中国工程院院士李培根产业智能无处不在

　　作者：陶文
　　来源：人民邮电报
　　日前，在2021挚物AIoT产业领袖峰会上，中国工程院院士李培根做了题为《产业智能何处寻觅》的演讲。他表示，很多企业人士对智能进一步应用的感觉依然是云里雾里，事实上，产业智能可以在普通的过程中，可以在平凡的事务里，也可以在企业的外部世界中，更可以在云端。
　　产业智能在生产过程中
　　李培根以大型船舶发动机领域的质检环节为例，提出了工艺智能的引入可以让事后质量检测走向实时在线的监测和预测，从而推动质量管理模式的根本性变化。
　　如工艺智能（需工业互联网、5G）。在大型船舶的制造领域，焊接占据日常生产工作的70，在质检环节中，需要将各个构件吊装至专门的质检车间，采用各类无损检测设备，提出和修复质量不合格的构件。当发现深层次的焊接质量问题时，与焊接行为本身通常已经脱钩3至15天，很难追溯原因，造成较大的损失。
　　李培根表示，工艺智能的引入，利用工业互联网的各类融合技术，以不低于1000Hz的频率进行各类工艺参数的高频采集。根据材质特性，以极高的频率快速调用后端封装好的具体机理算法进行分析，从而使得质量问题在焊接过程中得到解决。
　　工业智能可以让事后质量检测走向实时在线的监测和预测，这是一种质量管理模式的根本性变化，其对时延的要求就需要5G来满足。
　　同样在过程中，如气保焊的影响机理，只有有效梳理后的机理模型，才能在焊接过程中直接捕捉到焊缝质量问题，而不是事后再进行检测，要实现在线监测，就需要这种稀缺性、高技术价值的机理模型。
　　产业智能在平凡的事务里
　　李培根以数字化供应链管理问题为例。原来信息不透明会影响系统整体效率，供应链的上下游处于一种复杂的博弈关系当中。
　　此外，交易双方新人成本较高。同样由于信息不对称，采购方与供应商进行交易的各个环节，均需采取某些手段对产品进行甄别、挑选、验证等，而供应商亦需提供证明。交易纠纷难以处理，目前的供应链可覆盖数百个阶段，跨越数十个地理区域，涉及的内容横跨各个行业，发生纠纷时举证困难，责任分配难明确。
　　还存在非法行为追踪困难的问题，当供应链的产品出现问题时，由于供应链结构高度复杂，追踪产品流程精准确定出现问题的环节是一项极为耗时费力的工作。
　　区块链可帮助建立安全的分布式账本，上面信息对交易各方均是公开的。通过智能合约技术，可以把企业间的协议内容以代码的形式记录在账本上，一旦协议条件生效，代码自动执行。譬如采购方与供应商进行交易时，即可在链上创建一条合约，合约内容在物流数据表明货物已经抵达地点时，货款发送给供应商，这样一来只要物流抵达的信息发出，货款将自送转出。
　　区块链数据安全不可变，智能合约上代码可强制执行，让赖账毁约难。
　　李培根认为，对供应商队伍的动态管理，以及供应链效率的提升，可以帮助在生产淡季有加工需求的小型企业直接找到合适的生产厂商，甚至利用智能合约自动下单采购。这些小型企业可以跳过中间商环节，从而节省成本，同时，这也有助于激活生产厂商的空置产能。
　　对于签名，智能也能融入其中。李培根介绍，总部设在旧金山的DocuSign就是为了改变签名方式而成立的。通过智能手机或平板电脑即可完成手写签名，免除了使用传真或邮件签名的麻烦。通过数字签名验证用户的真伪，具有法律效力。公司可以引导客户在完成电子签名后进入程序，以便于管理全部电子合同。从服务各大企业入手，使得服务于大公司的小公司也沿用DocuSign签订合同。
　　产业智能在企业外部世界
　　李培根通过剖析工业互联网、智能电网、能源互联网等领域，进一步介绍了企业对于云平台、5G、AI、区块链等产业智能的应用。
　　开放世界更需要云平台5G。波士顿动力公司正准备发布其首款面向开放世界的商用四足机器人Spot，可应用于检查管道或者绘制3D建筑工地地图等一系列用例。Spot可在开放世界环境中行进，在崎岖的地形上保持平衡，并可自行在已绘图区域进行导航，技术的长足发展促使在城市街道、大学校园和建筑工地应用机器人成为可能，因此，围绕此类解决方案进行的实验如今可以赋予领军企业极大的竞争优势。机器人的应用范围不再局限于企业内部，而是可以应对各种操作条件、人口密集空间甚至其他自动化设备。机器人走出以往的受控仓库和制造环境，为各行各业带来发展机遇。
　　对于碳达峰、碳中和，企业也需要考虑。充分利用柔性配电、虚拟电厂、电化学储能、有序充电等技术，加强配电网互联和智能控制，促进高比例分布式新能源就地消纳。因地制宜建设独立性微电网，促进分布式电源、电动企业、电能终端、新型储能多元负荷聚合互动，参与电网调峰和优化运行。在工农业生产制造、电力供应、交通运输、居民采暖、家庭电气化五大领域，拓展电能替代广度深度，推进电能替代技术发展和应用，提升终端消费电气化水平。
　　产业智能在云端
　　李培根提出，大量跨行业、跨领域的工业经验、知识、方法将以工业APP、工业微服务组件（类似集成电路IP）的形式沉淀到工业互联网平台。
　　数据科学与AIML的支撑，其核心是人工智能机器学习的引擎，其输入是360度的全景数据，不仅仅是机器数据，更重要的是一些企业数据、ERP数据、维修工单等，很多客户的机器设备根本没有联网，大多数客户只有20的联网。风机的机油也可以做预测性的维护分析，其他的数据还有来源于工业智能环境、地理位置、交通等。
　　据介绍，依托强大的DataScience，UPTAKE平台已经拥有超过21亿小时的机器学习，连接了130万工业设备并不断在增加，还有6万个失效模型，所以即使设备不联网，UPTAKE平台也可以通过这些失效的模型来预估机器设备大约会是怎样坏掉的。2018年初，UPTAKE平台一天的数据交易量已达纽约证券交易所的六倍以上。
　　最后，他还提出，要让智能沉淀在芯片等硬件中，沉淀在工业APP里。