智能制造如何获得韧性
加拿大工程院院士杜如虚在深圳创新发展研究院发表了一场名为《智能制造产业创新、布局与应变》的报告。
杜如虚在开场提出，当今人类社会面临很多的挑战，比如保护主义盛行、自然灾害频发、恐怖袭击、社会动乱等许多问题。这些问题来源于社会两极分化、大国争霸、人类的偏见、新技术难以驾驭等等原因。然而，当今的人类在面临挑战时也有了更多的韧性。例如，虽然这两年新冠病毒在全球造成了极大的影响，但相比人类历史上面临的流行病，目前的人类社会有了更多的应对方法。1918年的西班牙流感在三年内估计造成了5千万到1亿的死亡，而2020以来的新冠病毒则造成了全球400多万的死亡。
在杜如虚看来，人类社会的韧性能够抵御各种灾变，并帮助人类在灾变后快速恢复。而每一次灾变之后，都会引起世界上的学者研究人类社会的韧性。比如，“911事件”之后有人研究如何应对社会极端事件，2008年金融危机之后有人研究如何保护信用体系，现在又有很多人研究如何保护网络安全等等。
杜如虚认为，一个社会、一家公司如果要获得韧性，就需要具有创新、布局、应变的能力。
而智能制造其实主要也是围绕这三个部分。
创新
“我们都知道创新本身是发展的引擎。而一个产品不可能永远领先，创新永远有新东西产生。你只要一停别人就有机会超过你，而且变化的速度越来越快。”杜如虚说。
以通信为例，以前在90年代，打电话得去公用电话排队。当时的电话公司很好赚钱，没有动力去开发新技术。这个技术其实都是美国公司最先发明的，但由于电话公司的保守，自己反而发展不起来，后来也给了别人超越的机会。“技术发明就是这样，第一你得去发明，第二你还得去推动它。”
创新包括很多部分，比如产品设计创新、制造技术创新、供应链与市场创新等。例如，大疆无人机是一个设计创新的典型案例，其设计方面的突破使得其抗风能起非常强，这方面能做到全球第一。
杜如虚介绍，目前三分之二的专利与制造有关。以前的制造往往依靠模具生产，而精密模具或者大型模具都非常昂贵。而现在无模成形的技术则不需模具、步进成形（步进电动机是一种将脉冲信号变换成相应的角位移、线位移的电磁装置,是一种特殊的电动机，一般电动机只能连续转动的）。其优点是特别适用于样品或者小批量生产，缺点则是效率低、进度有待提高。
杜如虚的研究团队把这项技术越做越大，从50KN的高速步进成形机，一直做到了6000KN的步进弯板机。
布局
在布局方面，杜如虚认为，现代的企业一方面依靠硬性的质量管理系统，一方面也融入了柔性的生产体系。相比之下，古代的大型工程则只能依靠硬性的质量控制和责任制，比如金字塔和长城。
“我们国家的质量管理系统相对来说不够健全，管理理念有待提高。我们有一大堆的产品质量标准，但相比之下，日本汽车生产的质量管理不是只看最后的质量，而是看生产过程中每一阶段的质量，它有一个全程质量考核，所以日本车质量真的比德国车和美国车都要好。他们这个理念非常重要，不只是在最后测一下，而是在每一个步骤都去检查。如果你每一步都行，后来就算有问题也很容易纠正。如果最后才发现有问题就不容易解决。”杜如虚说。
那么，“我们制造如何引入柔性呢？在可以变的、有变数的地方进行布局。柔性布局思想则是将应变机制植入制造系统。”
为了在制造生产中引入应变机制，传统的方法是多台机床并行或者堆栈。“如果排队的人太多，我就多开几个窗口。那生产也一样，机器少我就多买几台。而堆栈什么意思呢？比如说零部件可能要多买点放在仓库里面，那堆栈的话可以不堆在一个仓库里，可以堆在多个仓库，甚至是远程的仓库里。”杜如虚说。
杜如虚称，现在的新的柔性方法则是使用可重构机床、可移动堆栈，以及数学方法进行动态规划和仿真实验。接着，他简单展示了密歇根大学的可重构机床，广州技田公司的AGV系统（装配有自动导引的装置），以及嘉兴必威公司的立库系统（高架仓库）。
应变
在谈到应变能力时，杜如虚认为现在的应变实际上就等于工业人工智能。工业人工智能也是目前制造业最大的特点。“我们都知道工业4.0，那4.0其实就是智能。”杜如虚说。
现在工业人工智能也带来一些挑战，比如数据安全和数据孤岛等问题。首先，现在各公司的数据是不容外泄的，无法分享，各自的数据也不完整；并且由于数据采集能力有限，无法获得完整的数据。另外，现在很多时候只有大量正常运行时的数据，故障数据很少，并且许多故障的数据也无法获得。
杜如虚认为，在生产过程中的应变分为三个步骤：首先通过硬件和软件收集和处理信号，然后通过建立模型预测，最后是通过一定的方法进行控制决策。智能制造系统的构建也分为相应的三层：第一层是各种装备集成、数据采集；第二层是数字孪生，包括型号处理，统计分析以及质量控制；第三层则是发掘深层问题，比如监控诊断、发现问题根源、优化系统设计并持续改进。
“其实智能制造最重要的还是第三层，这才是人工智能的关键所在，这个也就是韧性。”杜如虚表示。
杜如虚介绍，从他博士毕业到现在，智能制造监控诊断的方法也在不断的演进，从以前的4D全系谱，到蛇骨图，再到模糊转移概率等等。
人工智能算法
杜如虚表示，人工智能核心是算法，算法的目的是从观测数据中学到尽可能多的知识。“如果人工智能是一个大饼，其中的机器学习占80%。机器学习的目的是从数据中学到尽可能多的东西。”
杜如虚介绍，最新的算法包括谷歌的”Transformer”,这是一种“自我专注学习”。 还有对比学习，变分自编码器，及对抗神经元网络等，“每一种都可以做一些有意思的事情”。
以对抗神经元网络算法为例。这个算法最早可以追溯到斯坦福大学的Bradley Efron教授，然后经过了很多代人持续的改进。这个算法把数据进行重复的抽样、组装、分析。“后来一篇文章用这个算法模拟出一个人衰老过程的图像，当时大家看了之后都很震动，原来人工智能能做这样的事情。”杜如虚说。
杜如虚表示，像这样的算法，现在实际上是开源的，并不像大家想象的那样受到专利保护。“所以一时间运用这个神经元网络的文章数以万计。你都不用懂它，你直接用就可以了。”
现在比较流行的一种算法是深度学习，这也是神经网络的一种。“如果我们有足够的数据，可以不用对抗的方法，直接用深度学习的方法就可以了。很多人都说，深度学习是人类数学上第4次革命。只要一个足够大的网络，那几乎所有问题一定可以解决，因为现在的计算能力非常强。”不过，杜如虚也表示，在现实中也会遇到数据孤岛的问题，因此这时还是要用对抗神经元网络的方法。
杜如虚认为人是一个有生老病死的生命体，而人工智能是一个机器，一个算法，它可以无限地学习下去。不过目前人工智能的“智能”和人的“智能”其实还差得比较远。
关于人工智能对于未来生活的影响，杜如虚认为这个问题难以预测：“20年前谁会想到现在的手机变成这样？”不过杜如虚也肯定地表示，人工智能将成为不可或缺的工具，而且这项技术无法封杀。
