随着智能制造的兴起，以机器学习（ML）为核心的工业人工智能（AI）再次成为制造业关注的焦点。智能制造就是“AI + 制造”吗？工业AI现在发展到什么样的水平了？工业企业如何用好AI呢？为此，我们采访了有多个工业AI项目实施经验的倍福中国数据工程师杨祥林，听听他对工业AI是如何理解的。

　　问题一：现在一提到人工智能，有的人认为人工智能已经“无所不能”，也有的人认为，人工智能应用多数还是“纯忽悠”。您一直从事着人工智能、机器学习在工业领域的应用工作，能介绍一下当前人工智能已经发展到什么样的一个“智能”水平？

　　杨祥林：人工智能自上个世纪五六十年代提出，经历了三次浪潮，现在正处在第三次浪潮中高速发展中，尤其是 2012 年之后基于卷积神经网络在视觉领域的应用。我们必须承认人工智能可以解决的问题是有边界的，要区分强人工智能和弱人工智能，强人工智能是能够模仿人智力的智能，弱人工智能通过训练数据来获取解决特定任务的数学模型。目前的算法基本上都是弱人工智能，包括机器学习、深度学习等。

　　问题二：那在您看来，在工业上应用人工智能，主要是解决什么样的问题？

　　杨祥林：人工智能在工业自动化的可应用场景非常的多，我们正在和客户共同去开拓更多的应用场景。目前，人工智能在工业自动化的应用还处于起步阶段，主要的场景是帮助解决诸如预测性维护、产品质量检测、工艺优化、工业机器人运动规划、AGV　车生产调度等。

　　问题三：现在人工智能的应用可谓是随处可见，人脸识别、人机对话、人机围棋大战都达到了很高的水平。那您认为，工业人工智能和这些常见的商业场景的人工智能应用，有什么区别？

　　杨祥林：算法本身没有什么区别，相同的理论用在不同领域的表象不一样而已。比如人脸识别，工业现场可能就是缺陷检测，背后对应的理论都是机器视觉、卷积神经网络等；比如人工对话，对应的就是倍福的 TwinCAT Speech，设备操作人员可以通过该功能实现语音操控设备，背后对应的都是自然语音处理等。不过生活中的人工智能，通常实时性要求较低，秒级响应，工业现场经常要求较高，毫秒级响应；此外，工业现场对机器学习的稳定性要求也比生活中的高。与面向消费者的 AI 系统对误报和否定的容忍度不同，工业 AI 即使误报率或否定率非常低，也可能会损害　AI　系统的整体可信度。因此，从这个意义上讲，工业　AI　比商业　AI　的安全性、正确性、可靠性要求更高。

　　问题四：一个工业人工智能的项目应用，通常要经历哪些步骤？在这些步骤中，都需要用到哪些工具或者软硬件支持？

　　杨祥林：一般要经历三大步：第一、项目评估和数据采集；第二、模型的训练；第三、模型的现场部署和验证。

　　数据采集需要各种传感器、I/O　模块、采集软件、数据库、云存储等；模型训练一般基于成熟的机器学习框架，目前比较流行的如TensorFlow、PyTorch、PaddlePaddle、MATLAB、Scikit-learn　等；目前模型部署中比较常见的是　ONNX　模型www.cechina.cn，支持　ONNX　模型的框架有　OpenVINO、ONNXRuntime、TensorRT，硬件一般采用工业控制器。

　　问题五：您认为人工智能在工业上的应用，从实际操作上看，主要的困难和挑战在哪里？

　　杨祥林：工业涉及的行业多，问题一般多而且细。算法工程师通常对算法比较熟悉，对工业现场了解较少；工业现场的产线人员通常对工艺、设备比较熟悉，对算法了解较少，如何将一个工业问题转化成一个机器学习问题，就显得比较棘手。除了预测准确性和性能保真度之外，工业人工智能系统还必须超越预测结果，对异常进行根本原因分析。这就要求算法工程师在开发过程中与设备工艺专家合作，将设备工艺知识融入建模过程中，让模型自适应地学习和积累知识。

　　问题六：能否给我们介绍　1-2　个您近期做过的工业人工智能项目，包括项目周期和应用效果等？

　　杨祥林：某公司的金属产品表面需要进行缺陷检测，项目周期约半个月，需要完成数据采集、模型训练和模型部署控制工程网版权所有，现场效果完全达不到客户的出厂检测要求。机器学习的方式相比于他们之前的传统视觉方式，具有更好的适应性和推广性，不但采用统一的框架，更有利于设备产品升级迭代。

　　问题七：您认为对于工业的人工智能项目，如果倍福这样的工业自动化公司来实施的话，有哪些优势？

　　杨祥林：倍福在数据采集和模型部署上具有天然的优势。数据采集--倍福有一系列的测试测量模块（ELMxxxx　系列），各种采集软件插件　TwinCAT　3　Scope、TwinCAT　3　Database　Server、TwinCAT　3　DataAgent、TwinCAT　3　Analytics　Logger　等，通过编程或者配置的方式很容易就可以将各种传感器数据采集到控制器或者云服务器中；模型部署--TwinCAT　3　已经无缝集成了机器学习引擎接口　Machine　Learning　Runtime，既可以通过　TcCom　采用配置的方式进行模型部署，也可以通过　PLC/C++　程序调用功能块的方式进行部署，非常简捷方便。此外，一般原始数据需要预处理，然后再进行模型推理控制工程网版权所有，TwinCAT　3　Vision　集成了　OpenCV　的常用功能块，可以进行各种图片数据的预处理；TwinCAT　3　Condition　Monitoring（TF3600）和　TwinCAT　3　Analytics（TF3500）可以对各种过程数据进行预测处理，为模型的部署上线提供了全方位的支持。

　　问题八：每个工业人工智能的项目情况都不一样，那对于倍福来说，人工智能的应用能做到产品化吗？还是说每个项目都得需要您这样的技术专家参与？

　　杨祥林：可以的。我们正在搭建一个机器学习的框架，数据采集、模型训练、模型部署可以完全自动化的完成。现场工程师采用这个框架只需关注设备、工艺本身的数据特征提取，无需关注机器学习后台是如何运行的，这些都由框架来保证其正常运行。这套框架是完全基于倍福的标准化产品实现的。

　　问题九：能否透露一下，倍福接下来对工业人工智能会有什么样的发展策略和重点方向？

　　杨祥林：人工智能是计算机技术的未来发展的一个重要方向，倍福除了将在人工智能产品的研发方面重点投入外，也会将人工智能技术直接嵌入到倍福的标准化产品中。同时，我们也更将关注客户的应用需求和项目落地，努力帮客户解决人工智能在设备应用时所面临的诸如数据采集、存储、模型训练和最终部署等问题。

　　问题十：您认为人工智能在工业的应用发展前景如何？

　　杨祥林：任何一项新技术在被应用于实际生产和生活中时控制工程网版权所有，都会面临各种挑战，正如人类的文明也是在解决各种挑战后逐步发展和进步的。倍福是一家技术创新型的工业自动化公司，我们有激情也愿意把各种新技术整合到工业应用中去，同时我们也希望和所有自动化人一同去面对和解决这些挑战www.cechina.cn，为自动化的进步和人类的进步做出贡献。正如倍福全球总裁 Hans Beckhoff 所说：“Engineers must save the world!”

　　全球正在加快采用智能制造解决方案的步伐，自动化是工业人工智能过程应用的主要方面之一。作为自动化新技术的驱动者，倍福始终在技术上寻求突破创新，并致力于为客户创造价值、提高生产力、降低成本、优化站点、预测分析和洞察发现，让机器学习应用领域也能享受基于 PC 的控制系统的开放性优势，助力人工智能在工业自动化领域的落地实施，提升制造企业应对未来关键挑战的能力和竞争优势。