近日，工业互联网产业联盟联合多家企业共同编写和发布了《工业智能白皮书》（2019讨论稿），通过深入解读了工业智能的背景内涵，分析了工业智能主要类型，并从应用、技术和产业等方面研究和分析工业智能的发展脉络和最新状况，并在一定程度上对未来发展变革方向有所预见。希望能与业内同仁等共享成果，共谋工业智能新发展。
工业智能发展背景
制造业是现代工业的基石，随着信息技术、新能源、新材料等重要领域和前沿方向的革命性突破和交叉融合，正在引发新一轮产业变革。随着新一轮科技革命和产业变革蓬勃兴起，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。
中国作为世界工厂，在中国制造2025及工业4.0信息物理融合系统CPS的支持下，制造业需要实现生产设备网络化、生产数据可视化、生产文档无纸化、生产过程透明化、生产现场无人化等先进技术应用，做到纵向、横向和端到端的集成，以实现优质、高效、低耗、清洁、灵活的生产，从而建立基于工业大数据和“互联网”的智能工厂。工业智能化发展是世界工业发展大方向，制造企业对工业智能从概念、类型到应用场景、技术特点及产业发展等的全面了解，是非常有必要的。
工业智能的定义
工业智能（或工业人工智能）是工业领域中由计算机实现的智能，具有自感知、自学习、自执行、自决策、自适应等特征。可以认为，工业智能的本质是承载于实体与系统，即计算机上的人工智能技术在工业领域中的应用，能不断丰富和迭代自己的分析与决策能力，以适应变幻不定的工业环境，并完成多样化的工业任务，
最终达到提升企业洞察力，提高生产效率或设备产品性能的目的。将工业智能定义为由计算机实现的智能，具体是指在现代计算机的计算能力基础上，在时间和成本可接受的范围内，通过计算机解决的问题。目前来看，在可预见的相当长的时间内，计算机将成为研究工业智能的主要物质手段和实现工业智能技术的唯一实体。
工业智能的应用领域和场景
工业智能在工业系统各层级各环节具有广泛应用，其细分应用场景达到数十种，如不规则物体分拣、复杂质量检测、供应链风险管理、融资风险管控、设备运行优化、复杂质量检测等。按照制造系统自下而上、产品、商业的维度，工业智能的应用领域可以总结为五大类，即生产现场优化、生产管理优化、经营管理优化、产品全生命周期和供应链优化，五类问题具有不同复杂度和影响因素。
工业智能主要通过三种方式解决上述问题：一是通过知识图谱和专家系统解决多因素低复杂度问题，在影响因素快速提升的场景，比如供应链风险管理、融资风险管控等，知识图谱的作用会更加明显。二是通过机器学习与深度学习解决少因素高复杂度问题，一些传统方法无法有效解决的场景如及微小故障的检测、不规则物体的分拣等，是深度学习发挥重要作用的领域，而随着场景机理的计算复杂度提升，深度学习则发挥更大作用。三是通过问题拆解解决多因素高复杂度问题，如产品研发等。而在例如安全风险分析、生产排程等因素和复杂度都较低的场景，可以依靠人工经验或成熟的解析法解决，并不需工业智能方法。
工业智能的关键技术
工业智能依靠通用技术与专用技术协同实现智能化应用。一方面，通用技术以工业互联网和工业大数据为核心，整体上遵循人工智能的数据、算力和算法三要素的逻辑，包含智能算力、工业数据、智能算法和智能应用四大模块，以工业大数据系统的工业数据为基础，依托硬件基础能力和训练、推理运行框架，完成工业数据建模和分析。其本质是实现工业技术、经验、知识的模型化，为两大核心技术赋能，从而实现各类创新的工业智能应用。此外，工业智能的部署方式一般有公有云、私有云、边缘和设备四种，其整体系统管理和安全防护一般托管给其嵌入的边缘或设备系统，或者是其作为组成部分的工业互联网平台。另一方面，通用技术往往无法满足工业场景与问题的复杂性与特殊性要求，现阶段依然存在大量特性问题需要解决，符合工业领域需求的技术定制化是工业智能两大关键技术未来的发展趋势。
工业智能的产业发展情况
当前工业智能尚未形成明确并具规模性的商业化应用，基于工业智能两大关键技术架构梳理形成现阶段工业智能产业结构。每类技术的产业结构包含上下两层：底层是基础技术研究的相关主体，上层是将技术与主要工业场景问题结合形成工业智能应用的集成主体。
閱讀更多 龍智造工業互聯網 的文章
