2024年9月8日,由国际智能制造联盟(ICIM)主办的“全球视野下的智能制造:合作与共赢” 系列线上公益讲座圆满完成。该系列讲座共有十期,吸引了全球范围内上万名专业人士的热情参与,共同探索智能制造的热点技术与未来趋势,绘制行业发展的宏伟蓝图
2024年9月8日,由国际智能制造联盟(ICIM)主办的“全球视野下的智能制造:合作与共赢” 系列线上公益讲座圆满完成。该系列讲座共有十期,吸引了全球范围内上万名专业人士的热情参与,共同探索智能制造的热点技术与未来趋势,绘制行业发展的宏伟蓝图。
图1 “全球视野下的智能制造:合作与共赢”系列专题讲座
• 启迪智慧,国际大咖共话智造未来
本次系列讲座汇聚了智能制造领域的众多国际专家与企业标杆,围绕智能制造的最新进展、技术创新及未来蓝图展开了深入探讨。讲座内容覆盖了人工智能、增材制造、数字主线、智能体、PHM、MOM等热门技术,工业4.0与智能制造的领先实践,以及智能制造行业趋势。每一期都充满了前沿的见解和深刻的洞察。
国际智能制造联盟主席、中国工程院杨华勇院士在“人工智能赋能机械装备企业数字化转型的一些探索”专题讲座中强调,当前AI(人工智能)正加速高端装备行业的数字化转型。AI赋能的“机理+数据”联合驱动模式具备巨大潜力,可应对高端装备行业面临的数据割裂、知识挖掘慢、模型融合复杂等挑战。他指出,结合海量数据,通过AI技术解析复杂工业过程,可以实现更高效、更精准的决策与优化,推动产业升级。以工业大模型作为新引擎,通过融合大模型技术、行业知识和企业特定数据,构建一体化数字底座,能够显著提升设计、制造、运维等全链条的智能化水平。
图2 国际智能制造联盟主席、中国工程院院士杨华勇
图3 人工智能大模型正在催生新一轮技术创新与产业变革
美国爱荷华大学Andrew Kusiak教授在专题讲座中展望了未来智能制造的十个场景,概述了数字化制造新进展。他指出制造业正经历转型,跨企业数据共享将促进更大连接与互操作性,资源共享成常态,故障诊断预测日常化,自主修复是趋势,但安全挑战犹存。另外,制造业趋向集成与开放:集成制造模式由创新的材料、工艺和产品而驱动,注重创新与封闭性;开放制造则通过全球生产实现多对多灵活生产,通过云制造模型增强其可重构性。Kusiak教授还表示,AI已在制造各环节广泛应用,涵盖从产品设计到制造的多个环节,可提升状态监控、故障预测、工艺控制等能力。但AI建模仍面临复杂度、解释性与重用性等挑战。
图4 美国爱荷华大学教授Andrew Kusiak
德国国家工程院院士Peter Sachsenmeier教授以“工业4.0和智能制造的成功实践”为主题进行演讲。他解析了德国工业4.0的内涵,强调工业4.0作为企业转型路径的价值,并指出创新不仅限于技术,更在于产品和商业模式的革新;同时,他通过案例展示了AI在提升生产效率、质量检测及市场预测方面的典型应用。针对市场变化和供需波动等外部环境变化引发的供应链挑战,Peter教授提出八个洞察:建立弹性增值网络、构建本地供应链网络、发展数字商业模式、保持终身学习、参与生物技术革命、融合人工智能机器学习和机器人技术、注重气候变化与减碳、加强跨学科跨组织协作。
图5 德国国家工程院院士皮特•萨赫逊(Peter Sachsenmeier)
图6 Peter教授提出洞察
加拿大西安大略大学夏敏教授深入探讨了AI应用于智能制造所面临的机遇与挑战,并结合具体案例,介绍了AI在增材制造、流程监控、极端环境作业等方面的应用。他表示,AI在提升生产效率、优化工艺、降低成本等方面潜力巨大。如,利用生成式AI进行机械日志分析,凭借生成式AI建立数据模型、生成技术手册等。与此同时,生成式AI的应用也面临数据安全、算法透明度、劳动力干扰等挑战。夏教授呼吁加深全球合作,以推动技术创新,应对挑战,并表示未来AI在制造业的应用将往人机智能融合、增强全价值链数字化、实体AI等方向发展。
图7 加拿大西安大略大学副教授夏敏
图8 AI在智能制造的应用趋势(机遇与挑战)
英国阿斯顿大学徐玉春教授分享了通过全生命周期工程与优化应对可持续制造挑战的方法。徐教授指出,可持续制造不仅关注产品制造环节,还涉及产品全生命周期的管理,包括监测、维护、优化与回收,并将供应链和用户端纳入其中,需从多维度、多环节、多单位综合考虑,以实现资源高效利用和减少浪费。他强调,可持续制造的本质在于以最少投入满足产品需求,需在结构设计、生产工艺、能源消耗等方面不断优化。同时,产品全生命周期管理需平衡时间、质量与成本,追求在保证品质与服务的前提下,最小化生命周期成本,深度融合数字化技术以促进可持续制造。
图9 英国阿斯顿大学教授徐玉春
美国佐治亚理工学院荣誉教授David W. Rosen在讲座中介绍了机器学习在制造业的应用,包括通过三维CNN(卷积神经网络)实现精准分类并优选制造工艺;cGAN(条件生成对抗网络)与拓扑优化结合,实现生成式设计,使得设计既符合功能需求又高效优化;以及结合CNN与cGAN实现DFM(可制造性设计)。David教授表示,将生成式设计应用到DFM中,通过cGAN的反复迭代优化,可将DFF(面向功能的设计)与DFM结合起来,实现既满足客户需求,又具有经济性和可持续性的制造。
图10 美国佐治亚理工学院荣誉教授David W. Rosen
加拿大工程院院士、国际智能制造联盟学术委员会副主任、华中科技大学沈卫明教授全面介绍了智能体技术,对智能体与多智能体系统进行了区分讲解,并详细说明了智能体的特性及其在机器、工厂、企业、供应链和售后服务五个不同层级的应用。他指出,智能体分为物理性与功能性两种,分别用于管理物理制造资源,以及故障排查与生产调度。智能体具有自治性、主动性、协同性及容错自愈性等核心特点,其基础结构包括学习控制层与感知、传输、执行层,且随技术发展不断融入新元素。多智能体系统则是由多个智能体组成的松散耦合的问题解决者网络,这些智能体通过交互协作来共同完成任务或达成目标。沈教授强调,智能体与工业互联网、物联网、大数据等技术的结合将极大提升系统效能,工业大模型与智能体的集成已成未来趋势。
图11 加拿大工程院院士、华中科技大学教授沈卫明
图12 智能体基本结构
加拿大工程院院士、广州大学人工智能学院/研究院院长杨春生教授基于其在AI与预测性健康管理(PHM)领域的深厚研究,分析了预测性维护技术与AI的最新进展与应用。他指出,面对复杂系统的不确定性,数据驱动方法是更有前景的选择,AI技术则能够从海量数据中提取有用信息,助力数据驱动,建立预测模型,实现故障预测。然而,预测性运维的全面落地仍面临技术、商业模式及模型精度与误报率平衡等挑战,实施过程中需深入了解用户需求,以提供定制化解决方案。
图13 加拿大工程院院士、广州大学人工智能学院/研究院院长杨春生
• 智领未来,行业专家分享智造方案
罗克韦尔自动化(中国)有限公司智能制造创新研究院院长李栋带来了以“AI+绿色数智化全球产业链”为主题的分享。他表示,中国制造业正在迈向全球化发展的新阶段,全球产业链也在不断重塑升级,企业可持续发展的重要性日益凸显。在此过程中,企业必须依托技术创新,特别是利用人工智能技术、绿色化技术和数字化技术等先进技术,搭建一个可持续的低碳发展平台。他强调,以AI赋能制造业,将打通从科创到技术落地的断点,实现制造业的高质量发展。
图14 罗克韦尔自动化(中国)有限公司智能制造创新研究院院长李栋
图15 全球产业链分析
西门子(中国)有限公司工业边缘与人工智能解决方案团队主管罗子涵介绍了西门子工业边缘架构与AI解决方案,她表示,工业AI可结合数据驱动,对变量非线性等传统方法难以解决的复杂问题作出更好响应。同时,她结合 “ADT视觉解决方案集成工具猪肉分解应用”和“干燥工艺优化控制系统应用”等具体案例,展示了AI在生产制造过程中的应用。她指出,应用高级IT(信息技术)技术,搭建开放式平台,将IT与OT(运营技术)深度融合,可以为OT侧提供更易于拓展、更具备灵活性的软件和数据服务,最终实现核心工艺与核心产品质量的提升。
图16 西门子(中国)有限公司工业边缘与人工智能解决方案团队主管罗子涵
海克斯康智能制造研究院方案开发运营总监李建磊,就新质生产力视角下的制造业未来发表见解,强调从数据驱动向智能制造转型的重要性。他表示,构建贯穿设计至运维的全数据链智能闭环系统,实现各环节数据互联是制造业未来发展关键,这一转型需深度融合AI、5G、大数据等新兴技术,增强人、机、料、法、环的协同,提升供应链自动化与信息化水平。他指出,数字化转型的核心,是将质量管理全面融入企业流程,利用数字主线和专业技术,打造以品质为驱动的智能制造体系,其关键在于数据的收集与互联互通。
图17 海克斯康智能制造研究院方案开发运营总监李建磊
图18 构建数据驱动的智能闭环信息系统
北京发那科离散制造专家孙文超对智能制造建设中的MOM(制造运营管理)系统进行了讲解。他指出MOM系统的建设是一个渐进式过程,从基础自动化数据采集开始,逐步迈向高级智能化管理,该过程涵盖高效调度、资源优化及全程追溯等。企业需结合自身战略,规划个性化实施蓝图,并预估投资效益,确保MOM建设既顺应行业趋势又贴合企业实际。孙老师还指出, MOM与精益的融合应用,是推动制造升级的关键。
图19 北京发那科机电有限公司离散制造MOM专家孙文超
• 思维碰撞,揭示智能制造未来趋势
本系列讲座深度探讨了智能制造领域的最前沿技术、创新理念及丰富实践案例,不仅为制造企业的数字化转型与智能化升级铺设了坚实的基石,还深刻揭示了智能制造未来发展的特点与趋势:
1.AI与制造技术的融合不断加速
当前,人工智能正加速与制造技术融合。人工智能以其强大的数据处理能力、自我学习与优化能力,为制造技术注入了新的活力与可能性。如将三维卷积神经网络应用于增材制造中,可实现精准分类和优化制造工艺;条件生成对抗网络与拓扑优化的结合,可实现生成式设计,并确保设计的功能性和高效性;基于AI的预测性维护,可实现工业设备的智能运维等。
2.推动智能制造发展须重生态建设
推动智能制造发展需全方位重视生态建设,包括通过产业链各环节的协同合作,促进上下游企业的紧密合作,形成高效协同的产业生态;加强国际合作与交流,借鉴国际先进经验和技术,以推动产业发展;通过高校、科研机构与企业合作,培养具备智能制造技能和创新能力的高素质人才。并结合相关政策支持,共同构建有利于智能制造持续健康发展的良好环境和生态体系。在这个生态体系中,企业、供应商、客户、科研机构等各方将紧密合作,以形成协同创新、互利共赢的良好局面。
3. 数字化转型赋能绿色制造
随着全球对环境保护和可持续发展的重视,制造企业将更加注重加强技术创新和管理创新,利用数字化技术推动绿色转型的发展。例如,通过拓扑优化等技术在制造过程中的应用,减少材料的使用量、降低能耗和排放;将生成式设计融入DFM,利用cGAN循环优化,无缝融合DFF(功能导向设计)与DFM,确保产品既符合客户需求,又兼顾经济高效与环保可持续;通过采用清洁能源、优化生产流程、提高资源利用效率等措施,实现制造业实现低碳、环保、可持续的发展目标。
4. 预测性维护是未来工业维护的主流趋势
预测性维护作为一种前瞻性的维护策略,通过收集设备运行数据,分析预测潜在故障,提前进行维护,减少生产中断和事故,以避免设备故障导致的生产中断或安全事故,可最大限度地减少意外停机时间,延长设备寿命,并降低维护成本。未来制造业中,故障诊断预测将步入常态化的新阶段,与AI、大数据等尖端技术融合,推动制造业高效发展,如通过高效利用大数据资源,构建基于机器学习的预测模型,企业能够以前所未有的精度洞察复杂制造系统的运行状况,实现从被动应对故障到主动预防故障的跨越。
5. 数字主线是构建数据驱动的智能闭环系统的关键
数字主线是连接数据流的信息框架,基于该框架可将产品全生命周期,包括研发、供应链、生产、检测、运维等各环节的数据进行高效整合,构建面向产品全生命周期的数字化网络。依托数字主线和专业技术,实现数据收集与互联互通,构建从设计到运维的全数据链智能闭环系统,可以打破传统制造过程中的信息孤岛,为企业中不同的角色或系统提供产品相关的完整、一致、准确的信息,助力构建智能工厂解决方案,以品质驱动生产力。
• 深入交流,共创智能制造美好未来
ICIM系列公益讲座为智能制造领域的专家学者、企业代表和关注者提供了一个交流思想、分享经验、探讨未来的重要平台,每期讲座不仅深度剖析智能制造的前沿趋势与关键技术,更精心设置了交流探讨环节,供各位演讲嘉宾与观众进行互动讨论,并特邀华中科技大学机械学院硕士生导师彭义兵教授、马来西亚的陈志辉教授、加拿大工程院顾佩华院士、南加州大学的陈勇教授等权威专家参与讨论,围绕企业数字化转型的基础构建、开放制造的未来发展潜力、AI开源平台的有效利用、可持续制造的实施策略,及CNN在解决复杂工程问题中的应用等问题,展开深入交流与探讨,为观众提供了宝贵的见解与解答。
在探讨智能制造未来发展的同时,多位专家也强调了国际合作与交流的重要性。他们不约而同地指出,智能制造是全球制造业的共同发展方向,加强国际合作与交流,共享经验、共同应对挑战和机遇,方能推动智能制造技术的加速的发展,为全球制造业的繁荣发展贡献智慧和力量。
• 总结
十期系列讲座的完结,标志着一次深度探索智能制造前沿、激发创新思维与跨界融合的盛会完美收官。本系列讲座汇聚行业精英与学者专家,通过一场场精彩纷呈的分享与交流,不仅为听众揭示了智能制造的最新趋势与技术革新,激发了社会各界对于推动制造业转型升级、构建智慧未来的无限憧憬与行动力量,更预示着智能制造领域已扬帆远航,迈向一个充满无限创新可能与发展潜力的新纪元。