桂卫华:知识型工作自动化将助力制造业升级

亿欧网
实际上,知识型工作自动化涉及的方面很广。基础研究方面包括获取知识表示、推理、演化、关联、重组等等。而这些研究工作,最重要的是结合场景和对象来研究自动化问题。而严格意义上,现在并没有系统实现知识型工作的自动化。

2019年1月10日,由中国自动化学会联合中国科学院自动化研究所、中华人民共和国工业和信息化部与中国人工智能产业发展联盟主办的2019国家智能产业峰会在山东青岛召开。峰会以“工业智联网:AI赋能,智联世界”为主题,旨在使广大从业人员更好地理解工业智联网本质,挖掘工业智联网潜在能效,进而推动智能产业发展。

中国工程院院士、中国自动化学会的副理事长桂卫华以“人工智能助力制造业升级”为主题登台发表了演讲。桂卫华教授主要结合有色金属的行业背景,畅谈了人工智能助力制造业升级问题。

桂卫华从习近平总书记对人工智能的指示谈起,谈到了国家对于人工智能的重视,以及期许的发展方向。

习主席关于人工智能的指示:

一、人工智能是国家战略技术,重要性不言而喻。二、人工智能涉及到基础技术、系统等各个方面的研究,具有多学科交叉复杂特征,要将其放在战略制高点的位置。三、人工智能技术要与一二三产业深度融合。四、人工智能技术要汇聚人们生活。五、要推动人工智能技术健康发展。

基于技术的发展和需求的推动,人工智能科学技术发展现在又处在一个高潮上。目前的发展方向分为两个方面:

一个是认识人的大脑的脑科学方面;

另一个是针对性应用方面。

从国内外研究表明,人工智能与制造过程的深度融合,是具有挑战性的。但从长远来看,人工智能技术在应用于制造业方面,是值得我们大力推动的。此前很多人工智能研究,并没有很好考虑怎么样与制造过程结合。因此,桂卫华教授重点提出了知识型工作自动化这一概念。

知识型工作自动化

目前整个社会发展,知识型工作,在当代社会分工当中是占有压倒性的重要定位,核心要求工作人员具有分析、判断和决策能力。

2009年,美国帕罗奥多研究中心讨论关于知识型工作的未来。指出知识型工作自动化将成为工业自动化革命后又一次革命。

2013年,全球研究院发布的展望2025,决定未来经济的12大颠覆技术报告里专门谈到知识型工作自动化。报告指出,知识型工作自动化预计在2025年可带来5.2万亿至6.7万亿的巨大经济效益。所以将其认为是驱动未来经济的颠覆性技术,但目前并没有得到关注。

2015年,相关调查报告分析了当前的知识型工作,认为通过自动化方式的替代可以实现三到十倍的收益。并且,知识型工作的知识程度对收益有潜在影响,知识越难,将来收益越高。

传统知识型工作

实际上,知识型工作自动化涉及的方面很广。基础研究方面包括获取知识表示、推理、演化、关联、重组等等。而这些研究工作,最重要的是结合场景和对象来研究自动化问题。而严格意义上,现在并没有系统实现知识型工作的自动化。

现代工业中间,机器在很多的方面已经取代或者正在取代体力劳动,但工厂中还有很多核心工作仍是由知识型工作者在完成。这体现在运行、计划调度、管理决策三个层面:

运行层面,主要是指工程师根据数据、经验对参数进行修改,下达命令。计划调度层面,主要是指调度员根据经验协调各部门,进行计划调度、安排和生产与制定。管理决策层面,主要是指管理者指根据经验、市场信息和企业运行的情况来进行决策。

传统知识型工作面临的挑战

在这三个层面,核心工作是由知识型工作者完成的知识型工作。随着社会的发展,由传统的人力完成工作时,这些工作已面临着一些挑战。

第一个挑战是社会出现新要求。随着社会发展,客户现在对企业提出了更高的要求,因此企业对生产过程要更精细化。而制造业由于生产过程的复杂,很难精确建模。由于客户需求经常变化,要求模型保持敏捷,以应对包括原料和产品市场不确定性,因此要求企业进行信息化控制。

第二个挑战是新的信息环境。云平台、移动计算、物联网、大数据等新技术、新平台的出现使数据的种类和规模迅速增加,知识型工作者面对海量信息感到无所适从。以前的数据量可能依靠一个人、一张表格就可以完成工作,而现在很多数据往往个人完全无法处理。

第三个挑战在于如何利用好数据。因为知识型工作完成的质量,严重依赖于个人的素质,并且个人工决策往往趋于主观,具有不一致性,无法全流程稳定运行。同时,个人的经验、知识在推广、积累和传承等都面临困难。师傅带徒弟是传统办法,但这种机制不利于人工智能的实现。

所以,知识型工作自动化,跟原来的知识型工作还是有一定区别。比如,原来人在从事知识型工作的时候会存在一些问题与不足,未来的知识型工作自动化会通过机器进行弥补。

知识型工作自动化的案例

桂卫华提到了一个原材料工业中冶炼厂原料采购的例子。

原材料工业企业当中,原料采购占据着企业大部分的资金。但很多规模很大的企业,对产品的库存、采购企业的考虑都是由人来做的。

原料采购人员在采购过程中需要考虑小到采购目标、费用、金属总量、原矿品位、杂质、上下限等问题,大到供求关系、市场情况、宏观经济政策等因素带来的影响。同时,还需要结合企业本身的能力,比如存储能力、财务状况等等,综合各方面,做出判断、筛选、决策。

这些过程完全由知识型工作者去做容易产生很多复杂问题,比如腐败就是其中的问题之一。利用机器知识型自动化的办法来解决这个问题则比较简单,并且能有非常高程度的优化。

知识型自动化会如何完成这项工作呢?桂卫华提到,当时,他们通过数据知识激励模型把作为原料采购目标的一百多家矿山以品类的质量、范围进行基准,分成五大类。

第一步,充分虑市场知识和企业生产知识,将原料采购目标的五大类进行筛选、决策。第二步,根据具体的供应商进行分析,评估已筛选出的每个类别。第三步,在筛选的每一类里面决策出相应的供应商,最后得到一个完整的企业采购。

仅仅这一部分的内容,就可以为企业每年节约数千万的经费。

人工智能赋能有色金属工业面临的问题

绿色高效发展现在面临很多挑战性问题。我国要实现绿色高效发展,要领跑于世界,必须要借助人工智能技术。要推动有色金属工业的升级,实现绿色高效,人工智能是一个有力的抓手。而推动有色金属工业的升级、发展同样面临着许多挑战:

1.适应有色金属行业的特点。2.升级后的工业流程需稳定运行问题。3.人工智能要赋能工业也需完成进一步的升级。

其中,企业能够稳定运行是最为关键的环节。只有工业流程实现稳定运行,才能带来真正的效应。

桂卫华在最后强调,在促进人工智能健康发展时,一定要使得人工智能技术能够落地,能够解决问题。如果人工智能技术漂浮在空中而不落地,人工智能的发展难免再起起伏伏。

THEEND

最新评论(评论仅代表用户观点)

更多
暂无评论