近年來，AI技術和應用正在飛速發(fā)展。AI的興起受到多種因素的推動，包括硬件和軟件前所未有的改進，以及生成數(shù)據(jù)量的激增。這些進步使得復雜的AI模型(如DL模型、DRL模型、大語言模型)得以開發(fā)，并能在現(xiàn)實環(huán)境中部署和執(zhí)行。這也是現(xiàn)代制造商在數(shù)字化轉(zhuǎn)型過程中對人工智能解決方案進行大量投資的原因。因此，通過切實提高工業(yè)組織的效率、質(zhì)量和生產(chǎn)力，AI技術正在迅速改變制造業(yè)。
如今，工業(yè)4.0生產(chǎn)線中部署了許多基于AI技術的使用案例，在預測性維護、質(zhì)量控制、供應鏈優(yōu)化、生產(chǎn)規(guī)劃、流程自動化和安全監(jiān)控等領域，都可以找到一些最突出的案例。例如，如今各種機器學習(ML)模型已用于質(zhì)量控制，實現(xiàn)產(chǎn)品質(zhì)量檢測的自動化，及時發(fā)現(xiàn)缺陷，并識別可能導致生產(chǎn)問題的生產(chǎn)配置。再比如，DL算法通常用于在機器故障發(fā)生前，根據(jù)對機器剩余使用壽命(RUL)的預測和準確估算，預測和預知機器故障。同樣，還有一些人工智能系統(tǒng)能夠及時發(fā)現(xiàn)產(chǎn)品和生產(chǎn)流程中的異常情況。
這些案例是工業(yè)4.0時代最具顛覆性的解決方案，工業(yè)4.0正在通過網(wǎng)絡物理生產(chǎn)系統(tǒng)(CPPS)改變制造企業(yè)。在這一方向上，工業(yè)4.0的大多數(shù)人工智能案例都強調(diào)準確有效的機器學習系統(tǒng)的培訓、開發(fā)和部署，并與工業(yè)物聯(lián)網(wǎng)(IIoT)系統(tǒng)集成在可擴展和安全的云/邊緣環(huán)境中。為此，工業(yè)解決方案集成商會利用基于標準的工業(yè)4.0系統(tǒng)參考架構中指定的結構原則和藍圖。然而，AI在制造業(yè)中的潛力很大程度上仍未得到充分利用。最先進的系統(tǒng)通常僅限于提取基于數(shù)據(jù)驅(qū)動的人工智能建議，以改進生產(chǎn)流程和相關決策。這些洞察力基于相當簡單的生產(chǎn)流程模型，很難結合多種AI系統(tǒng)和算法的能力。為了減小這些局限性，有一些研究計劃在生產(chǎn)流程范圍內(nèi)探索多個AI系統(tǒng)的集成與協(xié)作。在該方向上正在進行的研究包括：(1)基于不同自主人工智能代理間互動和協(xié)同發(fā)展，促進增強協(xié)作智能的多代理系統(tǒng)。
(2)跨系統(tǒng)的人工智能互操作性解決方案。這些解決方案利用先進的知識模型，如語義知識圖譜(SKG)和捕捉不同實體之間關系的嵌入，來開發(fā)復雜的AI系統(tǒng)，這些系統(tǒng)覆蓋了整個生產(chǎn)流程，超越了簡單的基于ML的狀態(tài)機。
在過去幾年中，工業(yè)4.0正在向人工智能服務于制造工人的方向發(fā)展，同時在各種人機協(xié)作場景中與制造行業(yè)的工人密切互動。與此同時，人工智能案例越來越多地以提高生產(chǎn)可持續(xù)性為目標，以確保制造業(yè)為歐盟(EU)的歐洲綠色交易(EGD)等戰(zhàn)略目標做出貢獻�？沙掷m(xù)性和以人為本的目標正在推動工業(yè)4.0數(shù)字制造系統(tǒng)向工業(yè)5.0時代過渡，因為工業(yè)5.0更強調(diào)以人為本和環(huán)保。
工業(yè)5.0系統(tǒng)的出現(xiàn)提高了制造業(yè)AI系統(tǒng)的功能復雜性和集成復雜性。這也要求AI技術在以人為本的維度上不斷發(fā)展，使AI系統(tǒng)以可信和可靠的方式運行。具體來說，AI系統(tǒng)向工業(yè)5.0時代的演進需要：
(1)工業(yè)5.0的新型人工智能架構：工業(yè)5.0系統(tǒng)由多個AI組件組成，如機器人、ML模型、自然語言處理(NLP),這些組件必須在工業(yè)環(huán)境中安全有效地與人類互動。此類系統(tǒng)的開發(fā)和部署需要超越大數(shù)據(jù)、AI和IIoT平臺等經(jīng)典架構的新型架構和結構原則。
(2)知識建模與表示：人機協(xié)作的案例通常部署在高度動態(tài)的環(huán)境中，涉及相互影響的人類、機器人和AI系統(tǒng)。在這樣的環(huán)境中實施先進的自動推理，需要采用新穎的方式來表示過程，從而捕捉到不同參與者之間復雜的相互關系。
(3)人機協(xié)作的模型和學習范式：工業(yè)5.0需要開發(fā)新的學習范式，以促進人類與AI參與者之間的互動。這些范例包括主動學習和智能多代理系統(tǒng)(MAS)等。它們能夠?qū)�AI系統(tǒng)的速度與人類判斷的可信度結合起來。同樣，數(shù)字孿生等工業(yè)4.0解決方案目前正在轉(zhuǎn)型，考慮到人類工人的背景，正在朝著以人為本的數(shù)字孿生方向發(fā)展。
(4)可解釋性、透明度和合規(guī)性：工業(yè)5.0系統(tǒng)有其獨特的透明度和安全性要求。它們涉及人類，而人類必須能夠理解AI系統(tǒng)的決策和操作。因此，人工智能案例不能基于黑盒AI模型來開發(fā)。相反，AI系統(tǒng)應該是透明的、可解釋的、可信賴的，并且是人類可以理解的。制造商還必須確保AI系統(tǒng)符合歐洲人工智能法案等新興人工智能法規(guī)的要求。
本書旨在闡明制造業(yè)人工智能現(xiàn)有解決方案的局限性，并介紹新穎的解決方案：
(1)在各種生產(chǎn)流程(如生產(chǎn)調(diào)度和質(zhì)量控制)中，提高用于制造業(yè)的最先進AI系統(tǒng)的功能和技術性能。
(2)根據(jù)工業(yè)5.0時代的要求和理念，提高AI系統(tǒng)的以人為本性能、可信度和整體社會性能。
全書共27章，介紹了創(chuàng)新的AI系統(tǒng)和解決方案，其中既有最先進的工業(yè)4.0案例，也有新興的、以人為本的工業(yè)5.0案例。這些章節(jié)由Y個歐盟資助項目撰寫，這些項目在歐洲制造業(yè)人工智能集群(AI4 Manufacturing Cluster)框架內(nèi)及歐洲未來工廠研究協(xié)會(EFFRA)的相關活動范圍內(nèi)密切合作完成。這些項目的重點是生產(chǎn)線AI系統(tǒng)的開發(fā)、部署和運行。每個項目都要解決工業(yè)4.0和(或)工業(yè)5.0使用案例中AI所面臨的一系列獨特挑戰(zhàn)，如開發(fā)和部署有效的MAS系統(tǒng)、開發(fā)可信和可解釋的AI系統(tǒng)、規(guī)范和實施工業(yè)5.0應用的知識模型和語義，以及開發(fā)新形式的數(shù)字孿生系統(tǒng)和應用(如以人為本的數(shù)字孿生)。
具體來說，本書分為以下三個部分：
第一部分：人工智能的架構和知識建模
本部分介紹基于AI技術的工業(yè)5.0系統(tǒng)和解決方案的架構，包括從高級參考架構模型到特定AI平臺和解決方案市場的架構。所介紹的架構說明了工業(yè)4.0和工業(yè)5.0案例的結構，重點是推動AI和ML模型與工業(yè)系統(tǒng)集成的結構原則。此外，本部分包括幾個章節(jié)，介紹制造業(yè)中人工智能應用的語義建模技術，包括基于語義知識圖譜和嵌入的技術。
第二部分：面向制造應用的多代理系統(tǒng)和基于人工智能的數(shù)字孿生
本部分介紹面向工業(yè)5.0的多代理系統(tǒng)和數(shù)字孿生解決方案。數(shù)字孿生解決方案可以識別用戶的上下文，從而對基于AI的流程進行建模和模擬，并將人類納入其中。在多代理系統(tǒng)方面，本部分介紹基于智能代理的人機交互方法，這些方法為制造業(yè)中的AI提供了分散式協(xié)作智能范例。
第三部分：可信、可解釋和以人為本的人工智能系統(tǒng)
本部分介紹在數(shù)字制造應用中實施以人為本、可信和可解釋的AI系統(tǒng)的新方法。所介紹的大多數(shù)解決方案都以人機交互等人在環(huán)境場景為目標，不僅強調(diào)AI系統(tǒng)的技術性能，還強調(diào)其社會性能。因此，它們適用于工業(yè)5.0時代的應用。
總之，本書全面概述了制造業(yè)中的AI技術和應用，涵蓋工業(yè)4.0和工業(yè)5.0環(huán)境。本書以開放獲取的形式出版，確保研究人員和從業(yè)人員可以不受限制地獲取。從本質(zhì)上講，本書是制造業(yè)AI項目集群和其他各種歐盟計劃對工業(yè)4.0和工業(yè)5.0領域的貢獻。我希望制造業(yè)工業(yè)自動化解決方案的研究人員、從業(yè)人員和供應商會對它感興趣。
約翰·索爾達托斯(John Soldatos)