李培根院士:机器人、数字孪生、AI大模型,未来智能工厂建设的三大核心

时间:2024-04-30
  在2024中关村论坛期间召开的“智能制造创新发展论坛”上,中国工程院院士李培根表示,智能工厂建设是AI赋能新型工业化的重要抓手,其核心在于智能机器人、数字孪生、大模型等关键技术在工业场景中的深层次渗透与应用。

  

  第一个核心:智能机器人
  发展至今日,智能工厂建设已经离不开机器人。李培根指出,现在企业里装配线上大量的机器人都是在封闭环境下工作,实际上并不是真正的智能机器人。未来制造业里的机器人可以走出仓储和制造环节,进入到开放环境,这是今后一个重要方向,该场景的实现主要依靠自主移动技术(AMR)。
  目前,车间里的自主导引小车大多是按照固定路径移动的,实际上真正的自主移动技术没有这些限制,它基于地图定位技术,通过扫描作业环境并自主更新地图,无需辅助固定信标,对工作场地几乎没有改造需求,非常适合部署在复杂、动态的生产场景中。日本牧野Makino的车间中,采用了运用AMR技术的机器人,可以同时照看多台机床,上料、下料、装刀具、卸道具等操作都不在话下。
  机器人的应用范围不应局限于企业内部,而是应该能够应对各种操作条件、人口稠密的空间甚至其他自动化设备。“走出以往的受控仓储和制造环节,机器人将为各行各业带来发展机遇。”李培根说道。
  比如,人形机器人具备高度自动化,且适用于各种复杂环境,是智能工厂建设的一个重要探索方向。特斯拉计划率先在汽车装配过程中引入人形机器人。奔驰正在和机器人开发商Apptranik合作,希望把人形机器人用到工厂,用于装配零件。
  “通过以类似人类的能力不需要改造环境就能应对复杂的人类环境,使用场景更广,能作为简单、重复、危险的劳动力替代,也能在适应非标服务场景的同时满足情感需求和交互。”李培根表示。此外,机器人还具备学习功能,越用越聪明,工厂还可以通过机器人实现新老员工的技能传承。
  第二个核心:数字孪生
  李培根强调,智能工厂应该是充分应用数字孪生技术的工厂。数字孪生不仅仅是产品、设备的数字孪生,还包括车间、工厂,以及供应链的数字孪生。
  举个例子,华中数控把数字孪生技术用在数控机床上,实时控制机器装备。通过对从机床上采集的孪生数据进行分析仿真,可以让使用者更清楚的认识机床的行为,从而进行更精准的控制与操作。
  “数字孪生工厂不应该仅仅是对物理工厂一些简单的数字记录、数字呈现,而是要能通过数字孪生系统采集的实时数据,反过来指导车间或者工厂的运行,乃至供应链竞争,使工厂运行在最佳状态。”李培根说道。
  实际上,车间、工厂需要的是一个数字孪生的工厂平台。数字系统实时记录真实系统的运行情况,分析哪些参数需要调整,并且实时调整来保证质量,保证效果。而供应链数字孪生体现在企业中,企业不仅要有好的供应链系统,还要有数字化供应链。而且不同于早就应用于供应链的传统的、离线独立的仿真,基于数字孪生的仿真是实时的、动态的,能够与物理系统交互连接。
  第三个核心:AI大模型
  李培根认为,未来智能工厂需要洞察一些复杂和高阶的关联。AI大模型对世界高阶相关性的认识已经远远超越人类,要重视其在智能工厂建设过程中的应用。
  大模型是指具有大量参数和复杂结构的机器学习模型。其Transformer架构有两个重要功能,一个是单词的向量化,像ChatGPT一次可以提取300至500种属性来描述“苹果”这一个单词,不同类型、不同地区的苹果它都很清楚,这是人类难以做到的;另一个是自注意力,强调关系的寻找,ChatGPT5读一本将近2000页的书,读完之后便可以把握其中从头到尾所有词与词之间的关系,而人类的认知难以与之齐肩。
  回到工业制造场景,数控系统内部电控大数据是主要数据来源。数控系统内部的大数据包括运动轴状态、主轴状态、机床运行状态、机场操作状态、程序状态等等,如果把这些数据收集起来进行分析就会发现它与零件加工质量、精度和加工效率之间存在复杂的关联关系,采取相应措施可以显著提高生产质量。
  “如果对机床精度、装配误差问题、热和动力学误差、机床全生命周期误差控制等问题追根溯源,里面可能会有无数需要我们考虑的复杂的关系,比如机床部件、零件、精度、运动参数、转速等,这些关系在制造过程中很难考虑周全。”李培根坦言。不过,大模型的出现或许可以帮助智能工厂洞察更为复杂的高阶关联。
上一篇:郑志明院士: Web 3.0和工业4.0融合,本质上要解决“端-网”融合问题
下一篇:库克:生成式人工智能,我们拥有使我们与众不同的优势

免责声明: 凡注明来源本网的所有作品,均为本网合法拥有版权或有权使用的作品,欢迎转载,注明出处。非本网作品均来自互联网,转载目的在于传递更多信息,并不代表本网赞同其观点和对其真实性负责。