

3、发展时期:基于复杂计算的深度学习时代

本世纪初至今可以概括为基于复杂计算的深度学习时代。 深度学习、知识图谱等更加复杂多样的技术已经出现。 新算法显着提高了复杂问题的解决能力。 人工智能技术已经逐渐发展到可以解决实际问题并完全超越人类的程度。 这一时期的典型代表包括:数据驱动的优化决策、深度视觉质量检验; 用于解决全球和行业特定问题的行业知识图; 人机协作等智能工业机器人蓬勃发展并广泛应用。

(三)工业智能的定义和内涵 1.工业智能的定义

工业智能(又称工业人工智能)是人工智能技术与产业融合发展而形成的。 它贯穿于设计、生产、管理、服务等工业领域的各个环节,实现模仿或超越人类感知、分析、决策等能力的技术。 方法、产品和应用系统。 可以认为,工业智能的本质是通用人工智能技术与工业场景、机制、知识相结合,实现设计模式创新、智能生产决策、资源优化配置等创新应用。 需要具备自我感知、自我学习、自我执行、自我决策、自我适应的能力,适应不断变化的产业环境,完成多元化的产业任务,最终提升企业洞察力,生产效率,或设备产品性能。 目的。

2、工业智能化问题分类

智能报告厅_智能报告生成_智能化报告/

为了更好地分析工业智能的技术和应用体系,我们提出了工业智能的基本框架:构建一个四象限的水平和垂直坐标轴,其中水平轴是机制/经验不确定性,它与人们的对问题机理的理解或对自身经验的掌握程度有直接关系; 纵轴是计算复杂度,即计算机算法的时间复杂度,直接关系到工业机制的复杂程度和算法的执行效率。 据此,工业领域的问题可以分为四类:低不确定性和低计算复杂性问题、高不确定性和低计算复杂性问题、低不确定性和高计算复杂性问题以及高不确定性和高计算复杂性问题。 种类。

除了上面提到的工业智能化四大技术方向外,工业领域解决问题的方法还有很多:对于可以用清晰的数学模型描述的问题,通常采用优化方法来近似甚至精确求解。 对于过程或过程机制比较模糊、计算复杂度比较高的问题,通常采用数学逼近的方法来模拟真实的物理系统(几何和载荷条件),即有限元分析,本质上是将工业问题拆解为一些近似解。简单的问题。 对于极其复杂或者机理极其不清楚的问题,仍然主要通过实验方法来解决,比如原料的配比。 由于上述方法没有体现工业智能定义的自适应自学习等智能特征,因此不再过多讨论。

工业智能经历了基于规则、基于统计和基于复杂计算三个主要阶段。 一方面,三大阶段并不相互替代。 专家系统、传统机器学习、知识图谱、前沿机器学习四种技术同时并存,不断交织互补。 另一方面,技术演进日趋清晰,逐渐形成两大方向:以知识图谱为代表的知识工程和以深度学习为代表的数据科学。

获取完整报告请点击:《工业智能白皮书》